INVESTIGACION DE

OPERACIONES

PROF MARTIN BARAS ARROYO

 INVESTIGACION DE OPERACIONES
PROGRAMA DEL CURSO

DESCRIPCION

El curso trata principalmente sobre la aplicación de los modelos usuales de Investigación de

Operaciones en la solución de problemas reales, tales como modelos de Programación Lineal,
Problemas de Transporte y Asignación, Simulación y Teoría de Inventarios.

OBJETIVOS

•Aplicar modelos cuantitativos en la resolución de problemas de administración.

•Optimizar soluciones usando la Investigación de Operaciones.
•Conocer el potencial que presenta la simulación en el diseño de procesos.
•Conocer los sistemas de manejo de inventarios basados en demanda conocida.

METODOLOGÍA

•Clases expositivas para conceptos teóricos con discusiones sobre cada tema.
•Practicas en laboratorio , donde se conocerán diversos software de apoyo a la I.O.
 INVESTIGACION DE OPERACIONES

Definición:

Conjunto de técnicas matemáticas y estadísticas aplicable a diversos sistemas

con el fin de mejorarlos, buscando las mejores alternativas de acción; esto

mediante el modelamiento matemático de los problemas en estudio.

 Sistemas v/s Procesos

• Proceso: Conjunto de Actividades que crean una Salida

o Resultado a partir de una o más Entradas o Insumos.

• Sistema: Un Conjunto de Elementos interconectados

utilizados para realizar el Proceso. Incluye subprocesos
pero también incluye los Recursos y Controles para llevar
a cabo estos procesos.

• En el diseño de Procesos nos enfocamos en QUÉ se

ejecuta.

• En el diseño del Sistemas el énfasis está en los detalles

de CÓMO, DÓNDE Y CUÁNDO.
 Sistemas v/s Procesos
Reglas de
Operación
(Controles)

Sistema

Entidades Entidades
que Entran Actividades
que Salen

Recursos
 Modelos

• Con el propósito de estudiar científicamente un sistema

del mundo real debemos hacer un conjunto de
supuestos de cómo trabaja.

• Estos supuestos, que por lo general toman la forma de

relaciones matemáticas o relaciones lógicas, constituye
un Modelo que es usado para tratar de ganar cierta
comprensión de cómo el sistema se comporta.
INVESTIGACION DE OPERACIONES
 INVESTIGACION DE OPERACIONES
CLASIFICACIÓN DE LOS MODELOS
Existen múltiples tipos de modelos para representar la realidad. Algunos son:
•Dinámicos: Utilizados para representar sistemas cuyo estado varía con el
tiempo.
•Estáticos: Utilizados para representar sistemas cuyo estado es invariable a
través del tiempo.

•Matemáticos: Representan la realidad en forma abstracta de muy diversas

maneras.
•Físicos: Son aquellos en que la realidad es representada por algo tangible,
construido en escala o que por lo menos se comporta en forma análoga a esa
realidad (maquetas, prototipos, modelos analógicos, etc.).

•Analíticos: La realidad se representa por fórmulas matemáticas. Estudiar el

sistema consiste en operar con esas fórmulas matemáticas (resolución de
ecuaciones).
•Numéricos: Se tiene el comportamiento numérico de las variables
intervinientes. No se obtiene ninguna solución analítica.
 INVESTIGACION DE OPERACIONES
CLASIFICACIÓN DE LOS MODELOS
•Continuos: Representan sistemas cuyos cambios de estado son graduales. Las
variables intervinientes son continuas.
•Discretos: Representan sistemas cuyos cambios de estado son de a saltos. Las
variables varían en forma discontinua.

•Determinísticos: Son modelos cuya solución para determinadas condiciones es

única y siempre la misma.
•Estocásticos: Representan sistemas donde los hechos suceden al azar, lo cual
no es repetitivo. No se puede asegurar cuáles acciones ocurren en un
determinado instante. Se conoce la probabilidad de ocurrencia y su distribución
probabilística. (Por ejemplo, llega una persona cada 20 ± 10 segundos, con una
distribución equiprobable dentro del intervalo).
 INVESTIGACION DE OPERACIONES
CLASIFICACIÓN DE LOS MODELOS

•Es interesante destacar que algunas veces los modelos y los sistemas no
pertenecen al mismo tipo.

Por ejemplo:
•El estudio del movimiento del fluido por una cañería (Fluidodinámica)
corresponde a sistemas continuos. Sin embargo si el fluido se lo discretiza
dividiéndolo en gotas y se construye un modelo discreto por el cual circulan
gotas de agua (una, dos, diez, cien, mil) se está representando un sistema
continuo por un modelo discreto.
 INVESTIGACION DE OPERACIONES
CLASIFICACIÓN DE LOS MODELOS
•La obtención del área bajo la curva representada por f(x,y)=0 para el rango 0 <=
x <= 1 con 0 <= y <= 1 en todo el intervalo, es un problema determinístico. Sin
embargo, para un número N, suficientemente grande de puntos, de coordenadas
x,y generadas al azar (0 <= x <= 1; 0 <= y <= 1) el área de la curva, aplicando el
método de Monte Carlo, es igual a:

•En este caso, mediante un modelo estocástico se resuelve un sistema

determinístico.
 INVESTIGACION DE OPERACIONES
CLASIFICACIÓN DE LOS MODELOS
El azar en computadora es pseudo azar:
•Mediante un algoritmo matemático se generan números al azar con una
distribución aleatoria similar a la real. Se los puede utilizar en los modelos
estocásticos obteniendo similares resultados a los que se obtienen en el sistema
real. Sin embargo, este azar es repetitivo (cualquiera que conoce el algoritmo
puede predecirlo) lo cual contradice a lo que sucede en un proceso aleatorio.
•En este caso, un sistema estocástico es representado por un modelo
pseudoazar (determinístico).
 INVESTIGACION DE OPERACIONES
CLASIFICACIÓN DE LOS MODELOS SEGÚN
LA I.O.
Modelo Matemático
Es aquel modelo que describe el comportamiento de un sistema a través de relaciones
matemáticas y supone que todas las variables relevantes son cuantificables. Por ende
tiene una solución optima.

Modelo de Simulación
Es un modelo que imita el comportamiento de un sistema sobre un periodo de tiempo
dado, esta basado en observaciones estadísticas. Este tipo de modelo entrega soluciones
aproximadas.

Modelo Heurístico
Es una regla intuitiva que nos permite la determinación de una solución mejorada, dada
una solución actual del modelo, generalmente son procedimientos de búsqueda. Este
tipo de modelo también entrega soluciones aproximadas.
 INVESTIGACION DE OPERACIONES
TÓPICOS RELACIONADOS
•Análisis Estadístico
•Simulación
•Programación Lineal
•Sistema de Redes
•Líneas de Espera
•Problemas de Inventario
•Programación No - Lineal
•Programación Dinámica
•Programación Entera
•Teoría de Decisiones
•Teoría de Juegos
 INVESTIGACION DE OPERACIONES
EL ARTE DEL MODELADO

La I.O debe ser considerada como una ciencia y la vez como un arte.
• Una ciencia por el uso de técnicas matemáticas para la resolución de los
problemas.
• Un arte ya que la formulación del modelo depende en gran parte de la
creatividad y la experiencia delas operaciones del equipo investigador.
 INVESTIGACION DE OPERACIONES
ETAPAS PARA PUESTA EN PRÁCTICA
1. Definición del problema:
• Alternativas de decisión (vars. de decisión).
• El objetivo de estudio (Función Objetivo).
• Identificación de las restricciones del sistema que se modela.
2. Construcción del modelo:
• Traducir el problema a relaciones matemáticas que incluyan las vars. decisión,
la Función Objetivo y las restricciones.
3. Solución del modelo:
• Uso de algoritmos de optimización.
• Se encuentran los valores de las vars. decisión.
4. Validación del modelo:
• ¿El modelo entrega una predicción razonable del comportamiento del sistema
estudiado?
5. Puesta en práctica:
• Traducir los resultados del modelo en instrucciones de operación.
 PROGRAMACIÓN LINEAL

PROGRAMACION LINEAL

FORMULACION MATEMATICA

PROBLEMA GENERAL PROBLEMAS ESPECIALES

METODO GRAFICO METODO ALGEBRAICO PROBLEMAS DE TRANSPORTE PROBLEMAS DE ASIGNACIÓN

(SIMPLEX)
 PROGRAMACIÓN LINEAL

Es un método matemático que se emplea para resolver problemas de optimización. En

palabras simples la P.L. busca asignar recursos limitados, entre actividades que compiten,
de la forma mas optima posible.

Supuestos de la P.L.
•Proporcionalidad
•Aditividad
•Divisibilidad
•Certidumbre
•Objetivo único
•No negatividad
MODELO GENERAL DE PL

Definición de variables:
Sea xj = #.... ; j = 1, 2, 3....n
Función objetivo:
Max. o Min. z = C1X1 + C2X2 + ... + CjXj + ... + CnXn
Sujeto a restricciones: i = 1, 2, 3, ... , m
a11X1 + a12X2 + ... + a1jXj + ... + a1nXn  = b1
a21X1 + a22X2 + ... + a2jXj + ... + a2nXn  = b2
· .
· .
ai1X1 + ai2X2 + ... + aijXj + ... + ainXn  = bi
· .
· .
am1X1 + am2X2 + ... + amjXj + ... + amnXn  = bm

Condiciones de signo para variables: toda xj  0

m = # total de restricciones,
n = # de variables de decisión (originales)
Cj, aij y bi son constantes (o parámetros) dados.

8
 MÉTODOS DE RESOLUCIÓN

Método Gráfico
Empleado principalmente para PPL con dos variables de decisión. Este método se basa en
la idea de obtener regiones de soluciones factibles (RSF), en las cuales se encontraría la
combinación de variables de decisión que optimizan el modelo.

Método Algebraico (SIMPLEX)

Empleado principalmente para PPL con más de dos variables de decisión. Este método se
desarrollo con base en el método gráfico y corresponde a un sistema heurístico, por lo
cual requiere de una solución inicial factible para empezar a funcionar.

8
 MÉTODOS DE RESOLUCIÓN
ALGEBRAICO SIMPLEX
El método símplex fue desarrollado en 1947 por el Dr. George Dantzig y conjuntamente con el
desarrollo de la computadora hizo posible la solución de problemas grandes planteados con la
técnica matemática de programación lineal.
El algoritmo denominado símplex es la parte medular de este método; el cual se basa en la
solución de un sistema de ecuaciones lineales con el conocido procedimiento de Gauss-Jordan y
apoyado con criterios para el cambio de la solución básica que se resuelve en forma iterativa
hasta que la solución obtenida converge a lo que se conoce como óptimo..

•El conjunto de soluciones factibles para un problema de P.L. es un conjunto convexo.

•La solución óptima del problema de programación lineal , si existe, es un punto extremo
(vértice) del conjunto de soluciones factibles.
•El número máximo de puntos extremos (vértices) por revisar en la búsqueda de la solución
óptima del problema es finito.

8
 MÉTODOS DE RESOLUCIÓN
ALGEBRAICO
Se una vez obtenida la F.E se esta en condiciones de iniciar el Simplex que nos permitirá encontrar la
(s) solución (es) del PPL.
Como el algoritmo se mueve de punto en punto extremo requiere que variables basicas entren y
salgan. Las reglas para seleccionar las variables de entrada y salida se conocen como condiciones de
optimalidad y factibilidad. Resumiendo:

C. Optimalidad: la variable de entrada en un problema de maximización es la variable no básica que

tiene el coeficiente mas negativo en el reglon de la F.O. los empates se rompen arbritariamente. Se
llega al optimo en la iteración donde todos coeficientes del reglon de la F.O. de las variables básicas
son positivos.
C. Factibilidad: tanto para los problemas de maximización como minimización, la variable de salida
es la variable básica asociada con la razón no negativa más pequeña entre los “lados derecho” y los
coeficientes de la columna entrante.

8
 MÉTODOS DE RESOLUCIÓN
ALGEBRAICO
Pasos del Simplex:

Paso 0 : determinar la solución factible inicial.

Paso 1 : seleccione la variable de entrada empleando la condición de optimalidad.

Deténgase si no hay variable de entrada.

Paso 2 : seleccione una variable de salida utilizando la condición de factibilidad.

Paso 3 : determine las nuevas soluciones básicas empleando los calculos apropiados de

Gauss – Jordan, luego vuelva al paso 1.

8
 MÉTODOS DE RESOLUCIÓN
DUAL SIMPLEX
Se basa en la idea que todo PPL tiene un problema “espejo”, llamado DUAL. Esto provoca
que se genere un segundo algoritmo de resolucion conocido como “Metodo Dual Simplex”,
el cual funciona de la siguiente manera:
Condicion de Factibilidad:
La variable que sale es la variable basica que tiene el valor mas negativo, si todas
las variables basicas son no negativas el proceso termina y se alcanza la solucion factible
- optima.
Condicion de Optimalidad:
La variable entrante se escoge de la manera siguiente:
Calcule la razon entre los coeficientes del reglon “cero” y los coeficientes de la fila
asociada a la variable que sale, ignore coeficientes positivos o ceros. La variable que
entra es la que posee la razon mas pequeña si el problema es de minimizacion. Si
todos los denominadores son cero o positivos el problema no tiene solucion factible.

8
GRACIAS