INTRODUCCIÓN

ORIGEN DE LA INVESTIGACIÓN DE OPERACIONES

REVOLUCIÓN INDUSTRIAL (siglo XVIII)

CRECIMIENTO DE LAS ORGANIZACIONES

DIFICULTAD PARA ASIGNAR RECURSOS

 Durante la 2ª Guerra Mundial (1940–1945), se hicieron

investigaciones sobre operaciones militares para
mejorar la asignación de recurso
 George Dantzig en 1947 desarrolló el Método Símplex
para resolver problemas de Programación Lineal
INTRODUCCIÓN…..
El desarrollo de la Investigación de Operaciones, según
muchos autores, representa uno de los avances científicos
más importantes desde mediados del siglo XX.
Actualmente es una herramienta utilizada en muchos
campos de la administración, de la economía y de la
ingeniería. Existen muchos libros de texto sobre el tema y
miles de artículos científicos en revistas especializadas.

La investigación de operaciones tiene como base el

método científico para investigar y ayudar a tomar
decisiones sobre los problemas complejos de las
organizaciones de hoy en día. Básicamente la investigación
de operaciones sigue los pasos siguientes:
Pasos del Método Científico
 Definición del Problema y Recolección de la Información
 Formulación de un Modelo Matemático
 Obtención de la Solución a partir de un modelo
 Verificación del Modelo y la Solución (prueba del modelo)
 Preparación para la aplicación del modelo
 Puesta en Marcha (implantación)
Definición del Problema y Recolección de Información
¿Cuál es el problema al que me enfrento?  Describir el
problema, Delimitar el problema, Identificar los entes
afectados, Análisis costo – beneficio, etc.
Recolección de Información  Sistemas de Información
 Contabilidad  Empleados  Productos  Recursos
 Clientes  Mercados  Demandas  Costos/Precios
 Proveedores  Impuestos  Competencia  Etc.
Formulación de un Modelo Matemático
 Un Modelo es una representación idealizada de un sistema
 Un Modelo Matemático es una representación idealizada,
que se expresa en términos de símbolos y expresiones
matemáticas.

Obtención de la Solución a partir de un modelo

 El computador es absolutamente necesario
 Los modelos buscan optimizar (maximizar o minimizar)
 Se emplean algoritmos, métodos de búsqueda, heurísticas,
reglas, etc.
 Se efectúa análisis de sensibilidad de los parámetros del
modelo, los más sensibles requieren especial cuidado.
Verificación del Modelo y la Solución (pruebas al modelo)
Es muy útil realizar una prueba retrospectiva
 Consistencia en las dimensiones (unidades de medida)
 Mirar el pasado y actualizar la información
 Verificar que resultados se hubieran obtenido
 ¿Son satisfactorias estas decisiones?

Preparación para la aplicación del modelo

 Interfaz gráfico para bases de datos
 Procedimiento de obtener solución
 Manual de uso de la aplicación
 Establecer controles sobre las soluciones (el entorno del
problema es dinámico)
 Informes (reportes) gerenciales
Puesta en Marcha (implantación)
 Se asignan responsabilidades
 Capacitación detallada al personal
 Pruebas piloto
 Desarrollo del programa de implantación
Un ejemplo simple:
El problema de la asignación, nos puede servir para ilustrar
la dificultad esencial de la investigación de operaciones. Un
hospital tiene 70 trabajadores con calificaciones diferentes
(médicos, enfermeros, personal de administración, etc.) que
hemos de asignar a 70 actividades también diferentes.
Si pudiéramos determinar un valor que reflejase la
asignación de un trabajador a una tarea determinada,
tendríamos que escoger una entre 70! formas posibles de
permutación de las asignaciones que maximice el valor
total.
Al respecto, 70! es aproximadamente igual a 10100.

Problemas  Modelos Matemáticos  Soluciones Óptimas

Algunas aplicaciones exitosas:
Organización Naturaleza de la aplicación Año Ahorro
Programación turnos de trabajo en
United
oficinas de reservaciones y en 1986 6 Millones US$
Airlines
aeropuertos
Optimización de la programación y
Dpto. Policía
asignación de oficiales de
de San 1989 11 Millones US$
patrulla con sistema
Francisco
computarizado
Optimización de mezcla de
Texaco ingredientes para que productos 1989 30 Millones US$
cumplieran con requerimientos
Integración de una red nacional de
IBM inventario de refacciones para 1990 20 Millones US$
mejorar el apoyo al servicio
Diseño del sistema de estructura de
American 500 Millones US$
precios, sobreventa y 1992
Airlines (ingresos)
coordinación de vuelos
Estas actuaciones corresponden con la Gestión de
Operaciones, en donde encontramos a los Administradores,
personas que son responsables de la producción de los
bienes y/o servicios de las organizaciones. Son las
personas que toman las decisiones que se relacionan con
la función de operaciones y los sistemas de transformación
que se utilizan.
En el ambiente del proceso de transformación, concurren
muchas situaciones de decisión, donde las alternativas u
opciones posibles y criterios de evaluación, pueden ser
representados mediante “MODELOS DE OPTIMIZACIÓN”,
o sea, un “MODELOS MATEMÁTICOS”, tal que, resulta fácil
el expresar reglas tendientes a tomar la decisión más
conveniente.
La Programación Matemática, ocupa un lugar preferencial
dentro de estos modelos, su propósito es determinar un
vector solución XT = (X1,X2,....,Xn) que optimice una función
matemática F(X1,X2,....,Xn) objetivo de la decisión.
Tal que, F(X1,X2,....,Xn) puede ser una función Lineal o
función No Lineal.
Función Lineal  Programación Lineal.
Función No Lineal  Programación No Lineal.
En matemáticas una función lineal es aquella que satisface
las siguientes propiedades:
Aditividad: f ( x + y ) = f ( x) + f ( y )
Homogeneidad: f (αx) = αf ( x)
Estas dos propiedades tomadas en conjunto se conocen
como “Principio de Superposición”
 ELEMENTOS DE UN MODELO DE OPTIMIZACIÓN
Supongamos un caso: Se dispone de determinadas piezas para la
elaboración de dos productos finales, digamos 8 “piezas pequeñas” y 6
“piezas grandes” que son utilizadas para elaborar sillas, usando 2
piezas pequeñas y 1 pieza grande y mesas, usando 2 piezas de cada
tipo. Interesa decidir cuántas sillas y mesas fabricar de modo de obtener
la máxima utilidad, dado un beneficio neto de US$ 15 por cada silla y de
US$ 20 por cada mesa fabricada.
Posibles soluciones factibles a considerar, esto es soluciones que
respeten las restricciones del número de piezas disponibles. Fabricar:
• 4 sillas, que reportan una utilidad de US$ 60
• 1 sillas y 2 mesas , utilidad de US$ 55
• 3 mesas, utilidad de US$ 60
• 1 mesa y tres sillas, utilidad de US$ 65
• 2 sillas y 2 mesas, utilidad de US$ 70
• etc.
Un modelo matemático para hallar la mejor solución factible a
este problema tiene tres componentes básicas:
i) Las variables de decisión, que consiste en definir cuáles son
las decisiones que se debe tomar. En el ejemplo:
X1: número de sillas elaboradas
X2: número de mesas elaboradas
ii) La función objetivo del problema, que permita tener un
criterio para decidir entre todas las soluciones factibles. En el
ejemplo, maximizar la utilidad dada por:
Z = f(X1,X2) = 15X1 + 20X2
iii) Restricciones del problema, que consiste en definir un
conjunto de ecuaciones e inecuaciones que restringen los
valores de las variables de decisión a aquellos considerados
como factibles. En el ejemplo, respetar la disponibilidad de
piezas para la fabricación de sillas y mesas.
Piezas pequeñas : 2X1 + 2X2 ≤ 8
Piezas grandes : X1 + 2X2 ≤ 6
También se impone restricciones de No Negatividad:
X1 ≥ 0 X2 ≥ 0
En resumen: Max Z = 15X1 + 20X2
sujeto a:
2X1 + 2X2 ≤ 8
X1 + 2X2 ≤ 6
X1 ≥ 0 , X2 ≥ 0
El ejemplo corresponde a un modelo de Programación Lineal. Si
además restringimos los valores de X1 y X2 a valores enteros,
tendríamos un modelo de Programación Lineal Entera. Por otra
parte, si hubiese retornos crecientes a escala, deberíamos
emplear una función objetivo no lineal: f ( X 1 , X 2 ) = cX 1
a
+ dX b
2

con a y b > 1, y tendríamos un modelo de Programación No

Lineal.
PROGRAMACIÓN LINEAL
La programación lineal es un caso especial de la programación
matemática, en donde todas las funciones que hay en el
modelo son lineales: siempre tenemos una función objetivo
lineal a optimizar (maximizar o minimizar), sujeta a
restricciones lineales individuales. Las variables del modelo,
que son continuas, únicamente pueden tomar valores no
negativos. Si bien puede parecer que estos supuestos quitan
realismo al problema porque el modelador está limitado al uso
de ecuaciones que quizás no son frecuentes en el mundo real,
las técnicas de programación lineal se utilizan en un amplísimo
espectro de problemas como, entre otros, de planificación y
gestión de recursos humanos y materiales, de transporte, de
planificación financiera y de organización de la producción. En
definitiva, una extensa gama de problemas que aparecen en
las áreas de tipo industrial, económico, administrativo, etc.
La programación lineal, si bien actualmente se utiliza
frecuentemente para resolver problemas de decisión, era casi
desconocida antes de 1947. Ninguna investigación significativa
fue realizada antes de esta fecha. Después de la segunda guerra
mundial, funcionarios del gobierno americano consideraron que
la coordinación de las energías de toda una nación debido al
peligro de una guerra nuclear requeriría la utilización de técnicas
científicas de planificación.
Con la aparición del ordenador esto se hizo posible. La Fuerza
Aérea de los Estados Unidos se puso a trabajar intensamente.
Se propuso un modelo de programación lineal por su simplicidad
y aplicabilidad, sin dejar de dar un marco lo suficientemente
amplio para representar actividades interdependientes que han
de compartir recursos escasos.
El sistema (por ejemplo, la producción industrial) se compone de
diversas actividades relacionadas entre ellas (fabricación,
almacenaje, transporte, distribución y venta entre otras). Este fue
el primer modelo de programación lineal conocido.
Por lo tanto, la aplicación de la Programación Lineal por
parte de la industria, ha ido en aumento conforme se ha ido
desarrollando la computación, tal que, la Programación
Lineal utiliza un modelo matemático para describir el
problema, el Adjetivo Lineal, significa que todas las
funciones matemáticas del Modelo deben ser funciones
lineales, así la programación lineal, programa las
actividades para obtener un resultado óptimo desde el
punto de vista del Modelo Matemático.
MAX ó MIN Z = CTX X (X1, X2, … Xn): Representan las decisiones
Sujeto a: A, C, b : Son vectores y corresponde a los
A*X ≤ = ≥ b parámetros del modelo
X≥0 Z  Objetivo a optimizar (máximo ó mínimo)
PROCESO DE INVESTIGACIÓN
(Método Científico)
 Descripción del Problema
 Estructura Matemática
 Obtención de una Solución
 Verificación del Modelo y la Solución
 Establecer Controles sobre las Soluciones
 Puesta en Marcha
 ESTRUCTURA MATEMATEMATICA DE LOS
PROBLEMAS DE PROGRAMACIÓN LINEAL
Un modelo de programación lineal expresado de forma
matemática tiene la siguiente estructura:
Max o Min
Sujeto a:
Donde:
representa las variables de
decisión

representa los coeficientes

técnicos, corresponde a la tasa de
consumo de los recursos por cada
unidad que toma la variable de
decisión

representa los coeficientes de

contribución al logro del objetivo
representa los recursos disponibles