El inicio de la Investigacin de Operaciones se remonta a la poca de la
Segunda Guerra Mundial en donde surgi la necesidad urgente de asignar recursos escasos a las diferentes operaciones militares y a las actividades dentro de cada operacin, en la forma mas efectiva, es por esto, que las administraciones militares americana e inglesa hicieron un llamado a un gran nmero de cientficos para que aplicaran el mtodo cientfico a los problemas estratgicos y tcticos, a dichos cientficos se les pidi que hicieran investigaciones sobre las operaciones militares. Todo el esfuerzo de este equipo de cientficos (que fueron el primer equipo de Investigacin de Operaciones) logr el triunfo de muchas batallas. Luego de terminar la guerra, el xito de la Investigacin de Operaciones en las actividades blicas gener un gran inters en sus aplicaciones fuera del campo militar. Desde la dcada de 1950, se haba introducido el uso de la Investigacin de Operaciones en la industria, los negocios y el gobierno, desde entonces, esta disciplina se ha desarrollado con rapidez.Un factor importante de la implantacin de la Investigacin de Operaciones en este periodo es el mejoramiento de las tcnicas disponibles en esta rea. Muchos de los cientficos que participaron en la guerra, se encontraron a buscar resultados sustanciales en este campo; un ejemplo sobresaliente es el mtodo Simplex para resolucin de problemas de Programacin Lineal, desarrollado en 1947 por George Dantzing. Muchas de las herramientas utilizadas en la Investigacin de Operaciones como la Programacin Lineal, la Programacin Dinmica, Lneas de Espera y Teora de Inventarios fueron desarrollados al final de los aos 50. 2_Investigacin de operaciones: La investigacin de operaciones o investigacin operativa o investigacin operacional (conocida tambin como teora de la toma de decisiones o programacin matemtica) (I.O.) es una rama de las matemticas que consiste en el uso de modelos matemticos, estadstica y algoritmos con objeto de realizar un proceso de toma de decisiones. Frecuentemente trata del estudio de complejos sistemas reales, con la finalidad de mejorar (u optimizar) su funcionamiento. La investigacin de operaciones permite el anlisis de la toma de decisiones teniendo en cuenta la escasez de recursos, para determinar cmo se puede optimizar un objetivo definido, como la maximizacin de los beneficios o la minimizacin de costos. Modelos de Investigacin de Operaciones: Modelo Matemtico: Se emplea cuando la funcin objetivo y las restricciones del modelo se pueden expresar en forma cuantitativa o matemtica como funciones de las variables de decisin. Modelo de Simulacin: Los modelos de simulacin difieren de los matemticos en que las relaciones entre la entrada y la salida no se indican en forma explcita. En cambio, un modelo de simulacin divide el sistema
representado en mdulos bsicos o elementales que despus se enlazan
entre si va relaciones lgicas bien definidas. Por lo tanto, las operaciones de clculos pasaran de un mdulo a otro hasta que se obtenga un resultado de salida. Modelos de Investigacin de Operaciones de la ciencia de la administracin: Los cientficos de la administracin trabajan con modelos cuantitativos de decisiones. Modelos Formales: Se usan para resolver problemas cuantitativos de decisin en el mundo real. Algunos modelos en la ciencia de la administracin son llamados modelos determinsticos. Esto significa que todos los datos relevantes (es decir, los datos que los modelos utilizarn o evaluarn) se dan por conocidos. En los modelos probabilsticos (o estocsticos), alguno de los datos importantes se consideran inciertos, aunque debe especificarse la probabilidad de tales datos Modelo de Hoja de Clculo Electrnica: La hoja de clculo electrnica facilita hacer y contestar preguntas de "y si" en un problema real. Hasta ese grado la hoja de clculo electrnica tiene una representacin selectiva del problema y desde este punto de vista la hoja de clculo electrnica es un modelo. En realidad es una herramienta ms que un procedimiento de solucin. Modelo Icnico: Una representacin fsica de algunos objetos, ya sea en forma idealizada (Bosquejos) o a escala distinta. Ejemplo, planos y mapas (2D) Modelo Analgico: Puede representar situaciones dinmicas o cclicas, son ms usuales y pueden representar las caractersticas y propiedades de acontecimiento que se estudia. Ejemplo, curvas de demanda; curvas de distribucin de frecuencia en las estadsticas y diagramas de flujo. Modelo simblico o matemtico: Son representaciones de la realidad en forma de cifras, smbolos matemticas y funciones, para representar variables de decisin y relaciones que nos permiten describir y analizar el comportamiento del sistema: Cuantitativos y cualitativos La mayor parte de los problemas de un negocio u organizacin comienzan con un anlisis y definicin de un modelo cualitativo y se avanza gradualmente hasta obtener un modelo cuantitativo, la investigacin de operaciones se ocupa de la sistematizacin de los modelos cualitativos y de su desarrollo hasta el punto en que pueden cuantificarse. Fases de investigacin de operaciones: Formulacin y definicin del problema: Descripcin de los objetivos del sistema, es decir, qu se desea optimizar; identificar las variables implicadas, ya sean controlables o no; determinar las restricciones del
sistema. Tambin hay que tener en cuenta las alternativas posibles de
decisin y las restricciones para producir una solucin adecuada. Construccin del modelo: El investigador de operaciones debe decidir el modelo a utilizar para representar el sistema. Debe ser un modelo tal que relacione a las variables de decisin con los parmetros y restricciones del sistema. Los parmetros (o cantidades conocidas) se pueden obtener ya sea a partir de datos pasados o ser estimados por medio de algn mtodo estadstico. Solucin del modelo: Una vez que se tiene el modelo, se procede a derivar una solucin matemtica empleando las diversas tcnicas y mtodos matemticos para resolver problemas y ecuaciones. Debemos tener en cuenta que las soluciones que se obtienen en este punto del proceso, son matemticas y debemos interpretarlas en el mundo real. Adems, para la solucin del modelo,se deben realizar anlisis de sensibilidad, es decir, ver como se comporta el modelo a cambios en las especificaciones y parmetros del sistema. Esto se hace, debido a que los parmetros no necesariamente son precisos y las restricciones pueden estar equivocadas. Validacin del modelo: La validacin de un modelo requiere que se determine si dicho modelo puede predecir con certeza el comportamiento del sistema. Un mtodo comn para probar la validez del modelo, es someterlo a datos pasados disponibles del sistema actual y observar si reproduce las situaciones pasadas del sistema. Pero como no hay seguridad de que el comportamiento futuro del sistema contine replicando el comportamiento pasado, entonces siempre debemos estar atentos de cambios posibles del sistema con el tiempo, para poder ajustar adecuadamente el modelo. Implementacin de resultados: Consiste en traducir los resultados del modelo validado en instrucciones para el usuario o los ejecutivos responsables que sern tomadores de decisiones. Modelos de toma de decisiones: Modelo Maximin o de Wald: Lo que propone el modelo de Maximin o de Wald es fijarnos en las valoraciones mas bajas dentro de todas las soluciones es decir, las valoraciones mas bajas son 1 para la solucin A, 2 para la B y 4 para la C, entonces dentro de este rango nos quedamos con C, pues es la mas alta dentro de las peores, la filosofa es la mejor de las peores , esto supone una perdida de informacin porque no se tienen en cuenta el resto de campos y la opcin elegida no podra ser la mas optima. Estamos hablando de una forma Pesimista de elegir segn Wald. Modelo Maximax: Al contrario que el anterior, el modelo Maximax propone trabajar con los datos que mayor puntuacin han obtenido, por ejemplo, en nuestro cuadro las de mayor puntuacin son 8 para A, 10 para B y de 9 para C, aplicando la lgica de este modelo tomaramos como decisin final la B pues su puntuacin es superior al resto, la mejor de las mejores, por lo que
es la que mas beneficios dara. Nos encontramos en la misma tesitura que
antes, no contamos con toda la informacin y podemos estar eligiendo, como antes, no la mejor de las decisiones. Como hemos comentado esta ves la forma de tomar la decisin sera Optimista Modelo de Savage: Para el razonamiento que aplica Savage nos encontramos ante una dualidad, es decir, se busca la mxima ganancia a travs de la perdida mnima. Entonces para cada una de las soluciones tenemos diferentes resultados, lo que hacemos es tomar los escenarios (columnas) como referente y dentro de estas tomamos el mayor valor para restarlo por cada valor dentro de esa misma columna para cada solucin. Modelo Minimax: En teora de juegos, minimax es un mtodo de decisin para minimizar la prdida mxima esperada en juegos con adversario y con informacin perfecta. Minimax es un algoritmo recursivo. El funcionamiento de minimax puede resumirse como elegir el mejor movimiento para ti mismo suponiendo que tu contrincante escoger el peor para ti. CRITERIO ARREPENTIMIENTO MINIMAX: El criterio de arrepentimiento minimax utiliza el concepto de costo de oportunidad para llegar a una decisin. Consiste en que para cada accin y cada estado del mundo, se compara lo mejor que pudo haber sucedido en cada situacin con lo que realmente sucedi.
IDENTIFICACIÓN DE PELIGROS Y VALORACIÓN DE RIESGOS EN LOS TALLERES DE FUNDICIÓN, MOTORES Y METALISTERÍA DE LA ESCUELA TECNOLÓGICA INSTITUTO TÉCNICO CENTRAL CON ESTIMACIÓN DE MEDIDAS, PROCEDIMIENTOS Y PROTOCOLOS DE SEGURIDAD.