Introducción y conceptos

generales
Investigación de Operaciones I, semana 01
Ing. Eduardo López Sandoval
elopez@ulima.edu.pe
¿Qué es lo que Ud. va a aprender?
• Explicar el ámbito y
objetivo de la
investigación de
operaciones.
• Fuente: Objetivo Específico 1
del Sílabo.
En las empresas se toman decisiones:
• Estratégicas:
• ¿Lanzar un nuevo producto?
• ¿Ingresar con nuestro producto a otros
países?
• ¿Abrir plantas en otros países?
• ¿Dónde ubicar una nueva planta?

• Tácticas:
• ¿A qué proveedor le otorgamos la buena pro?
• ¿Cuál debe ser el plan mensual/semanal/diario de producción?
• ¿Cuántas patrullas destinar a cada sector de un cierto distrito?
Y en toda decisión se involucran dos
elementos muy importantes:

• Recursos:
• Limitados.
• Tienen un costo.
• Tiempo:
• ¿Para el próximo año / mes /
semana?
Ergo, las empresas buscan siempre:
• Tomar la mejor decisión empleando de manera
eficiente y eficaz los recursos disponibles.
• La creación de valor en los negocios está en la eficiencia
de sus operaciones.
• El concepto de competitividad.
Para ello existe:
• Una disciplina
profesional que brinda
un conjunto de técnicas
cuantitativas que ayudan
a tomar la mejor decisión
en función de los
recursos disponibles y
del objetivo que
persiguen:
LA INVESTIGACIÓN DE OPERACIONES
¿Por qué se llama “investigación de
operaciones”?
• Investigación: Porque aplica un enfoque similar al
método científico para tomar una decisión.
• Operaciones: Porque su campo de acción es precisamente
la toma de decisiones a nivel operacional de las
organizaciones (producción, transporte, transbordo,
asignación de recursos, etc.)

La Investigación de Operaciones hace

uso de modelos matemáticos
Técnicas cuantitativas que se estudiarán en
Investigación de Operaciones (I y II) y Simulación
de Sistemas:
• Determinísticas:
• Programación Lineal.
• Redes de Costo Mínimo.
• Técnica CPM en proyectos.
• Programación Dinámica.
• Programación No Lineal.
• Probabilísticas.
• Técnica PERT en proyectos.
• Árboles de decisión.
• Simulación de sistemas discretos,
continuos y combinados.
Los mitos de la Investigación de
Operaciones

Mito # 1:

“No es necesario el uso

de técnicas de
Investigación de
Operaciones para tomar
decisiones”
La Inv. de Operaciones es necesaria
cuando:
• Se tiene que tomar la mejor decisión entre un
innumerable conjunto de decisiones, todas ellas
viables.

¿Cuál es la ruta
más
conveniente?
¿Qué características tienen las
técnicas de Inv. de operaciones?
• Analizan todas las variables simultáneamente.
• Buscan siempre la mejor solución, dentro de
ciertas condiciones.
• Reducen el riesgo de tomar una mala decisión.
Los mitos de la Investigación de
Operaciones

Mito # 2:

“La Investigación de
Operaciones es
puramente académica
no se aplica en las
empresas”
¡Nada más falso!
• La Investigación de Operaciones sí se aplica en
las empresas y con mucho éxito, no solo en el
Mundo, también en el Perú:
Algunas empresas en el Perú que aplican
técnicas de Investigación de Operaciones

• Fuentes:
• http://www.iosa.com.pe
• http://www.agosac.com
Fundamentos de la
programación lineal
Investigación de Operaciones I, semana 01
Ing. Eduardo López Sandoval
elopez@ulima.edu.pe
¿Qué es lo que Ud. va a aprender?
• Qué es la programación lineal y su estructura
¿Qué es la programación lineal?
• Técnica de
optimización
matemática que busca
maximizar o
minimizar una función
objetivo sujeta a ciertas
restricciones; todo ello
expresado en
expresiones
matemáticas de 1°
grado.
Elementos
• Variables de decisión
• Incógnitas que componen la decisión, cuyos valores
deben determinarse resolviendo el modelo.
• Función objetivo
• Expresión matemática del criterio para elegir la mejor
decisión.
• Restricciones
• Ecuaciones o inecuaciones matemáticas que expresan
las limitaciones de los recursos y de las variables de
decisión.

• Veamos un ejemplo:
Caso: “Plastiperu S.A.”
• Plastiperú S.A. produce platos y cubiertos de PVC.
• La venta de un lote de platos genera una utilidad de $12
mil y la venta de un lote de cubiertos genera una utilidad
de $10 mil.
• Ambos productos requieren ser procesados
secuencialmente por las mismas máquinas “A” y “B”.
• Un lote de platos requiere 4 horas en A y 8 en B; mientras
que un lote de cubiertos requiere 6 horas en A y 4 en B.
• La próxima semana las máquinas “A” y “B” tienen 12 y 16
horas disponibles respectivamente.
• Todo lo que se produce se vende.
Si UD es el jefe de producción, se le pide lo
siguiente:
• ¿Cuál es la decisión que debe tomar?
• ¿Cuáles son los recursos y su unidad de
medida?
• ¿Qué limitaciones tiene cada recurso?
Respuesta:
• Decisión:
• ¿Cuántos lotes de platos y cuántos lotes
de cubiertos se debe producir la próxima
semana?
• Recursos y unidad de medida:
• Se dispone de dos máquinas: A y B, cuya
unidad de medida son: horas de trabajo.
• Limitaciones de los recursos:
• La máquina A posee sólo 12 horas
disponibles la próxima semana.
• La máquina B posee sólo 16 horas
disponibles la próxima semana.
Pero tenemos un problema:
• Es obvio que la decisión que se tome
debe estar condicionada a las
limitaciones de los recursos.
• Eso hace que surjan muchas
alternativas de decisión; por ejemplo:
• Producir 1 lote de cubiertos y 1 de platos.
• Producir 2 lote de cubiertos y 0 de platos.
• Producir 0 lote de cubiertos y 2 de platos.
• Etcétera.
• El problema es: ¿Cuál es la mejor
alternativa de decisión?
La mejor alternativa de decisión es:

• Aquella que reporte la máxima utilidad a la empresa.

El modelo matemático que representa este caso
es el siguiente:
• Variables de decisión:
• P = Número de lotes de platos a producir.
• C = Número de cubiertos a producir.
• Función objetivo:
• Función de utilidad: Z = 12P + 10C, la cual se desea
maximizar
• Restricciones:
• Límite de horas disponibles de A:
• 4P + 6C ≤ 12
• Límite de horas disponibles de B:
• 8P + 4C ≤ 16
• El modelo matemático anteriormente
descrito es un modelo de programación
lineal.
• Programación: Porque la solución es
precisamente un programa o un plan (plan de
producción, plan de inventarios, plan de
contratos y despidos, etc.)
• Lineal: Porque las expresiones matemáticas de
la función objetivo y de las restricciones son
lineales (de grado 1).
Modelo de programación lineal del
caso Plastiperu S.A.:

• Max: Z = 12P + 10C

• S. A. (sujeto a):
4P + 6C ≤ 12 (Límite de horas máquina A)
8P + 4C ≤ 16 (Límite de horas máquina B)
P ≥ 0 ; C ≥ 0 (Restricciones de signo)
Elementos de un modelo de
programación lineal:
Max Z = 12P + 10C Función Objetivo

S. A. (sujeto a):

4P + 6C ≤ 12 Restricciones

8P + 4C ≤ 16
Restricciones de signo
P≥0;C≥0
Elementos de un modelo de
programación lineal:
Max Z = 12P + 10C

S. A. (sujeto a):

4P + 6C ≤ 12
Parámetros del modelo

8P + 4C ≤ 16

P≥0;C≥0
Elementos de un modelo de
programación lineal:
Coeficientes de la función
Max Z = 12P + 10C objetivo

S. A. (sujeto a):

4P + 6C ≤ 12
Coeficientes tecnológicos

8P + 4C ≤ 16

P≥0;C≥0
Elementos de un modelo de
programación lineal:
Max Z = 12P + 10C

S. A. (sujeto a):
Lados derechos (RHS)
4P + 6C ≤ 12 o términos
independientes

8P + 4C ≤ 16

P≥0;C≥0
Principios de la programación lineal
• Proporcionalidad:
• La contribución de cada variable de decisión en la F.O. y en las
restricciones es proporcional al valor de la variable.
• Aditividad:
• La contribución de cada variable de decisión en la F.O. y en las
restricciones se realiza de manera independiente.
• Divisibilidad:
• Las variables de decisión pueden tomar valores fraccionarios.
• Certeza:
• Los parámetros del modelo son conocidos y son determinísticos; es
decir, no son aleatorios.
Métodos de solución de un modelo de
programación lineal
• Método gráfico.
• Limitado a modelos con 2
variables de decisión.
• Métodos analíticos.
• Símplex: El primer método
analítico que revolucionó la I.O.,
publicado en 1947 por el G. Dantzig
matemático George Dantzig
(1914 – 2005)
• Punto interior: Publicado en 1984
por el matemático Narendra
Karmarkar (1957 –) Más eficiente
que el Símplex en modelos muy
grandes.
N. Karmarkar