0 calificaciones0% encontró este documento útil (0 votos)
119 vistas3 páginas
El documento describe las principales fases de un estudio de investigación de operaciones (IO): 1) definición del problema, 2) construcción del modelo, 3) solución del modelo, 4) validación del modelo, y 5) implementación de la solución. La IO requiere trabajo en equipo entre analistas y clientes utilizando técnicas matemáticas y juicio técnico para modelar un problema, solucionarlo y validar la solución antes de su implementación.
El documento describe las principales fases de un estudio de investigación de operaciones (IO): 1) definición del problema, 2) construcción del modelo, 3) solución del modelo, 4) validación del modelo, y 5) implementación de la solución. La IO requiere trabajo en equipo entre analistas y clientes utilizando técnicas matemáticas y juicio técnico para modelar un problema, solucionarlo y validar la solución antes de su implementación.
El documento describe las principales fases de un estudio de investigación de operaciones (IO): 1) definición del problema, 2) construcción del modelo, 3) solución del modelo, 4) validación del modelo, y 5) implementación de la solución. La IO requiere trabajo en equipo entre analistas y clientes utilizando técnicas matemáticas y juicio técnico para modelar un problema, solucionarlo y validar la solución antes de su implementación.
Los estudios de investigacin de operaciones se basan en la labor
de equipo, donde los analistas de IO y el cliente trabajan codo con codo. Los conocimientos de modelado de los analistas de IO se deben complementar con la experiencia y cooperacin del cliente para quien realizan el estudio. Como herramienta de toma de decisiones, la IO es tanto una ciencia como un arte. Es una ciencia por las tcnicas matemticas que incorpora, y un arte porque el xito de las fases que conducen a la solucin del modelo matemtico depende en gran medida de la creatividad y experiencia del equipo de IO. Willemain (1994) manifiesta que una prctica [de IO] eficaz requiere ms que competencia analtica. Tambin requiere, entre otros atributos, juicio tcnico (es decir, cundo y cmo utilizar una tcnica dada), as como habilidades de comunicacin y supervivencia organizacional. Es difcil prescribir cursos de accin especficos (semejantes a los que indica la teora precisa de la mayora de los modelos matemticos) para estos factores intangibles. Sin embargo, podemos ofrecer lineamientos generales para la implementacin de la IO en la prctica. Para implementar la IO en la prctica, las fases principales son: 1. Definicin del problema. 2. Construccin del modelo. 3. Solucin del modelo. 4. Validacin del modelo. 5. Implementacin de la solucin. La definicin del problema implica definir el alcance del problema investigado. Esta funcin debe ser realizada por todo el equipo de IO. El objetivo es identificar tres elementos principales del problema de decisin: (1) descripcin de las alternativas de decisin; (2) determinacin del objetivo del estudio, y (3) especificacin de las limitaciones bajo las cuales funciona el sistema modelado. La construccin del modelo implica un intento de transformar la definicin del problema en relaciones matemticas. Si el modelo resultante se ajusta a uno de los modelos matemticos estndar, como la programacin lineal, se suele obtener una solucin utilizando los algoritmos disponibles. Por otra parte, si las relaciones matemticas son demasiado complejas como para permitir la determinacin de una solucin analtica, el equipo de IO puede optar por simplificar el modelo y utilizar un mtodo heurstico, o bien considerar la simulacin, si es lo apropiado. E n algunos casos, una simulacin matemtica puede combinarse con modelos heursticos para resolver el problema de decisin, como lo demuestran los anlisis de casos del captulo 26, que se encuentra en el sitio web. La solucin del modelo es por mucho la ms sencilla de todas las fases de IO porque implica el uso de algoritmos de optimizacin bien definidos. Un aspecto importante de la fase de solucin del modelo es el anlisis de sensibilidad. Tiene que ver con la obtencin de informacin adicional sobre el comportamiento de la solucin ptima cuando el modelo experimenta algunos cambios de parmetros. El anlisis de sensibilidad es particularmente necesario cuando no se pueden estimar con precisin los parmetros del modelo. En estos casos es importante estudiar el comportamiento de la solucin ptima en el entorno de los parmetros estimados. La validez del modelo comprueba si el modelo propuesto hace en realidad lo que dice que hace, es decir, predice adecuadamente el comportamiento del sistema que se estudia? Al principio, el equipo de IO debe estar convencido de que el resultado del modelo no contenga sorpresas. En otras palabras, tiene sentido la solucin? Los resultados sin intuitivamente aceptables? Del lado formal, un mtodo comn de comprobar la validez de un modelo es comparar su resultado con resultados histricos. El modelo es vlido si, en condiciones de datos de entrada iguales, reproduce de forma razonable el desempeo pasado. Sin embargo, no suele haber seguridad de que el desempeo futuro continuar copiando el comportamiento pasado. Adems, como el modelo se basa en el examen cuidadoso de datos pasados, la comparacin propuesta casi siempre es favorable. Si el modelo propuesto representara un sistema nuevo (inexistente), no habra datos histricos disponibles. En esos casos podemos utilizar la simulacin como una herramienta independiente para comprobar el resultado del modelo matemtico. La implementacin de la solucin de un modelo validado implica la transformacin de los resultados en instrucciones de operacin comprensibles que se emitirn a las personas que administrarn el sistema recomendado. La responsabilidad de esta tarea recae principalmente en el equipo de IO