Modelos de Investigacin de Operaciones

Un modelo es una representacin ideal de un sistema y la forma en que este opera. El objetivo es
analizar el comportamiento del sistema o bien predecir su comportamiento futuro. Obviamente
los modelos no son tan complejos como el sistema mismo, de tal manera que se hacen las
suposiciones y restricciones necesarias para representar las porciones ms relevantes del mismo.
Claramente no habra ventaja alguna de utilizar modelos si estos no simplificaran la situacin real.
En muchos casos podemos utilizar modelos matemticos que, mediante letras, nmeros y
operaciones, representan variables, magnitudes y sus relaciones.

Entre los mtodos utilizados por la investigacin de operaciones (o ciencia de la administracin),

los administradores utilizan las matemticas y las computadoras para tomar decisiones racionales
en la resolucin de problemas. Aunque los administradores pueden dar respuesta a algunos
problemas con su experiencia, ocurre que en el complejo mundo real muchos problemas no
pueden resolverse con base en la experiencia. Para resolverlos, la investigacin de operaciones los
agrupa en dos categoras bsicas:

problemas deterministas: son aquellos en que la informacin necesaria se conoce para

obtener una solucin con certeza;
problemas estocsticos: son aquellos en los que parte de la informacin necesaria no se
conoce con certeza, lo que s ocurre en el caso de los deterministas, sino que ms bien se
comporta de una manera probabilstica.

Un modelo de decisin debe considerarse como un vehculo para resumir un problema de

decisin en forma tal que haga posible la identificacin y evaluacin sistemtica de todas las
alternativas de decisin del problema. Despus se llega a una decisin seleccionando la alternativa
que se juzgue sea la mejor entre todas las opciones disponibles. Un modelo es una abstraccin
selectiva de la realidad.

El modelo se define como una funcin objetivo y restricciones que se expresan en trminos de las
variables (alternativas) de decisin del problema.
Una solucin a un modelo, no obstante, de ser exacta, no ser til a menos que el modelo mismo
ofrezca una representacin adecuada de la situacin de decisin verdadera. El modelo de decisin
debe contener tres elementos:

1. Cules son las alternativas de decisin?

2. Bajo qu restricciones se toma la decisin?

3. Cul es el criterio objetivo adecuado para evaluar las alternativas?

Una solucin del modelo es factible si satisface todas las restricciones. Es ptima si, adems de
ser factible, produce el mejor valor (mximo o mnimo) de la funcin objetivo. Aunque los
modelos de investigacin de operaciones deben optimizar determinado criterio objetivo sujeto
a un conjunto de restricciones, la calidad de la solucin que se obtenga depende de la exactitud del
modelo para representar el sistema real.

Tipos de Modelos de Investigacin de Operaciones.

1. Modelo Simblico o Matemtico:

Son representaciones de la realidad en forma de cifras, smbolos matemticos y funciones, para

representar variables de decisin y relaciones que nos permiten describir y analizar el
comportamiento del sistema.
Se emplea cuando la funcin objetivo y las restricciones del modelo se pueden expresar en
forma cuantitativa o matemtica como funciones de las variables de decisin. Aunque las
matemticas son esenciales son esenciales en la investigacin de operaciones. No se debe
recurrir de inmediato al modelo matemtico, sino hasta despus de haber investigado mtodos
ms sencillos.

Un modelo matemtico consta al menos de tres conjuntos bsicos de elementos:

Variables de decisin y parmetros

Las variables de decisin son incgnitas que deben ser determinadas a partir de la solucin
del modelo. Los parmetros representan los valores conocidos del sistema o bien que se
pueden controlar.
 Restricciones
Las restricciones son relaciones entre las variables de decisin y magnitudes que dan
sentido a la solucin del problema y las acotan a valores factibles. Por ejemplo, si una de
las variables de decisin representa el nmero de empleados de un taller, es evidente que
el valor de esa variable no puede ser negativo.
Funcin Objetivo
La funcin objetivo es una relacin matemtica entre las variables de decisin, parmetros
y una magnitud que representa el objetivo o producto del sistema. Por ejemplo, si el
objetivo del sistema es minimizar los costos de operacin, la funcin objetivo debe
expresar la relacin entre el costo y las variables de decisin. La solucin PTIMA se
obtiene cuando el valor del costo sea mnimo para un conjunto de valores factibles de las
variables. Es decir hay que determinar las variables x1, x2,..., xn que optimicen el valor de
Z = f(x1, x2,..., xn) sujeto a restricciones de la forma g(x1, x2,..., xn) b. Donde x1, x2,...,
xn son las variables de decisin Z es la funcin objetivo, f es una funcin matemtica.

EJEMPLO 1.2.1: Sean X1 y X2 la cantidad a producirse de dos productos 1 y 2, los

parmetros son los costos de produccin de ambos productos, $3 para el producto 1 y $5
para el producto 2. Si el tiempo total de produccin esta restringido a 500 horas y el
tiempo de produccin es de 8 horas por unidad para el producto 1 y de 7 horas por
unidad para el producto 2, entonces podemos representar el modelo como:
MinZ = 3X1 + 5X2 (Costo total de Produccin)
Sujeto a (S.A):
8X1 + 7X2 500 (Tiempo total de produccin)
X1, X2>= 0 (Restricciones de no negatividad)

1.1. Tipos de Modelos Matemticos

1.1.1. Cuantitativos y cualitativos: La mayor parte de las soluciones a los problemas de un
negocio u organizacin comienzan con un anlisis y definicin de un modelo
cualitativo y se avanza gradualmente hasta obtener un modelo cuantitativo, la
investigacin de operaciones se ocupa de la sistematizacin de los modelos
cualitativos y de su desarrollo hasta el punto en que pueden cuantificarse.
 Cuando es posible construir un modelo matemtico insertando smbolos para
representar relaciones entre constante y variables estamos ante un modelo cuantitativo,
una ecuacin es un modelo de este tipo. Las frmulas, las matrices, los diagramas o
series de valores que se obtienen mediante procesos matemticos.

1.1.2. Modelos Estndares y hechos a la medida: Se llaman modelos estndar a los que
solo hay que insertar o sustituir diferentes valores con el fin de obtener un valor a una
respuesta de un sistema y son aplicables al miso tipo de problemas en negocios.
Ejemplo, el clculo de costos o gastos, el clculo de ganancias, etc.

Se llaman modelos hechos a la medida cuando se crean modelos para resolver un caso
de problema especfico que se ajusta nicamente a este problema.

1.1.3. Descriptivos y de optimizacin: Cuando un modelo constituye sencillamente una

descripcin matemtica de una condicin real del sistema se llama descriptivo. Algunos
de estos modelos se emplean para mostrar geogrficamente una situacin y ayudan al
observador a evaluar resultados por secciones una sobre otra. Puede obtenerse una
solucin, sin embargo, en este modelo solo se intenta describir la situacin y no escoger
una alternativa.

Cuando con la aplicacin del modelo se llega a una solucin ptima de acuerdo con los
criterios de entrada se trata de un modelo de optimizacin.

1.1.3. Estticos y dinmicos: Los modelos estticos se ocupan de determinar una

respuesta para una serie especial de condiciones fijas que probablemente no
cambiaran significativamente a corto plazo, es decir, la solucin est basada en una
continuidad esttica.

Un modelo dinmico por el contrario est sujeto al factor tiempo que desempea un
papel esencial en la secuencia de las decisiones, independientemente de cuales hayan
sido las decisiones anteriores. A la programacin dinmica pertenecen estos modelos.

1.1.4. Modelo de Simulacin: Con el uso de la computadora es fcil preparar un modelo

simulado paso por paso donde se puede reproducir el funcionamiento de sistemas o
problemas de gran escala. Es un modelo de simulacin, los datos de entrada pueden
ser muestras originadas de forma medida o de modo aleatorio.
 Los modelos que no se prestan para usar datos empricos o simulados en forma aleatoria
son modelos no simulados como los de optimizacin o los creados a medida

Un modelo de simulacin divide el sistema representado en mdulos bsicos o

elementales que despus se enlazan entre si va relaciones lgicas bien definidas. Por lo
tanto, las operaciones de clculos pasaran de un mdulo a otro hasta que se obtenga un
resultado de salida.

Los modelos de simulacin cuando se comparan con modelos matemticos; ofrecen

mayor flexibilidad al representar sistemas complejos, pero esta flexibilidad no est libre de
inconvenientes. La elaboracin de este modelo suele ser costoso en tiempo y recursos. Por
otra parte, los modelos matemticos ptimos suelen poder manejarse en trminos de
clculos.

La simulacin moderna suele manejar situaciones que se pueden describir en el contexto

de una lnea de espera o cola. La simulacin no se limita a eso, porque casi cualquier
situacin de funcionamiento se puede considerar como alguna forma de lnea de espera.
sta es la razn por la que la simulacin ha gozado de aplicaciones tan tremendas en las
redes de comunicaciones,
manufactura, control de inventario, comportamiento del cliente, pronsticos econmicos,
sistemas biomdicos y estrategias y tcticas blicas.

La simulacin es un experimento estadstico y en consecuencia sus resultados se deben

interpretar con las pruebas estadsticas adecuadas.

Tipos de simulacin
La ejecucin actual de la simulacin suele basarse en la idea de usar el muestreo
conjuntamente con el mtodo Monte Carlo. Es distinta porque se ocupa de estudiar el
comportamiento de sistemas reales como una funcin del tiempo. Existen dos clases de
modelos de simulacin.

Modelos continuos, que manejan sistemas cuyo comportamiento cambia continuamente

con el tiempo. Esos modelos suelen usar ecuaciones en diferencias y diferenciales para
 describir las interacciones entre los distintos elementos del sistema. Un ejemplo
caracterstico es el estudio de la dinmica demogrfica mundial.

Modelos discretos, relacionados principalmente con el estudio de lneas de espera, cuyo

objetivo es determinar medidas como el tiempo de espera promedio y el tamao de la
cola. Esas medidas slo cambian cuando entra o sale un cliente al sistema. En todos los
dems momentos nada sucede en el sistema, desde el punto de vista de reunir datos
estadsticos. Los instantes en los que suceden los cambios, en puntos discretos en el
tiempo, dan lugar al nombre de simulacin de evento discreto.

1.4.5. Modelos Probabilsticos y Deterministas: Los modelos que se basan en las

probabilidades y estadsticas y que se ocupan de incertidumbres futuras se llaman
probabilsticas, y los modelos que no tienen consideraciones probalsticas se llaman
deterministas, los inventarios, la programacin lineal, enfocan su atencin en aquellas
circunstancias que no son crticas y en los que las cantidades son determinadas y exactas.

Se usan para resolver problemas cuantitativos de decisin en el mundo real. En los

modelos deterministas significa que los datos relevantes (es decir, los datos que los
modelos utilizarn o evaluarn) se dan por conocidos. En los modelos probabilsticos (o
estocsticos), algunos de los datos importantes se consideran inciertos, aunque debe
especificarse la probabilidad de tales datos.

Una empresa o una industria suele tener un inventario razonable de bienes para asegurar
su funcionamiento continuo. En forma tradicional se considera a los inventarios como un
mal necesario: si son muy pocos, causan costosas interrupciones; si son demasiados
equivalen a tener un capital ocioso. El problema del inventario determina la cantidad que
equilibra los dos casos extremos.

Un factor importante en la formulacin y la solucin de un modelo de inventario es que

la demanda de un artculo (por unidad de tiempo) sea determinstica (que se puede describir
de la probabilidad).
 Modelo General de Inventarios
El objetivo de la teora de modelos de inventario es determinar las reglas que pueden
utilizar los encargados de gestin para minimizar los costos asociados al mantenimiento,
pedido de compra u orden de fabricacin de los productos, permitiendo al mismo tiempo,
satisfacer la demanda del cliente.

Por lo tanto, la teora de inventarios busca encontrar el volumen de existencias que

equilibra los costos debido a la frecuencia de pedidos, la frecuencia de paros debido a la
falta de mercancas, as como el costo por mantenimiento de los inventarios; por lo tanto,
se busca determinar cundo hacer el pedido en el tiempo, y cunta cantidad debe pedirse,
de tal manera que el costo total de mantener esos inventarios sea el menor posible.

El costo total se define como la suma de los costos de pedir, mantener almacenada las
mercancas, y los costos en que se incurre por mercancas escasas o materiales faltantes.

Los modelos de inventario abarcan dos clases de modelos deterministas: Estticos y

dinmicos. Los modelos estticos tienen una demanda constante en funcin del tiempo.
En los modelos dinmicos, la demanda cambia en funcin del tiempo.

Modelos estticos de cantidad econmica de pedido (CEP o EOQ)

EOQ (Economic Order Quatity o Cantidad Econmica de Pedido)

El ms sencillo de los modelos de inventario implica una tasa constante de demanda
con el surtido instantneo del pedido y sin faltantes, lo que se define:
y=Cantidad Pedida (cantidad de unidades)
D= Tasa de demanda (Unidades por unidad de tiempo)
to =Duracin del ciclo de pedido (unidades de tiempo)

Modelos dinmicos de cantidad econmica de pedido

En este modelo el nivel de inventarios se revisan de forma peridica durante una cantidad
finita de periodos iguales y la demanda por periodo, aunque es determinista, es dinmica
en el sentido que puede variar de un periodo al siguiente. Un caso en el que se presenta
 la demanda dinmica determinista es el de la planeacin de los requerimientos de
materiales.

Programacin lineal
Cuando se habla de programacin lineal (PL) se refiere a varias tcnicas matemticas
empleadas para asignar, de forma ptima, los recursos limitados a distintas demandas,
tareas, operaciones o productos que compiten entre ellos, es decir, la programacin de
actividades para obtener un resultado ptimo. La programacin lineal utiliza un modelo
matemtico para describir y formular el problema; y el aspecto de lineal se refiere a que
todas la funciones matemticas del modelo deben ser funciones lineales (Ecuaciones o
Inecuaciones).

Aplicaciones tpicas:
Planeacin de operaciones y ventas para encontrar el programa de produccin que tenga
el costo mnimo.
Anlisis de la productividad en la produccin o servicios, considerar el grado de eficiencia
con el cual los establecimientos de servicios y de manufactura estn utilizando sus recursos
en comparacin con la unidad que tiene mayor desempeo.
Planeacin de los productos, encontrar la mezcla ptima de productos, considerando que
varios productos requieren diferentes recursos y tienen distintos costos.
Rutas de los productos se refiere a encontrar el camino ptimo para fabricar un producto
que debe ser procesado en secuencia.
Programacin de vehculos (mtodo de transporte), encontrar la ruta ptima para utilizar
los recursos de transporte que involucren el movimiento de productos o materiales de
varios puntos llamados origen hacia otros puntos llamados destinos.
Control de procesos, minimizar el volumen de desperdicio de material generado en los
procesos de produccin, tales como cortes de acero, pieles o telas.
Control de inventario, encontrar la combinacin ptima de productos a mantener en
existencia dentro de una red de almacenes para garantizar el abastecimiento de las
demandas de las lneas de produccin.
 Otras aplicaciones que se pueden mencionar estn la programacin de la distribucin de
embarques, los estudios para ubicar una planta entre distintas alternativas y los programas
de manejo de materiales con un costo mnimo.
Construccin de un modelo de programacin lineal

Cualquier modelo de PL se compone de tres elementos bsicos:

1. Variables de decisin, que se trata de determinar.

2. Funcin objetivo (meta), que se busca optimizar ya sea maximizar (beneficios) o
minimizar (costos).
3. Restricciones que se deben satisfacer.
Para fines didcticos, se visualizan estos elementos bsicos a travs de un ejemplo de
mezcla de productos. La empresa FICTICIA, S.A. elabora dos tipos de productos Alpha y
Beta, los cuales requieren para su elaboracin de dos materias primas (P y Q). Alpha
utiliza 6 toneladas de P y requiere 1 tonelada de Q, mientras que Beta usa 4 toneladas de P
y 2 toneladas de Q. La empresa disponone diariamente de 24 toneladas de P y de 6
toneladas de Q. El equipo de IO ha determinado que la contribucin de Alpha es 5,000 y
Beta aporta 4,000 dlares de beneficio y segn una encuesta de mercado proporcionada
por el equipo de marketing el producto Beta tiene una demanda mxima de 2 toneladas.
As mismo, se determin que la demanda diaria de Beta no puede exceder a la demanda de
Alpha por ms de una (1) tonelada.

La variables de decisin de este problema estn definidas por:

X1 = Producto Alpha
X2 = Producto Beta

La funcin objetivo se define de la siguiente manera:

Maximizar (Z) = 5 X1 + 4 X2 (en miles de dlares)

Sujeta a las siguientes restricciones:

(1) Materia prima P: 6 X1 + 4 X2 <= 24

(2) Materia prima Q: X1 + 2 X2 <= 6
(3) Restriccin 3: - X1 + X2 <= 1
(4) Restriccin 4: X2 <= 2
(5) Condicin: X1 , X2 >= 0

Cualquier par de valores de X1, X2 que satisfaga todas las restricciones anteriormente
expresadas, se considera una solucin factible del modelo. Tal es el caso de la solucin
factible dada por X1=3 y X2=1 con un Z= 5x3 + 4x1 = 19 (miles de dlares).
Posteriormente se mostrar como llegar a la solucin ptima a travs del mtodo grfico y
del matemtico.

Mtodo Grfico:

Este procedimiento plantea la construccin de una grfica en un plano (2 ejes - 2 variables

de decisin). Primeramente, se formulan las restricciones de manera matemtica (paso ya
cubierto). Segundo, se trazan todas las restricciones formuladas en el modelo de PL (se
recomienda definir los interceptos de cada restriccin a los ejes y luego trazar la recta que
se define). Nota: para el intercepto en el eje X1 se encuentra al llevar X2 a cero y para el
intercepto en X2 hacemos que el valor de X1 sea cero. Por ejemplo, para la restriccin (1)
los interceptos son X1 = 24/6 = 4 y para X2 = 24/4 = 6.

Tercero, se define el espacio de solucin factible, el cual est formado por la regin de
puntos que cumplen con todas las restricciones. Se deben marcar los puntos extremos del
espacio de solucin, es decir, los puntos de interseccin de dos o ms rectas y que
pertenecen al espacio de solucin delimitado.

Por ltimo, se traza la recta definida por la ecuacin objetivo (se recomienda utilizar la
pendiente o se puede utilizar dos Z convenientes para simular el comportamiento de esta
recta), luego se extiende esta recta hasta el punto ms alejado en la regin factible, este
punto es el que determina la solucin ptima del modelo. Para el ejemplo formulado de la
empresa FICTICIA, S.A. se encuentra que la solucin ptima se define por X1 = 3
producto Alpha y X2 = 1.5 producto Beta con un Z = 21 (miles).
En resumen, el enfoque grfico consiste en la secuencia de pasos siguientes:
1. Plantear el problema de programacin en trminos matemticos.
2. Trazar las ecuaciones (inecuaciones) formuladas para las restricciones.
3. Determinar el rea de factibilidad (espacio de solucin).
4. Trazar la funcin objetivo.
5. Encontrar el punto ptimo.

Mtodo Matemtico:
Como se pudo observar, la solucin ptima de cualquier modelo de programacin lineal
se encuentra en uno de los puntos o vrtices que conforman el polgono del
espacio solucin, los cuales se forman por las intersecciones de las restricciones del
modelo. El enfoque matemtico aprovecha esa situacin, y emplea el lgebra para
encontrar esos puntos de interseccin a travs de la solucin de cada sistema de
ecuaciones (inecuaciones) que se forma con cada par de restricciones y luego evaluando
esos puntos en la funcin objetivo se determina la solucin ptima, ya sea el mayor valor
para los casos de maximizacin, como el menor valor para los casos de minimizacin.

La conjugacin del mtodo grfico con el matemtico es bastante utilizada. En el sentido,

que el mtodo grfico permite simplificar la cantidad de pares de sistemas de ecuaciones
que se deben resolver, reduciendo este nmero a un slo sistema de ecuaciones, el cual se
puede resolver por cualquier mtodo matemtico de su conveniencia. Se recomienda el
enfoque de reduccin o el de sustitucin por su facilidad de encontrar la solucin al
sistema. En el ejemplo prototipo, el sistema de ecuaciones lo conforma las restricciones
 (1) y (2), cuya solucin arroja el par ordenado que se constituye en la solucin ptima.
Intenta verificarlo!

Existen diversas aplicaciones y/o paquetes de software en el mercado que se pueden

descargar de manera gratuita. Se les recomienda a los estudiantes para la solucin de
problemas de programacin lineal buscar por alguno de estos:
LINDO / LINGO
MPL / CPLEX
TORA
Excel Solver

2. Modelo Icnico: Una representacin fsica de algunos objetos, ya sea en forma

idealizada (Bosquejos) o a escala distinta. Ejemplo, planos y mapas (2D)

3. Modelo Analgico: Puede representar situaciones dinmicas o cclicas, son ms usuales

y pueden representar las caractersticas y propiedades de acontecimiento que se estudia.
Ejemplo, curvas de demanda; curvas de distribucin de frecuencia en las estadsticas y
diagramas de flujo.
Ejemplo:
Curvas de la demanda
Curvas de distribucin de frecuencia en las estadsticas y diagramas de flujos.
 REFERENCIA BIBLIOGRAFICA

https://es.wikipedia.org/wiki/Investigaci%C3%B3n_de_operaciones#Modelos_de_inves
tigaci.C3.B3n_de_operaciones, (Consultada el 22/08/2017)
http://inoperaciones7.blogspot.com/2011/02/modelos-deterministicos-de-
inventario.html (Consultada el 22/08/2017).
http://investigaciondeoperacionesind331.blogspot.com/p/programacion-lineal_23.html.
(Consultada el 22/08/2017).

Investigacin de Operaciones 7ma. Edicin, Hamdy A. Taha, Person Educatin. Mexico,

2004.