Está en la página 1de 6

1.

2 Mtodologa de la Investigacin de Operaciones


El proceso de la Investigacin de Operaciones comprende las siguientes fases:
1. Formulacin y definicin del problema.
2. Construccin del modelo.
3. Solucin del modelo.
4. Validacin del modelo.
5. Implementacin de resultados.
Demos una explicacin de cada una de las fases:
1. Formulacin y definicin del problema. En esta fase del proceso se necesita:
una 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.
2. Construccin del modelo. En esta fase, 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.
Es recomendable determinar si el modelo es probabilstico o determinstico. El
modelo puede ser matemtico, de simulacin o heurstico, dependiendo de la
complejidad de los clculos matemticos que se requieran.
3. 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.
4. 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.
5. Implementacin de resultados. Una vez que hayamos obtenido la solucin o
soluciones del modelo, el siguiente y ltimo paso del proceso es interpretar esos
resultados y dar conclusiones y cursos de accin para la optimizacin del sistema.
Si el modelo utilizado puede servir a otro problema, es necesario revisar,
documentar y actualizar el modelo para sus nuevas aplicaciones.
Definicin del Modelo de Programacin Lineal
Sin duda alguna uno de los mtodos analticos ms viables econmicamente para
la solucin de problemas de administracin es el de la Programacin Lineal, el
cual tiene diversas aplicaciones y ha sido aplicado exitosamente en las industrias
petrolera, automotriz, qumica, forestal, metalrgica, agrcola, militar, etc. Incluso
en mercadotecnia, se le ha empleado para seleccionar los medios de publicidad y
los canales adecuados de distribucin.
Para comprender lo que es la Programacin Lineal es importante entender los
siguientes conceptos bsicos:
a. Variables de Decisin: Con las variables de decisin nos referimos
al conjunto de variables cuya magnitud deseamos determinar
resolviendo el modelo de programacin lineal.
b. Restricciones: Estn constituidas por el conjunto de desigualdades
que limitan los valores que puedan tomar las variables de decisin
en la solucin.
c. Funcin Objetivo: Es la funcin matemtica que relaciona las
variables de decisin.
d. Linealidad: Se refiere a que las relaciones entre las variables, tanto
en la funcin objetivo como en las restricciones deben ser lineales.
e. Desigualdades: Las desigualdades utilizadas para representar las
restricciones deben ser cerradas o flexibles, es decir, menor - igual
(<=) o mayor igual (>=). No se permiten desigualdades de los tipos
menor- estrictamente o mayor estrictamente, o abiertas.
f. Condicin de no negatividad: En la programacin lineal las
variables de decisin slo pueden tomar valores de cero a positivos.
No se permiten valores negativos.

Modelo General de la Programacin Lineal.


La estructura matemtica general de la programacin lineal es la siguiente:

Como podemos ver en el modelo la funcin que se va maximizar o minimizares la


funcin objetivo, sujeta a (s.a.) las restricciones. Xj >= 0, es la condicin de no
negatividad.
Las Xj son las variables de decisin cuyo valor se desea conocer. Aij, bi, cj son
parmetros.
El vector Cj [ C1, C2,...Cn] se llama vector de costos o vector de precios.
MODELO ICONICO
Es una representacin fsica de algunos objetos, ya sea en forma idealizada
(bosquejos) o a escala distinta.
Ejemplo:
Planos y mapas (dos dimensiones). Maquetas y prototipos (4 dimensiones).
MODELO ANALGICO
Puede representar situaciones dinmicas o cclicas, son mas usuales y pueden
representar las caractersticas y propiedades del acontecimiento que se estudia.
Ejemplo:
Curvas de demanda.
Curvas de distribucin de frecuencia en las estadsticas y diagramas de flujo.

MODELO SIMBOLICO O MATEMATICO


Son representaciones de la realidad en forma de cifras, smbolos matemticos y
funciones, para representar variables de decisin y relaciones que nos permiten
describir y analizar el comportamiento del sistema.

MODELO SIMBOLICO O MATEMATICO


Tipos de Modelos Matemticos
1.Cuantitativos y cualitativos 2.Estndares y hechos a la medida 3.Probabilsticas
y deterministicos 4.Descriptivos y de optimizacin 5.Estticos y dinmicos 6.De
simulacin y no simulacin
Modelo Cualitativo y Cuantitativo
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.
Modelo Cualitativo y Cuantitativo
Cuando es posible construir un modelos matemtico insertando smbolos para
representar relaciones entre constantes y variables estamos ante un modelo
cuantitativo.
Una ecuacin es un modelo de este tipo. Las formulas, las matrices, los
diagramas o series de valores que se obtienen mediante procesos matemticos.
Modelo Estndar
Se llaman modelos estndar a los que solo hay que insertar o sustituir diferentes
valores con el fin de obtener un valor a una respuesta de un sistema y son
aplicables al mismo tipo de problemas en negocios afines.
Ejemplo: El calculo de costos o gastos. El calculo de las ganancias, etc.
Modelos Hechos a la Medida
Se llaman modelos hechos a la medida cuando se crean modelos para resolver un
caso de problema en especifico que se ajusta nicamente a este problema.
Modelo Probabilstico y Deterministico

Los los modelos que se basan en las probabilidades y estadsticas y que se


ocupan de incertidumbres futuras se llaman probabilsticas y los modelos que no
tienen consideraciones probabilsticas se llaman deterministicos el PERT, los
inventarios, la programacin lineal, enfocan su atencin en aquellas circunstancias
que son criticas y en los que las cantidades son determinadas y exactas.
Modelo Descriptivo y de Optimizacin
Cuando un modelo constituye sencillamente una descripcin matemtica de una
condicin real del sistema se llama descriptivo. Algunos de estos modelos se
emplean para mostrar geogrficamente una situacin y ayudan al observador a
evaluar resultados por secciones una sobre otra.
Modelo Descriptivo y de Optimizacin
Puede obtenerse una solucin, sin embargo, en este modelo solo se intenta
describir la situacin y no escoger una alternativa.
Cuando con la aplicacin del modelo se llega a una solucin optima de acuerdo
con los criterios de entrada, se trata de un modelo de optimizacin.
Modelo Esttico y Dinmico
Los modelos estticos se ocupan de determinar una respuesta para una serie
especial de condiciones fijas que probablemente no cambiaran significativamente
a corto plazo es decir, la solucin esta basada en una condicin esttica.
Modelo Esttico y Dinmico
Un modelo dinmico por el contrario esta sujeto al factor tiempo que desempea
un papel esencial en la secuencia de las decisiones, independientemente de
cuales hayan sido las decisiones anteriores. A la programacin dinmica
pertenecen estos modelos.
Modelos Simulados y NoSimulados
Con el uso de la computadora es fcil preparar un modelo simulado paso por paso
donde se puede reproducir el funcionamiento de sistemas o problemas de gran
escala. En un modelos de simulacin los datos de entrada pueden ser reales o
generados en forma aleatoria.
Modelos Simulados y No-Simulados
Los modelos que no se prestan para usar datos empricos o simulados en forma
aleatoria son modelos no simulados como los de optimizacin o los creados a la
medida.
MODELOS DE PROGRAMACION LINEAL

Para formular un problema de programacin lineal se debe tener presente que la


funcin objetivo y todas las restricciones deben ser lineales y todas las variables
deben ser continuas (pueden asumir valores fraccionales).
2.1 SOLUCIN GRAFICA DE PL: Los modelos de PL que se resuelven por el
mtodo geomtrico o grafico solo son apropiados para casos en que el nmero de
variables son a lo ms dos