1_historia de la investigacin de operaciones :

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.