T996 1 2

Elementos de Investigacin de Operaciones Gua No.
Prof. Nelson Prez

QU ES LA INVESTIGACIN DE OPERACIONES?
En la ciencia de la administracin (que tambin se conoce como investigacin

de operaciones), los administradores utilizan las matemticas y las computadoras
para tomar decisiones racionales en la resolucin de problemas. Aunque algunos
problemas son lo bastante simples como para que un administrador pueda aplicar
su experiencia personal para resolverlos, en el complejo mundo actual muchos
problemas no pueden resolverse de esta manera. La evaluacin de cada
alternativa es demasiado difcil o tardada debido a la cantidad y complejidad de la
informacin que debe ser procesada o porque el nmero de soluciones
alternativas es tan vasto que un administrador simplemente no puede evaluarlas
todas para seleccionar una apropiada.
Por ejemplo, considere el problema enfrentado por Mark, graduado de la maestra

de administracin de empresas, quien recientemente obtuvo un puesto como
analista financiero en una compaa de Wall Street. Uno de los beneficios
adicionales es un plan de retiro en el que el empleado pone 5% de su ingreso
mensual. La compaa iguala esta cantidad. El dinero de este plan es entonces
invertido en dos fondos: un fondo de acciones y un fondo de bonos. El
Departamento de Beneficios le ha pedido a Mark que especifique la fraccin de
este dinero de retiro que habra que invertir en cada fondo. Mark ha analizado el
rendimiento anterior de estos fondos y se ha enterado de que el fondo de acciones
ha crecido a una tasa anual promedio de 10%, mientras que el fondo de bonos,
ms conservador ,ha promediado una retribucin anual de 6%. Para diversificar su
cartera y para controlar el riesgo, no desea poner todos los huevos en una sola
canasta, ha identificado dos pautas:
1. Ninguno de los dos fondos debe tener ms de 75% de la inversin total.
2. La cantidad invertida en el fondo de acciones no debe exceder del doble

invertido en el fondo de bonos.
En este problema, existen muchas combinaciones diferentes de estrategias de

inversin que pueden considerarse. Por ejemplo,
Invertir 50% en cada fondo. Como cada dlar invertido de esta manera regresa
$0.05 del $0.50 invertido en el fondo de acciones y $0.03 del $0.50 invertido en el
fondo de bonos, esta estrategia gana una devolucin anual total de 8%.
Invertir 60% en el fondo de acciones y 40% en el fondo de bonos. Esta estrategia

gana $0.084 por cada dlar invertido, lo que hace una devolucin anual de 8.4%.
Invertir 70% en el fondo de acciones y 30% en el fondo de bonos. Esta estrategia

gana una cantidad mayor, $0.088 por cada dlar invertido, pero,
desafortunadamente estos porcentajes violan la pauta anterior (2), La cantidad de
Elementos de Investigacin de Operaciones Gua No. 1
Prof. Nelson Prez

70% invertida en el fondo de acciones excede doblemente la cantidad invertida en
el fondo de bonos.
En este problema, Mark no puede intentar cada una de las combinaciones de

inversin para tratar de encontrar la mejor estrategia, pues, simplemente hay
demasiadas opciones. Cada vez es ms frecuente que los administradores se
vuelvan hacia mtodos cuantitativos y computadoras para llegar a la solucin
ptima de problemas que involucran un gran nmero de alternativas. El estudio de
estos diversos mtodos y la forma en que los administradores los usan en el
proceso de decisin es la esencia de la ciencia de la administracin.
Las tcnicas de la administracin su aplican a las siguientes dos categoras

bsicas de problemas:
1. Problemas determinsticos, en los que toda la informacin necesaria para

obtener una solucin se conoce con certeza. En el problema de Mark, se conocen
los rendimientos esperados por parte de cada uno de los dos fondos.
2. Problemas estocsticos, en los que parte de la informacin necesaria no se

conoce con certeza, sino ms bien se comporta de una manera probabilstica. El
problema de Mark se vuelve estocstico si su objetivo es maximizar la
probabilidad de ganar al menos 8%. Esto es as porque el objetivo ahora depende
del comportamiento probabilstico de las retribuciones de los dos fondos.
La resolucin de un problema determinstico es similar a decidir en cul aerolnea

comprar boleto para volar hoy de Nueva York a Los ngeles dado que se pueden
obtener exactamente las mismas tarifas en todas las aerolneas. En contraste,
considere hacer el mismo viaje dentro de un mes. El decidir si comprar el mejor
boleto disponible hoy o arriesgarse a esperar una mejor tarifa es un problema
estocstico, porque no se conocen las tarifas futuras. La obtencin de soluciones
a estos dos grupos de problemas de decisin deterministicos y estocsticos a
menudo requiere de tcnicas de administracin muy diferentes.
HISTORIA DE LA INVESTIGACIN DE OPERACIONES
El campo de la administracin surgi durante la Segunda Guerra Mundial, cuando

haba una gran necesidad de administrar los escasos recursos. La Fuerza Area
Britnica form el primer grupo que desarrollara mtodos cuantitativos para
resolver estos problemas operacionales y bautiz a sus esfuerzos como
investigacin operacional. Poco despus, las fuerzas armadas estadounidenses
formaron un grupo similar, compuesto por cientficos fsicos e ingenieros, cinco de
los cuales posteriormente fueron laureados con el premio Nobel. Los esfuerzos de
estos grupos, especialmente en el rea de la deteccin por radar, se consideran
vitales en el triunfo de la guerra area de Gran Bretaa.
Prof. Nelson Prez

Despus de la Segunda Guerra Mundial, los administradores de la industria
reconocieron el valor de aplicar tcnicas similares a sus complejos problemas de
decisin. Los primeros esfuerzos se dedicaron a desarrollar modelos apropiados y
procedimientos correspondientes para solucionar problemas que surgan en reas
tales como la programacin de refineras de petrleo, la distribucin de productos,
la planeacin de produccin, el estudio de mercados y la planeacin de
inversiones. Estos procedimientos de soluciones se hicieron posibles con el
advenimiento de computadoras de alta velocidad, porque la resolucin del tpico
problema de investigacin de operaciones requiere demasiados clculos para ser
realizados prcticamente a mano. El uso de tcnicas de administracin ha
aumentado con los avances en los clculos hasta el punto en que actualmente
estas tcnicas son empleadas rutinariamente en una computadora de escritorio
para solucionar muchos problemas de decisin.
Lo que resta de este capitulo presenta los pasos generales usados en las tcnicas
de administracin. El resto del libro describe con ms detalle las distintas tcnicas
disponibles paro solucionar problemas determinsticos y estocsticos, incluyendo
cmo y cundo usar estas tcnicas, cmo interpretar las soluciones obtenidas de
la computadora, y cmo evaluar las cuestiones adicionales que un administrador
debe considerar respecto a cada mtodo.
METODOLOGA DE LA INVESTIGACIN DE OPERACIONES
El uso de mtodos cuantitativos para solucionar problemas, generalmente implica

mucha gente de toda la organizacin. Los individuos de un equipo de proyectos
proporcionan informacin de sus reas respectivas respecto a diversos aspectos
del problema. El proceso de aplicar mtodos cuantitativos requiere una sucesin
sistemtica de pasos ilustrados en la figura 1.1.
Prof. Nelson Prez
DEFINICIN DEL
PROBLEMA
DESARROLLO DE UN RESOLUCIN
MODELO MATEMTICO DEL MODELO SOLUCIN
Y RECOLECCIN DE DATOS MATEMTICO
NO ES
MODELO VLIDA LA
MODIFICADO SOLUCIN?
IMPLEMENTACIN
Figura 1.1 La metodologa de la investigacin de operaciones.
Definicin del problema
El primer paso es identificar, comprender y describir, en trminos precisos, el

problema que la organizacin enfrenta. En algunos casos, el problema est bien
definido y es claro. Por ejemplo, el problema que Mark enfrenta en la seccin 1.1
est bastante bien definido. Se conoce el objetivo global, como son las
limitaciones (en trminos de pautas de inversin) que deben considerarse para
llegar a la decisin. Mark tambin ha determinado las retribuciones bsicas de los
dos fondos.
Prof. Nelson Prez

En otras situaciones, el problema puede no estar tan bien definido y puede
requerir bastantes discusiones y consenso entre los miembros del equipo de
proyectos, Por ejemplo, puede haber varios objetivos que entren en conflicto. Tal
vez usted desee maximizar la satisfaccin del cliente y, sin embargo, tambin
minimizar los costos totales. Es improbable que pueda lograr ambas metas. Se
tendrn que tomar decisiones corporativas respecto a un objetivo global. Algunas
veces la cuantificacin del objetivo mismo es difcil. Por ejemplo, cmo se mide la
"satisfaccin del cliente"? Todas estas cuestiones deben resolverse y clarificarse
por consenso del equipo de proyectos durante la fase de definicin del problema.
Desarrollo de un modelo matemtico y recoleccin de datos
Despus de que el problema est claramente definido y comprendido, el siguiente

paso es expresar el problema en una forma matemtica, esto es, formular un
modelo matemtico. Una vez construido el modelo, existen muchas tcnicas
matemticas disponibles para obtener la mejor solucin, a pesar del vasto nmero
de alternativas y/o de la complejidad implicada. Para ilustrar este proceso de
formulacin para el problema determnistico de Mark, recordemos que l desea
determinar la fraccin de su dinero de retiro que invertir en cada uno de los
fondos de acciones y bonos. Para establecer el problema matemticamente,
comencemos por definir dos variables de decisin, a menudo simplemente
llamadas variables (cuyos valores todava no se conocen), de la siguiente
manera:
S = la fraccin por invertir en el fondo de acciones
B = la fraccin por invertir en el fondo de bonos
Estas variables de decisin tambin se denominan variables controlables porque

se tiene cierto control sobre sus valores. En cuanto a este problema, se desean
escoger valores para estas variables que:
1. Maximicen la retribucin anual esperada.
2. Satisfagan todas las pautas de inversin.
Para los valores especficos de S y B, se puede expresar la retribucin anual

esperada en una frmula matemtica. Recuerde que se espera que cada dlar
invertido en el fondo de acciones tenga un rendimiento de $0.10 y que cada dlar
invertido en el fondo de bonos tenga un rendimiento de $0.06. Por tanto, se espera
que una fraccin S de un dlar invertido en el fondo de acciones tenga una
retribucin de 0.10 * S, y se espera que una fraccin B de un dlar invertido en el
fondo de bonos tenga una retribucin de 0.06 * B. Por tanto, la funcin objetivo,
Prof. Nelson Prez

es decir, el objetivo global expresado en forma matemtica, debe elegir valores de
S y B para:
Maximizar 0, 10S + 0.06B
Debido a las pautas de inversin, no se pueden elegir valores "arbitrarios" para

estas variables. Cada pauta origina una limitacin que tambin se puede describir
mediante una frmula matemtica. La primera pauta requiere que ningn fondo
tenga ms de 75% de la cantidad total invertida. Por tanto, las fracciones S y B
deben ser cada una menores o iguales a 0.75. As, los lmites superiores sobre
estas dos fracciones se expresan matemticamente como las siguientes dos
limitaciones:
S 0.75 (lmite superior en el fondo de acciones)

B 0.75 (lmite superior en el fondo de bonos)
Tambin se requiere otra limitacin para la segunda pauta de inversiones. La

fraccin S invertida en el fondo de acciones no debe exceder del doble de la
fraccin B invertida en el fondo de bonos. La limitacin matemtica
correspondiente es:
S 2B
o
S - 2B 0 (limitacin de mezcla de cartera)
Finalmente, cada fraccin debe ser no negativa. Esta limitacin implcita se hace
Explcita en el modelo matemtico escribiendo
S, B 0
Juntando todas las piezas, el modelo matemtico desarrollado hasta ahora

para este problema debe elegir valores de las variables S y B para
Maximizar 0.10S +0.06B
Condicionado por S 0.75 (lmite superior en el fondo de acciones)

S , B0
Observe que la funcin objetiva y las limitaciones estn expresadas en trminos

de las variables de decisin y otra informacin conocida. Esta "otra informacin
conocida" se denomina datos. En este caso, los datos consisten en las
retribuciones anuales conocidas de los dos fondos y los lmites superior e inferior
Prof. Nelson Prez

sobre las cantidades a invertir en cada fondo. A diferencia de las variables de
decisin, cuyos valores se pueden controlar, los valores de los datos no se pueden
controlar. Por esta razn, los datos son a menudo llamados parmetros
incontrolables.
Para el problema de Mark, se proporcionaron todos los datos al establecerse el

problema, pero en la mayora de los problemas del mundo real, esto no es as.
Slo algunos datos pueden identificarse durante la definicin del problema. La
necesidad de datos adicionales slo puede descubrirse al progresar la formulacin
del problema. Una vez identificados los elementos de los datos, se deben
determinar sus valores especficos. En algunos casos, tal vez se necesiten
estimaciones, al no disponerse fcilmente de los valores exactos. Ms an, la
obtencin de estos valores puede algunas veces tomar ms tiempo que
desarrollar el modelo. Recuerde que la calidad de la solucin que llegue a obtener
es tan buena como la exactitud de los datos.
Resolucin del modelo matemtico
Una vez formulado un modelo matemtico del problema, el siguiente paso es

resolver el modelo, es decir, obtener valores numricos para la variable de
decisin. Para el ejemplo de las inversiones, esto significa obtener los mejores
valores para .S y B. La forma en que se obtengan estos valores depende de la
forma o tipo especfico del modelo matemtico. Es decir, una vez que identifique el
tipo de modelo que tiene, podr elegir una tcnica de administracin apropiada
para resolverlo. Estas tcnicas pertenecen a una de dos categoras:
1. Mtodos ptimos, que producen los mejores valores para las variables
de decisin, es decir, aquellos valores que satisfacen simultneamente
todas las limitaciones y proporcionan el mejor valor para la funcin objetiva.
2. Mtodos heursticos, que producen valores para las variables que

satisfacen todas las limitaciones. Aunque no necesariamente ptimos, estos
valores proporcionan un valor aceptable para la funcin objetiva.
En contraste con los mtodos ptimos, los mtodos heursticos son

computacionalmente ms eficientes y, por tanto, se usan cuando la obtencin de
soluciones ptimas lleva demasiado tiempo o es imposible porque el modelo es
demasiado complejo.
Un objetivo de este libro es mostrar muchos mtodos matemticos diferentes y

sus procedimientos de solucin asociados. La mayor parte de las veces, se
dispondr de estos procedimientos en una computadora, y usted aprender cmo
obtener e interpretar las soluciones al modelo. La solucin al modelo de inversin
de Mark es
Prof. Nelson Prez

S =0.75
B = 0.75
que lleva a una retribucin anual esperada de 0.10S + 0.06B = (0.10 * 0.75) +
(0.06 * 0.75) = 0.12. Es decir, se espera que cada dlar invertido tenga una utilidad
de $0.12. Sin embargo, se puede ver que esta solucin no tiene sentido porque es
imposible invertir 75% en los dos fondos. La fuente de este error se identifica y
corrige en la siguiente seccin.
Validacin, Instrumentacin y Control de la Solucin
Despus de resol ver el modelo matemtico, es extremadamente importante

validar la solucin, es decir, revisar la solucin cuidadosamente para ver que los
valores tienen sentido y que las decisiones resultantes puedan llevarse a cabo.
Algunas de las razones para hacer esto son:
1. El modelo matemtico puede no haber captado todas las limitaciones del

problema real.
2. Ciertos aspectos del problema pueden haberse pasado por alto, omitido
deliberadamente o simplificado.
3. Los datos pueden haberse estimado o registrado incorrectamente, tal vez

al introducirlos a la computadora.
Por ejemplo, al validar la solucin de S = 0,75 y B = 0.75 para el modelo de

inversin de Mark, se puede ver que estos valores no tienen sentido. El no puede
invertir 75% en ambos fondos. En este caso, el error es ocasionado por la omisin
de una limitacin para asegurar que las fracciones S y B sumen 1, esto es:
S + B =1.0
Esta limitacin significa simplemente que la cantidad invertida en acciones y la

cantidad invertida en bonos debe totalizar la cantidad total invertida. En general, si
la solucin no puede llevarse a cabo, hay que modificar el modelo para reflejar
ms exactamente las limitaciones del problema real (y obtener una nueva
solucin) o tiene que usar su experiencia y juicio para modificar la solucin
proporcionada por el modelo.
Tambin es importante darse cuenta que aun cuando el modelo y la solucin

pueden ser vlidos, tal vez no sea factible llevar a cabo una decisin basndose
en esos resultados. Puede haber implicaciones conductuales o polticas que no
pueden incluirse en el modelo. Por ejemplo, el resultado de un modelo puede
indicar que es ms eficiente en cuanto a costos transferir algunos trabajadores del
turno de da al de noche. Sin embargo, tal cambio puede enfrentar resistencia de
Prof. Nelson Prez

los empleados lo administradores) por razones personales, polticas o de otra
ndole. Una forma de evitar este tipo de dificultades es incluir representantes de
todos los grupos potencialmente afectados como parte del equipo de proyectos.
Los resultados y su posterior instrumentacin deben supervisarse

cuidadosamente, no slo para asegurar que la solucin trabaja segn lo planeado,
sino tambin porque el problema, los datos o ambos pueden cambiar con el
tiempo. Por ejemplo, las devoluciones esperadas de los dos fondos en el problema
de inversin de Mark pueden cambiar en algn momento futuro, por lo que se
requerira modificar el modelo, lo que a su vez pudra llevar a un cambio en la
solucin.
Modificacin del modelo
Si durante el paso de validacin se encuentra que la solucin no puede llevarse a

cabo, se pueden identificar las limitaciones que fueron omitidas durante la
formulacin del problema original o puede uno darse cuenta de que algunas de las
limitaciones originales eran incorrectas y necesitan modificarse. En estos casos,
debe regresarse a la etapa de formulacin del problema y hacer cuidadosamente
las modificaciones apropiadas para reflejar con ms exactitud el problema real.
Por ejemplo, si agregamos la limitacin de que la suma de las fracciones sea de 1
a los resultados del modelo de inversin original de Mark, tenemos el siguiente
modelo revisado:
Maximizar 0.10S +0.06B
Condicionado por S 0.75 (lmite superior en el fondo de acciones)

S + B = 1 (limitacin de suma de fracciones)
S , B 0
La solucin a este nuevo es:
S = 0.6667
B = 0.3333
En otras palabras, es ptimo que Mark invierta dos terceras partes de su dinero en
los fondos de acciones y una tercera parte en el fondo de bonos, lo que llevara a
una retribucin esperada de 0.10S + 0.06B = (0.10 * 6667) + (0.06 * 3333) =
0.08667. Esto es, se espera que cada dlar invertido tenga una utilidad de
$0.08667.
Prof. Nelson Prez

Este proceso de modificacin de un modelo, obteniendo la nueva solucin y
validndola, puede tener que repetirse varias veces antes de encontrar una
solucin aceptable y factible (vase la figura 1.1).
USOS Y VENTAJAS DE LOS MODELOS DE INVESTIGACIN DE

OPERACIONES
Hemos visto cmo un modelo matemtico ayud a Mark a llegar a una decisin.
En general, los modelos matemticos ayudan a los administradores a tomar dos
tipos de decisiones: estratgicas y operacionales. Las decisiones estratgicas,
generalmente decisiones de una sola vez, tienen un efecto sobre intervalos de
tiempo relativamente largos. Considere las siguientes decisiones que
probablemente tuviera que tomar como administrador:
Debera reemplazarse un sistema existente con un nuevo sistema recin

propuesto? Por ejemplo, debera convertir una de tres casetas de peaje en un
carril expreso para carros de dos o ms pasajeros? Otro ejemplo, debera abrir
una nueva instalacin de produccin?
Debera cambiar su poltica de administracin? Por ejemplo, debera
reordenar inventarios a. intervalos de tiempo regulares en lugar de cada vez que el
nivel caiga por debajo de alguna cantidad especificada?
Como los modelos que construye para llegar a decisiones estratgicas

generalmente se usan nicamente para hacer una determinacin a largo plazo, no
debe preocuparse demasiado por la cantidad de esfuerzo computacional requerido
para obtener la solucin. Es muy probable que las decisiones estratgicas tengan
un impacto importante en la organizacin, as que debe dedicar la mayor parte de
sus esfuerzos a asegurar que el modelo sea vlido, que incluya todos los aspectos
importantes del problema y que los datas sean lo ms exactos posibles.
Las decisiones operacionales, por el contrario, afectan procesos en curso sobre

periodos ms cortos. Considere las siguientes decisiones operacionales que tal
vez tenga que tomar regularmente:
Cmo puede la empresa programar de la manera ms eficiente la fuerza

de trabajo semanal mente?
Cul es el plan de produccin mensual ptimo?
Cul es el plan de embarque ms efectivo en costos para distribuir

productos desde las plantas hasta los mercados al por menor?
A diferencia de los modelos para planeacin estratgica, los modelos para

decisiones operacionales se usan repetidamente. Por tanto, vale la pena gastar
tiempo y esfuerzo extras en identificar o desarrollar los procedimientos de solucin
Prof. Nelson Prez

ms eficientes, ya que hacerlo puede redituar ahorros significativos en costos
computacionales con el tiempo.
Sin importar si se requiere de una decisin estratgica u operacional, los modelos

matemticos proporcionan los siguientes beneficios a los administradores:
1. Un mtodo de determinacin de la mejor manera de lograr un objetivo,

como asignar recursos escasos.
2. Una forma de evaluar el impacto de un cambio propuesto o un nuevo

sistema sin el costo y tiempo de llevarlo a cabo primero.
3. Una forma de evaluar la fortaleza de la solucin ptima al hacer

preguntas de sensibilidad de la forma "Qu sucedera si...?" Por
ejemplo, qu le sucedera al plan de inversin ptima y retribucin anual si
se esperara que el fondo de acciones produjera slo 8% len vez del 10%
original)?
4. Un procedimiento para lograr un objetivo que beneficie a la organizacin

global al incluir en el modelo consideraciones correspondientes a muchas
otras partes de la organizacin.
RESUMEN
Los pasos generales comprendidos en la aplicacin de las tcnicas de la

administracin para resolver problemas de decisin determinsticos y estocsticos
son los siguientes:
1. Definicin del problema, mediante su identificacin y comprensin de

manera que pueda expresarlo de manera precisa.
2. Desarrollar un modelo matemtico, a menudo identificando variables de

decisin, un objetivo matemtico global y limitaciones.
3. Resolucin del modelo, usando una tcnica de administracin apropiada.
4. Validacin de la solucin, usando la intuicin y la experiencia para

determinar si la solucin obtenida del modelo tiene sentido y puede llevarse
a cabo de manera realista. Si no, puede ser necesario que modifique el
modelo adecuadamente para obtener la nueva solucin.
5. Poner en prctica y supervisar la solucin; si se encuentran resultados no

anticipados, o si los datos cambian, necesitar modificar el modelo en
consecuencia y validar la nueva solucin.
Prof. Nelson Prez
PASOS GENERALES Y TCNICAS DE LA CONSTRUCCIN DE

MODELOS MATEMTICOS
El siguiente paso es formular el problema en un marco matemtico. Esta seccin

proporciona pasos y tcnicas sistemticas que puede aplicar al formular sus
propios modelos deterministicos. Para ilustrar, considere el problema enfrentado
por la gerencia de produccin de Case Chemicals.
EJEMPLO 2.1 EL PROBLEMA DE PLANEA CIN DE PRODUCCIN DE CASE

CHEMICALS Case Chemicals produce dos solventes. CS-01 y CS-02, en su
planta de Cleveland. Las empresas que compran estos solventes los usan para
disolver ciertas sustancias txicas que se producen durante procesos de
fabricacin particulares. La planta opera 40 horas a la semana y emplea a cinco
trabajadores de tiempo completo y a dos de tiempo parcial, que trabajan 15 horas
a la semana. Estas personas operan las siete mquinas que mezclan ciertos
qumicos para producir cada solvente. Los productos salen del departamento de
mezclado para ser refinados en el departamento de purificacin, que actualmente
tiene siete purificadores y emplea a seis trabajadores de tiempo completo y a uno
de tiempo parcial, que trabaja 10 horas a la semana.
Case Chemicals tiene una provisin casi ilimitada de la materia prima que necesita
para producir los dos solventes. Case Chemicals puede vender cualquier cantidad
de CS-01, pero la demanda del producto ms especializado, CS-02, est limitada
a lo ms a 120 000 galones por semana. Como gerente de produccin, usted
desea determinar el plan de produccin semanal ptimo para Case Chemicals.
Qu cantidad de cada solvente debe producir Case Chemicals para maximizar la
ganancia?
El objetivo ahora es convertir esta descripcin cualitativa del problema a una forma
matemtica que pueda resolverse. Este proceso es llamado formulacin del
problema y generalmente implica cuatro pasos, cada uno de los cuales es descrito
en las siguientes secciones.
Identificacin de las variables de decisin
El primer paso en la formulacin del problema es identificar las variables de

decisin, a menudo simplemente llamadas variables. Los valores de estas
variables, una vez determinados, proporcionan la solucin al problema. Para el
ejemplo 2,1, usted puede identificar las variables de decisin preguntndose qu
informacin necesita proporcionar al personal de produccin, los departamentos
Prof. Nelson Prez

de mezclado y purificacin, para que sepan cmo proceder. Su respuesta a esta
pregunta debera ser:
1. El nmero de miles de galones de CS-01 por producir semanalmente.
2. El nmero de miles de galones de CS-02 por producir semanalmente.

Como los valores de estos elementos no se conocen todava, a cada variable de
decisin se le da un nombre simblico. Usted puede elegir el nombre simblico
que quiera, pero encontrar til seleccionar un nombre simblico que le recuerde
la cantidad que la variable de decisin representa. Para el ejemplo que estamos
viendo, podra crear las siguientes variables, correspondientes a los dos
elementos, identificados anteriormente:
CS1 = el nmero de miles de galones de CS-01 por producir semanalmente

Observe que estas descripciones son precisas. Incluyen las unidades asociadas
con las cantidades que las variables representan (miles de galones, en este caso).
No es suficiente definir una variable como la "cantidad" de un elemento, porque
para las otras personas que leyeran su formulacin, el trmino "cantidad" podra
tener varios significados (por ejemplo, miles de litros en este caso).
La necesidad de identificar las variables de decisin correctamente es vital, De

otra manera, la formulacin de un modelo vlido que capte todos los aspectos del
problema es imposible. La eleccin de estas variables no es nica, y no existen
reglas tijas. Sin embargo, las siguientes pautas son tiles en la identificacin de un
conjunto adecuado de variables de decisin para virtualmente cualquier problema.
CARACTERSTICAS CLAVE
Pautas generales para identificar variables de decisin
Que elementos afectan los costos y/ ganancias (o, en general, el objetivo

global)?
Qu elementos puede elegir y/o controlar libremente?
Qu decisiones tiene que tomar?
Qu valores, una vez determinados, constituyen una solucin para el
problema? Pngase en la posicin de alguien que tiene que implantar su
solucin, y luego pregntese qu informacin se requiere.
Para ejemplo 2.1, las respuestas a todas estas preguntas son iguales y lo llevan a
identificar las variables de decisin cuino el nmero de miles de galones de CS-01
y CS-02 por producir semanalmente.
Prof. Nelson Prez
Identificacin de los datos del problema
La finalidad de resolver un problema es proporcionar los valores reales para las

variables de decisin que ha identificado. Usted requiere conocer cierta
informacin para ayudar a determinar esos valores. Por ejemplo, para determinar
las cantidades reales de los dos solventes a producir para maximizar las
ganancias corporativas, necesitar saber:
1. El nmero de horas de trabajo disponibles en el departamento de

mezclado.
2. El nmero de horas de trabajo disponibles en el departamento de

purificacin.
3. La cantidad de ganancias obtenidas al producir y vender cada tipo de

solvente.
Estas cantidades constituyen los datos del problema. En problemas

determinsticos, se requiere conocer (u obtener) estos valores en el momento de
formular el problema. Para Case Chemicals:
1. Como se estableci en la descripcin del problema, el departamento de

mezclado tiene cinco trabajadores de tiempo completo (40 horas cada uno)
y dos trabajadores de tiempo parcial (15 horas cada uno). Esto da un total
de 230 horas de trabajo a la semana en el departamento de mezclado.
2. De manera similar, los seis trabajadores de tiempo completo (40 horas

cada uno) y el trabajador de tiempo parcial (10 horas) representan un total
de 250 horas de trabajo a la semana en el departamento de purificacin.
3. El departamento de contabilidad estima un margen de ganancias de

$0.30 por galn de CS-01 y de $0.50 por galn de CS-02, esto es, $300 por
mil galones de CS-01 y $500 por mil galones de CS-02.
A diferencia de las variables de decisin, cuyos valores usted puede controlar,

usted no puede controlar directamente los valores de Ios datos.
Prof. Nelson Prez

La necesidad de que algunos de los datos del problema pueden aclararse cuando
especifica el problema. Otros datos pueden hacerse necesarios al desarrollar el
modelo matemtico y descubrir que se requiere informacin adicional para ayudar
a determinar los valores de las variables de decisin.
Identificacin de la funcin objetivo
El siguiente paso en la formulacin del problema es expresar el objetivo

organizacin al global en forma matemtica usando las variables de decisin y los
datos conocidos del problema. Esta expresin, la funcin objetivo, generalmente
se crea en tres etapas.
1. Establecer el objetivo en forma verbal. Para el ejemplo 2.1. este objetivo

es:
Maximizar la ganancia semanal total de la produccin de CS-01 y CS-02
2. Donde sea adecuado, descomponer el objetivo en una suma, diferencia o

producto de cantidades individuales. Para el ejemplo 2.1.1 a ganancia total
puede calcularse como la suma de la ganancia de CS-01 y la de CS-02:
Maximizar ganancia = (ganancia de CS-01) + (ganancia de CS-02)
3. Expresar las cantidades individuales matemticamente usando las

variables de decisin y otros datos conocidos en el problema.
Para lograr la tarea en la tercera etapa, a menudo es til elegir algunos valores
especficos para las variables de decisin y luego usar esos valores para
determinar la forma en que se calcula la funcin objetivo. Se hace referencia a
esta tcnica como trabajo a travs de un ejemplo especfico. En el ejemplo 2.1,
supongamos que se producen 10 mil galones de CS-01 y 20 mil galones de CS-2
(as que CS1 = 10 y CS2 20). El departamento de contabilidad le ha dicho que cada
mil galones de CS-01 contribuye con $300 a la ganancia y que cada mil galones
de CS-02 contribuye con $500. Se puede escribir:
Ganancia de CS-01 = 300(10) = $ 3 000

+ Ganancia de CS-02 = 500(20) = $ 10 000
Ganancia total = $ 13 000

Prof. Nelson Prez

Sin embargo, el propsito de usar valores especficos para las variables no es
obtener la ganancia total de estos valores, sino ms bien ayudarlo a determinar
cmo calcular el objetivo cuando los valores de las variables no se conocen
explcitamente. En este problema, se puede ver fcilmente de los clculos
anteriores que si CS1 es el nmero no especificado de miles de galonea de CS-01
y CS2 es el nmero no especificado de miles de galones de CS-02 por producir,
entonces la ganancia es:
Ganancia de CS-01 = 300CS1

+ Ganancia de CS-02 = 500CS2________________ .
Ganancia total 300GS1 = 500CS2
Por lo tanto, la funcin objetiva matemtica expresada en trminos de las variables

de decisin y de los datos del problema es:
Maximizar 300CS1 + 500CS2
Este problema ilustra las siguientes caractersticas clave:
Creacin de la funcin objetivo mediante;
a. Enunciado del objetivo de manera verbal.
b. Cuando sea apropiado, descomponer el objetivo en una suma diferencia y/o

. producto de trminos individuales
c. Expresar los trminos individuales en (b) usando las variables de decisin

y otros datos de problemas conocidos.
Trabajar con un ejemplo especfico para determinar cmo se expresa la funcin

objetivo en una forma matemtica, eligiendo valores especficos para las
variables de decisin y realizando los clculos necesarios.
Identificacin de las restricciones
Su objetivo es maximizar las ganancias. La funcin objetivo le dice que mientras

ms grande sea el valor de las variables, ms grande ser la ganancia. Pero el
mundo real pone un lmite en los valores que puede asignar a estas variables. En
el ejemplo 2,1, los departamentos de mezclado y purificacin tienen ciertas
restricciones fsicas: un nmero limitado de horas de trabajo disponible cada uno.
Estas limitaciones, as como otras consideraciones que imponen restricciones
Prof. Nelson Prez

sobre los valores de las variables, son las restricciones. El paso final en la
formulacin del problema es identificar estas restricciones y escribirlas en forma
matemtica.
Las restricciones son condiciones que las variables de decisin deben satisfacer
para constituir una solucin "aceptable". Estas restricciones por lo general surgen
de:
1. Limitaciones fsicas (el nmero limitado de horas de trabajo en los

departamentos de mezclado y purificacin, por ejemplo).
2. Restricciones impuestas por la administracin (por ejemplo, sta pudo

haber prometido una cierta cantidad de un producto a un cliente estimado).
3. Restricciones externas (por ejemplo, Case Chemicals no puede vender

ms de 120 mil galones de CS-02 a la semana, y no hay razn para
producir ms que la cantidad demandada).
4. Relaciones implicadas entre variables (por ejemplo, en el problema de

inversin de Mark de la seccin 1.1, las dos fracciones que representan la
proporcin de dinero a invertir en los dos fondos debe sumar 1).
5. Restricciones lgicas sobre variables individuales (por ejemplo, el

nmero de carros producidos debe ser un nmero entero, y Case
Chemicals no puede producir una cantidad negativa de solventes).
Despus de identificar estas restricciones, debe expresarlas en forma matemtica
Usando las variables de decisin y otros datos del problema. Este proceso es
idntico al usado para especificar la funcin objetivo.
Expresar las restricciones en forma verbal.
Cuando es apropiado, descomponer la restriccin en una suma, diferencia

y/o producto de cantidades individuales.
Trabajar con un ejemplo especfico para expresarlas cantidades

individuales en una forma matemtica, usando las variables de decisin y
otros datos conocidos del problema.
Considere las restricciones del ejemplo 2.1.
RESTRICCIN DE TRABAJO EN EL DEPARTAMENTO DE MEZCLADO

(LIMITACIN FSICA)
Prof. Nelson Prez
Forma verbal: Horas totales usadas no pueden exceder de 230

en el mezclado
Horas Horas
Descomposicin: usadas + usadas no pueden exceder de 230
para CS-01 para CS-02
Matemticas; para expresar las horas usadas para CS-01 y CS-02 en el
departamento de mezclado, trate de trabajar con un ejemplo especfico. Por
ejemplo, suponga que CS1= 15 mil y que CS2= 10 mil galones. Cmo calcula el
nmero de horas usadas en el departamento de mezclado? Estos valores son
datos del problema (adems de los datos ya identificados en la seccin 2.1.2) que
usted debe obtener. Supongamos que usted llama al departamento de procesos y
recoge los siguientes datos para los departamento de mezclado y purificacin:
HORAS POR MILES DE GALONES DE

________________________________________
CS-01 CS-02
___________________________________________________________
Mezclado 2 1
Purificacin 1 2
___________________________________________________________
Resulta entonces fcil calcular las horas usadas en el departamento de

mezclado trabajando con valores especficos de CS 1= 15 y CS2 = 10:
Horas para 15 mil galones de CS-01 = 2(15) = 30

+ Horas para 10 mil galones de CS-02 = 1(10) = 10
___________________________________________________
Total de horas en el mezclado =2(15) +1(10) =40
El propsito de usar este ejemplo numrico especfico es ayudarle a escribir una

restriccin matemtica general cuando los valores de las variables (CS 1 y CS2 en
este caso) no se conocen. De los clculos anteriores, usted obtiene la siguiente
restriccin matemtica general:
2CS1 +1CS2 230

Prof. Nelson Prez

RESTRICCIN DE TRABAJO EN EL DEPARTAMENTO DE PURIFICACIN
(LIMITACIN FSICA)
Forma verbal: Horas totales usadas no pueden exceder de 250

en la purificacin
Horas Horas
Descomposicin : usadas + usadas no pueden exceder de 250
para CS-01 para CS-02
Matemticas: 1CS1 + 2CS2 250
RESTRICCIN DE LMITE (LIMITACIN EXTERNA)
La limitacin de que a lo ms pueden venderse 120 mil galones de CS-02 da pie a

la siguiente restriccin sobre el valor de CS2:
CS2 120
RESTRICCIN DE NO NEGATIVIDAD (LIMITACIONES LGICAS)
Claro est que usted sabe que los valores de estas variables de decisin deben
ser no negativos, esto es, cero o positivos. Tales restricciones implcitas de las que
usted est consciente deben hacerse explcitas en la formulacin matemtica.
Para este problema, debe incluir las siguientes restricciones:
CS1 0 y CS2 0 o CS1 CS2 O
Juntando todas las piezas de los pasos anteriores, la formulacin matemtica

completa del problema de planeacin de produccin de Case Chemicals es la
siguiente:
FORMULACIN MATEMTICA DEL PROBLEMA DE CASE CHEMICALS
(ganancia)
Maximizar (mezclado)
Condicionado por:
(purificacin)
(limitado en CS-02)
(no negatividad)
Prof. Nelson Prez
Donde:
CS1 = e! nmero de miles de galones de CS-01 por producir semanalmente

La aplicacin de ese procedimiento da por resultado la solucin ptima:
CS 1= 70
CS2 = 90
Es decir, el plan de produccin ptima es de 70 000 galones de CS-01 y de 90 000

galonea de CS-02, lo que representa una ganancia semanal de $66 000.
En esta seccin, usted ha aprendido los pasos a tomar en la formulacin de

problemas identificando (1) las variables de decisin, (2) los datos del problema,
(3) la funcin objetivo y (4) las restricciones. Para escribir la funcin objetiva y las
restricciones en una forma matemtica, use las variables junto con los datos del
problema que usted tenga al formular el modelo. Es posible que no conozca todos
los datos necesarios al definir por primera vez el problema, La necesidad de datos
adicionales puede descubrirse cuando proceda con la formulacin del problema.
Estos valores de datos deben obtenerse de fuentes apropiadas dentro de la
organizacin. Para ahorrar tiempo y espacio, los enunciados de problemas futuros
en este libro incluirn todos los datos necesarios. La formulacin consistir en
estos tres pasos:
Paso 1. Identificacin de las variables de decisin.

Paso 2. Identificacin de la funcin objetivo.
Paso 3. Identificacin de las restricciones.
El problema de esta seccin involucra slo dos variables de decisin y unas

cuantas restricciones. Los problemas de importancia prctica a menudo contienen
cientos o miles de variables y un nmero similar de restricciones. Estos problemas
ms complejos tambin pueden formularse usando los pasos que aprendi en
esta seccin.
RESUMEN
En este captulo, usted ha aprendido a formular y clasificar modelos matemticos

para resolver problemas de decisin determinsticos. En esta seccin se revisan
tanto la formulacin como la clasificacin.
Formulacin de problemas
Prof. Nelson Prez

La formulacin de un problema significa desarrollar un modelo matemtico para
ese problema. Una vez que el problema est enferma matemtica, existen muchas
tcnica) de administracin disponibles para obtener la solucin. Para formular un
problema:
1. Identifique las variables de decisin. Estos valores, una vez determinados

proporcionan la solucin al problema. Esta tarea se logra preguntndose
cualquiera de las siguientes preguntas:
a. Qu elementos puede elegir y/o controlar libremente?

b. Qu decisiones tiene que tomar?
c. Qu valores constituyen una solucin que puede ser transmitida
a otra personas?
d. Qu elementos afectan los costos y/o ganancias, o el objetivo
global?
2. Identifique los datos del problema. Estos son elementos de informacin

conocido; necesario para desarrollar el modelo matemtico. Aun cuando
pueda controla los valores de las variables, no puede controlar los
valores de los datos. Tal ve necesite identificar los datos del problema
a lo largo del proceso de formulacin.
3. Identifique la funcin objetivo. Este es un objetivo organizacional simple y

global expresado en trminos matemticos usando las variables y los datos
del problema. Esta tarea se realiza comenzando con un enunciado verbal
del objetivo y despus usando cualquiera de las siguientes tcnicas para
expresar este objetivo en trminos matemticos:
a. Descomposicin del objetivo en una suma, diferencia y/o producto

de trminos individuales.
b. Trabajo con un ejemplo especfico. Use los valores especficos de
las variable para determinar cmo calcular la funcin objetivo. El
propsito de esta tcnica es comprender cmo expresar la funcin
objetivo cuando los valores de las variables no se conocen
especficamente.
4. Identifique las restricciones fsicas y lgicas. Estas son limitaciones impuestas

que le prohben elegir valores arbitrarios para las variables. Para expresar estas
restricciones de una manera matemtica, aplique las mismas tcnicas usadas en
la identificacin de la funcin objetivo. Si el problema tiene muchas restricciones,
intente usarla tcnica de agrupa miento para identificar un grupo de restricciones
relacionadas (como la satisfaccin de las demandas de diferentes clientes). Cada
restriccin dentro del grupo tiene una estructura similar. No olvide incluir
explcitamente las restricciones implcitas, es decir, las restricciones como la no
Prof. Nelson Prez

negatividad y la necesidad de variables enteras, que usted sabe que existen pero
que no se enuncian especficamente.
CONSTRUCCIN DE MODELOS
Ya sea simple o complejo, un modelo es una representacin que idealiza,

simplifica y abstrae selectivamente la realidad, y esta representacin es construida
por individuos. Por desgracia, no hay reglas fciles o mtodos automticos para la
construccin de modelos. La revolucin de las PC y los consiguientes desarrollos
de programas quiz lleven algn da a paquetes "amigables para el usuario" de
creacin y construccin de modelos generales. Sin embargo, en la actualidad la
creacin de modelos incluye una gran cantidad de arte e imaginacin as como de
conocimientos tcnicos.
En el ambiente de los negocios, la creacin y construccin de modelos

cuantitativos incluye la especificacin de interacciones entre muchas variables.
Con el objeto de lograr esta "cuantificacin", el problema debe formularse en
lenguaje matemtico. Veremos muchos ejemplos de construccin de modelos en
los capitules siguientes. No permita que los ejemplos especficos del texto lo
confundan, porque en la complejidad de los problemas del mundo real en general
existen varios "caminos correctos" para construir un modelo. Se pueden destinar
diferentes modelos a una misma situacin de la misma manera que las pinturas
de Picasso y Van Gogh hacen que una misma imagen se perciba de manera
distinta.
Como gua general, podemos dividir el proceso de construccin de un modelo

cuantitativo de decisin en tres etapas:
1. Se estudia el ambiente.
2. Se formula una representacin selectiva de la realidad.
3. Se formula una representacin simblica (es decir, con expresiones

matemticas) del modelo.
Prof. Nelson Prez

Vamos a analizar con ms detalle la divisin anterior y hablaremos del uso de los
modelos.
Estudio del medio ambiente
La primera de las tres etapas de la construccin de modelos, el estudio del

ambiente, a menudo es devaluada por aquellos que recin se inician. Con
frecuencia el problema establecido no es el problema real. Una variedad de
factores, incluso conflictos organizacionales, una divergencia entre las metas
personales y las de la organizacin o simplemente la complejidad total de la
situacin pueden interponerse entre el creador del modelo y una clara
comprensin del problema. La experiencia puede ser el ingrediente ms esencial
del xito la experiencia tanto en construccin de modelos como en el trabajo en
el ambiente que se estudia.
Formulacin
El segundo paso, la formulacin, implica un anlisis conceptual bsico en el que

se deben hacer conjeturas y simplificaciones. Alguna vez se ha dicho que no se
entiende el problema preciso a considerar hasta que el modelo se haya
formulado. Se ha dicho que sin el idioma no podemos pensar. En el mismo
sentido, con frecuencia es el caso de que sin modelos no podemos tomar
decisiones cuantitativamente racionales. Durante la Formulacin del modelo, las
relaciones pertinentes son concebidas en forma muy semejante a como Galileo
contemplaba las interacciones entre la distancia, el tiempo y el valor de la
aceleracin debida a la gravedad en el problema de la cada de los cuerpos. El
proces de formulacin tambin requiere que el constructor del problema el
selecciones o asle del ambiente aquellos aspectos de la realidad que sean
relevantes dentro del mbito del problema. Puesto que los problemas que nos
interesan implican decisiones y objetivos, deben ser explcitamente identificados y
definidos. En algunos de los problemas a considerar en los prximos capitules
resultar manifiesto que hay muchas aplicaciones en las que el trabajo mayor
consiste en definir las variables de decisin y los objetivos, Podr haber varias
maneras de definir las variables de decisin y tal vez la ms adecuada no sea
evidente en un principio. Por ejemplo, quiz no sea claro si cierto modelo debe
incluir las cantidades producidas de todos los artculos o slo de algn
subconjunto de stos. Para conservar el modelo adecuadamente pequeo con
propsitos de cmputo. Quizs sea deseable que se combinen todos los
producidos en una sola clase. Adems, los objetivos pudieran no ser claros. Aun
los administradores ms capaces tal vez no conozcan con exactitud los resultados
que pretenden alcanzar. De igual manera puede ser problemtico tener que
satisfacer demasiados objetivos y se tendra que escoger uno de entre muchos.
(Ser evidente que a menudo es imposible optimizar dos objetivos distintos a la
vez y, as, no esforzarse por obtener "el mximo provecho con la mnima
inversin").
Prof. Nelson Prez

Una vez que se ha realizado la formulacin lgica (y esto podra ser un proceso
verbal) se debe elaborar una forma simblica del modelo. En cierto sentido,
formulacin y construccin son procesos integrados, siendo la formulacin el
aspecto lgico conceptual y la construccin la expresin de las relaciones lgicas
en el lenguaje simblico de las matemticas. Todos los modelos se construyen con
algn medio. Un diseador de ropa construye modelos sin tela. Un modelo de
ciudad se hace de yeso. La formulacin conceptual (una ciudad compacta y radial,
con ejes de acceso y salida, estacionamiento subterrneo, aceras mviles, etc.)
toma una representacin fsica en el modelo de yeso. Las relaciones conceptuales
y verbales entre la distancia, el tiempo y la aceleracin debida a la gravedad se
representan mediante smbolos matemticos en la proposicin D = gt 2/2.
Construccin simblica
Las interacciones entre la formulacin y la construccin simblica por lo comn

son crticas. Por ejemplo, la formulacin de un modelo de planeacin de
corporaciones puede implicar una decisin que penetre 3, 5 o 10 aos en el futuro.
"Tambin puede involucrar juicios acerca de cules divisiones a sucursales se
deben incluir. Puede descubrirse despus que el modelo es demasiado complejo
para que se construya de modo que pueda ser usado. Quiz los datos requeridos
no existan. O quiz se puedan encontrar, pero se descubre que con las tcnicas
existentes toma tres das correr el programa en la computadora. Este
inconveniente puede hacer que el costo de usar el programa no sea compensado
por ninguna ganancia potencial. Hay administradores cientficos desempleados
que podran atestiguar que a menudo se formulan modelos que no pueden ser
construidos.
Suena este proceso de elaboracin de modelos como algo demasiado difcil

como para ser realizado por una persona? Con frecuencia lo es. Cuando comenz
la investigacin de operaciones (para todos los propsitos prcticos en la
actualidad, los trminos "investigacin de operaciones" y "ciencia de la
administracin" son sinnimos) durante la Segunda Guerra Mundial, se
construyeron modelos logsticos mediante equipos de matemticos, estadgrafos,
economistas, fsicos, ingenieros y generalistas. Hoy, el retrato no es muy diferente,
a excepcin de que se han agregado los econometristas, los expertos en
computacin y los administradores cientficos. Por lo general, stos ltimos se
entrenan en la teora y el desarrollo de modelos. Tambin les interesa el desarrollo
de algoritmos, que son las tcnicas de resolucin de modelos. De esta manera,
frecuentemente se construyen modelos mediante equipos heterogneos o
interdisciplinarios de expertos en varios campos. Un administrador cientfico que
trabajo solo tiene perspectivas y posibilidades limitadas.
Prof. Nelson Prez

SOBRE EL USO Y LA IMPLEMENTACION DE MODELOS
El uso de los modelos depende de la persona que los construya. Se pueden

emplear para vender una idea o un diseo, para ordenar las cantidades ptimas
de calcetera de nylon, para organizar mejor nuestro conocimiento del universo o
para organizar mejor una economa o una empresa.
Modelos de planeacin
En una empresa, cada vez con mayor frecuencia se toma la palabra modelo como
sinnimo de planeacin ejecutiva. Los modelos de planeacin se usan para
predecir el futuro, explorar alternativas, desarrollar planes de contingencia
mltiple, aumentar la flexibilidad y disminuir el tiempo de reaccin (en sntesis,
para proporcionar a quienes elaboran los planes toda clase de datos). Sin
embargo, aunque los modelos se usen para la planeacin, debe entenderse que
Ningn modelo puede garantizar al planificador de alto nivel la "mejor

decisin".
Modelos criterio ejecutivo
En efecto, como analizaremos en la seccin 1.7, la nocin exacta de "mejor

decisin es, estrictamente hablando, ms bien una idea matemtica que del
mundo real. Debe recordarse que el modelo no es la realidad. Es slo un
aproximacin simblica, una aproximacin selectiva de la realidad. Un
modelo puede producir una "mejor decisin". Pero dentro del limitado contexto del
modelo. Ningn modelo puede capturar por completo el mundo real. Algunos
elementos se habrn quedado afuera siempre. Y puesto que ningn modelo puede
garantizar que produce una "mejor decisin en el mundo real" el modelo no resulta
ser un sustituid del criterio del ejecutivo ni de la intuicin. Pero los modelos
proporcionan datos valiosos para que los ejecutivos los evalen. En el anlisis
final se usan solamente como herramientas que ayudan en el proceso de toma de
decisiones. La figura 1.11 muestra una manera de retratar la interaccin entre el
modelo y el administrador. Puede verse en esa grfica que
Un aspecto del papel del, administrador consiste en evaluar el modelo

mismo.
Prof. Nelson Prez

No es raro que un administrador moderno que se enfrenta a una decisin
importante, despus de que todo se haya dicho y hecho, deba considerar qu
peso otorgar a las recomendaciones de un modelo en particular. La necesidad de
decisiones administrativas con frecuencia surgen de un conflicto o de
confrontaciones entre contrarios, y los modelos cuantitativos a menudo se usan
como herramientas en este proceso. La decisin del administrador bien puede
influir en su carrera. Este hecho, en si mismo, proporciona un incentivo que no es
insignificante para el estudio de los modelos y el empleo apropiado de ellos en el
mbito administrativo.
Situacin del mundo real

(Identificacin del problema)
Formulacin y construccin del modelo

(Incluyendo la adquisicin de datos de entrada)
Producto del modelo (output)

(Decisiones, resecciones y otros datos tiles)
Comparacin del producto (output)

la experiencia, criterio e intuicin del
administrador
Se requiere El modelo se
Revisin implementa
Prof. Nelson Prez
Interaccin de Rtroalimentacin entre el Modelo y el Administrador
Una jerarqua de Modelos en la Empresa
En lo que concierne al uso de modelos tambin puede decirse que estos a

menudo funcionan de manera diferente en los diversos niveles de la empresa. En
los niveles altos, usualmente los modelos proporcionan datos e informacin, pero
no decisiones. Son tiles como herramientas de planeacin estratgica. En niveles
menores, los modelos son efectivamente usados para producir decisiones. Por
ejemplo, en muchas fbricas las operaciones de la lnea de ensamble estn
computarizadas. Las decisiones son producidas por un modelo de la operacin.
Los modelos tienen unos diversos en los distintos niveles, de la empresa por
varias razones. En orden progresivo, en los niveles ms bajos de una
organizacin. Las alternativas y los objetivos pueden llegar a ser ms claros.
Es ms fcil especificar de manera cuantitativa las interacciones. Con
frecuencia hay mayor disponibilidad de los datos y el ambiente futuro es de mayor
certidumbre. Por ejemplo, en el fondo de la jerarqua puede haber una decisin
que concierna a la programacin de una mquina en particular. Se sabe ah los
productos que se obtendrn y el cost de cambiar una mquina de la produccin
de un artculo a cualquier otro. La meta del modelo puede ser encontrar un
programa de trabajo que produzca las cantidades debidas mediante los datos
adecuados y minimizar los costos de cambios y almacenamiento.
Compare la claridad y lo explcito de este problema con la decisin multimillonaria

del alto ejecutivo entre "invertir y crecer" o "producir y generar ganancias
ordinarias". Es cierto que se pueden aplicar los modelos a problemas tan amplios
y espinosos, pero los modelos mismos estarn cargados de conjeturas e
incertidumbres. En tales casos, la validez del modelo puede ser tan difcil de
determinar como la decisin apropiada.
A pesar de los diferentes usos que tienen los modelos en los diversos niveles de la
empresa, se aplican unas cuantas generalidades a todos los modelos cuantitativos
de decisin. Todos stos proporcionan una estructura para un anlisis lgico y
consistente. Ms concretamente, los modelos cuantitativos son muy usados al
menos por cuatro razones:
1. Los modelos obligan a los administradores a ser explcitos en relacin

con sus objetivos.
2. Los modelos obligan a los administradores a identificar y registrar los

tipos de decisin (variables de decisin) que influyen sobre los objetivos.
Prof. Nelson Prez

3. Los modelos obligan a los administradores a identificar y registrar las
interacciones e intercambios entre las variables de decisin.
4. Los modelos obligan a los administradores a registrar las restricciones

(limitaciones) de los valores que las variables pueden asumir.
De estas caractersticas se deduce que se puede usar un modelo como una

herramienta consistente para evaluar distintas polticas. Es decir, cada poltica o
conjunto de decisiones es evaluada para el mismo objetivo de acuerdo con las
mismas frmulas de descripcin de las interacciones y limitantes. Adems, los
modelos pueden ser explcitamente ajustados y mejorados de acuerdo con las
experiencias pasadas.
Una consideracin final: los modelos proporcionan una oportunidad para usar
poderosos mtodos matemticos. Pueden manejar un gran nmero de variables e
interacciones. La mente no es capaz de almacenar tanta informacin.
Los modelos nos permiten usar el poder de las matemticas mano a mano
con la memoria y velocidad de las computadoras.
MODELOS DE OPTIMIZACION RESTRINGIDA
Muchos de los modelos estudiados en este libro caen bajo la categora de

modelos de optimizacin restringida. En esta seccin ofrecemos una vista
panormica de tales modelos, enfatizando el concepto de optimizacin restringida
y algo de la terminologa que se usa en lo referente a este tipo de modelos.
Para empezar, debe notarse que la mayora de la gente toma muchas de sus
decisiones personales y profesionales en situaciones en que las decisiones
permisibles han sido restringidas de alguna manera. En el lenguaje de la
formulacin de modelos, una limitacin en el conjunto de decisiones se llama
restriccin. Las restricciones pueden ser impuestas por s mismo o por otros. Una
persona con presupuesto limitado debe comprar abarrotes para la semana sin
gastar demasiado dinero. Un administrador de produccin debe planear sus
programas de produccin sin exceder la capacidad de la planta o el equipo. Un
especulador est restringido en su negocio por la cantidad requerida en depsito
con un corredor- El padre de tres adolescentes slo puede permitirle a uno que se
lleve el carro de la familia el sbado por la noche. El superintendente de la planta
puede destinar slo las cuadrillas de mantenimiento desocupadas para
reparaciones imprevistas. Un miembro de Alcohlicos Annimos rechaza una
invitacin a un coctel. La lista es interminable Quiz no resulte sorprendente, por
lo tanto, que la optimizacin restringida, que significa obtener el mejor resultado
Prof. Nelson Prez

posible atendiendo las restricciones, ha sido el rea ms activa de la investigacin
en la ciencia de la administracin. En realidad, una de las herramientas ms
frecuentemente usadas en la ciencia de la administracin es la programacin
lineal, un modelo especial para realizar la optimizacin restringida. Puesto que el
modelo de Oak Products, Inc. que se vio en la seccin 1.3 es un programa lineal,
tambin es un modelo de optimizacin restringida.
El significado de optimalidad
Cuando se resuelve un problema de optimizacin restringida, se obtiene lo que se

llama una decisin ptima; pero esta afirmacin reclama la advertencia ms
severa posible. El modelo de optimizacin produce la respuesta ptima de un
problema matemtico propuesto por el modelo. Esto puede ser o no una buena
respuesta (es decir, nada de ptima) en el contexto real. Y siempre que usemos
palabras tales como "real" o "verdadero" estaremos designando el problema del
mundo fsico al que se refiere el modelo matemtico.
El trmino optimalidad es un concepto terico (es decir, matemtico), en

oposicin al mundo real.
En realidad, raras veces tiene sentido hablar de decisiones ptimas en los

complicados problemas de los negocios, de hecho uno de los peores errores que
un administrador puede cometer es permitir ciegamente que un modelo lome sus
decisiones. En lugar de procurar una solucin cuantitativamente superior, el
administrador maduro con frecuencia estar ms interesado en la solucin
polticamente ptima. Sin embargo, esto no implica de ninguna manera que los
modelos cuantitativos no juegan un papel importante en el proceso global de toma
de decisiones. Para apreciar este papel, es necesario considerar algunas de las
relaciones que hay entre el problema real, el analista de problemas, quien tome
decisiones y el modelo.
As, empecemos por explicar la aseveracin de que los problemas
complicados del mundo de los negocios (y aun ms, del gobierno) no tienen
solucin ptima. Siempre hay considerandos que no pueden ser incorporados al
modelo, ya que incluir lodos los ms relevantes podra complicar fcilmente el
modelo al grado de convertirlo en irresoluble. Y qu quiere decir "complicar el
modelo"? Esto llegar a ser ms claro conforme avancemos. Baste por ahora
mencionar dos de los mayores factores de complicacin:
(1) la forma, o estructura matemtica; (2), el tamao. Por ejemplo, en trminos de
la forma, desde un punto de vista computacional, es deseable conservar todas las
expresiones dentro de un modelo lineal. Pero quiz no sea posible capturar
algunas de las interacciones mediante expresiones lineales, y consecuentemente,
dichas interacciones pueden resultar excluidas. En trminos de tamao, los
modelos con demasiadas restricciones y demasiadas variables no podrn ser
Prof. Nelson Prez

resueltos ni siquiera mediante computadoras de alta velocidad. Esta consideracin
puede conducir tambin hacia simplificaciones dando como resultado
representaciones limitadas e incompletas del problema real. Estos hechos ayudan
a ampliar nuestra anterior afirmacin de que los modelos son representaciones
selectivas de la realidad. En cualquier aplicacin realista, el efecto final de esta
selectividad es la siguiente aseveracin:
El concepto "ptimo" es estrictamente una nocin matemtica. Una

"decisin ptima" (o "mejor") producida por un modelo significa que hay
grandes esperanzas de que sea una "buena decisin" para el problema real.
El papel de la intuicin
En consecuencia, como se sugiere en el diagrama esquemtico de la figura 1.11,

quien tome las decisiones deber "evaluar" el modelo. Esto quiere decir que debe
combinar el producto del modelo con su propia experiencia y criterio, sus intereses
personales y su propia percepcin con respecto a la naturaleza y credibilidad del
modelo y su conexin con el problema real. Y conforme a los resultados de esta
"evaluacin", el modelo, o aun la concepcin del problema, tendrn que ser
revisados.
En efecto, una importante aplicacin de los modelos consiste en proporcionar

refuerzos a la de quien toma decisiones. Este refuerzo puede ser positivo. Puede
proporcionar apoyo cuantitativo y verificar las propias nociones preconcebidas de
quien decide. Puede reforzar la confianza en la intuicin propia. Puede ensearle
cmo, la intuicin explcitamente, continuar implementando sus polticas preferidas
(prescindiendo de las motivaciones de tales polticas) y qu resultados, en
trminos cuantitativos, podra esperar. Por otro lado, el apoyo de los modelos
puede ser negativo. Los resultados pueden desafiar la intuicin. Relaciones
previamente escondidas o descuidadas pueden llegar a ser evidentes. El que
toma las decisiones puede verse obligado a escoger entre su intuicin y el modelo.
Cuanto mejor y ms creble sea el modelo, ms difcil ser la eleccin.
Aparte de estas consideraciones, hay formas tcnicas de determinar qu tan

bueno es un modelo y qu importancia tienen sus recomendaciones teniendo en
cuenta el problema real. Estos aspectos tcnicos pertenecen al dominio del
llamado "anlisis de sensibilidad" y sern destacados en secciones apropiadas de
Prof. Nelson Prez

este libro. En este momento, vamos a mostrar explcitamente la forma general de
un modelo de optimizacin restringida.
Formulacin general
Los trminos optimizacin restringida y programacin matemtica a menudo se

usan para describir el mismo modelo general. Aunque el significado explcito de
este modelo puede ser descrito con palabras, la representacin simblica o
matemtica es el modo menos ambiguo de expresar todo lo que dice. En su forma
simblica general, el modelo de optimizacin restringido es
Maximizar (o minimizar) f(X1, X2,.., Xn)

Sujeta a la restriccin

g1 (X1, X2,...Xn) = b1

g2 (X1, X2,...Xn) = b2

. .
. .
. .

Cuando todas las restricciones de este modelo son lineales, se tendr el
gm (X1, X2,...X
importante caso del modelo de programacin n) = bm
lineal. En el prximo capitulo
pondremos especial atencin a los programas lineales,pero por ahora la discusin
es bastante general.
La funcin f se llama funcin objetivo o funcin de utilidad, o simplemente

rendimiento. El modelo establece que el problema consiste en hacer que el valor
de esta funcin sea lo ms grande (o ms pequeo) posible, a condicin de que
las restricciones o condiciones limitantes sean satisfechas. El valor de la funcin
objetivo se mide frecuentemente en cantidades como dlares de utilidad (en un
problema de maximizacin) ' o dlares de costo (en un problema de minimizacin).
Las variables x1 x2, ...,xn, se llaman variables de decisin. Recuerde nuestra
definicin anterior de que, para nuestros propsitos, las decisiones son nmeros.
Los valores numricos de las variables de decisin representan actos o
actividades que se van a emprender a diversos niveles. Quien tome las decisiones
tendr bajo su control directo los valores de estas variables.
Restricciones en general
Cualquier eleccin de estos valores asigna indirectamente un valor numrico a la

funcin objetivo. Las funciones g 1, ..., gm se llaman funciones de restriccin.
Cualquier eleccin de valores numricos para las variables de decisin tambin
asigna indirectamente valores numricos a las restricciones. El modelo exige que
cualquier valor de la funcin restriccin debe satisfacer una condicin expresada
Prof. Nelson Prez

mediante una desigualdad o igualdad matemtica. La primera restriccin, por
ejemplo, es una y slo una de las siguientes condiciones:
g1 (x1 , x2, . . . ,xn) b1

g1 (x1 , x2, . . . ,xn) = b1
g1 (x1 , x2, . . . ,xn) b1
siendo b1 un parmetro con un valor numrico determinado. En otras palabras, en

el lenguaje de los modelos, una restriccin es una igualdad o desigualdad
matemtica que debe ser satisfecha. Los nmeros b , i = 1, 2,..., m, en su conjunto
se llama vector de recursos (VDR) o lado derecho (LD). El nmero b i se llama lado
derecho de la primera restriccin, etc. El conjunto de las m restricciones, es decir,
el conjunto de relaciones

(x1 , x2, . . . ,xn) = bi, i = 1,...,m

restringe indirectamente los valores que pueden ser asignados a las variables de
decisin. Por ejemplo, supngase que el modelo contiene la restriccin.
gi(x1, x2, . . . ,xn) b1

Imaginemos un vector x = (x1, ...,xn) de decisiones que impliquen que
g1 (x, x2, . . . ,xn) b1

Esta eleccin de decisiones quedar prohibida por el modelo, puesto que viola una
de las restricciones. El modelo reconocer solamente las decisiones que
satisfagan todas las restricciones.
Aplicaciones de modelos de optimizacin restringida
Los modelos de optimizacin restringida fueron usados por primera vez, para
tomar decisiones en los aos 40. Entre sus principales aplicaciones se cuentan los
problemas logsticos de la Segunda Guerra Mundial. El campo de la investigacin
de operaciones y la ciencia de la administracin surge de esas tempranas
aplicaciones militares.
Ahora bien, los modelos de optimizacin comprenden todo tipo de actividades de

planeacin, tanto en el sector pblico como en el privado. Las aplicaciones en
acciones gubernamentales son frecuentes. Han incluido intentos de formulacin
de modelos en las reas de defensa, planeacin de la salud, transportes, control
de energa y asignacin de recursos, para nombrar slo unas pocas. En el sector
privado, las aplicaciones varan desde la planeacin a largo plazo hasta la
programacin diaria de actividades e incluso la programacin por horas. Las
aplicaciones especficas de planeacin a largo plazo incluyen la elaboracin de
Prof. Nelson Prez

presupuestos, la ubicacin de plantas, la estrategia de mercado en gran escala y
la estrategia de inversiones en un amplio rango. Las aplicaciones a corto plazo
incluyen la programacin de la produccin y de la fuerza de trabajo, la
administracin de inventarios, la programacin de mquinas, el control de vuelos,
los procesos qumicos, el diseo de productos, la seleccin de medios, la
estimacin estadstica, la mezcla de alimentos, el control de barcos tanque, la
distribucin de gastos, la seleccin de sitios y la programacin de proyectos de
construccin de submarinos nucleares o de enormes centros comerciales. La lista
podra ser interminable.
En todas estas aplicaciones se presentan decisiones que deben tomarse para

realizar una actividad o serie de actividades "ptimamente" de acuerdo con algn
criterio (como minimizar el costo, el tiempo, el gasto o el retraso; o maximizar el
beneficio o la cantidad total manejada). Tambin, en todas estas aplicaciones,
existen limitaciones impuestas ya sea por escasez de los recursos que deben ser
asignados, por determinados requerimientos que deben ser cumplidos o una
combinacin de ambos. Estas limitaciones o requerimientos imponen restricciones
a las decisiones que se pueden tomar. Pueden existir otras restricciones en forma
de relaciones lgicas o de leyes fsicas que deben ser satisfechas por las variables
de decisin. De esta manera, deben determinarse decisiones que optimicen el
objetivo sujeto a todas las restricciones.
POR QUE SE IMPONEN RESTRICCIONES?
El analista confronta un problema del mundo real. Su meta manifiesta es construir

un modelo cuantitativo de optimizacin. Una descripcin ms correcta es: La meta
del analista es proporcionar alguna justificacin cuantitativa razonada para el
proceso de toma de decisiones. Al perseguir esta meta, los analistas emplean
restricciones debido a una diversidad de razones sutiles. Generalmente, las
razones se refieren a la factibilidad y pueden diferir unas de otras slo en cuestin
de grado o interpretacin. En seguida discutiremos algunas de las consideraciones
que conducen al uso de restricciones.
Tecnologa inmutable a corto plazo y las leyes de la naturaleza
En las situaciones de planeacin a corto plazo, las restricciones tecnolgicas

pueden ser inevitables. Consideremos un modelo del punto de equilibrio de los
precios que trate de pronosticar los precios promedio regionales de trigo durante
una cosecha anual dada, as como el valor neto total del trigo en ese mismo
periodo, para cierto nmero de pases. La oferta global total de trigo es fija. En el
mundo real, no hay modo de cambiar esto hasta que la prxima cosecha sea
levantada. Las leyes de la botnica y la tecnologa agrcola no pueden ser
alteradas a corto plazo, sin importar lo que el planeador est dispuesto a pagar. El
mismo tipo de restricciones tecnolgicas pueden ocurrir en la industria del acero.
Cuando se para un horno o proceso particulares, digamos por una huelga, se
requiere cierto tiempo para reanudar labores, por razones fsicas o qumicas. Y
Prof. Nelson Prez

puede no haber modo de eliminar dicha restriccin a ningn precio. Puede
imaginar otros modelos a corto plazo para los que haya restricciones tecnolgicas
similares que no puedan ser eliminadas en forma realista?
Cuellos de botella
Acaba de ocurrir una huelga acerera. No hay modo de incrementar nuestros

abastos para el prximo periodo planeado. "Falso", dir usted. "Pague un precio
suficientemente alto y podr importar mayores abastos!". Sin embargo, se
descubre que existen cuotas de importacin, etc. Cuellos de botella como ste son
una causa comn de que aparezcan restricciones. Los recursos pueden escasear
realmente.
Costos de la investigacin
Un factor prctico importante en la resolucin de problemas se refiere al costo de

encontrar la respuesta. Las restricciones se usan con frecuencia para reducir tos
costos. Piense en el padre cuyos hijos le piden ayuda para usar un libro de mapas
topogrficos estatales para localizar el punto ms alto de los Estados Unidos. El
problema podra ser abordado mediante una investigacin sin restricciones que
abarque el libro entero. Pero con un conocimiento general de la geografa, el
padre pasar por alto confiadamente .los mapas de Ohio, Michigan, Indiana,
Wisconsin, Iowa, Nebraska y muchos otros.
Como otro ejemplo, considere al distribuidor en Estados Unidos de un nuevo

perfume francs. Para hacer accesible al pblico el producto, el distribuidor quiere
elegir una campaa de publicidad que maximice la proporcin
_ _total de ventas_ __
gasto total de !a publicidad
Las opciones de publicidad son numerosas:
1. Anuncios en los autobuses de las principales ciudades-
2. Avisos por radio en las principales ciudades.
3. Comerciales en las cadenas de televisin.
4. Anuncios en algunas revistas bien seleccionadas,
5. Distribucin de volantes.
Sobre la base de su intuicin educada el distribuidor decide eliminar la primera,

segunda y quinta alternativas y despus patrocina un estudio para determinar el
Prof. Nelson Prez

mejor modo de colocar sus dlares en publicidad especfica dentro de las dos
categoras restantes. Los fondos para tal estudio son limitados. Imponiendo
restricciones, el distribuidor ser capaz de especializar el estudio, dedicando
mayor anlisis a las dos categoras elegidas y confiando en obtener mejores
resultados.
Incertidumbre y anlisis paramtrico
El atractivo de muchas oportunidades de inversin depende fuertemente del valor

futuro de la tasa de inters. Por desgracia estas tasas resultan notablemente
difciles de pronosticar. Si r1 es la tasa de inters en el periodo i, quiz sea posible
construir un modelo con restricciones.
Li ri Ui
Se asignan valores especficos a Li y a Ui y se soluciona el modelo. Esto da como

resultado la mejor solucin si la tasa de inters cae dentro del rango indicado.
Asignando valores diferentes a L i y a Ui y resolviendo sucesivamente el modelo, se
obtendrn resultados que sealen el grado hasta el cual la solucin ptima es
sensible a las tasas de inters. A esta tcnica se le conoce como "realizar un
anlisis paramtrico (o de sensibilidad) sobre L i y Ui". Dicho anlisis nos permitir
decir: "Si el mximo rango es as, entonces stos son los resultados que podemos
esperar". Este es un modo de tratar con la incertidumbre.
Objetivos sustitutos
Hemos visto, en nuestro estudio previo, que en cierto sentido se puede pensar en
un modelo como un "sustitua" o reemplazo de la realidad. Con frecuencia esto es
verdad para la funcin objetivo. Demos un ejemplo. Un estudio que se iba a
realizar para un cliente entraaba varios proyectos de inters para el antiguo
Departamento de Salud, Educacin y Bienestar. El cliente quera determinar la
"ubicacin ptima" de diecisis clnicas para la atencin de la salud que haban
sido propuestas. Las clnicas iban a tener un diseo modular y una arquitectura
ms bien innovadora. Pero qu significa "optimizar la ubicacin"? Cul es la
medicin adecuada? Algunas sugerencias son:
1. Minimizar las distancias entre las localidades y las reas de poblacin

densa y de bajos ingresos,
2. Maximizar la cobertura geogrfica sin considerar la densidad de

poblacin o la distribucin de ingresos.
3. Minimizar el nivel de subsidio gubernamental requerido.
4. Maximizar la exposicin esttica (la visibilidad de la arquitectura).

Prof. Nelson Prez
Las alternativas eran numerosas. El problema de un estudio como ste no es

precisamente cmo cuantificar el objetivo. En realidad, ni siquiera es claro qu
estaba buscando el Departamento de Salud, Educacin y Bienestar. A menos que
se pueda definir una funcin objetivo apropiada, siquiera verbalmente, parece sin
esperanza aventurarse en un estudio cuantitativo. Pero incluso cuando se expone
oralmente una funcin quiz no sea posible cuantificarla y por consiguiente se
puede utilizar un objetivo substituto. El objetivo de un planificador de la defensa
quiz sea maximizar la "disuacin". No es posible cuantificar, per se, este termino.
El planificador de la defensa quiz en lugar de ello decida maximizar el nmero de
lanza misiles instalados en submarinos. Esto seria un substituto de su objetivo
real.
Hacer su agosto
El 13 de septiembre de 1976 la pgina editorial del Wall Street Journal public un

reportaje sobre la nueva fuerza poltica de un concejal de la ciudad de Nueva York.
Lo esencial de la historia era que el concejal usaba los programas federales contra
la indigencia para montar una poderosa maquinaria poltica para sus propios
propsitos. El que los fondos hayan sido usados ilegalmente o no, no es
importante para nosotros. Este caso reporta una situacin en la que un
subordinado logra sus propios fines a pesar de su jefe. Esta situacin se llama
problema subordinado.
La aspiracin del subordinado era que, como cualquier otro en la vida, quera
maximizar su propio bienestar. Como resultado, l tenia su funcin objetivo muy
personal que difera al menos en algunos aspectos con la de la organizacin (es
decir, su jefe). La estrategia de solucin del subordinado consiste en disfrazar sus
propios intereses en una restriccin y despus argumentar en favor de sta. La
restriccin parecer inocua al jefe (ni buena ni mala). La justificacin tramada por
el subordinado parece plausible, por lo que el jefe inocentemente la acepta,
ignorante de las implicaciones totales. El resultado de la restriccin puede
resultarle costoso al jefe, pero ser provechoso para el subordinado.
En muchos casos, las restricciones de esta naturaleza imponen una especie de

ocultamiento previo para limitar las alternativas alcanzadas en la etapa final del
proceso de toma de decisiones. Una prominente fundacin caritativa desarroll un
programa de becas para dar entrenamiento de administracin en los Estados
Unidos a jvenes servidores pblicos prometedores de un pas africano en
desarrollo. Se asignaron expedientes a cada candidato y despus un comit de
representantes de las universidades norteamericanas participantes seleccionaron
a los que recibiran las becas. Diez ganadores seran seleccionados anualmente
de entre 200 candidatos y todo el mundo pensara que el programa haba sido un
gran xito. Una revisin del programa despus de varios aos revel que, sin el
conocimiento del comit de seleccin, todos los ganadores de becas (y en
realidad, todos los candidatos) haban sido miembros de una misma tribu (y
Prof. Nelson Prez

partido poltico). Esta tribu haba mantenido tradicionalmente las posiciones
administrativas importantes en el gobierno colonial y controlaba as el proceso de
solicitud de becas. El grupo estaba en excelente posicin para hacer su agosto.
He aqu otro ejemplo: imagine lo fcil que es para un jefe de departamento disear
un perfil de trabajado que requiera un universitario recin graduado, experto en
jeroglficos y tcnico en ingeniera, con experiencia de trabajo como instructor de
canotaje. Le sorprendera saber que el hijo de su primo en segundo grado,
exactamente con esas caractersticas, buscaba trabajo?
Se ha dicho que el proyecto de reforma a la ley de impuestos de 1976 tena al

menos sesenta estipulaciones de especial inters. De acuerdo con el senador
Edward Kennedy (Time, agosto 16, 1976), algunas de estas estipulaciones estn
tan finamente diseadas que recuerdan aquellas legislaciones para un "hombre
tuerto, barbado y cojo". Se le invita a especular sobre la motivacin para introducir
tantas estipulaciones especiales.
Como ejemplo final y menos especfico, ntese que en las grandes empresas las
decisiones importantes sobre inversiones de capital son tpicamente tomadas por
la junta de directores. Ellos consideran un conjunto de alternativas que les han
llegado despus de pasar un gran nmero de revisiones (departamentales,
divisionales, regionales, etc.). Hay, pues, numerosas oportunidades para que los
subordinados impongan varias restricciones del tipo "hacer su agosto" para influir
en el conjunto de alternativas de la que saldr la decisin final.
Estructura jerrquica y delegacin de la autoridad
Las restricciones parecen ser parte inherente de la estructura de la organizacin.

La necesidad de delegar la autoridad y responsabilidad de ciertas actividades en
tanto que se conserva la responsabilidad global para la totalidad de una operacin
casi siempre dicta el uso de restricciones y, en consecuencia, el acercamiento a la
optimizacin restringida.
Un buen ejemplo es proporcionado por las actividades de compra de las empresas

multinacionales. Cuando una empresa tiene plantas en varios pases cercanos,
surge la cuestin de quin har las compras para cada planta. En algunas
corporaciones multinacionales, un departamento centralizado compra para todas
las plantas. Muchas empresas, sin embargo, usan un sistema descentralizado con
un departamento de compras para cada planta. En este caso, la administracin
central restringe las actividades insistiendo en que todas las compras se hagan a
proveedores aprobados por el centro y que se sigan ciertos procedimientos de
recepcin y verificacin estandarizados. El comprador de una planta individual
trata entonces de minimizar los costos sujetndose a las restricciones dadas sobre
tiempo de entrega, calidad del material y sobre el conjunto de posibles
proveedores.
Prof. Nelson Prez

El proceso de pasar por restricciones ocurre en todos los niveles de las jerarquas
institucionales. El gobierno restringe la corporacin; sta restringe sus plantas, las
cuales a su vez restringen a sus departamentos, etc. El resultado neto es que la
mayora de quienes toman decisiones se encuentran a si mismos ante problemas
de optimizacin restringida. Las restricciones pueden cambiar cuando la empresa
se reorganiza para encarar la competencia y las variables pueden cambiar para un
individuo cuando asciende dentro de la organizacin. Pero es difcil imaginar un
mundo en el que la delegacin de la responsabilidad y autoridad limitadas no
constituyan una parte decisiva del proceso de la administracin.
Ecuaciones de definicin o de balance
Con frecuencia ciertas relaciones entre las variables de un modelo estn definidas
en las restricciones. Por ejemplo, en un modelo con variables de inventario puede
haber una restriccin que diga
inventario al = inventario al + produccin - ventas del

fin del mes t comienzo del mes del mes t mes t
Otro ejemplo: un modelo logstico puede tener una restriccin de "balance de

material", que diga
cantidad que entra al almacn = cantidad que sale del almacn
FORMULACIN DE MODELOS INTUITIVOS CONTRA FORMALES
Para concluir este capitulo, vamos a comparar el tipo de modelos cuantitativos

formales que hemos estado analizando con aqullos a los que deseamos
referirnos como modelos intuitivos. Creemos que la mayora de las decisiones que
se toman en la vida van de acuerdo con algn modelo interno c intuitivo del
problema que se tiene. Tales modelos, aunque menos formales que los que
hemos considerado, tambin tratan de capturar ciertos intercambios e
interacciones entre las variables. Pueden estar compuestos en forma mental ms
que con una forma simblica externa.
Dentro de su estructura, estos modelos internos tienden a incorporar

consideraciones difusas y difciles de cuantificar que pertenecen a gustos y
disposiciones individuales. Hasta cierto punto, se observa la concepcin de la vida
de una persona mediante la inspeccin del reflejo de su modelo en el modo como
busca soluciones y en la calidad de las soluciones que en realidad encuentra. Las
restricciones en un mdelo formal sirven para definir el ambiente dentro del cual
pretendemos maximizar nuestro objetivo. Lo mismo es verdad en cuanto a los
modelos intuitivos internos.
Prof. Nelson Prez

A fin de ejemplificar las clases de percepciones o condiciones no cuantificables
que estn incorporadas en los modelos intuitivos, consideremos las siguientes
citas. Cada postulado sugiere una forma de restringir la bsqueda de la riqueza y
el xito.
Nadie ha perdido dinero subestimando la inteligencia de los norteamericanos.

H. L. MENCKEN
Coda minuto nace un bobo.
P.T. BAKNUM
Estos postulados reflejan una dificultad mayor en la formulacin de modelos

intuitivos. Estos generalmente no son explcitos. Son difciles de rebatir, criticar o
suscribir debido a que lo que dicen es ambiguo. Son las citas anteriores
aseveraciones demostradas? De ser as, cmo hara para verificarlas en una
disputa? Cmo recoger dalos para apoyar tales modelos? (Realmente nace un
bobo "cada minuto", o seria una aseveracin ms precisa decir "cada segundo"?
Por el contrario, el modelo formal aspira al menos a "mostrar todos los detalles" y.
despus, "a reestructurarlos". El objetivo puede ser rebatido o aceptado. Puede no
ser el ideal, pero es lo que es y se puede modificar y manipular. Las restricciones
son materia de registro. Pueden ser puestas a discusin, modificadas,
aumentadas e eliminadas. Debido a su naturaleza explcita y nada ambigua, los
modelos formales proporcionan a los individuos y a los grupos una herramienta
para eliminar la inconsistencia. De esta manera, el uso de modelos formales es un
arma del comportamiento racional en la bsqueda de buenas decisiones.
RESUMEN
Este capitulo ha proporcionado una panormica sobre el uso de modelos

cuantitativos para la toma de decisiones, con especial nfasis en su papel como
herramienta para el administrador. Se ha destacado la interaccin entre el
administrador y el modelo, poniendo atencin al papel del administrador como
"evaluador" del modelo.
Propusimos el concepto de que, desde un punto de vista cuantitativo, las

decisiones son nmeros y que la base de las decisiones es la evaluacin de dalos
cuantitativos (es decir, la evaluacin de nmeros). Discutimos el valor de los
modelos en este proceso, subrayando que la nocin de "optimalidad" es un
concepto matemtico, en contraposicin al del mundo real. Los modelos son una
representacin limitada de la realidad y, por esta razn, la solucin de un modelo
es la solucin de un "sustituto" del problema real.
Prof. Nelson Prez
Se estudiaron modelos de "qu si" y de optimizacin restringida. Se present el

papel de Lotus 1-2-3, de VINO y de Whats Bests. para enfrentar estos
problemas. Finalmente, se dieron numerosas justificaciones prcticas de la
aparicin de restricciones en los modelos.
PREGUNTAS PARA ESTUDIO
1.1 "Los problemas ms difciles son aquellos para los cuales no existen
modelos". Interprete esta proposicin. D algunos ejemplos.
1.2 Suponga que quiere llegar a ser un administrador que toma decisiones pero
que sus intereses y aptitudes estn lejos del campo cuantitativo. Cul seria
la razn para que estudie un curso introductorio de formulacin de modelos
cuantitativos?
1.3 Que razones se le ocurren para explicar el hecho de que se construyen
muchos modelos que nunca son implementados? Significa la ausencia de
implementacin que toda la actividad de desarrollo de modelos es un
desperdicio?
1.4 Cul es su interpretacin de la frase "una exitosa aplicacin de un modelo"?
1.5 La maximizacin de los beneficios se toma comnmente como la funcin

objetivo de la empresa. Es esto un objetivo sustituto? Considere una
empresa como la 1TT. Puede pensar en otros objetivos que sean
apropiados? No se preocupe si son fcilmente cuantificables o no.
1.6 Hemos dicho que no hay decisiones ptimas para los problemas complejos
del mundo de los negocios. Sin embargo, los modelos de optimizacin
producen "decisiones ptimas". En qu sentido, entonces, son ptimas
dichas decisiones?
1.7 Considere el siguiente postulado: "Nuestra poltica de produccin debe ser el

obtener el mximo de produccin con el costo mnimo". Comente esta
equivocacin.
1.8 "Se ha resuelto un problema de optimizacin pero se han violado algunas de

las restricciones", Discuta esta aseveracin.
1.9 Cul es el significado de una restriccin matemtica cuando los datos

(valores de los parmetros) no se conocen con precisin? QU clase de
supuestos tenderan a justificar el uso de modelos en tales situaciones?
Prof. Nelson Prez

1.10Discuta el significado de lo siguiente:
(a) Una aplicacin exitosa.

(b) Un problema grande contra uno pequeo.
(c) Una restriccin "importante" contra una restriccin "sin importancia".
(d) Resolver un modelo.
PAUTAS Y COMENTARIOS PARA LA FORMULACIN DE

MODELOS
En la conversin de problemas verbales a modelos formales, ser muy til

describir primero con palabras un modelo que corresponda al problema dado. Es
decir, se puede proceder en la siguiente forma:
1. Expresar cada restriccin en palabras; al hacer esto, pongan cuidadosa

atencin en si la restriccin es un requerimiento de la forma (al menos tan
grande como), una limitacin de la forma (no mayor que), 0 =
(exactamente igual a).
2. Despus expresar el objetivo en palabras.
Los pasos 1 y 2 le permitirn despus
3. Identificar verbalmente las variables de decisin.

Prof. Nelson Prez

Con frecuencia, una cuidadosa lectura del contenido del problema le revelar que
las variables de decisin y el objetivo se le dan en la forma exacta que necesita.
Por lo regular es importante que estn definidas en forma correcta sus variables
de decisin. En ocasiones encontrar que hay varias elecciones posibles. Por
ejemplo, debe representar libras de producto acabado o de materias primas?
Una gua til es hacerse a s mismo la pregunta: " Que decisin debe tomarse
para optimizar la funcin objetivo? La respuesta a esta pregunta le ayudar a
llegar a identificar correctamente las variables de decisin.
Habiendo cumplido los pasos 1 a 3, invente la notacin simblica de las variables

de decisin:
4. Expresar las restricciones mediante smbolos (es decir, en trminos de las

variables de decisin).
5. Expresar la funcin objetivo en smbolos (en trminos de variables de

decisin).
En esta etapa es recomendable comprobar el trabajo para ver, si las unidades son
consistentes. Por ejemplo, si los coeficientes de una funcin objetivo estn dados
en dlares por libra, las variables de decisin que aparezcan en la funcin objetivo
deben resultar en libras, no en toneladas ni en onzas. De manera anloga,
compruebe que para cada restriccin las unidades del lado derecho son las
mismas que las del primer miembro. Por ejemplo, si una de las restricciones es
una limitante d la forma de horas de trabajo, el lado derecho debe ser de horas
de trabajo, Despus si. Considerando lo anterior, las variables de decisin son
libras, los datos de esta funcin de restriccin (es decir, los coeficientes numricos
de cada variable de decisin del primer miembro de la restriccin) debern ser en
horas de labor por libra. Dicho en forma ms simple, no quiera terminar con horas
en un lado y minutos o segundos, o libras o toneladas en el otro.
En este punto es conveniente comentar otro aspecto de la formulacin. Hemos

visto que las restricciones de desigualdad de la forma o . Con frecuencia
preguntan los estudiantes si un problema de programacin lineal puede tener una
desigualdad estricta como restriccin, con los signos < o >. La respuesta es un no
contundente. La razn de esto es de naturaleza matemtica. Es para asegurar que
un problema bien formulado tenga solucin. Los detalles matemticos requeridos
para justificar esta aseveracin no estn en el mbito de nuestros intereses. Esta
no es una prohibicin costosa, ya que casi en cualquier situacin del mundo real
que uno pueda imaginar y que implique desigualdades de restriccin es casi
seguro que la representacin con los signos o captar por completo el
significado del mundo real.
Examinemos ahora un aspecto final de la formulacin de modelos. Este se refiere

a la naturaleza del costo de los datos que se van a manejar.
Prof. Nelson Prez

COSTOS ATADOS CONTRA COSTOS VARIABLES
En muchos problemas del mundo real se dan a menudo dos tipos de costos:
costos fijos, tambin llamados costos atados, y costos variables. En contra de las
primeras impresiones que a veces tienen los estudiantes.
Slo los costos variables tienen importancia en los modelos de

optimizacin.
Los costos fijos o atados ya han sido pagados, lo cual significa que ninguna
decisin futura puede afectarlos. Por ejemplo, supngase que se han comprado
800 y 500 libras de dos clases de aluminio (clase 1 y clase 2) para una entrega
futura a los precios convenidos de $5 y $10 la libra, respectivamente, y que se ha
firmado un contrato. El problema del administrador, en parte, es decidir el uso
ptimo de esas 1300 libras de aluminio, quiz, para maximizar el beneficio
obtenido de la produccin de codos o duelos de aluminio. Asociados con estos dos
producidos habr ingresos y costos variables producidos durante su manufactura
(costos de maquinaria, troquelado, etc.). En la formulacin de este tipo de modelos
los costos fijos de $9000 asociados con la compra contratada carecen de
importancia. Esta cantidad ya ha sido gastada y por lo tanto las cantidades a ser
compradas ya no son variables. Las variables sern, si acaso, cuntos productos
se elaborarn y el costo relevante en esta determinacin es slo el costo variable.
Ms especficamente, la formulacin correspondiente a la descripcin anterior ser
de la forma siguiente:
Sea
K = nmero de codos que sern producidos (variable de decisin)
C = nmero de ductos que se producirn (variable de decisin)
10 = ingreso por cada codo
30 = ingreso por cada duelo
4 = costo de produccin por codo (costo variable)
12 = costo de produccin por duelo (costo variable)
Para cada producto debemos calcular lo que los contadores llaman contribucin
marginal por unidad; es decir, la diferencia entre el ingreso por unidad y el costo
variable por unidad. Las contribuciones marginales por unidad son:
para los codos: 10 4 = 6

para los ductos: 30 12 = 18
Prof. Nelson Prez
Supngase que cada codo usa 1 unidad de aluminio de grado 1 y 2 unidades de

aluminio de grado 2. Cada ducto usa 3 unidades de grado 1 y 5 unidades de grado
2, Entonces se obtiene el siguiente modelo de programacin lineal formal:
Max 6K + 18C
s.a. K + 3C 800 (limitacin del grado 1)
2K + 5C 500 (limitacin del grado 2)
K 0, 0
Otro modo de advertir la irrelevancia de los costos fijos es observar que la funcin
objetivo de la formulacin es el margen de aportacin total. El ingreso neto, o
utilidad, ser
utilidad neta = margen de aportacin costo fijo

= 6K + 18C - 9000
Sin embargo, si se encuentran valores factibles que maximicen 6K + 18C 9000

esos mismos valores maximizarn 6K + 18C. El trmino constante 9000 puede ser
pasado por alto.
Lo fundamental aqu es que maximizar una funcin ms una constante, o incluso

una constante positiva multiplicada por una funcin, proporciona en cualquiera
caso el mismo resultado, en trminos de valores ptimos de las variables de
decisin, que se obtendra sin la constante. Sin embargo, si se aade (o se resta)
la misma constante a cada coeficiente (o de cada coeficiente) en la funcin
objetivo, puede cambiar el resultado.
Aprendiendo a formular modelos
Esta transicin (el modo en que se ha elaborado el modelo, la forma en que se

han formulado las restricciones y el objetivo) es de primordial importancia.
Intente resolver los siguientes problemas por s mismo. Formlelos con la rapidez
que le sea posible y no lea en un problema ms de lo que se le da. Por ejemplo,
no introduzca restricciones adicionales o matices lgicos o datos imaginarios que
en su opinin podran hacer ms realista el modelo. Por ejemplo, no se preocupe
por lo que "ocurra la semana siguiente" si el problema nunca se refiere a la
"semana siguiente". Los problemas que proponemos han sido escogidos para
facilitarle el desarrollo de la formulacin. Para lograr esto y que pueda comprobar
su trabajo y calibrar su progreso dentro del contexto descrito la formulacin
correcta, debe carecer por completo de ambigedad. En otras palabras, que haya
una "respuesta correcta". Ms tarde, cuando tenga experiencia, la amplitud de las
Prof. Nelson Prez

dudas en la interpretacin y las sutilezas del mundo real sern mayores. Debido a
que el tema de la formulacin es tan importante y como la prctica es el nico
camino para dominarlo, al final de este capitulo aparece una lista intencionalmente
grande de problemas.
Un ltimo consejo: no lea simplemente el problema y despus vaya de

inmediato a la solucin. Esa seria la mejor forma de engaarse a si mismo sobre
lo que ha comprendido. No lea la solucin hasta que (1) est seguro de haber
solucionado en forma correcta el problema por si mismo o (2) est totalmente
convencido de que se encuentra en un callejn sin salida.

T996 1 2

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

T996 1 2

Cargado por

Copyright:

Formatos disponibles

Elementos de Investigacin de Operaciones Gua No.

Prof. Nelson Prez

En la ciencia de la administracin (que tambin se conoce como investigacin

Por ejemplo, considere el problema enfrentado por Mark, graduado de la maestra

1. Ninguno de los dos fondos debe tener ms de 75% de la inversin total.

2. La cantidad invertida en el fondo de acciones no debe exceder del doble

En este problema, existen muchas combinaciones diferentes de estrategias de

Invertir 60% en el fondo de acciones y 40% en el fondo de bonos. Esta estrategia

Invertir 70% en el fondo de acciones y 30% en el fondo de bonos. Esta estrategia

Prof. Nelson Prez

En este problema, Mark no puede intentar cada una de las combinaciones de

Las tcnicas de la administracin su aplican a las siguientes dos categoras

1. Problemas determinsticos, en los que toda la informacin necesaria para

2. Problemas estocsticos, en los que parte de la informacin necesaria no se

La resolucin de un problema determinstico es similar a decidir en cul aerolnea

HISTORIA DE LA INVESTIGACIN DE OPERACIONES

El campo de la administracin surgi durante la Segunda Guerra Mundial, cuando

Prof. Nelson Prez

METODOLOGA DE LA INVESTIGACIN DE OPERACIONES

El uso de mtodos cuantitativos para solucionar problemas, generalmente implica

Prof. Nelson Prez

Figura 1.1 La metodologa de la investigacin de operaciones.

Definicin del problema

El primer paso es identificar, comprender y describir, en trminos precisos, el

Prof. Nelson Prez

Desarrollo de un modelo matemtico y recoleccin de datos

Despus de que el problema est claramente definido y comprendido, el siguiente

S = la fraccin por invertir en el fondo de acciones

B = la fraccin por invertir en el fondo de bonos

Estas variables de decisin tambin se denominan variables controlables porque

1. Maximicen la retribucin anual esperada.

2. Satisfagan todas las pautas de inversin.

Para los valores especficos de S y B, se puede expresar la retribucin anual

Prof. Nelson Prez

Maximizar 0, 10S + 0.06B

Debido a las pautas de inversin, no se pueden elegir valores "arbitrarios" para

S 0.75 (lmite superior en el fondo de acciones)

Tambin se requiere otra limitacin para la segunda pauta de inversiones. La

Juntando todas las piezas, el modelo matemtico desarrollado hasta ahora

Maximizar 0.10S +0.06B

Condicionado por S 0.75 (lmite superior en el fondo de acciones)

Observe que la funcin objetiva y las limitaciones estn expresadas en trminos

Prof. Nelson Prez

Para el problema de Mark, se proporcionaron todos los datos al establecerse el

Resolucin del modelo matemtico

Una vez formulado un modelo matemtico del problema, el siguiente paso es

2. Mtodos heursticos, que producen valores para las variables que

En contraste con los mtodos ptimos, los mtodos heursticos son

Un objetivo de este libro es mostrar muchos mtodos matemticos diferentes y

Prof. Nelson Prez

Validacin, Instrumentacin y Control de la Solucin

Despus de resol ver el modelo matemtico, es extremadamente importante

1. El modelo matemtico puede no haber captado todas las limitaciones del

3. Los datos pueden haberse estimado o registrado incorrectamente, tal vez

Por ejemplo, al validar la solucin de S = 0,75 y B = 0.75 para el modelo de

Esta limitacin significa simplemente que la cantidad invertida en acciones y la

Tambin es importante darse cuenta que aun cuando el modelo y la solucin

Prof. Nelson Prez

Los resultados y su posterior instrumentacin deben supervisarse

Modificacin del modelo

Si durante el paso de validacin se encuentra que la solucin no puede llevarse a

Maximizar 0.10S +0.06B

Condicionado por S 0.75 (lmite superior en el fondo de acciones)