Universidad Nacional Experimental

De los Llanos Occidentales

Ezequiel Zamora

UNELLEZ-BARINAS

Profesor: Bachilleres:
Jesús Pérez Gallardo Yelimar

CI: 26.821.854

M-01

Barinas, febrero Del 2019

 DESARROLLO

La investigación de operaciones es una herramienta o métodos que nos

permite en el menor tiempo posible, minimizando de esta manera los factores de
riesgo. Una disciplina que consiste en la aplicación de métodos analíticos
avanzados con el propósito de apoyar el proceso de toma de decisiones,
identificando los mejores cursos de acción posibles.

Utiliza técnicas de modelamiento matemático, análisis estadístico y optimización

matemática, con el objetivo de alcanzar soluciones óptimas o cercanas a ellas
cuando se enfrentan problemas de decisión complejos. Se espera que las
decisiones alcanzadas mediante el uso de un modelo de investigación operativa
sean significativamente mejores en comparación a aquellas decisiones que se
podrían tomar haciendo uso de la simple intuición o experiencia del tomador de
decisiones.

El inicio de la Investigación de Operaciones se remonta a la época de la

Segunda Guerra Mundial en donde surgió la necesidad urgente de asignar
recursos escasos a las diferentes operaciones militares y a las actividades dentro
de cada operación, en la forma más efectiva, es por esto, que las administraciones
militares americana e inglesa hicieron un llamado a un gran número de científicos
para que aplicaran el método científico a los problemas estratégicos y tácticos, a
dichos científicos se les pidió que hicieran investigaciones sobre las operaciones
militares. Todo el esfuerzo de este equipo de científicos (que fueron el primer
equipo de Investigación de Operaciones) logró el triunfo de muchas batallas.

Es decir, Un factor importante de la implantación de la Investigación de

Operaciones en este periodo es el mejoramiento de las técnicas disponibles en
esta área. Muchos de los científicos que participaron en la guerra, se encontraron
a buscar resultados sustanciales en este campo; un ejemplo sobresaliente es el
método Simplex para resolución de problemas de Programación Lineal,
desarrollado en 1947 por George Dantzing. Muchas de las herramientas utilizadas
en la Investigación de Operaciones como la Programación Lineal, la
Programación Dinámica, Líneas de Espera y Teoría de Inventarios fueron
desarrollados al final de los años 50.

El segundo factor importante fue desarrollo de este campo fue el advenimiento de

la revolución de las computadoras. Para manejar los complejos problemas
relacionados con esta disciplina, generalmente se requiere un gran número de
cálculos que llevarlos a cabo a mano es casi imposible. Por lo tanto el desarrollo

De la computadora digital, fue una gran ayuda para la Investigación de

Operaciones.

Se podría decir que la Investigación de Operaciones se complementa con otras

disciplinas como la Ingeniería Industrial y la Gestión de Operaciones. En términos
estrictos un modelo de optimización considera una función objetivo en una o varias
variables que se desea maximizar (por ejemplo el ingreso o beneficio asociado a
un plan de producción) o por el contrario minimizar (por ejemplo los costos de una
firma, el riesgo asociado a una decisión, la pérdida de un alternativa, etc). Los
valores que pueden adoptar las variables de decisión usualmente están
restringidos por restricciones que adoptan la forma de ecuaciones y/o
inecuaciones que buscan representar las limitantes asociadas a la problemática.

Un modelo es una representación ideal de un sistema real y de la forma cómo

opera. Los modelos son una abstracción selectiva de la realidad. Es una
representación o abstracción de una situación u objeto real, que muestra las
relaciones (directas o indirectas) y las interrelaciones de la acción y la reacción en
términos de causa y efecto.

Los modelos son una herramienta analítica que nos sirve para lograr una visión
bien estructurada de la realidad. Así, el propósito del modelo es proporcionar un
medio para analizar el comportamiento de las componentes de un sistema con el
fin de optimizar su desempeño (identificar el mejor curso de acción posible).
Existen distintos tipos de modelos entre los cuales esta Modelo Matemático: Se
emplea cuando la función objetivo y las restricciones del modelo se pueden
expresar en forma cuantitativa o matemática como funciones de las variables de
decisión.

También esta Modelo de Simulación: Los modelos de simulación difieren de los

matemáticos en que las relaciones entre la entrada y la salida no se indican en
forma explícita. En cambio, un modelo de simulación divide el sistema
representado en módulos básicos o elementales que después se enlazan entre si
vía relaciones lógicas bien definidas. Por lo tanto, las operaciones de cálculos
pasaran de un módulo a otro hasta que se obtenga un resultado de salida.

Los modelos de simulación cuando se comparan con modelos matemáticos;

ofrecen mayor flexibilidad al representar sistemas complejos, pero esta flexibilidad
no está libre de inconvenientes. La elaboración de este modelo suele ser costoso
en tiempo y recursos. Por otra parte, los modelos matemáticos óptimos suelen
poder manejarse en términos de cálculos.

También, existen los modelos de Investigación de Operaciones de la ciencia de

la administración: Los científicos de la administración trabajan con modelos
cuantitativos de decisiones y los Modelos Formales que Se usan para resolver
problemas cuantitativos de decisión en el mundo real. Algunos modelos en la
ciencia de la administración son llamados modelos determinísticos. Esto significa
que todos los datos relevantes (es decir, los datos que los modelos utilizarán o
evaluarán) se dan por conocidos. En los modelos probabilísticos (o estocásticos),
alguno de los datos importantes se consideran inciertos, aunque debe
especificarse la probabilidad de tales datos.

Para llevar a cabo el estudio de Investigación de Operaciones es necesario

cumplir con una serie de etapas o fases. Las principales etapas o fases de las que
hablamos son las siguientes:

* Definición del problema de interés y recolección de los datos relevantes.

* Formulación de un modelo matemático que represente el problema.
 * Desarrollo de un procedimiento basado en computadora para derivar una
solución al problema a partir del modelo.
* Prueba del modelo y mejoramiento según sea necesario.
* Preparación para la aplicación del modelo prescrito por la administración.
* Puesta en marcha.

TEORIA DE LA TOMA DE DECISIONES

Es un estudio formal sobre la toma de decisiones. Los estudios de casos

reales, que se sirven de la inspección y los experimentos, se denominan teoría
descriptiva de decisión; los estudios de la toma de decisiones racionales, que
utilizan la lógica y la estadística, se llaman teoría preceptiva de decisión. Estos
estudios se hacen más complicados cuando hay más de un individuo, cuando los
resultados de diversas opciones no se conocen con exactitud y cuando las
probabilidades de los distintos resultados son desconocidas. La toma de decisión
es también un proceso durante el cual la persona debe escoger entre dos o más
alternativas. Todos y cada uno de nosotros pasamos los días y las horas de
nuestra vida teniendo que tomar decisiones. Algunas decisiones tienen una
importancia relativa en el desarrollo de nuestra vida, mientras otras son
gravitantes en ella.

Una decisión puede variar en trascendencia y connotación. Los administradores

consideran a veces la toma de decisiones como su trabajo principal, porque
constantemente tienen que decidir lo que debe hacerse, quién ha de hacerlo,
cuándo y dónde, y en ocasiones hasta cómo se hará. Sin embargo, la toma de
decisiones sólo es un paso de la planeación, incluso cuando se hace con rapidez y
dedicándole poca atención o cuando influye sobre la acción sólo durante unos
minutos.

Cuando el administrador ha considerado las posibles consecuencias de sus

opciones, ya está en condiciones de tomar la decisión. Debe considerar tres
términos muy importantes. Estos son: maximizar, satisfacer y optimizar.
  Maximizar: es tomar la mejor decisión posible

 Satisfacer: es la elección de la primera opción que sea mínimamente

aceptable o adecuada, y de esta forma se satisface una meta o criterio
buscado.

 Optimizar: Es el mejor equilibrio posible entre distintas metas

Las decisiones se pueden clasificar teniendo en cuenta diferentes aspectos, como

lo es la frecuencia con la que se presentan. Se clasifican en cuanto a
las circunstancias que afrontan estas decisiones sea cual sea la situación para
decidir y cómo decidir.

Decisiones programadas: Son aquellas que se toman frecuentemente, es decir

son repetitivas y se convierte en una rutina tomarlas; como el tipo de problemas
que resuelve y se presentan con cierta regularidad ya que se tiene un método bien
establecido de solución y por lo tanto ya se conocen los pasos para abordar este
tipo de problemas, por esta razón, también se las llama decisiones estructuradas.
La persona que toma este tipo de decisión no tiene la necesidad de diseñar
ninguna solución, sino que simplemente se rige por la que se ha seguido
anteriormente.

Decisiones no programadas: También denominadas no estructuradas, son

decisiones que se toman ante problemas o situaciones que se presentan con poca
frecuencia, o aquellas que necesitan de un modelo o proceso específico de
solución, por ejemplo: “Lanzamiento de un nuevo producto al mercado”, en este
tipo de decisiones es necesario seguir un modelo de toma de decisión para
generar una solución específica para este problema en concreto.
 TOMA DE DECISIONES EN CONDICIONES DE CERTEZA, INCERTIDUMBRE
Y RIESGO

Las decisiones de Ambiente de certeza son aquellas en las cuales se tiene

conocimiento total sobre el problema (información exacta, medible y confiable
acerca del resultado de cada una de las alternativas consideradas), y las opciones
de solución que se planteen van a causar siempre resultados conocidos e
invariables. Al tomar la decisión sólo se debe pensar en la opción que genere
mayor beneficio. Ante un ambiente de certeza o certidumbre, los individuos
poseen plena información sobre el problema, las soluciones alternativas son
obvias y los posibles resultados de cada decisión son claros. En estas
condiciones, los individuos pueden prever e incluso controlar los hechos y
resultados al disponer de un adecuado conocimiento y una clara definición tanto
del problema como de las soluciones alternativas. En este contexto, la toma de
decisiones es relativamente fácil. El responsable de la toma de decisión elige la
solución que aporte el mejor resultado potencial. No obstante, no hay que olvidar
que un problema puede tener muchas posibles soluciones, y calcular los
resultados esperados de todas ellas puede ser extremadamente lento y costoso.

Mientras que los ambientes de riesgo se definen, como la probabilidad de que

suceda un evento, impacto o consecuencia adversa. En el proceso de toma de
decisiones bajo riesgo el decisor tiene información completa para solucionar el
problema, es decir, tiene conocimiento del mismo, conoce las posibles soluciones,
pero no es capaz de diagnosticar con certeza el resultado de alguna alternativa,
aun contando con suficiente información como para prever la probabilidad que
tenga para llevarnos a un estado de cosas deseado.

En este tipo de decisiones, las posibles opciones de solución tienen cierta

probabilidad conocida de generar un resultado. En estos casos se pueden usar
modelos matemáticos o también el decisor puede hacer uso de la probabilidad
objetiva o subjetiva para estimar el posible resultado.
En cuanto las que se realizan en Ambiente de incertidumbre, Se posee
información deficiente para tomar la decisión, no se tiene ningún control sobre la
situación, no se conoce como puede variar o la interacción de la variables del
problema, se pueden plantear diferentes opciones de solución pero no se le puede
asignar probabilidad a los resultados que arrojen. Por esto, se le llama
"incertidumbre sin probabilidad". Con base en lo anterior, hay dos clases de
incertidumbre:

 Estructurada: No se sabe qué puede ocurrir entre diferentes opciones, pero sí

se conoce que puede ocurrir entre varias posibilidades.
 No estructurada: No se sabe qué puede ocurrir ni las probabilidades para las
posibles soluciones, es decir, se desconoce totalmente lo que puede ocurrir en
un caso determinado en la vida.

Análisis De Riesgo: Prácticamente cada decisión se basa en la interacción de

variables importantes, muchas de las cuales tienen un elemento de incertidumbre
pero quizás un grado bastante alto de probabilidad. Por lo tanto, la sensatez de
lanzar un nuevo producto podría desprender de varias variables críticas: el costo
de producto, la inversión del capital, el precio que se puede fijar, el tamaño del
mercado potencial y la participación del mercado total.

EJEMPLO DE ARBOL DE DESICION

 CONCLUSION

La investigación de operación tiene un rol importante en nuestra vida ya que nos

ayuda a tomar las mejores decisiones en base a los problemas que se nos vallan
presentando, también es fundamental a la hora de trazar un plan para alcanzar un
objetivo específico determinando los objetivos en la toma de decisiones los cuales
nos permite maximizar, satisfacer y optimizar los objetivos.

Para la toma de decisiones también es importarte determinar el tamaño del

problema que se está presentado para la hora de decidir soluciones sean las más
adecuadas, ya que pueden existir caso en los que se emplean malas decisiones y
esto puede llevar a un fracaso de la organización. Es por ello que estos problemas
deben estar evaluados según el ambiente en que se están presentado.
 BIBLIOGRAFIA

*"Investigación de Operaciones". Hamdy A. Taha. Quinta edición. Alfaomega.

*KAST, F. E. (1979). Administración de las Organizaciones. Editorial Mc GranW-

Hill.

* Levin, Richard I. Kirkpatrick, Charles A. Enfoques Cuantitativos a la

Administración. Primera Edición, 1983.

* TEORÍA DE LA DECISIÓN: Decisión con Incertidumbre, Decisión Multicriterio y

Teoría de Juegos. Begoña Vitoriano (Julio 2007)

 * Eppen G.D , Gould F.J, Schmidt C.P. Investigación de operaciones en la

Ciencia
Administrativa
 * Nagui, Mohammad. Investigación de Operaciones. Interpretación de Modelos
y
Casos. Editorial Limusa, 1996, México