(1.

a) INTRODUCCIÓN: CONCEPTO DE INVESTIGACIÓN OPERATIVA

Cap. 2 Hillier F.S., Lieberman G.J. “Introduction to Operations Research” Holden day Inc. 1986

• INTENTO DE DEFINICIÓN DE I.O.

• OBJETIVOS DE LOS MODELOS EN I.O.
• CICLO METODOLÓGICO DE LA I.O.
• PRESENTACIÓN DE UN CASO DE ESTUDIO.
• PRESENTACIÓN DE LA ASIGNATURA.
Programa de la asignatura. Bibliografía.
Material Docente. Sesiones de laboratorio.
La I.O. en los Estudios de Estadística.

UPC
Investigación Operativa
IO.E. Diplomatura de Estadística Transparencias de clase. Prof. E.Codina
 1

Investigación
I.O.E. Operativa
Diplomatura de Estadística Transparencias de clase. Prof. E.Codina UPC
 2
1
Objetivos de los Modelos en IO
• Mejorar la comprensión de como trabaja y se comporta
el sistema modelizado
• Adquisición de conocimiento sobre el sistema que se
representa (modeliza)
• Sustitución del sistema real en la realización de
experimentos para responder a preguntas del tipo:
¿Qué pasaría si? (What if questions / El modelo como
plataforma experimental)
• Utilización del modelo como ayuda a la toma de
decisiones (cuantitativas) por medio de las respuestas
a las preguntas ¿Qué pasaría si? ⇒ Identificar los
valores de las variables de decisión del sistema que
proporcionan la solución que optimiza la función de
utilidad
UPC
Investigación Operativa
I.O.E. Diplomatura de Estadística Transparencias de clase. Prof. E.Codina
 Ciclo metodológico de la I.O. 3

1. Definición/Identificación del problema.

2. Planificación del estudio.
3. Recogida de Datos.
4. Formulación de los modelos.
5. Construcción de los modelos.
6. Ejecuciones de prueba de los modelos.
7. Validación de los modelos.
8. Experimentación con los modelos. Ensayo de
alternativas
9. Análisis de los resultados.
10. Implementación de las soluciones en el sistema real.

UPC
Investigación
I.O.E. Operativa
Diplomatura de Estadística Transparencias de clase. Prof. E.Codina
 4
Ciclo metodológico de la I.O.
Identificar el Implementar las
problema
soluciones
Planificación del SISTEMA REAL
estudio
Recogida de datos

Ensayo de
Formular e Pruebas alternativas
Implementar el del Validar el
modelo modelo modelo Análisis de
resultados

Resultados MODELO(s)
Insatisfactorios

Investigación Operativa
I.O.E. Diplomatura de Estadística
Transparencias de clase. Prof. E.Codina UPC
 5
Modelo Matemático; Optimización

Max (Min): f0(x1, x2, …, xn)

s. a: f1(x1, x2, …, xn)≤0
:
fk(x1, x2, …, xn)≥0
:
fm(x1, x2, …, xn)=0

• fj(x1, x2, …, xn) lineal, no lineal

• xi continua o discreta (entera) ∀i
UPC
Investigación Operativa Transparencias de clase. Prof. E.Codina
 6
PRESENTACIÓN DE UN CASO DE ESTUDIO:

"Evaluación de una nueva infraestructura de transporte

en una ciudad (400.000 hab.)"

SE CONTEMPLA LA CONSTRUCCIÓN DE UN CINTURÓN

N
DE CIRCUMVALACIÓN PARA:

• Disminuir el tráfico rodado en el centro urbano.

• Reconducir el volumen de vehículos pesados
(camiones) procedentes de la Autopista, N-V hasta el
Puerto-ZAL.

EVALUACIÓN CUANTITATIVA DE LOS EFECTOS DEL

NUEVO CINTURÓN MEDIANTE UN MODELO
MATEMÁTICO.
Transparencias de clase. Prof. E.Codina
 ILUSTRACIÓN DEL CICLO METODOLÓGICO DE LA I.O. 7

1) Se ha identificado el problema por parte de las Autoridades

Municipales y del ZAL.
2) Un conjunto de expertos analizan el problema y deciden la
utilización de técnicas de I.O. para la evaluación cuantitativa del
cinturón. En particular escogen un conjunto de modelos
adecuados para este tipo de problemas.
3) Se establece una planificación del ESTUDIO DE EVALUACIÓN DEL
CINTURÓN que incluye como tareas:

• Recogida de Datos.
• Formulación de los modelos.
• Construcción de los modelos.
• Ejecuciones de prueba de los modelos.
• Validación de los modelos.
• Experimentación con los modelos. Ensayo de
alternativas
• Análisis de los resultados.
Transparencias de clase. Prof. E.Codina
 Recogida de datos: 8
• Decisión del ámbito de
N
estudio: Área geográfica
a modelizar.

Puerto
Puerto

ZAL

Vías importantes:
• Dirección
• Nº de carriles
• Velocidad máxima
• Giros permitidos
• Señalización y semaf.

UPC
I.O.E. Diplomatura
Investigación Operativa
de Estadística Transparencias de clase. Prof. E.Codina
 9
1
Recogida de datos:
• Población y demanda de
viajes en el área de estudio:
• Tres grupos de zonas:
centro, 1er anillo, periferia

Transparencias de clase. Prof. E.Codina

 10
Recogida de datos:
• Identificación de los centros
generadores/atractores de
veh. pesados

ZAL
El Corte
Inglés
AlCampo

Transparencias de clase. Prof. E.Codina

Recogida de datos: 11
• Volúmenes de tráfico en
puntos de la red (aforos).
( Para la validación de los
modelos )

Transparencias de clase. Prof. E.Codina

MODELO DE FLUJOS SOBRE REDES:
12
1
MODELO DEL ÁREA DE ESTUDIO COMO GRAFO 2 1
2 5
4 8
3 5 7

3 6 9 10
4 6
10
10

Transparencias de clase. Prof. E.Codina

 13
52
59
MODELO DE EQUIULIBRIO
46
60
67 SOBRE REDES:
53
18
14 20
IGUALES TIEMPOS DE
47
38
12 15
19
VIAJE ENTRE PARES DE
ZONAS
9
16
6
17
39 5 10
13
30
31 4
11
2
7
1 8
26 3
23 h'pq gpq

ZONIFICACIÓN DEL q

AREA DE ESTUDIO.

p h''pq

gpq

Transparencias de clase. Prof. E.Codina

INPUTS: RED VIARIA + 14
TABLA DE VIAJES ENTRE
PAREJAS O-D
Autopista
OUTPUTS: VOLÚMENES DE TRÁFICO
SOBRE LOS TRAMOS
VIARIOS+TIEMPOS DE VIAJE

Gran Via

N-V

Transparencias de clase. Prof. E.Codina

 Construcción del modelo: 15
Grafo viario de grandes
dimensiones:
• 80 zonas
• 1500 nodos
• 2800 arcos

Transparencias de clase. Prof. E.Codina

 16
MODELIZACIÓN DE ALTERNATIVAS

INCLUSIÓN DE UN
TRAMO DE UN NUEVO
CINTURÓN

Transparencias de clase. Prof. E.Codina

 PROCESO DE VALIDACIÓN DEL MODELO 17
Matriz OD de viajes
Mediciones de flujo en Sbcto.
obtenida por E.M. (gpq ) Modelo de red Viaria (grafo)
de Arcos (aforos)
(obsoleta)

Transparencias de clase. Prof. E.Codina

 PROCESO DE VALIDACIÓN DEL MODELO 18
Encontrar una nueva
matriz OD de viajes Matriz OD de viajes
Procedimiento de ajuste
g = ( gpq ) t.q: actualizada ( gpq ) +
va*( g ) ≈va flujos sobre la red

Volumen resultado del modelo

Volumen medido

Transparencias de clase. Prof. E.Codina

 ANÁLISIS DE RESULTADOS DEL MODELO (Explotación): 19
Flujos de tráfico sobre la Gran Vía: procedencia.

UPC
Investigación Operativa
I.O.E. Diplomatura de Estadística Transparencias de clase. Prof. E.Codina
 20
ANÁLISIS DE RESULTADOS DEL
MODELO (Explotación):
Flujos de tráfico de vehículos pesados:
procedencia.
( SIN CINTURÓN )

UPC
I.O.E.
Investigación Operativa
Diplomatura de Estadística Transparencias de clase. Prof. E.Codina
ANÁLISIS DE RESULTADOS DEL
MODELO (Explotación):
FLUJOS DE TRÁFICO SOBRE EL
CINTURÓN: procedencia.
I.O.E. DiplomaturaOperativa
Investigación de Estadística
Absorción del cinturón:
21
∼28.000 vehículos diarios
UPC
Transparencias de clase. Prof. E.Codina
ANÁLISIS DE RESULTADOS 22
DEL MODELO (Explotación):
REDUCCIÓN DEL TRÁFICO DE V.
PESADOS EN EL CENTRO

SIN CINTURÓN

CON CINTURÓN
 23
Modelo Matemático; Optimización

Max (Min): f0(x1, x2, …, xn)

s. a: f1(x1, x2, …, xn)≤0
:
fk(x1, x2, …, xn)≥0
:
fm(x1, x2, …, xn)=0

• fj(x1, x2, …, xn) lineal, no lineal

• xi continua o discreta (entera) ∀i
UPC
I.O.E. DiplomaturaOperativa
Investigación de Estadística Transparencias de clase. Prof. E.Codina
 DOCENCIA DE LA ASIGNATURA IO 27
1

SESIONES: MATERIAL DOCENTE

( siguiendo el reparto de créditos ) • Resúmenes o apuntes de Teoría + Transparencias.
• Ejercicios de soporte en las sesiones de Teoría.
• TEORIA
• Enunciados de Problemas (con y sin Sol.)

• PROBLEMAS • Software (Guiones de uso).

• Guiones+Cuestionarios de Prácticas de Laboratorio.
• LABORATORIO • Exámenes de cursos anteriores.

Página WEB
( Avisos y Programación de las sesiones )

DINÁMICA DE LAS SESIONES DE LABORATORIO

• Sesiones de 2 h. en Aula de PC's. Exposición de Contenidos (~1/2 h.
inicial)
• Cada sesión <-> 1 Práctica en grupos de 2.
• Guión + Cuestionario ( entregado al final de la sesión )
• Resolución (guiada) de la práctica.

EVALUACIÓN DE LAS ASIGNATURA

• 2 Examenes Parciales. Liberatorios.
• Examen Final.
• Peso del Laboratorio en la Nota Final: 40%
UPC