Está en la página 1de 8

Ensayo Sobre Panorama Del Enfoque De Modelado En Investigación De

Operaciones

¿Es la Investigación de Operaciones una disciplina enteramente matemática? A pesar de

ser considerado un subcampo de las matemáticas aplicadas, el proceso de Investigación de

operaciones se extiende mucho más de lo que uno pueda pensar al principio. Este ensayo

pretende exponer las fases habituales de un estudio de IO que puedan o no ser netamente

matemáticas.

Definición Del Problema Y Recolección De Datos

Cuando una organización presenta un problema a un equipo de Investigación de

Operaciones, generalmente no lo hace mostrando cada pieza de información requerida en

bandeja de plata sino, de forma ambigua o poco precisa. Es aquí donde múltiples expertos en sus

respectivas ciencias (matemáticas, estadística, teoría de probabilidades, economía,

administración de empresas, ciencias de la computación, ingeniería, ciencias físicas, ciencias del

comportamiento, expertos en IO, etc.) unen esfuerzos en estudiar el problema a ser analizado. En

esta fase se determinan los objetivos, restricciones sobre lo que se pueda hacer, límites de

tiempo, las relaciones que tengan el área examinada con otras áreas de la organización, es

imperativo recordar que la Investigación de Operaciones adopta una visión organizacional, es

decir, que intentará resolver conflictos de interés entre los componentes a los que conciernen los

resultados del estudio de IO. Un Equipo de Investigación de Operaciones generalmente trabaja al

nivel de asesoría para la administración quienes toman las decisiones clave al final. Es muy

importante que el Equipo de IO tenga una visión en el mismo nivel que la administración a la
que asesora para identificar el problema correcto desde sus ojos y ofrecer opciones atractivas y

recomendaciones luego de efectuar un análisis técnico detallado.

Cuando se trata de organizaciones con fines de lucro, para no caer en suboptimización se

debe utilizar el enfoque de la maximización de la ganancia a largo plazo, considerando el valor

del dinero en el tiempo como objetivo fundamental. Por “a largo plazo” se refiere a que este

objetivo debe proporcionar flexibilidad para actividades que no producen inmediatas ganancias

como proyectos de investigación y desarrollo y que deban realizarse con el tiempo que necesiten

para que tengan valor real. Las ventajas de este enfoque son que, el objetivo es tan específico

para usarse de forma adecuada y a la vez lo suficientemente amplio como para tomar en cuenta

la meta primordial de las organizaciones con fines de lucro cuando no hay otro objetivo que

legítimamente pueda traducirse en ganancias.

Aunque, en el mundo real, muchas organizaciones con fines de lucro no utilizan este

enfoque sino adoptan como meta obtener ganancias satisfactorias acompañadas de otros

objetivos en vez de ir por la maximización de ganancia a largo plazo. Estos objetivos pueden ser:

 Asegurar la estabilidad de las ganancias.

 Incrementar o asegurar la participación de mercado, lo que permite crear nuevos

productos y mantener los precios estables, mejorar las condiciones de los trabajadores,

incrementar el prestigio, etc.

Con estos objetivos realizados tal vez se pueda también maximizar las ganancias a largo

plazo, pero la relación matemática real puede ser tan incierta que es posible que sea mejor no

incorporarlos, pero, un equipo de IO debe analizar si es correcto considerar estas variables niches

dentro del problema si es que la organización recibe verdadero beneficio de estas. Se necesitan
muchos datos para la comprensión precisa del problema y proporcionar lo necesario para

formular el modelo matemático, que es la siguiente fase del estudio de IO.

Formulación De Un Modelo Matemático

Una vez que el Equipo de Investigación de Operaciones y el tomador de decisiones hayan

definido el problema, lo siguiente es reformularlo de manera conveniente para su análisis, es

decir, construir un modelo matemático que represente la esencia del problema.

Según Hillier (2010) los modelos, o representaciones ideales, extraen la esencia del

material de estudio, muestran sus interrelaciones y facilitan el análisis. Estos pueden ser modelos

de un vehículo, mapas, modelos del átomo y estructuras genéticas, las leyes físicas o reacciones

químicas, los organigramas y sistemas contables en la industria.

Los modelos matemáticos son también, representaciones ideales como las leyes de la

física mencionadas en el párrafo previo. La segunda Ley de Newton F = ma está expresada con

símbolos y expresiones matemáticas al igual que el modelo matemático del problema de una

organización.

Si en un problema hay n decisiones cuantificables relacionadas entre sí, estos se

representan bajo el nombre “variables de decisión” (x1,x2,...xn) las que deben ser asignadas sus

valores respectivos. La función objetivo es una función matemática que incluye dichas variables

de decisión al igual que las restricciones; lo primero representa la medida de desempeño

adecuada (como la ganancia) que el tomador de decisiones identifica cuando define el problema

y las últimas expresan las limitaciones impuestas sobre los valores de las variables de decisión

mediante ecuaciones o desigualdades. Hillier (2010) lo resume así:

El modelo matemático puede decir entonces que el problema es elegir los valores

de las variables de decisión de manera que se maximice la función objetivo,


sujeta a las restricciones dadas. Un modelo de este tipo, y algunas de sus

variantes menores, tipifican los modelos que se analizan en investigación de

operaciones. (p. 10)

Los modelos matemáticos proporcionan ventajas sobre una descripción verbal vaga de un

problema pues lo describen de forma más precisa lo que ayuda a obtener una comprensión más

profunda sobre toda la estructura del problema. También, indican con claridad qué datos

adicionales son importantes para el análisis, esto ayuda al momento de estudiar sus

interrelaciones ya que las variables de decisión están representadas en fórmulas matemáticas

relacionadas entre sí. Por último, sirve de puente para el uso de técnicas matemáticas y

computadoras para realizar el análisis, en el 2020 existen múltiples paquetes de software

disponibles en la internet que resuelven muchos tipos de modelos matemáticos complejos con

cientos de miles de variables en muy poco tiempo.

Obtención De Soluciones A Partir Del Modelo

Después de haber formulado el modelo matemático del problema en cuestión, lo

siguiente que el equipo de Investigación de Operaciones debe desarrollar es, un procedimiento

generalmente hecho en computadora para obtener una solución de este modelo mediante

algoritmos (procedimientos iterativos de solución) de Investigación de Operaciones usando

algunos paquetes de software disponibles en la red.

En esta etapa, luego de hallarse la solución óptima es importante recalcalar que, la

solución solo es óptima respecto del modelo elaborado y que es una idealización más que una

representación precisa de un problema real. Es decir, no existe una garantía utópica de que esa

sea LA MEJOR SOLUCIÓN a implantarse debido a la presencia de innumerables incertidumbres

asociadas con problemas reales. Pero, si el modelo está bien planteado y verificado, la solución
constituye una aproximación fiel al curso de acción preferido a tomarse en la realidad que pueda

ser tomado en cuenta durante la toma de decisiones frente a las soluciones que proveen otros

medios.

La meta de un estudio de Investigación de Operaciones debe ser efectuar el proceso de

manera óptima sin que se implique una solución óptima para el modelo, encontrando una buena

solución subóptima mediante procedimientos heurísticos. ¿Por qué? Porque la solución óptima

para el modelo original puede que está muy ajena del ideal en el caso del problema real, por lo

que e necesario hacer un análisis adicional llamado “análisis posóptimo” o “análisis de qué pasa

si” en donde se cuestiona qué pasaría con la solución óptima si se consideraban suposiciones

distintas sobre condiciones futuras. Gracias a la existencia de poderosos paquetes de software,

este análisis postóptimo puede ser resuelto on-the-fly por cualquiera que desee ver qué pasa con

una solución óptima tras haber realizado cambios en el modelo, esto ayuda en comprender el

comportamiento del modelo y aumentar la confianza que se tiene en su validez.

El análisis posóptimo incluye la obtención de un conjunto de soluciones que comprende

una serie de aproximaciones, cada vez más congruentes, al curso de acción ideal. Las debilidades

aparentes de la solución iniciales son utilizadas para sugerir mejoras al modelo, a sus datos de

entrada e incluso al procedimiento de la solución. Así se obtendría una nueva solución, la cuál es

alimentada por más datos y el ciclo se repite. Esto continua hasta que las mejoras a soluciones

sucesivas son tan ínfimas que su reiteración deja de ser justificable.

Prueba De Modelo

La elaboración de un modelo matemático usualmente está en par al desarrollo de un

programa de computadora. Cuando se complete su primera versión es un hecho que presenta


muchas faltas. El programa debe ser probado de forma íntegra para localizar y corregir tantos

errores como sea posible. Tras múltiples mejoras y forks, los programadores concluyen que el

programa actual provee resultados razonablemente válidos, aunque aún tengan fallas ocultas que

quizá nunca sean detectadas, o que no necesiten serlo, se habrá filtrado la cantidad necesario de

problemas como para que la utilización del modelo sea confiable. Este proceso de prueba y

mejoramiento para incrementar la validez del modelo se conoce como Validación del Modelo. Es

importante documentar este proceso porque ayuda a aumentar la confianza de los futuros

usuarios del paradigma y en caso de que surjan preocupaciones sobre el modelo, una

documentación bien organizada servirá para diagnosticar en dónde puedan encontrarse los

problemas

Preparación Para Aplicar El Modelo

Luego de exhaustivas pruebas y de haber desarrollado un modelo aceptable, la siguiente

fase es instalar un sistema (casi siempre diseñado para computadora) minuciosamente

documentado para ejecutarlo bajo directriz de los tomadores de decisiones. En este sistema debe

estar incluido el modelo, el procedimiento de solución y procedimientos operativos para su

implantación, de esta forma se evitan confusiones a la hora de cambiar de personal puesto a que

el sistema puede ser consultado para proporcionar una solución numérica específica.

Implementación

Con el sistema ya desarrollado, la etapa final del estudio de Investigación de Operaciones

es implementarlo. Su éxito depende del feedback entre los tomadores de decisiones y el equipo

de IO durante todo el proyecto. Esta etapa comprende los siguientes pasos: Primero, el equipo de

IO expone a la administración operativa sobre cómo debe adoptar el nuevo sistema y su relación

a la realidad operativa. Luego, estos dos grupos desarrollan los procedimientos necesarios para
inicializar este sistema. La administración operativa se encargará de dar capacitación detallada al

personal concerniente y se inicia un nuevo curso de acción. Si funciona, el sistema ha probado

tener la capacidad de ser empleado durante algunos años con o sin la supervisión que

inicialmente proveerá el equipo de IO mas que nada para identificar cualquier modificación que

deba hacerse a futuro y con fines de documentación.

Como se vio en este ensayo, las diversas fases de la Investigación de Operaciones

requieren de múltiples expertos: aquellos que extraigan los datos necesarios para elaborar el

problema, matemáticos que elaboren el modelo matemático, programadores que creen sistemas

para probar, validar e implementar el modelo. Todos ellos trabajando mano a mano con altos

ejecutivos, equipos de marketing, etc. Todo esto convierte a la Investigación de Operaciones en

una disciplina muy amplia.


Bibliografía

Hillier ,F. y Lieberman G. (2019). Introducción a la investigación de operaciones.Mc


Graw-Hill.