Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Operaciones
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.
bandeja de plata sino, de forma ambigua o poco precisa. Es aquí donde múltiples expertos en sus
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
decir, que intentará resolver conflictos de interés entre los componentes a los que conciernen los
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
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
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:
productos y mantener los precios estables, mejorar las condiciones de los trabajadores,
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
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
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.
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
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
El modelo matemático puede decir entonces que el problema es elegir los valores
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
relacionadas entre sí. Por último, sirve de puente para el uso de técnicas matemáticas y
disponibles en la internet que resuelven muchos tipos de modelos matemáticos complejos con
generalmente hecho en computadora para obtener una solución de este modelo mediante
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
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.
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
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
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
Prueba De Modelo
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
documentado para ejecutarlo bajo directriz de los tomadores de decisiones. En este sistema debe
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
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
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
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