MARCO TEORICO CONCEPTUAL UNIDAD I: INTRODUCCION AL ANALISIS CUANTITATIVO.

RESUMEN 1

1.1 Origen de la Investigacin Operativa. Los orgenes de la investigacin de operaciones, se dan en la Segunda Guerra Mental cuando se analiz la aplicacin militar de los sistemas de radio localizacin desarrollados por cientficos civiles. En 1940 se form un grupo de investigacin en la Universidad de Manchester dirigido por P. M. S. Blackett, para estudiar el uso de un nuevo sistema antiareo controlado por radar. Muchos cientficos que haban participado en los equipos de IO o que tenan informacin sobre este trabajo, se encontraban motivados a buscar resultados sustanciales en este campo; de esto resultaron avances importantes. Un ejemplo sobresaliente es el mtodo simplex para resolver problemas de programacin lineal, desarrollada en 1947 por George Dantzing. Muchas de las herramientas caractersticas de la investigacin de operaciones, como programacin lineal, programacin dinmica, lneas de espera y teora de inventarios, fueron desarrolladas casi por completo antes del trmino de la dcada de 1950. Fue en Inglaterra donde se utiliz por primera vez el nombre Investigacin Operativa La toma de decisiones es un proceso que se inicia cuando una persona observa un problema y determina que es necesario resolverlo procediendo a definirlo, a formular un objetivo, reconocer las limitaciones o restricciones, a generar alternativas de solucin y evaluarlas hasta seleccionar la que le parece mejor, este proceso puede se cualitativo o cuantitativo.

1.2 Definicin de la I.O La investigacin de operaciones es una tcnica para la resolucin de problemas. La Investigacin de operaciones deber visualizarse como una ciencia y un arte. Ciencia.- Ofrece tcnicas y algoritmo matemticos para resolver problemas de decisin adecuada. Arte.- Creatividad, habilidad personal de los encargados en tomar decisiones. La investigacin de operaciones es la aplicacin, por grupos interdisciplinarios, mtodo cientfico, y problemas relacionados en el control de organizaciones a fin de producir soluciones.

RESUMEN 2

1.3 Toma de Decisiones. Etapa 1.- Identificar un problema El proceso de toma de decisiones comienza con la existencia de un problema o, ms especficamente, de una discrepancia entre la situacin actual y la situacin deseada. Etapa 2: Identificar los criterios de decisin Cuando un gerente detecta un problema, tiene que identificar los criterios de decisin importantes para resolverlo.es decir, los gerentes tienen que determinar que es pertinente para tomar una decisin. Sean explcitos o tcitos, los gerentes tienen criterios para guiar sus decisiones. Etapa 3: Asignar pesos a los criterios Si los criterios que se identificaron en la etapa 2 no tienen toda la misma importancia, quien toma la decisin tiene que ponderarlos en forma ordenada para asignarles la prioridad correcta en la decisin. Etapa 4: Desarrollar las alternativas En la cuarta etapa, quien toma la decisin tiene que preparar una lista de las alternativas viables que resuelvan el problema. Etapa 5: analizar las alternativas Despus de identificar las alternativas, quien toma la decisin tiene que analizarlas crticamente. Cmo? Las evalas de acuerdo con los criterios establecidos en las etapas 1 y 2. Con esta comparacin se revelan las ventajas y desventajas de cada alternativa. Despus de identificar las alternativas, quien toma la decisin tiene que analizarlas crticamente. Cmo? Las evalas de acuerdo con los criterios establecidos en las etapas 1 y 2. Etapa 6: Seleccionar una Alternativa La sexta etapa consiste en elegir la mejor alternativa entre todas las consideradas. Despus de ponderar todos los criterios de la decisin y de analizar todas las alternativas viables, simplemente escogemos aquella que gener el total mayor en la etapa 5. Etapa 7: Implementar la Alternativa: En la etapa 7 se pone en marcha la decisin, lo que consiste en comunicarla a los afectados y lograr que se comprometan con ella. Etapa 8: evaluar la eficacia de la decisin La ltima etapa del proceso consiste en evaluar el resultado de la decisin para saber si se resolvi el problema. Se consigui el resultado buscado con la alternativa

elegida en la etapa 6 y puesta en marcha en la etapa 7? En la sexta parte, en la que estudiamos la funcin de control, detallamos como evaluar los resultados. Qu ocurre si la evaluacin muestra que el problema persiste? El gerente tiene que examinar que sali mal. Defini mal el problema? Cometi errores en la evaluacin de las alternativas? Eligi la alternativa correcta pero la implanto mal? Las respuestas llevaran de vuelta al gerente a una de las etapas anteriores. Incluso es posible que deba repetir todo el proceso. 1.4. Anlisis cuantitativo y toma de decisiones. EJEMPLO DE PROCESO DE TOMA DE DECISIONES Etapa 1.- Joan, gerente de ventas que fue despedida y que quiere ser emprendedora en vez de volver a trabajar para una compaa, supongamos que Joan no quiere comprar una pequea empresa, sino que prefiere ver que franquicias se pueden obtener. As tenemos un problema: hay disparidad entre el lugar en el que se encuentra Joan ahora (desempleada) y el lugar en el que quiere estar (emprendedora y duea de una franquicia). Tiene que tomar una decisin sobre cul es la mejor franquicia para comprar. Etapa 2.- Joan decide que los costos de inicio, las calificaciones financieras, los antecedentes y apoyo del dueo, as como las regiones abiertas seran los criterios pertinentes para su decisin. Etapa 3.-

Etapa 4.- Joan localizo ocho posibles franquicias como opciones viables: curves for women. Quiznos Sndwiches, Jani-king Cleaning Service, Jackson-Hewitt Tax Servicie, GNC Vitamin and Nutritional Products Store, RadioShack, Chem Dry Carpet Cleaning y Mc Donalds. Etapa 5.-

Etapa 6.- Joan escogera el servicio de lavado de alfombras ChemDry, puesto que tuvo la mayor calificacin con los criterios identificados, los pesos de los criterios y su evaluacin de las calificaciones de las franquicias en los criterios. Es la "mejor" alternativa y es la que debe escoger. Etapa 7.- Joan implemento la alternativa escogida en el paso anterior que es el servicio de lavado de alfombras ChemDry. Etapa 8.- Joan deber una vez escogido la alternativa ver si la aquella es rentable para el objetivo que ella quera alcanzar que sea conseguir utilidad y beneficios con la adquisicin de la franquicia. ALGORITMOS Es un conjunto preescrito de instrucciones o reglas bien definidas, ordenadas y finitas que permite realizar una actividad mediante pasos sucesivos que no generen dudas a quien deba realizar dicha actividad.2 Dados un estado inicial y una entrada, siguiendo los pasos sucesivos se llega a un estado final y se obtiene una solucin.

RESUMEN 3

1.5 Construccin de modelos.

MODELOS MATEMATICOS Un modelo matemtico describe tericamente un objeto que existe fuera del campo de las Matemticas. Las previsiones del tiempo y los pronsticos econmicos. Bsicamente, en un modelo matemtico advertimos 3 fases: La construccin, proceso en el que se convierte el objeto a lenguaje matemtico; El anlisis o estudio del modelo confeccionado; La interpretacin de dicho anlisis, donde se aplican los resultados del estudio al objeto del cual se parti. Puede decirse que los modelos matemticos son conjuntos con ciertas relaciones ya definidas, que posibilitan la satisfaccin de proposiciones que derivan de los axiomas tericos. El objetivo del modelo matemtico es entender ampliamente el fenmeno y tal vez predecir su comportamiento en el futuro. Es importante mencionar que un modelo matemtico no es completamente exacto con problemas de la vida real, de hecho, se trata de una idealizacin. Segn la informacin de entrada Con respecto a la funcin del origen de la informacin utilizada para construir los modelos pueden clasificarse de otras formas. Podemos distinguir entre modelos heursticos y modelos empricos: Modelos heursticos (del griego euriskein 'hallar, inventar'). Son los que estn basados en las explicaciones sobre las causas o mecanismos naturales que dan lugar al fenmeno estudiado. Modelos empricos (del griego empeirikos relativo a la 'experiencia'). Son los que utilizan las observaciones directas o los resultados de experimentos del fenmeno estudiado.

Segn el tipo de representacin Adems los modelos matemticos encuentran distintas denominaciones en sus diversas aplicaciones. Una posible clasificacin puede atender a si pretenden hacer predicciones de tipo cualitativo o pretende cuantificar aspectos del sistema que se est modelizando: Modelos cualitativos o conceptuales, estos pueden usar figuras, grficos o descripciones causales, en general se contentan con predecir si el estado del sistema ir en determinada direccin o si aumentar o disminuir alguna magnitud, sin importar exactamente la magnitud concreta de la mayora de aspectos. Modelos cuantitativos o numricos, usan nmeros para representar aspectos del sistema modelizado, y generalmente incluyen frmulas y algoritmos matemticos

ms o menos complejos que relacionan los valores numricos. El clculo con los mismos permite representar el proceso fsico o los cambios cuantitativos del sistema modelado. Segn la aleatoriedad Otra clasificacin independiente de la anterior, segn si a una entrada o situacin inicial concreta pueden corresponder o no diversas salidas o resultados, en este caso los modelos se clasifican en: Determinista. Se conoce de manera puntual la forma del resultado ya que no hay incertidumbre. Adems, los datos utilizados para alimentar el modelo son completamente conocidos y determinados. Estocstico. Probabilstico, que no se conoce el resultado esperado, sino su probabilidad y existe por tanto incertidumbre.

RESUMEN 4

UNIDAD II: PROGRAMACION LINEAL: EL METODO GRAFICO.

1. QU ES PROGRAMACION LINEAL? La programacin lineal es una tcnica matemtica relativamente reciente (siglo XX), que consiste en una serie de mtodos y procedimientos que permiten resolver problemas de optimizacin. Nos centraremos en este tema en aquellos problemas simples de programacin lineal, los que tienen solamente 2 variables, problemas bidimensionales. Consiste en optimizar (minimizar o maximizar) una funcin lineal, denominada funcin objetivo, de tal forma que las variables de dicha funcin estn sujetas a una serie de restricciones que expresamos mediante un sistema de inecuaciones lineales. 2. MTODO GRAFICO EN PROGRAMACION LINEAL El mtodo grfico se utiliza para la solucin de problemas de PL, representando geomtricamente a las restricciones, condiciones tcnicas y el objetivo. El mtodo grafico consiste en obtener geomtricamente la solucin del problema de programacin lineal. Este mtodo es recomendable slo en el caso de que el nmero de variables sea reducido. El Mtodo Grfico se utiliza para ilustrar tres conceptos bsicos: la metodologa para la resolucin de un problema de dos variables de decisin, la interpretacin de la solucin del problema modelado y la observacin grfica de cmo afectan los cambios a la solucin del problema. 3. OBJETIVOS Y APLICACIONES DE LA PROGRAMACIN LINEAL. El objetivo de la programacin lineal es encontrar las condiciones en que se maximiza la denominada funcin objetivo, una ecuacin que determina, por ejemplo, el ingreso que se obtendr produciendo determinadas mercancas; dicha funcin est sujeta a ciertas restricciones, constituidas por un grupo de ecuaciones lineales que indican el consumo de los diversos factores productivos que se necesitan -en este caso- para obtener un determinado producto. 4. COMPONENTES DE UN MODELO MATEMTICO Los modelos matemticos tienen dos componentes bsicos: Datos: Valores conocidos y constantes. Variables: Valores que se calculan. Mediante la combinacin lineal de los mismos se generan: Funcin Objetivo que debe minimizarse o maximizarse. Restricciones que establece lmites al espacio de soluciones.

5. ANALISIS DE SENSIBILIDAD El anlisis de sensibilidad es un mtodo para investigar el efecto que tiene los cambios en los diferentes parmetros sobre la solucin ptima de un problema de programacin lineal. El anlisis de sensibilidad es una herramienta efectiva, por dos razones fundamentales. Primera: los modelos de programacin lineal son con frecuencia grandes y costosos; por lo tanto no es recomendable utilizarlos para un solo caso. Segunda: los elementos que se dan como datos para un problema de programacin lineal, la mayora de las veces son estimaciones; por lo tanto es necesario investigar o tener en cuenta ms de un conjunto de casos posibles.
APUNTES EN CLASE

La programacin lineal utiliza un modelo matemtico para describir el problema. Lineal Todas las funciones matemticas deber ser funciones lineales. Programacin Sinnimo de accin, elegir un curso de accin.

Formulacin de un Modelo Matemtico Los modelos matemticos son representaciones idealizadas, estn expresadas en trminos de smbolos y expresiones matemticas. Si deben tomarse (n) decisiones cuantificables relacionados entre s. Se representan con variables de decisin.

Para producir variables

LIMITACIONES

Representadas en trminos matemticos. Casi siempre en forma de ecuaciones o inecuaciones, estas se llamas restricciones.

Las constantes en las restricciones y en la funcin objetivo se llaman parmetros. El anlisis de sensibilidad cambia el para metro a otros valores posibles.

METODO GRAFICO A) Establecer variables de decisiones. X, Y (grafico bidimensional) MODELO MATEMATICO X1, X2, X3, X4.. Xn (programas informativos) B) Determinar la funcin objetivo: Qu se pide? Max Min C) Plantear restricciones: s.a (Valores no negativos y parmetros) No podemos producir -2 D) Solver: Resolucin 1) Graficar restricciones 2) Establecer la zona factible comn P.P (0,0) 3) Determinar los vrtices de la zona factible comn. 4) Reemplazar cada vrtice en la funcin objetivo. 5) Establecer la solucin: Max Min