INGENIERÍA FINANCIERA-INVESTIGACIÓN DE OPERACIONES

“Modelos de Investigación de Operaciones”

Tipos de modelos de I.O

Los diferentes tipos de modelos de I.O son:

1. Modelo simbólico o matemático

2. Modelo de simulación
3. Modelo Heurística

o Modelo simbólico o matemático

Es el tipo de modelo más importante de la I.O. Al formular este tipo de modelo uno supone que todas
las variables relevantes son cuantificables. Por consiguiente, los símbolos matemáticos se utilizan
para representar variables las cuales están relacionadas con las funciones matemáticas para
poder descubrir el comportamiento de un sistema. Lográndose la solución del modelo por una
manipulación matemática apropiada.

o Modelo de simulación.
Los modelos de simulación imitan el comportamiento de sistema sobre un periodo. Esto se logra
especificando ciertos eventos los cuales son puntos en el tiempo en donde se ocurrencia significa
que puede recolectarse su información la cual pertenece al comportamiento de este sistema siendo
está muy importante.

Los modelos de simulación no necesitan funciones matemáticas para realizar variables,

usualmente es posible simular sistemas complejos que no pueden modelarse o resolverse
matemáticamente. La principal falla de la simulación consiste en que el análisis es equivalente a
realizar experimentos y estar sujeto a errores experimentales.

o Modelo Heurístico.
Este modelo heurístico de solución descansa en las reglas empíricas o intuitivas, las cuales dan
una solución actual al modelo permitiendo determinar una solución mejorada. Actualmente los
métodos heurísticos son procedimiento de búsqueda que pasan inteligentemente de un punto de
solución a otro con el objetivo de mejorar el criterio de este modelo. Cuando ninguna mejora
adicional puede lograrse la mejor solución que se haya obtenido es la solución aproximada al
modelo.
Fases de estudio de la I.O

Las fases de estudio de la I.O son las siguientes:

1. Definición del problema: desde el punto de vista de la I.O nos indica 3 aspectos principales
que son:

a) Una descripción de la meta u objetivo del estudio

b) Una identificación de las alternativas de decisión
c) Un reconocimiento de las limitaciones y restricciones como los requisitos del sistema.

Una descripción del objetivo del estudio debe reflejar una representación aproximada del interés
total del sistema, una falla común en este aspecto es identificar algunas metas representando
solamente una porción del sistema.

2. Construcción del modelo: dependiendo de la definición del problema, el equipo de I.O deberá
decidir el modelo más adecuado para representar el sistema. Tal modelo deberá especificar
expresiones cuantitativas para el objetivo y restricciones del problema. Si el modelo
resultante se ajusta a uno de los modelos matemáticos comunes para obtenerse una
solución conveniente mediante técnicas matemáticas. Si las relaciones matemáticas de
modelos son demasiado complejas para permitir soluciones y puede ser apropiado un
modelo de simulación.

3. Solución del modelo: en modelos matemáticos se logra una solución utilizando técnicas de
optimización y se dice que este modelo proporcionara una solución óptima si se utiliza los
modelos de simulación y heurísticos, el concepto de optimización no está también definido
y la solución en estos casos se emplea para obtener evaluaciones aproximadas.

Además de la solución del modelo se debe asegurar información adicional sobre el comportamiento
de la solución debida a cambios en los parámetros del sistema. Usualmente esto se conoce como
análisis de sensibilidad. Tal análisis es especialmente necesario cuando los parámetros del sistema
no pueden estimarse aproximadamente.

4. Validación del modelo: un modelo es válido si independientemente de sus inexactitudes al

representar el sistema puede dar una predicción confiable del funcionamiento del sistema.
Un método común para probar la validez de un modelo es comparar su funcionamiento con
algunos datos pasados con los disponibles del sistema actual. El modelo será válido si bajo
condiciones similares de entrada puede reproducir el funcionamiento pasado del sistema.
 5. Implantación de los resultados finales: esto implicaría básicamente la traducción de estos
resultados en instrucciones de operaciones detalladas y emitidas en forma comprensible a
los individuos que administran y operan el sistema.
Aplicaciones de la Investigación de Operaciones.

La aplicación de la I.O ha crecido rápidamente principalmente por tener mejores conocimientos de

esta metodología. La creciente complejidad de los problemas que se presentan cotidianamente, se
tiene la necesidad de utilizar un software y desarrollo de nuevos y mejores algoritmos.

A continuación, tenemos un listado de las diferentes aplicaciones de la I.O:

1. Optimización de las operaciones de producción para cumplir con la finalidad de un costo mínimo.

2. La optimización del corte de árboles en productos de madera maximizando su producción.

3. Asignación optima de recursos hidráulicos térmicos en el sistema nacional de generación de

energía.

4. Programación de turnos de trabajo en oficinas de reservaciones y aeropuertos para cumplir con

las necesidades del cliente.

5. Optimización de las operaciones de distribución y comercialización de un producto.

6. Optimización de la inversión del capital para producir gas natural durante 20 años.

7. Administración de inventarios de petróleo y carbón para el sector eléctrico con la finalidad de

equilibrar los costos de inventarios.

8. Optimización de la programación y asignación de los sistemas computarizados.

9. Optimización de la mezcla de ingredientes disponibles para que los productos de gasolina

cumplieran con los requerimientos de venta y calidad.

10. Rapidez en la coordinación de aviones, tripulación, carga y pasajeros para manejar la evacuación
por aire de proyectos militares.