Está en la página 1de 54

Programa “Invessoft” en el análisis de investigación operativa en

estudiantes de ingeniería industrial de la UNFV, Lima 2021

DEFINE BREVEMENTE EL TEMA QUE VAS A INVESTIGAR

La Investigación de Operaciones  es un enfoque científico de la toma de


decisiones, la planificación y coordinación de actividades en una organización a
partir de un conjunto de herramientas científicas como programación lineal y
entera, programación de proyectos, modelos de inventarios, análisis de
decisiones, simulación, entre otros (Taha, 2004), ocupando un lugar primordial
para el desarrollo de conocimientos científicos y habilidades analíticas en el
perfil del futuro profesional de Ingeniería Industrial  de la Universidad Nacional
Federico Villarreal.

La formación en Investigación de Operaciones, se representa por ser poco


llamativa y en muchos casos operativa para los alumnos, su exhaustivo visión
matemática, que en muchos casos se adopta en su enseñanza, desvanece su
fin práctico generando  que, por un lado, que el estudiante no logre comprender
el beneficio que tiene el curso para su formación académica y por otro lado, el
profesor no consiga mostrar el gran valor que se obtiene de su aplicación;  es
necesario aplicar una nueva estrategia de enseñanza-aprendizaje, que sea
fácil, flexible, orientado al usuario e interesante en la medida que los alumnos 
cooperen de manera proactiva en la construcción y análisis  de modelos
matemáticos de escenarios del mundo real, y que viene a ser un aplicativo de
optimización empresarial el cual es una potente herramienta de ayuda y
análisis para la toma de decisiones.

Ubica el tema en el contexto del problema

 El objetivo de la enseñanza debería ser equilibrar el enfoque entre las


necesidades propias de los contenidos junto con el sentido de aceptación
asignado por el estudiante. Referido a ello, en Mastache et al. (2017) se
definen los sentidos del conocimiento a nivel interno y externo. En el nivel
interno, debido al vínculo que posee con los demás conocimientos que se
agrupan en la disciplina y en el nivel externo debido al uso que se realice con
dichos conocimientos, con sus respectivas limitaciones. En otras palabras, los
estudiantes deben poder otorgarle sentido a lo que estudian y hacen, y para
eso, en el nivel externo es el docente quien debe generar el ambiente propicio
para que ese sentido se desarrolle, por ello se recurre a la utilización de nuevas
técnicas didácticas que relacione el desarrollo con el proceder que tendrán
como profesionales, o el contexto de formación con el entorno que ellos
conocen como estudiantes. 

Con el objetivo de resolver problemas o mejorar situaciones, la Investigación


Operativa es empleada en diferentes áreas tales como el transporte, salud,
manufactura, servicios públicos, entre otros. De forma breve, el sistema
utilizado  comienza con el proceso de observación, recolección de datos y la
formulación del problema, seguido por la construcción y validación del modelo
(generalmente matemático), con el cual se busca separar el fondo del problema
real, para culminar aportando respuestas y deducciones que contribuyan en la
toma de decisiones ante la solución del problema original.

A nivel mundial

Internacionalmente, la investigación de operación es representada por la


IFORS (Federación Internacional de Sociedades de Investigación Operacional);
la cual fue fundada en 1955 y está compuesta por 50 entidades distribuidas por
todo el mundo. Esta organización tiene como objetivos principales el de
impulsar el buen desenvolvimiento de la investigación operativa a nivel global y,
el de unir a las entidades que conforman la federación.

A nivel de América Latina

La entidad de la IFORS ubicada en América Latina es la Asociación Latino-


Ibero-Americana de Investigación Operativa (ALIO), la cual fue fundada en
1982 en Brasil (Rio de Janeiro). Esta entidad tiene como objetivo fomentar el
intercambio de conocimientos, técnicas y metodologías entre los entes
relacionados con la IO de América Latina.

A nivel nacional
En el Perú, la Investigación de Operaciones es aplicada generalmente para
optimizar recursos, reducir en lo posible las pérdidas, entre otros fines. En
nuestro país se comenzó a utilizarla a inicios de los años 60´s, principalmente
en la minería. La única universidad en el Perú que presenta a la Investigación
Operativa como carrera es la UNMS (Universidad Nacional Mayor de San
Marcos) en la Facultad de Ciencias Matemáticas, mientras que otras
universidades lo utilizan como herramienta indispensable en el conocimiento
para la optimización, estandarización de procesos y la toma de decisiones.

En la Facultad de Ingeniería Industrial y de Sistemas de la Universidad


Nacional Federico Villarreal, el curso de Investigación de Operaciones es una
asignatura obligatoria porque permite optimizar problemas para tomar las
decisiones correctas; sin embargo, se ha observado que existe una minoría en
el alumnado que presenta verdadero interés en el aprendizaje del curso lo cual
origina la mecanización en la resolución de problemas. Y si a eso le sumamos
el preocupante hecho de que los docentes, en su mayoría, desconocen las
nuevas competencias digitales que permiten la optimización en la enseñanza,
lo que provoca que los estudiantes no adquieran de manera eficaz y eficiente
estas competencias imprescindibles.

Csikszentmihalyi ,1998 afirma que la situación antes descrita amerita la


elección y aplicación de nuevas técnicas educativas que provoque la inserción
del alumnado en el aprendizaje y que exista comunicación constante entre los
docentes que presenten el mismo problema.

El propósito de mi estudio es el aprendizaje significativo a través del uso de


software de optimización y de esa manera promover el aprendizaje permanente
y evitar la mecanización ya que se relacionarán los conocimientos que los
estudiantes ya adquirieron con los nuevos conocimientos que están por
adquirir.

1.4. Formulación del problema. 

 1.4.1 Problema General


 ¿Cómo influye  el programa Invessoft  en el análisis de investigación operativa  en
estudiantes de Ingeniería Industrial UNFV, Lima 2021?
1.4.2 Problemas Específicos

Problema específico 1

¿Cómo repercute el programa Invessoft    en el análisis de programación Lineal en


estudiantes de Ingeniería Industrial UNFV, Lima 2021?

Problema específico 2

¿Cómo repercute el programa Invessoft  en el análisis de colas de espera  en


estudiantes de Ingeniería Industrial UNFV, Lima 2021?

Problema específico 3

¿Cómo repercute el programa Invessoft  en el análisis  de administración de


proyectos en estudiantes de Ingeniería Industrial UNFV, Lima 2021?

Problema específico 4

¿Cómo repercute el programa Invessoft   en el análisis de  pronósticos  en


estudiantes de Ingeniería Industrial UNFV, Lima 2021?

1.5. Justificación del estudio

Justificación práctica 

Moreno (2013). Específica:


Indica la aplicabilidad de la investigación, su proyección de la sociedad, quienes
 se benefician de ésta, ya sea un grupo social o una organización. Otros autores 
sostienen que una investigación tiene justificación práctica cuando su desarrollo 
ayuda resolver un problema o por lo menos pone estrategias que, de aplicarlas
contribuirían a resolverlo, vale decir, explicar por qué es conveniente en llevar a
cabo
la investigación y cuáles son los beneficios que se derivaran de ella. (p.4).

El estudio se justifica debido al nuevo contexto de la educación peruana donde se


busca que los estudiantes alcancen los nuevos conocimientos de una manera
práctica y didáctica; en razón de una nueva forma de aprender a través de un
novedoso programa matemático para el logro de metas de alto rendimiento
académico. Así mismo el estudio va a permitir a los estudiantes reorientar su
aprendizaje de una manera eficaz y eficiente frente a cualquier dificultad o
problema operativo en la solución de los ejercicios.

Justificación metodológica 

El presente estudio se inicia desde una idea de investigación y en esa dirección


se elaboran instrumentos debidamente validados que permitan medir
respectivamente las variables de estudio y, establecer de ese modo, la relación
que existe entre las apps y el cálculo de varias variables en el curso de
matemática 3.

Justificación teórica

Desde el punto de vista teórico el estudio, se justifica en razón de demostrar las


teorías que sustentan las variables de estudio; por lo tanto, la investigación va a
generar espacios de reflexión y debate académico desde una perspectiva formal,
científica y especializada. Por otra parte, el estudio responde a las exigencias y
rigurosidad educativa, enriqueciendo lo pedagógico, tecnológico y lo
evidentemente pluralista.

  

1.6. Objetivos

       1.6.1. Objetivo General

Determinar la repercusión del programa Invessoft  en el análisis de


investigación operativa  en estudiantes de Ingeniería Industrial UNFV, Lima
2021

       1.6.2. Objetivos específicos

Objetivo específico  1

Determinar la repercusión del programa Invessoft    en el análisis de


programación Lineal en estudiantes de Ingeniería Industrial UNFV, Lima
2021
Objetivo específico 2

Determinar la repercusión del programa Invessoft    en el análisis de colas


de espera en estudiantes de Ingeniería Industrial UNFV, Lima 2021

Objetivo específico 3

Determinar la repercusión del programa Invessoft    en el análisis de


administración de proyectos  en estudiantes de Ingeniería Industrial UNFV,
Lima 2021

Objetivo específico 4

Determinar la repercusión del programa Invessoft    en el análisis de


pronósticos  en estudiantes de Ingeniería Industrial UNFV, Lima 2021

  1.7. Hipótesis

       1.7.1 Hipótesis General

El programa Invessoft influye significativamente en en análisis de


Investigación  Operativa  en estudiantes de Ingeniería Industrial UNFV,
Lima 2021

1.7.2 Hipótesis Específicos

Hipótesis específica 1

El programa Invessoft influye significativamente en el análisis de


programación lineal en estudiantes de Ingeniería Industrial UNFV, Lima
2021

Hipótesis específica 2

El programa Invessoft influye significativamente en el análisis de colas de


espera en estudiantes de Ingeniería Industrial UNFV, Lima 2021
Hipótesis específica 3

El programa Invessoft influye significativamente en el análisis de


administración de proyectos   en estudiantes de Ingeniería Industrial
UNFV, Lima 2021

Hipótesis específica 4

El programa Invessoft influye significativamente en el análisis de


pronósticos  en estudiantes de Ingeniería Industrial UNFV, Lima 2021

1. ANTECEDENTES

1.1  ANTECEDENTES NACIONALES

Berger, (2016) en su tesis,  tuvo como propósito revisar modelos y métricas de


confiabilidad de software   seleccionando una gran variedad de modelos de
Investigación Operativa, modelos matemáticos y estadísticos que se aplicarán a
las distintas fases del tiempo de vida de un programa, y asegurar la calidad,
gracias a la fiabilidad de su articulación. La muestra fue de 5 softwares más
utilizado por los docentes que dictan el curso de Investigación de operaciones de
la Universidad Nacional mayor de San Marcos, fue una tesis  cuasi experimental,
transversal, se utilizó una encuesta para analizar los software , obteniendo un
nivel de confiabilidad de  confiabilidad Alfa de Cronbach de 0.90 para los
software. Las exigencias de calidad para el software, nacen con la gran necesidad
de tener mercancías sin imperfecciones, que complazcan las precisiones del
cliente, y así lograr su contentamiento. 

Riveros Vásquez, Daniel Alberto (2015) presentó un artículo cuyo propósito era
instaurar las variedades de problemas de repartición de las mercancías que
realiza LDSC a los distintos lugares del paí, utilizando los pocos recursos que
tienen y que posteriormente se verá reflejado en la eficiencia de la eficacia de la
organización y del recurso humano. Así, nos basamos en su hipótesis principal
que es optimizar la repartición en una empresa logística, con el manejo de la
materia de Investigación de Operaciones. A partir de esta hipótesis, se obtuvieron
las siguientes conclusiones. En primer lugar, la Investigación de Operaciones es
una gran opción para la solución de conflictos en procesos de reparto. En
segundo lugar, la ténica de administración planteada en el trabajo de tesis admite
la obtención de soluciones prácticas, para la función de repartición. Por último, se
valida la hipótesis general. 

Sucasaire Placencia, Humberto Eli (2016) presentó el artículo cuyo objetivo es la


mejora de la toma de decisiones en un establecimiento de salud privado que
proporciona el servicio de ecografías a sus clientes utilizando la Simulación de
Sistemas. Para la realización de esta, se desarrolla el modelo matemático de
simulación para resolverla con un software comercial. Luego, se realiza la
aplicación de los objetivos y así demuestra su eficacia. Finalmente se obtuvieron
las siguientes deducciones. Primero, se ha demostrado que fue factible optimizar
el tiempo de operación de los servicios de ecografía en dicha institución de salud
privada, tras el uso de la teoría de líneas de espera, en un sistema simulado.
Segundo, tras utilizar esta simulación, se logró encontrar cuáles eran los rangos
perfectos de tiempos de atención, producción y rentabilidad en el determinado
servicio ofrecido. Por último, fue posible confirmar la necesidad de adquirir nuevos
equipos de ecografía para la empresa.

Internacionales

Martinez y otros (2020) presentaron un artículo que tuvo como objeto aplicar el
modelo de enrutamiento de vehículos combinado con algoritmos de optimización
para la toma de decisiones en la repartición de insumos relacionados con el
servicio asistencial a pacientes hospitalizados y sospechosos de la COVID-19 en
Camagüey, Cuba, utilizando la investigación de operaciones de la distribución de
los recursos vinculados con la COVID-19. El tamaño muestral estuvo compuesto
con un total de 15 modelos para estudiar el comportamiento de los algoritmos
aplicados al problema. Se empleó la biblioteca CVRP, que está implementada en
MatLab. La metodología empleada fue la correlacional-causal. Se empleó los
problemas de enrutamiento de los vehículos heterogéneos con ventanas de
tiempo, combinado con algoritmos de optimización para la resolución de la
distribución de los recursos. Se tiene como conclusiones que en esta pandemia
ocasionada por el COVID – 19, es fundamental contar con una organización de
transporte óptima para la distribución de recursos médicos necesarios. En
particular, en la provincia de Camagüey, expandible a toda Cuba. Asimismo,
reduciendo al mínimo las distancias y cantidad de los vehículos asignados,
también se reduce la cantidad de gasolina, por ello genera un ahorro y también
aporta sobre el impacto medio ambiental disminuyendo las emisiones de CO2.

Caicedo, Benitez y Ramírez (2020) presentaron un artículo de investigación cuya


finalidad es diseñar una táctica de enseñanza activa con un enfoque recreativo
que apoye y complemente los conceptos aplicados en el curso de Investigación
de Operaciones, gracias al modelamiento y utilización de una actividad lúdica. El
tamaño de la muestra utilizada en este estudio fue de 16 estudiantes. Se ejecutó
una prueba piloto y un cuestionario al finalizar. Se aplicó el modelo de
gamificación Canvas en el diseño. La actividad consistió en que los participantes
se enfoquen en buscar la soluciones a problemáticas de la vida diaria y real. En
resultado, se ha desarrollado CEREBR-IO, que concede apoyar el proceso de
entendimiento y apropiación de la programación lineal, específicamente en
modelación matemática y conceptos teóricos claves. Se concluyó que el uso de
actividades lúdicas ayuda a incrementar los conocimientos básicos de los
alumnos en la materia de Investigación de Operaciones I. Tomando en cuenta los
resultados del análisis cualitativo, es imprescindible ejecutar un ajuste en el
tiempo que tienen los participantes al dar respuesta a los retos que el juego
conlleva. Finalmente se puede concluir que se logró el objetivo de generar la
herramienta de apoyo para las clases magistrales de la materia.

Gazmuri (2001) cuyo propósito es mostrar algunas reflexiones del autor en


relación al empleo e impacto de la Investigación de Operaciones. Realiza un
diagnóstico y propone un uso eficiente de la Investigación de Operaciones. Se
utiliza una investigación cualitativa en la que, con sus 20 años de experiencia
como investigar y profesor, plasma sus conocimientos acerca de la investigación
en Chile. Tenemos las conclusiones, en donde se concluye que si las empresas
en Chile no aprenden a utilizar las diferentes herramientas de forma rutinaria,
dejarán de ser competitivas en el mediano plazo.

Cavallin, et al(2017) presentaron un artículo cuyo objetivo es instruir dos ejemplos


para tratar y edificar modelos de participación lineal en Investigación de
Operaciones. Se centra y hace foco en la motivación y participación de los
estudiantes con el contenido de la materia en cuestión. Con el fin de instruir a los
alumnos la investigación de operaciones, se hace uso de métodos de aprendizaje
para incentivar su instrucción. Se utiliza la metodología de ejecutar breves
formularios, en específico, se hace práctica del multiple-choice y el de acabar
frases inconclusas. Se concluyó que si se encuentran actividades atrayentes que
asistan al aprendizaje, se pueden lograr resultados más favorables en relación al
ambiente y avance de la clase, además, se distingue el uso de formularios para
posteriormente saber el sentir de los alumnos sobre las metodologías
implementadas, así, conoceremos un resultado más acertado del efecto causado,
sea positivo o negativo, y buscar un proceso de mejora continua.

Torres (2010) presentó una tesis cuyo fin es estudiar la orientación pedagógica de
la investigación de operaciones de los alumnos de la profesión de administración
de la compañía PUCESA en el proceso de aleccionar modelos matemáticos. En
este caso, se hace uso de toda la población, ya que esta no es vasta y está
conformada por el director, los profesores y alumnos del ciclo con un total de 49
participantes. En esta tesis se hace uso tanto como el enfoque cuantitativo como
el cualitativo. Se llegó a la conclusión de que sería de mayor beneficio exhibir los
modelos matemáticos desarrollados en clase con prácticas en el sector productivo
con la finalidad de recabar información de primera línea.

Quintana, Baca y Sánchez (2020) presentaron un artículo cuyo objetivo surge


para contestar algunas inquietudes y exponer vivencias personales acerca de la
enseñanza de la materia Investigación de Operaciones en las licenciaturas de
Economía y Administración para el manejo de los desperdicios en México. Para
esto, se ejecutaron tres modelos de estudio, que son: Simulación MonteCarlo
para un tema de juegos aleatorios, otra de toma de decisiones con respecto a
registros y Programación Lineal en un tema de mejoras para la problemática
acerca de la basura en la Ciudad de México. Se puede concluir que, a través del
uso de las TIC’s se permite alcanzar dos obejtivos. El primero, que a través del
uso de SOLVER de Excel, se puede evitar los engorrosos cálculos que, hasta
hace algunos años, se realizaban obligatoriamente. También, que el manejo de
plataformas virtuales, en este caso del Internet para la compilación  de
información de datos estadísticos para el respectivo análisis real del contexto del
problema, se puede observar la exacerbada motivación del estudiante en
cuestión.

Palco, y otros (2018) , presentaron un artículo cuyo propósito es determinar las


opiniones realizadas por los estudiantes y docentes, con respecto a la usabilidad
de Tanziflex que es un sistema web de multiplataforma instintiva que ayuda a
resolver problemas de programación lineal, y por el otro lado efectúa una
investigación de funcionalidad del sistema en pro de observar los  ítems positivos
y puntos que se deben de mejorar. La muestra de estudio comprendida consistió
en 32 alumnos y 19 maestros de la Facultad de Ingeniería en Informática  de la 
Universidad Austral de Argentina. Realizaron un trabajo no experimental,
correlacional transversal. Con un cuestionario tipo Likert, donde cada pregunta
tenía tres   posibles respuestas  Tanziflex, en su formato normal, admite la
solución de todo tipo de problemas de Programación Lineal, presenta
comodidades de uso y modelamiento para los problemas de tipo transporte y de
asignación. Con lo relacionado al estudio de funcionalidad, las respuestas más
elevadas fueron registradas en la variables “ de acuerdo”, con lo cual, genera el
logro de una encuesta positiva por los usuarios. De igual manera, se sostuvieron
valores elevados de “parcialmente de acuerdo” en algunas preguntas de las
dimensiones, las cuales, significarán consideraciones a tomar en cuenta para una
mejora en la iteración de Tanziflex, en pro de optimizar la moderna versión, para
obtener un nivel de funcionalidad y adaptabilidad más elevado.

II. MARCO TEORICO


Variable 1.- Programa Invessoft
Son un conjunto de Software que se pueden utilizar para una mejoren
enseñanza- aprendizaje de cursos optimización y toma de decisiones en las
carreras de Ingeniería

El curso de investigación operativa es obligatorio dentro de la formación como


Ingeniero Industrial, tiene como objetivo la optimización del uso de recursos en
la vida real para la toma de decisiones, mediante modelamiento matemático y
haciendo uso intensivo de algoritmos, los softwares ayudan el proceso de
enseñanza aprendizaje y se convierte en una herramienta didáctica para
estudiantes y docentes. El programa invessoft comprende un conjunto de
software: solver, pqm, winQSB, lingo para resolver problemas de investigación
operativa, por presentar dificultades en la comprensión y análisis por parte de
los estudiantes.

Dimensiones:

POM-QM
(Production and Operations Management - Quantitative Methods) Se trata de
un instrumento, el cual contiene los primordiales procedimientos cuantitativos
para desarrollar las materias de Investigación operativa I y II, de esta forma
como otros propios de las profesiones de Ingenierías.

Según Rito (2015) POM-QM es un software para la administración de


rendimiento/maniobras, para procedimientos cuantitativos, para ciencias
de la administración y para el estudio de las operaciones. Las
actualizaciones del software de Windows, POM para Windows, QM for
Windows y DS para Windows fueron mezcladas, para conformar un
producto flexible - POM - QM for Windows. Este software se configura
para exhibir modelos de POM, modelos QM o los dos modelos de POM
y QM.
POM-QM, es un software de vigorosa utilidad de ayuda para dar
respuesta a una gran diversidad de conflictos de Investigación
Operativa, como también permite la intervención eficaz en la
elaboración y formación de modelos.

Según Howard J. Weiss (2010) El programa POM - QM, es


considerado un software de muy sencillo uso, el cual fue creado para
ayudar a los estudiantes, a comprender los campos de la administración
e investigación de operaciones. El programa, tiene por finalidad la
resolución de diversos problemas, o su utilización como método de
comprobación, para los ejercicios que fueron resueltos a mano. 

Características del software POM - QM

● Es un software, que presenta un patrón de interfaz, muy similar a los que


usualmente se utilizan al momento de ejecutar programas de Windows.
Es decir, permite que cualquier usuario nuevo, que ya haya estado
familiarizado con documentos de textos, u hojas de cálculo, podrá
manejar cómodamente el software. Además, POM QM presenta una
gran variedad de modelos y submodelos, que son congruentes, por lo
cual, el usuario, no tendrá dificultades al momento de probar con
distintos modelos de presentación.
● Es un software flexible, ya que ofrece una variedad de opciones que se
ajusten a sus necesidades, permite resolver problemas de forma eficaz,
inmediatamente después de haber colocado sus datos, también permite
al usuario escoger en qué tipo de módulos trabajar, puede escogerse
entre realizar sus trabajos, con modelos tipo POM, o solamente del tipo
QM, o poder escoger entre la variedad de modelos presentes. Además
permite, poder escoger el formato de impresión, como también
personalizar sus colores.
● Facilidad de manejo para el usuario. El software permite una sencilla
entrada y corrección de datos ya que por cada dato que es ingresado, se
muestran pasos a seguir, como recomendación para el usuario. Además,
su similitud con las hojas de cálculo, lo convierten en un programa
accesible de utilizar.
● Está configurado para poder diferenciar las respuestas, de los datos
incorporados, esto es, con el fin de facilitar la comprensión al usuario.
 
Ventajas del POM - QM
● Es un programa de sencilla utilización.
● Permite al usuario, revisar los pasos a seguir, y poder guiarse de las
instrucciones que se muestran, al momento de cargar los datos de algún
problema.
● Permite la comprobación de resoluciones hechas por los estudiantes. 

Desventajas del POM - QM


● El programa se presenta en el idioma Inglés, lo cual puede significar un
óbice, para los estudiantes que no dominan dicho idioma, en su intento
por aprender el uso del programa de manera constante.
● Puede generar que los estudiantes se vuelvan dependientes de sus
grandes bondades que presenta el programa, con lo cual podría
provocar que se descuiden los conocimientos teóricos para el uso del
software.

Abriendo el programa
Lo primero que se podrá observar en el monitor del estudiante, será la
pantalla de inicio del programa POM - QM, el cual muestra, en el margen
superior derecho, el nombre del estudiante/usuario, y debajo el nombre del
centro de estudios universitarios, al cual pertenece. El nombre de
estudiante/usuario, debe escogerse con precaución, al momento de instalar el
programa, puesto que, luego de finalizar la instalación, no podrá ser
modificado.
Figura 1. Pantalla de inicio de POM - QM versión 4.0

Fuente: Elaboración propia


Pantalla principal
Muestra el primer acercamiento que tiene el estudiante con el programa. En
esta pantalla se observa una ventana emergente, que presenta “El consejo
del día”, el cual brinda sugerencias o recordatorios, para la utilización del
presente programa. En esta pantalla, también se puede observar el color
gradiente que viene de forma predeterminada, el poder observar este color
gradiente, indica que la pantalla está vacía

Figura 2. Pantalla principal de POM - QM versión 4.0


Fuente: Elaboración propia
Figura 3. Ventana desplegable de la opción Module
En Module se va a seleccionar el módulo en el cual se desee trabajar.

Fuente: Elaboración propia


Figura 4. Ventana desplegable del módulo Programación lineal
Luego de seleccionar la ruta: File/New. Para la creación de un nuevo archivo
de programación. Aparecerá la ventana de “Create data set for Linear
Programming”, para darle solución a algún problema deseado.
Fuente: Elaboración propia

Solver: Es un componente añadido a Excel, que se utiliza para mejorar los


modelos matemáticos, soluciona inconvenientes lineales, no lineales, y
enteros. Establece la forma más impecable para encontrar la solución a un
problema propuesto.

Según Ritz (2018) Solver es un complemento de evaluación que está incluído


en el software Excel, y que se usa en el área empresarial. Se utiliza para
calcular el valor de una celda, la cual es dependiente de distintos
componentes o variables, donde a la vez hay ciertas limitaciones a las que
debe regirse.

Según Eppen et al. (2010) Solver es un paquete agregado de Excel que


permite la optimización numérica de modelos sujetos a restricciones, como el
de programación lineal. Este utiliza una técnica denominada algoritmo
matemático de programación, los algoritmos son expresados mediante
códigos en computadora, que aplicará iterativamente hasta conseguir hallar la
solución óptima por consiguiente una decisión óptima.

Con estas definiciones, podemos afirmar que Solver es una herramienta de


optimización comúnmente utilizada para resolver problemas con
programación lineal mediante el método Simplex. Este software puede ser
fácilmente utilizado por los estudiantes gracias a su simplicidad y
disponibilidad, ya que está incluida en Microsoft Excel el cual es conocido por
todos los ingenieros industriales.

Características del complemento Solver

●  Los datos del modelo se organizarán en una hoja de cálculo, con ellos se
construirá el modelo de optimización.
●  Cada variable de decisión tendrá asignada una celda y deben estar vacías
o con números, pero no con fórmulas.
 
● ·La función objetivo tendrá asignada una celda llamada celda objetivo y 
estará determinada por los valores de las variables de decisión que la
optimicen.

● · Cada restricción tendrá unas celdas asignadas , en la parte izquierda se


coloca la fórmula y en la derecha el término independiente.

Ventajas del Software


 
● Solver es una herramienta que resuelve y optimiza ecuaciones mediante el
uso de técnicas matemáticas y algoritmos.
● Tiene como objetivo hallar el valor óptimo para una celda, siendo esta la
celda objetivo.
●  Permite cambiar  los valores de las celdas, llamadas celdas cambiantes,
con el fin de optimizar la celda objetivo.
●  Permite añadir restricciones al modelo.
● Podemos darle la condición para que las variables solo tomen valores
enteros.
● Es fácil de utilizar y tiene una alta eficacia.

Desventajas del Software

● Presenta una cantidad limitada de celdas para asignar las restricciones,


siendo esta máximo 200.
● Si se encuentran varias soluciones óptimas solo nos arrojará una de estas
y no informa si existen otras soluciones.
● Al ser un método directo dificulta aprender el proceso con el fin de poder
razonar y entenderlo. 
PROGRAMA SOLVER

Activar Solver en Excel

Archivos ---> Opciones ----> Complementos ---> Solver ---> Aceptar

Figura 5.Ventana emergente de Opciones de Excel

Fuente: Microsoft Excel 2010   

Para ingresar a Solver, nos vamos a la pestaña Datos en el menú principal y


en la parte superior izquierda se selecciona Solver.
Al dar click, inmediatamente aparecerá un cuadro de diálogo de los
parámetros de Solver, ingresamos la función objetivo y seleccionamos Max
en caso se quiera encontrar el valor máximo posible, Min si buscamos el valor
mínimo posible y valor de si queremos obtener un valor determinado. En el
cuadro Cambiando las celdas de variables colocaremos el rango de las
celdas de las variables de decisión. En el siguiente cuadro ,Sujeto a
restricciones, registraremos las restricciones del modelo, haciendo click en
agregar.
Figura 6. Cuadro de diálogo Parámetros de Solver

Fuente: Microsoft Excel 2010

En caso se necesite agregar más restricciones Solver te da la facilidad de


poder hacerlo, al presionar la casilla “Agregar” inmediatamente aparecerá el
cuadro de diálogo Agregar restricción, finalmente seleccionar Aceptar.

Figura 7. Cuadro de diálogo Agregar restricción

Fuente: Microsoft Excel 210


Posteriormente, escogemos uno de los métodos empleados por Solver, los
cuales son el Método Simplex(LP Simplex) para problemas lineales, GRG
Nonlinear para problemas no lineales suavizados y por último el Evolutionary
para problemas no suavizados.(Véase Figura 8)

Figura 8. Cuadro de diálogo Parámetros de Solver Métodos de solución

Fuente: Microsoft Excel 2010

Finalmente, seleccionamos Resolver y el software nos arrojará los valores de


las variables de decisión que optimizan la función objetivo satisfaciendo todas
las restricciones.

Lingo: (LINear Generalize Optimizer) es una herramienta sencilla para


emplear la potencialidad de la optimización lineal y no lineal al formular
problemas muy amplios de manera precisa, desarrollando y evaluando su
solución. La optimización es un apoyo a la búsqueda de la respuesta con la
solución más efectiva, logra la mayor utilidad o el menor costo. Estos
problemas, muy a menudo, son sinónimo de usar los recursos de la manera
más eficiente posible, lo cual incluye el costo monetario, tiempo, personal,
maquinaria, etc. Clasifican a los problemas de optimización como lineales y
no lineales, dependiendo de la linealidad de las variables y la relación entre
estas.

Según Erica Canizo:


Es un instrumento sencillo que se usa en la formulación de problemas lineales
y no lineales, con el fin de resolverlos y examinar su solución. LINGO, se
caracteriza por brindar, de manera óptima, el mejor resultado, teniendo como
ejemplos: una mayor ganancia, o un valor mínimo. En la mayoría de los
casos, estos inconvenientes requieren de un empleo eficaz de los elementos.
Los inconvenientes de mejoramiento se clasifican como lineales o como no
lineales, teniendo como conocimiento previo si las relaciones en el problema
propuesto son lineales en base a las variables. Tiene como aspecto
sobresaliente la aplicación en el lenguaje de modelo matemático, pues facilita
la formulación del problema en cuestión con una semejanza a la notación
matemática habitual, logrando, además, formular una amplia serie de
limitaciones en una afirmación concreta. Así pues, nos lleva a obtener
modelos mucho más simples de comprender.

Según González, Santos y Suárez:


LINGO se trata de una herramienta matemática, que resuelve una amplia
variedad de problemas sobre optimización ya sean lineales, no lineales o
enteros, empleando un lenguaje práctico, el cual lo transforma en un asistente
ideal en la docencia. Asimismo, LINDO está integrado en el paquete SOLVER
SUITE (manual de usuario, 1996). Para lograr las soluciones problemáticas
lineales se emplea LINDO. Sin embargo, LINGO, a diferencia de LINDO,
cuenta con un lenguaje de programación el que te facilita la escritura del
modelo de manera sencilla. Se debe de tener en cuenta que LINGO logra
detectar óptimos locales y que a excepción de la programación lineal y
convexa, no es sencillo poder identificar los óptimos globales.

● Lenguaje de modelado algebraico: LINGO admite un potente lenguaje de


modelado en base a conjuntos que brinda a los usuarios expresar modelos
de programación matemática de forma eficiente y compacta. Haciendo uso
de las capacidades de los comandos que ofrece LINGO, se pueden
resolver diversos modelos de forma reiterada.
● Opciones de datos convenientes: LINGO se toma el tiempo y la molestia de
administrar los datos. Permite construir modelos para extraer información
directamente de la base de datos y hojas de cálculo. Del mismo modo,
puede generar una solución directamente a una base de datos u hoja de
cálculo, lo que facilita la generación de informes en la aplicación de su
elección.
● Modelo interactivo o creación de aplicaciones llave en mano: Puede
construir y resolver modelos dentro de LINGO, o puede llamar a LINGO
directamente desde una solicitud que deberá escribir. Para desarrollar
modelos de forma interactiva, proporciona un entorno completo de
modelado para construir, resolver y analizar los modelos. Para construir
soluciones llave en mano, viene con interfaces DLL y OLE invocables que
se pueden llamar desde el usuario escrito en las aplicaciones. LINGO
actualmente incluye ejemplos de programación para C / C ++, FORTRAN,
Java, C # .NET, VB.NET, ASP.NET, Visual Basic, Delphi y Excel.
● Amplia documentación y ayuda: Proporciona todas las herramientas
necesarias para comenzar a trabajar rápidamente.
● Potentes solucionadores y herramientas: Se encuentra disponible con un
conjunto completo de solucionadores integrados rápidos para soluciones
lineales, no lineales (convexas y no convexas), cuadrática,
cuadráticamente restringida y optimización entera. No es necesario
especificar o cargar un solucionador por separado, ya que este lee la
formulación y automáticamente selecciona el apropiado.

Sintaxis de LINGO:
La sintaxis que se emplea en este programa es práctica. Para nombrar las
variables estas deben contener un máximo de 32 caracteres, la cual debe
empezar una letra seguido de letras, dígitos o _ . El compilador de LINGO no
logra diferenciar entre mayúsculas y minúsculas. En cuanto a las sentencias,
todas deberán terminar en un punto y coma. Para nombrar la función objetivo
o a las restricciones, deberán colocarse entre corchetes. Para afirmar la
función objetivo se deberá colocar las palabras MAX o MIN seguidas del signo
=. Los comentarios deben comenzar con un signo !.

Características de LINGO:
Figura 9

Fuente: http://logistica.fime.uanl.mx/miguel/docs/manual-lindo.pdf

● Insensibilidad a mayúsculas: LINDO es insensible a mayúsculas y


minúsculas, lo cual genera que al escribir la función objetivo de la forma
MAX 3X1 + X2 equivalga de manera total a Max 3X1 + X2 o a max 3x1 +
x2 .
● Máx o mín: En cuanto al sentido de la optimización, se debe iniciar con la
palabra clave en la función objetivo debe ser MAX para maximizar y MIN
para minimizar.
● «Sujeto a»: La palabra clave S.T. en el tercer renglón proviene de subject
to (sujeto a, en inglés) o de such that (tal que, en inglés). También puede
usarse ST, SUBJECT TO o SUCH THAT.
● Desigualdades: Siempre incluyen la igualdad, por lo cual escribir de manera
sencilla < en el código equivale al operador matemático ≤, pero admite también
<= . De manera similar para ≥.
● No negatividad: Por defecto las variables son siempre no negativas, así que no
habrá sido necesario especificar en el código las restricciones lógicas x1, x2 ≥ 0.
● Nombres de las variables: Deben empezar con un carácter alfabético (de la
A a la Z) seguido de hasta siete caracteres extras que excluyan los
símbolos ! ) + - = > < . Por ejemplo, X , Y12 , DEM.MX o VAR_X son
válidas mientras que 2INICIA , DEMASIADOLARGO , UN-GION y
EUREKA! no lo son.
● Título: A cada modelo se le puede añadir un título mediante la palabra
clave TITLE al inicio del código.
● Nombres en restricciones: Cada restricción puede tener un nombre, el cual
se debe escribir al inicio de la esta y concluir con un cierre de paréntesis
( ).
● Fin: En ocasiones será necesario indicar a LINDO que el modelo ha
concluido mediante la palabra clave END al finalizar las restricciones.
● Comentarios: El signo de cierre de exclamación ( ! ) se interpreta como el
inicio de un comentario, el que debe ser ignorado por el optimizador. Puede
iniciar o no un renglón, por lo cual únicamente el texto que se encuentre a
la derecha será considerado como comentario.
● Operadores: Reconoce únicamente cinco operadores matemáticos: + , - , =
,>y<.
● Estructura de las restricciones: En cada restricción las variables deben
aparecer a la izquierda del operador de comparación ( > = < ) y a la
derecha sólo debe aparecer una constante. Por ejemplo, la restricción X <
Y será rechazada por el optimizador, por lo que se debe reescribir como: X
- Y < 0.
● Variables sin restricción de signo: La palabra clave FREE permite a la variable
indicada tener cualquier valor entre −∞ y ∞, es decir, FREE X1 es el equivalente de
x1 ∈ R.
● Variables enteras: La palabra clave GIN indica al programa que la variable
debe tener un valor entero (no negativo), es decir, GIN Y1 es el equivalente
a y1 ∈ Z, y1 ≥ 0.
● Variables binarias: La palabra clave INT indica al programa que la variable
elegida debe tener un valor binario, es decir, INT X2 es el equivalente a x2
∈ {0, 1}.
● Cotas: Las palabras clave SLB y SUB indican que las variables
seleccionadas tienen una cota inferior o superior, en ese orden, el cual
también debe ser indicado. Por ejemplo, SLB Y4 3 indica al programa que
la variable Y4 no debe tomar un valor menor a 3. Similarmente, SUB Y5 12
indica que la variable Y5 no debe tomar un valor mayor a 12.

Ventajas del Software


● Lenguaje de modelado algebraico: LINGO admite un potente lenguaje de
modelado en base a conjuntos que brinda a los usuarios expresar modelos
de programación matemática de forma eficiente y compacta. Haciendo uso
de las capacidades de los comandos que ofrece LINGO, se pueden
resolver diversos modelos de forma reiterada.
● Opciones de datos convenientes: LINGO se toma el tiempo y la molestia de
administrar los datos. Permite construir modelos para extraer información
directamente de la base de datos y hojas de cálculo. Del mismo modo,
puede generar una solución directamente a una base de datos u hoja de
cálculo, lo que facilita la generación de informes en la aplicación de su
elección.
● Modelo interactivo o creación de aplicaciones llave en mano: Puede
construir y resolver modelos dentro de LINGO, o puede llamar a LINGO
directamente desde una solicitud que deberá escribir. Para desarrollar
modelos de forma interactiva, proporciona un entorno completo de
modelado para construir, resolver y analizar los modelos. Para construir
soluciones llave en mano, viene con interfaces DLL y OLE invocables que
se pueden llamar desde el usuario escrito en las aplicaciones. LINGO
actualmente incluye ejemplos de programación para C / C ++, FORTRAN,
Java, C # .NET, VB.NET, ASP.NET, Visual Basic, Delphi y Excel.
● Amplia documentación y ayuda: Proporciona todas las herramientas
necesarias para comenzar a trabajar rápidamente.
● Potentes solucionadores y herramientas: Se encuentra disponible con un
conjunto completo de solucionadores integrados rápidos para soluciones
lineales, no lineales (convexas y no convexas), cuadrática,
cuadráticamente restringida y optimización entera. No es necesario
especificar o cargar un solucionador por separado, ya que este lee la
formulación y automáticamente selecciona el apropiado.
Instalación del software
Instalar el software de LINGO es práctico. Se deberá colocar el CD en la guía
correcta de disposición para Windows y seleccionar el programa SETUP que
se encuentra dentro de la carpeta LINGO. El programa de instalación de
LINGO le dirigirá para hacer la correcta instalación del mismo en su disco
duro. En caso de que exista una versión anterior de LINGO instalada en la
máquina, entonces puede necesitarse desinstalar la versión anterior. Para
desinstalar esta versión anterior se dirige al botón Start de Windows y cliquea
en el panel de control y luego cliqueará dos veces en el Add o remueva el
programa ícono. De esta forma se podrá tener la nueva versión de LINGO
removiendo la anterior del sistema. En su mayoría, parte de las copias de
LINGO vienen con sus preinstaladas licencias. Sin embargo, ciertas versiones
de LINGO necesitan de una persona física para entrar una llave de licencia. Si
la versión de LINGO requiere una licencia teclee, estará presente con la caja
de diálogos siguiente cuando usted empieza LINGO:
Figura 10.
Fuente: https://www.lindo.com/doc/online_help/lingo17_0/starting_lingo.htm

La llave de licencia puede encontrarse en el correo que se le enviará cuando


haya ordenado el software, la cual cuenta con letras, números y símbolos,
separados en grupos de a cuatro por un guion (por ejemplo, a56f-SDF7-jT8s-
87Yh-kj?s-Io34). Deberá colocar la llave en el campo de edición, incluyendo
los guiones. Luego se deberá cliquear sobre el botón OK cuando la llave haya
sido colocada correctamente, de esta manera, LINGO empezará de manera
directa. Nota: En caso de haber recibido la licencia por correo electrónico, se
tiene la opción de cortar-y-pegar en la caja de diálogos clave de licencia.

WinQSB 
El programa WinQSB es un conglomerado de técnicas o métodos de sencilla
compresión, que permite a los estudiantes y profesionales de las carreras de
ingeniería, realizar estudios y resolver problemas de tipos administrativos, o de
temas relacionados a proyectos, o transporte, entre otros. WinQSB, fue
especialmente desarrollado con la finalidad de resolver conflictos de gran
complejidad, utilizando la técnica de mecanización de procesos, y el cual fue
elaborado por el matemático Dr. Yih-Long Chang.

Según Víctor Quesada & Juan Vergara 


WinQSB es un programa que abarca una gran cantidad de técnicas
relacionadas a la investigación de operaciones, y con lo cual, lo
convierte en un programa de mucha utilidad para la resolución de
numerosos problemas del tipo administrativos y económicos.
Considerado una de las aplicaciones de mayor uso entre los
estudiantes de pre grado, como también por sus docentes y
profesionales, que tienen relación con materias o temas semejantes a la
investigación de operaciones.

Características del software WinQSB


● Se trata de un software manejable de asistencia al momento de tener que
realizar la toma de decisiones, en la materia de la Investigación Operativa.
El software está constituido por variedad de módulos, 19 en total, de los
cuales se detallarán los más utilizados:

● Programación lineal (LP) y Programación lineal entera (ILP): Este punto


incluye los programas que se necesitan para lograr la solución del
problema de programación lineal gráficamente o haciendo uso del
algoritmo del Simplex; asimismo, nos permite resolver problemas de
programación lineal entera haciendo empleo del procedimiento de
Ramificación y Acotación (Branch&Bound).
● Programación de metas lineales (GP) y programación de metas lineales
enteras (IGP): son los modelos en la programación con diferentes
objetivos, pero cuenta con restricciones legales.
● Programación cuadrática (QP) y programación cuadrática entera (IQP):
Soluciona problemas de programación cuadrática, las cuales tienen
función objetivo cuadrática y restricciones lineales. El método Simplex
empleado es adaptado a éste. Resuelve los modelos de IQP empleando
algoritmos de ramificación y acotación.
● Modelado de red (NET): integrado por programas específicos para la
resolución de problemas ya sean de transporte, asignación, trasbordo, del
camino más corto, flujo máximo, árbol generador y del agente viajero.
● Programación no lineal (PNL): posibilita la solución de problemas no
lineales ilimitados haciendo uso de métodos de búsqueda lineal y también
el de problemas no lineales con limitaciones, haciendo uso del método
SUMT (función objetivo con penalizaciones sobre el incumplimiento de las
restricciones).
● PERT/CPM: medida de gestión de proyectos en la cual se debe ejecutar
diversas actividades con relaciones de prioridad.

Ventajas del Software


● La interfaz del software tiene gran similitud a los programas
pertenecientes a Windows, lo que permite que el usuario pueda sentir
comodidad al momento de utilizarlo.
● De gran utilidad para resolver incógnitas de temas de investigación de
operaciones.
● Tiene interfaz amigable y de fácil acceso.

Desventaja del Software


● Por las constantes actualizaciones de los sistemas operativos, el programa
WinQSB pierde popularidad entre los usuarios, ya que solo tiene buen
funcionamiento con sistemas operativos antiguos, o de solamente 32 bits.

Figura 11. Acceso a los 19 módulos pertenecientes al software WinQSB


Una de las formas de acceder al programa, luego de realizar su instalación, es
mediante la siguiente ruta: Inicio/Programas/Seleccionar carpeta WinQSB.

Fuente: Manual de uso de WinQSB


Figura 12. Pantalla común a todos los módulos, antes de proceder a resolver
algún problema.

Luego de escoger el módulo en el cual se desea trabajar, se verá una nueva


pantalla, la cual comparte las mismas características con todos los demás módulos
del WinQSB.
Fuente: Manual de uso de WinQSB

Figura 13. Pantalla principal del módulo: Programación lineal y Programación


lineal entera.

Fuente: Manual de uso


de WinQSB

Variable 2.- Investigación Operativa 

La  Investigación Operativa o Investigación de Operaciones es una ciencia


aplicada desde comienzos del siglo XX y ha comprobado que las herramientas
que brinda son exitosas en diversas organizaciones. (Carro, 2009). Con la
aparición de la Revolución Industrial, el aumento de la complejidad y
especialización de las organizaciones han sido evidentes para todo el mundo.
Debido a estos hechos surgieron diversos problemas, como la dificultad para
asignar de la mejor manera posible los recursos a las diferentes actividades y la
necesidad de resolver estos problemas de la forma más eficaz. Como solución a
estos surge la Investigación de operaciones, la cual inicia en los servicios militares
a inicios de la Segunda Guerra Mundial al aplicar el método científico a sus
problemas con el fin de garantizar un resultado óptimo. Esta disciplina tiene como
objetivo, como su propio nombre lo dice, investigar sobre las operaciones así
mismo encontrar el mejor camino para la resolución de problemas de cualquier
tipo de complejidad. Se denomina investigación porque utiliza un enfoque
parecido al que es aplicado en las investigaciones en el campo científico ya que la
investigación operativa consiste en aplicar el método científico para investigar el
problema a enfrentar. También se suele utilizar el término Ciencia de la
administración para referirse a la investigación de operaciones. (Hillier y
Lieberman ,2010).

Taha (2012) describe la investigación operativa como un arte al explicar e ilustrar


el problema mediante modelos matemáticos. Así mismo la considera una ciencia
ya que resuelve el modelo empleando algoritmos matemáticos específicos y
convenientes.  

Según Aquino Córdova (2012) la investigación operativa es la parte de la


matemática que profundiza en el estudio de las operaciones que ocurren en un
sistema, a través de la aplicación de modelos matemáticos y algoritmos para
tomar decisiones  que sean confiables y conlleve a la optimización de los recursos
disponibles. 

En forma resumida, la investigación operativa es la aplicación del método


científico a través de modelos y técnicas matemáticas para encontrar soluciones
óptimas, ya que se suele tener diversas posibles soluciones del problema a
enfrentar ,sin embargo solo una traerá mayor beneficio a la compañía, siendo esta
la solución óptima. Debido a su gran utilidad es que se aplica en diversos tipos de
empresas así como también en casi todos los campos de la ingeniería, economía,
administración, sistemas de salud, servicios militares, entre otros.

Dimensiones:

Programación Lineal:

Según Hillier y Lieberman (2010) la Programación Lineal(PL) es una


herramienta de la Investigación de operaciones muy utilizada actualmente y que
ha permitido ahorrar cuantiosas cantidades de dinero a millones de empresas.
Señalan que esta herramienta emplea un modelo matemático para explicar un
problema, refiriéndose con el término lineal a que todas las funciones
matemáticas del modelo deben ser lineales y con programación se refiere a la
planeación. Por consiguiente, definen la programación lineal como la planeación
de actividades teniendo como objetivo alcanzar una respuesta óptima.
 
Jacobs et al. (2011) definen la programación lineal como un conjunto de técnicas
matemáticas que asignan los recursos limitados a ciertas demandas que compiten
por estos, de manera óptima. De manera formal, la programación lineal implica un
proceso de optimización donde se toman valores no negativos para un grupo de
variables de decisión representadas como x 1 ,x2,…,xn de manera que estos valores
maximicen o minimicen una función objetivo satisfaciendo unas restricciones
lineales expresadas mediante igualdades o desigualdades.
 
Para Winston (2005) la programación lineal es un modelo de optimización que
tiene diferentes métodos de solución, siendo los más difundidos el método gráfico
y el método Simplex. Este segundo método aparece en 1947 con George Dantzig
y lo considera uno de los más efectivos.
 
Las diversas utilidades de la programación lineal han comprobado que es una de
las herramientas cuantitativas que más beneficios ha aportado para tomar
decisiones, por ello es la más empleada en la IO debido a su simple
implementación. (Serra de la F., 2004).

En base a lo anterior podemos afirmar que la programación lineal es un método


matemático aplicado para resolver problemas con el objetivo de obtener una
solución óptima, partiendo de la selección de los valores de las variables de
decisión y estos satisfaciendo las restricciones dadas ya sea por disponibilidad de
recursos, ciertas especificaciones dadas, entre otras condiciones que no permitan
escoger con libertad los valores de las variables de decisión. A sí mismo
destacamos los métodos de solución más empleados como el método gráfico y el
Simplex.
Modelo general de PL (Formulación)

Para la formulación de la programación lineal Taha (2012) considera las


siguientes partes:

1. Variables de decisión, elementos desconocidos los cuales permiten la


toma de decisiones con respecto a las causas. Se representan de la siguiente
forma: .

2. Función objetivo, función matemática que relaciona las variables de


decisión para la obtención de la maximización o minimización, según se requiera,
de la empresa..

3. Restricciones, conjunto de desigualdades que delimitan los posibles


valores de las variables de decisión.

4. Supuestos, estos son las condiciones que debe cumplir el problema.

● Certidumbre: Los coeficientes se deben conocer con exactitud y


mantenerse constantes el tiempo que dure el estudio.
● No negatividad: Las variables tomarán sólo valores no negativos (x≥0).
● Proporcionalidad: Los valores que tomen las variables de decisión deben
ser proporcionales a la cantidad de recursos utilizados en las actividades de la
empresa.

Guerrero (2017) recomienda que en la elaboración del modelo general de


programación lineal se deba seguir los siguientes pasos:

PASO 1:

Como primer paso debemos formular el modelo, el autor lo considera como la


literatura del problema, en este paso se organiza la información dada de
parámetros, variables y la interacción entre ellas.

PASO 2:
Análisis de la información, consiste en realizar un análisis minucioso de cada
parámetro del modelo y conocer la influencia de estos sobre el modelo. Así
mismo, permite trazar el objetivo y definir las limitaciones del sistema.

PASO 3:

Definir las variables, considerado el paso más importante, ya que una mala
definición echará a perder todo el procedimiento realizado conllevando a una mala
toma de decisiones. Estas variables representarán lo que se desea conocer para
conseguir la solución del problema.

Es importante que los pasos se realicen correctamente para evitar las fallas en los
resultados y evitar, de esta manera, afectar el manejo de la toma de decisiones en
la solución del problema.

 Formas de representación de una PL

Según Guerrero (2017) las formas del modelo de PL son las siguientes:

1. Forma algebraica, es la forma más usada y se representa así:

          Máx Z=C 1 X 1+ C2 X 2 +C3 X 3 + …+ Cn X n


Sujeto a :
a 11 X 1+ a12 X 2+ a13 X 3+...+ a1 n X n ≤ b1

a 21 X 1 +a22 X 2 +a23 X 3 +...+a2 n X n ≤ b2

a 31 X 1 +a32 X 2 +a33 X 3 +…+ a3 n X n ≤ b3

. . .

a m 1 X 1 +a m 2 X 2+ am 3 X 3 +…+ amn X n ≤ bm

Donde: X 1 , X 2 , X 3 ,… , X n ≥ 0

2. Forma matricial, está conformado por una matriz y un vector como se


muestra a continuación:
3. Forma sumatorial, donde se hace uso de sumatorias de la siguiente
manera:

n
Máx Z=∑ C j X j
j=1

Sujeto a:

∑ aij X j ≤ b i ∀i=1 , 2 ,3 , ... , m


j=1

X j ≥ 0 ∀i=1 , 2 ,3 , ... , n

4. Forma canónica, es la forma más simple y se toma como base para las
demostraciones.

Máx Z=CX
Sujeto a:

AX ≤ b
X ≥0
Otras formas del modelo de programación lineal son aquellas donde la función
objetivo además de la maximizar puede minimizar (generalmente los costos) y
donde las restricciones pueden ser (≥ o=¿).

Métodos de solución
Entre los métodos de solución más difundidos tenemos:

Método gráfico: Consiste en emplear un sistema de ejes y coordenadas donde se


graficarán las desigualdades y estas determinarán una región ,la cual se
denomina región factible, en la que estará la solución óptima.

Método Simplex: Este método encuentra una solución óptima basándose en una
solución básica factible. Es considerado un método algebraico iterativo que
permite resolver con eficiencia los problemas de PL.( Lee Krajewski, Larry
Ritzman y Manoj Malhotra,2008) 

Colas de espera: 

Un modelo de cola de espera es aquel en el que se tiene una secuencia de


elementos que llegan a una instalación en busca de servicio. (Eppen et al., 2000)
Según Taha (2010) Las colas de espera conllevan un estudio que cuantifica la
ocurrencia de esperar a través de medidas de desempeño, llamadas longitud
promedio de cola, tiempo de espera promedio en la cola y el uso promedio del
servicio. Los protagonistas de esta situación de colas de espera son el servicio y
el cliente.
Los clientes toman el servicio viniendo de una fuente, sucede a menudo que  se
generen colas en  diferentes instalaciones como el banco, un supermercado,
entre otros, por consiguiente este estudio es importante para reducir estas colas
de espera.

Según Carro (2014) Sirven para poder hallar la conducta de la situación en la que
se encuentran los clientes, como también poder hallar la largueza aproximada de
la cola, y el tiempo aproximado de tiempo que los clientes esperan.

Elementos de un modelo de cola:

● Cliente: Perteneciente a la población, y el que demanda o necesita de un


servicio
● Servidor: Aquel agente que satisface la demanda del servicio al cliente.
● Fuente: Es el conjunto de donde salen, los clientes, o solicitantes de
servicio.
● Tiempo entre llegadas: Describe el tiempo en que tardan en llegar los
clientes. Se considera a la Distribución de Poisson, como un buen método para
poder determinar este tiempo, y es representado por el cociente de dividir, uno
entre lamda.
● Tiempo entre servicios: El tiempo que se tarda en realizar el servicio.
● Tamaño de la cola: Se relaciona con la cantidad de clientes esperando en
el sistema, se considera que puede ser finito o infinito.
● Disciplina de la cola: Es el criterio con el que se escogen a los clientes.
Las disciplinas más mencionadas son:
FIFO: Se atiende exactamente por orden de llegada.
LIFO: Se atiende primero al último cliente que llegó.
RSS:  La atención es realizada al azar
Processor Sharing: Es referido a que los clientes son atendidos de forma
simultánea.

Herramientas probabilísticas

Procesos estocásticos
Se entiende por proceso estocástico al conjunto de variables escogidas al azar, y
anotadas { Xt }, en el cual “t” representa la elección de valores de un cúmulo T.
Frecuentemente se toma a T, como un conglomerado de valores no negativos, y
la letra X, es la representación de cierta peculiaridad, que se ha considerado
calculable en un tiempo t. Verbigracia:
Un proceso estocástico: X1, X2, X3,... Podría ser la representación de un
inventario realizado cada semana o cada mes, de cierto producto, como también
podría representar a la gran acogida que tiene dicho producto, sea semanal o
mensual.  

Distribución de Poisson
Se trata de una distribución del tipo discreta, es decir, se consideran solo números
enteros, y denota que siguiendo un patrón de frecuencia promedio, ocurriría la
posibilidad de que cierto evento se realice una determinada cantidad de veces,
algún periodo de tiempo. 

Su función de probabilidad es la siguiente: 

f(k, ) = e-kk!
Simbología:
k = Número de veces en la que ocurre cierto evento o fenómeno
= Número de veces esperado para que ocurra dicho evento durante cierto rango
de tiempo.

Su función distribución sería la siguiente: 


F (X) = X=0Xe-xx!

Distribución exponencial 
Se utiliza esta distribución para establecer la posibilidad de que en cierto
momento del tiempo ocurra cierta eventualidad. Los modelos de colas que
presentan esta distribución, se definen de la siguiente manera:
 f(t) = e-t, t > 0
Donde representa la rapidez con la que ocurren los eventos. 

Distribución Erlang k
La distribución Erlang K es utilizada para explicar el tiempo que se espera hasta
que ocurra el evento número K, dentro de un proceso de Poisson.

La distribución Erlang tiene media k O y varianza 2 k O . Como caso particular,


cuando k = 1, la distribución de Erlang se reduce a la exponencial; es decir, E1(O)
= exp(O). Del mismo modo que la distribución Erlang generaliza a la distribución
exponencial, es un caso particular de la distribución Gamma; en el caso de esta
última, la diferencia radica en que el primer parámetro puede tomar cualquier
valor real positivo, no sólo números enteros (cuando toma un valor entero, se
reduce a la distribución de Erlang).

Administración de proyectos

F. Robert Jacobs & Richard B. Chase definen a la Administración de proyectos


como parte de un proceso de planificación, dirección y control de recursos,
pueden ser del tipo de equipo, de humanos o de material, con el fin de satisfacer
las limitaciones que presenta el proyecto.

Según Koontz Señala que aquella Administración de Proyectos vendría a definirse


como aquel proceso de diseñar y mantener un ambiente ideal con las personas,
en conclusión, aquel trabajo que se realiza en grupos alcanzaría con eficiencia
grandes metas seleccionadas.

Según Dixon(2000) la administración de proyectos es la disciplina de gestionar


todos los recursos necesarios exitosamente, la cual puede y debe aplicarse
durante el ciclo de vida de cualquier proyecto.

Según Rodríguez (2002) la administración de proyectos es la forma de planear,


organizar, dirigir y controlar una serie de actividades realizadas por un grupo de
personas que tienen un objetivo específico; el cual puede ser (crear, diseñar,
elaborar, mejorar, analizar, etc.) un problema o cosa .

Para Heerkens (2006) La administración de proyectos requiere de un encargado o


director de proyecto que es responsable de que se cumpla con el objetivo para lo
cual fue creado dicho proyecto. La dirección de proyectos es la encargada de
aplicar conocimientos, habilidades, herramientas y técnicas que son aplicables a
las actividades que se deben de desarrollar en el proyecto para así cumplir con
los requisitos del mismo. Esto se logra mediante la aplicación e integración
adecuada de las etapas por parte de la dirección de proyectos, estas etapas son:
•Iniciación.
•Planificación.
•Ejecución.
•Seguimiento y Control.
•Cierre.

La administración de proyectos además reconoce el alcance, el costo y el tiempo


de un proyecto a tres grandes oportunidades de obtener una ventaja para el éxito
de los proyectos. Una parte central de la administración de proyectos es el
conocimiento del alcance del proyecto, este debe satisfacer las expectativas de
los propietarios del proyecto y ser ampliamente conocido por todos los
desarrolladores del mismo, donde los administradores de proyectos desempeñan
una labor más que destacable. El cumplimiento del alcance de un proyecto
conlleva el cumplimiento del costo y tiempo requeridos para la correcta entrega y
cierre de un proyecto. El costo y el tiempo deben responder a los criterios
acordados entre el propietario, su administrador y el ejecutor de proyectos. Es
importante que estos criterios establecidos antes de la ejecución de un proyecto,
en una etapa de planeación, correspondan con la ejecución misma. La medición
del alcance, el costo y el tiempo determinados por su especificación, precio y
duración en la etapa de ejecución deben reflejar valores similares o muy cercanos
a los previstos en la etapa de planeación. Este es sin duda uno de los retos de la
administración de proyectos. Proyectos con un balance óptimo entre su alcance,
costo y tiempo.

Los objetivos de la Administración de proyectos son principalmente terminar a


tiempo el proyecto establecido, encontrarse dentro del dicho presupuesto ya
planteado y por último cumplir y satisfacer con los requerimientos o expectativas
de los propietarios del proyecto y ser ampliamente conocido por todos los
desarrolladores del mismo..

IMPORTANCIA DE LA ADMINISTRACION DE PROYECTOS:

La administración de proyectos es usada en una gran diversidad de campos e


industrias en el cual la constante necesidad de introducir nuevos productos al
mercado, las exigencias de los consumidores de productos, y el desarrollo de la
tecnología requiere dejar los antiguos métodos de administración convencionales
y ofrecer la importancia de esta administración de proyectos la cual se enfoca en
nuevas y diversas alternativas de organización, control y seguimiento a las
empresas.

CARACTERÍSTICAS DE LA ADMINISTRACIÓN DE PROYECTOS

-Alcanza un objetivo específico

-Es único y puntual

-Expresa una necesidad

-Está sujeto a certidumbre

-Combinatorio y Multidisciplinario

-Temporal

-Depende de su entorno

Términos básicos: 
Actividades: Actividades: se definen como procesos que tienen la finalidad de
recabar un proyecto, es decir, grupos de tareas que son realizados por personas
que desean realizar una actividad. (Cañal, 2000)

Algoritmos: Para determinar el algoritmo debemos analizar la problemática que se


tiene, dar una definición del problema para determinar de qué exactamente se trata,
dar la especificaciones de entrada y de salida de la problemática. (Cárdenas Valdéz,
J. J, 2015)

Cliente: Cliente: definimos cliente a aquel individuo u organización que requiere de


productos o insumos y servicios otorgadas por entidades que satisfacen esos
requerimientos. (Rodríguez de Llauder, Barquero, Barquero, & Huertas, 2007)

Cola: Las conforman actividades o tareas que se encuentran en espera, ya sea de


manera física o virtualmente registradas. Se trata de una línea de espera, es un
aspecto de la vida diaria pues la podemos encontrar en el contador de un
supermercado, en la espera de la línea de Metro del tren, en los bancos, etc., pero
el fenómeno de colas toma relevancia cuando unos recursos compartidos deben ser
accedidos para brindar un servicio a un número elevado de tareas o clientes. El
servidor debe cumplir con estos trabajos que son esperados en la “cola”.  Los
sistemas de espera son modelos de sistemas que brindan un servicio, donde las
tareas o clientes buscan un servicio de algún tipo y salen luego de que se haya
atentado este servicio. (Fernando Maldonado, 2015)

Diagrama de Gantt: Representa simultánea y gráficamente la programación de


procesos, la cual monitorea que las actividades del proyecto se desarrollen de
manera óptima, ordenada y detallando las diversas fases del producto, durante un
período de tiempo, en forma de gráficas (barras horizontales). (Luis Rodriguez,
2014)

Distribución beta: Es un tipo de distribución probabilística aplicada en el método


PERT para estimar los tiempos esperados de las diferentes actividades (Eppen,
G.D, 2000)

Distribución Exponencial: Es una distribución de probabilidad que presenta


conexiones con la distribución de Poisson y gamma, con la diferencia de que la
tasa de ocurrencia en la exponencial la actividad es por unidad de tiempo.
(Arroyo, Bravo, Llinás, & Muñoz, 2014)

Distribución Poisson: Distribución de probabilidad discreta aplicada en los


sistemas de colas para hallar la cantidad de llegadas que ocurren en un
determinado tiempo, esto a partir de la determinación de la frecuencia de llegada
u ocurrencia media expresada como λ. (Rito, 2014)

Erlang k: Es la distribución probabilística aplicada a un caso en particular de cola


con límite de capacidad y al ser este límite igual al número de servidores, en otras
palabras no se genera una cola. (García Sabater ,2016)

Evento: Un evento es un instante del tiempo, en el cual las actividades que se


estaban realizando, concluyen, para poder dar pase a otras empiecen. Con
referente al término de redes, los eventos, serían los correspondientes a decir
nodos.(Hamdy Taha, 2004)

Función objetivo: Se trata de la expresión matemática la cual tiene un objetivo la


cual es minimizar o maximizar dicha expresión. Se puede representar mediante la
expresión dada que la función objetivo lineal es igual a la suma de la multiplicación
del precio neto o costo unitario por la actividad o proceso, hasta n elemento. (Jorge
Alvarado Boirivant, 2009)

Incertidumbre: Es la duda sobre la veracidad de un resultado obtenido mediante


una evaluación a todas las fuentes de error que haya sido posible encontrar, a las
cuales se le aplicarán las correcciones correspondientes. Es una estimación que va
de la mano del resultado anteriormente mencionado, el que contiene el intervalo de
valores dentro del cual se encuentra el valor verdadero. (Maroto, Boqué, Rius,
2012)’

Modelo matemático: Es una representación de un fenómeno real mediante


símbolos, cifras, algoritmos que conlleva a una mejor toma de decisiones o a
entender mejor la realidad que se vive. (Winston, 2005)

Multicanal: Se define como una serie de canales que son organizados


estratégicamente para que los clientes de una organización o empresa puedan
acelerar y mejorar el proceso de compra y afianzar el trato cliente-empresa.
(Gené Albesa & Arnavat Carballido)

No negatividad: El concepto de no negatividad hace referencia a las condiciones


del modelo en el cual se estipulan que las variables de decisión deben presentar
sólo valores no negativos (positivos o nulos). (J.J Ruz, 2010)

Optimización: Tiende a dar una mejoría al problema para mejorar el resultado que
tenemos, Por tanto, la optimización de los procesos y los recursos trata de
establecer acciones que mejoran aquellas tareas que intervienen en la elaboración
de la solución que hemos propuesto (Lozano, J. R., & Rojo, J. R. L, 2003). 

Parámetro: La definición de parámetro es aquella función, valor, medida o indicador


definido sobre valores numéricos representativos de una población considerando
imprescindible y orientativo el logro evaluado y valorado, logrando de esta manera la
comprensión y ubicación en perspectiva de dicha situación. (Desireé Curvelo, 2018)

PERT / CPM: Tanto el método del Program evaluation and reviw, y el método
Critical path method, ambas herramientas son de enfoque cuantitativo, y sirven para
brindar apoyo a los gerentes, y con ellos poder planear y tener el control de grandes
y complicados proyectos. Gracias a la gran necesidad de optimizar la manera de
dirigir las empresas y/o negocios. Inicialmente, ambos métodos eran muy similares,
en relación hacia dónde estaban enfocados sus objetivos, aunque siempre tuvieron
sus diferencias al momento de realizar estimaciones de tiempo para actividades. Por
un lado, con el método PERT, se pueden realizar tres estimaciones de tiempo, con
el fin de poder acercarse a la realidad, de conocer el tiempo deseado de terminación
de una actividad. Con todo lo mencionado, se puede entender que el método PERT,
es una técnica probabilística.  Por otro lado, el método CPM, se basa en que los
tiempos de actividad son conocidos, por ello a este método se le considera que es
determinístico. A pesar de sus diferencias y similitudes, para términos generales, a
ambos métodos se les considera con el término PERT/CPM. (Render, Stair &
Hanna, 2012)

Planeación: Consiste en aquel sistema que comienza con la elección e ilación en


cuanto a eventos, al igual como el planteamiento y el uso de hipótesis referidas al
porvenir visualizado, y formulado en base a acciones prometidas e imprescindibles
para llegar a los objetivos esperados. (George R. Terry, 2010)

Probabilísticos: Esta definición representa un tipo de modelo matemático el cual


toma un conjunto de datos obtenidos estimando cada uno de los posibles
resultados, a futuro, de una variable al azar, incluyendo que este puede aplicarse en
muchos ámbitos y son, en especial, de gran valor, para conseguir el
perfeccionamiento de la cadena de suministro. (Joannés Vermorel, 2015)

Proyecto: Se entiende como una agrupación de actividades que tienen relación de


dependencia, y que generan un consumo de recursos y de tiempo para poder
realizar dichas actividades (Hamdy Taha, 2004)

Red: Se puede definir a una red, como una cadena de nodos conectados mediante
ramas. La manera de representar a una red es (N, A), donde la letra N simboliza al
grupo de nodos, y la letra A, representa al grupo de ramas, vistos en la red. (Hamdy
Taha, 2004)

Restricciones: Es una condición que se les da a las variables de decisión tomadas,


para poder resolver algún problema. Sirven para acotar los posibles valores y poder
dar solución a una interrogante. (Eppen, Gould, Schmidt, Moore & Weatherford,
2000)

Ruta crítica: Es un método de proceso administrativo que consiste en planear,


organizar, direccionar y controlar todas y cada una de las actividades que componen
un proyecto. Se emplea en la planificación de proyectos con la finalidad de calcular
los tiempos y plazos, teniendo como objetivo determinar la duración de este
proyecto (y a un costo óptimo), en el que cada actividad desarrollada cuenta con
una duración estimada, las que determinan, de manera conjunta, la duración del
proyecto entero; cabe resaltar que se puede contar con más de una ruta crítica.
(Reynaldo Figueroa, 1997)

Simplex: Esta técnica, relaciona los conceptos del álgebra, con la geometría. Se
desarrolló en 1947 por Dantzig y consiste en la repetición de una serie de pasos
fijos, el cual empieza hallando una solución factible de origen. La solución factible de
origen, va a representar a un punto, que formará parte de los vértices del polígono
que se forme con las demás soluciones factibles. El método Simplex utiliza la
solución factible de origen, para preguntarse si, esa misma solución, es óptima o no
para resolver el problema. En caso no sea considerada una solución óptima, el
método Simplex se volverá a poner en búsqueda de la solución factible, y así
sucesivamente, hasta dar con la solución óptima. (Roberto Carro, 2014)

Toma de decisiones: Al momento de tomar decisiones, se debe realizar un estudio


a las alternativas, para poder escoger la mejor de ellas. Según  las características
de los datos, dependerá qué alternativa se escogerá para resolver los problemas
presentados. (Hamdy Taha, 2004)

Variables: Es un símbolo, característica o propiedad determinada del objeto de


estudio dentro de un determinado grupo, esta puede variar según transcurre el
tiempo por otra dentro del “Universo de la variable” pues cada pieza del universo
constituye un valor de la variable. (Herrera, 2016)

Pronósticos: Es aquel método mediante el cual se intentará conocer el


comportamiento futuro de alguna variable con algún grado de certeza
mediante medios matemáticos. Existen, disponibles, tres grupos de métodos
de pronósticos: Los cualitativos, los de proyección históricos y los causales.
Estos ya mencionados se diferencian entre sí por la precisión relativa del
pronóstico del largo plazo en comparación con el corto plazo, el nivel de
herramientas matemáticas requerido y la base de conocimiento como sustrato
de sus proyecciones.

II. MÉTODO

2.1 Tipo y diseño de investigación


Tipo de investigación
El diseño es cuasi-experimental consiste en la escogencia de los grupos, en
los que se prueba una variable, sin ningún tipo de selección aleatoria o
proceso de preselección.
Por ejemplo, para realizar un experimento educacional, una clase puede ser
arbitrariamente dividida por orden alfabético o por disposición de los asientos.
La división es a menudo conveniente y, sobre todo en una situación
educacional, se genera la menor interrupción posible.
Después de esta selección, el experimento procede de manera muy similar a
cualquier otro, con una variable que se compara entre grupos diferentes o
durante un período de tiempo
Diseño de Investigación
En este caso, es cuasi-experimental, porque se manipula deliberadamente al
menos una variable independiente para ver su efecto y relación con una o
más variables dependientes, solamente que difieren de los experimentos
“verdaderos” en el grado de seguridad o confiabilidad que pueda tenerse
sobre la equivalencia inicial de los grupos, según Hernández, et al (2014,
p.169).
Diseño: Con preprueba- posprueba y grupos intactos (uno de ellos de control).
El enfoque que se propone es cuantitativo, porque se “usa la recolección de
datos para probar Hipótesis, con base en la medición numérica y el análisis
estadístico” (Hernández et al., 2014, p. 4).

Esquema:
GE O1 X O2
GC O3 --- O4
Significado de los símbolos:
X = Aplicación del POM QM
--- = Cálculo de funciones de varias variables
GE = Grupo experimental, Investigación de Operaciones 5 ciclo, MA, turno
mañana A con 50 estudiantes UNFV
GC = Grupo de control, Investigación de Operaciones 5 ciclo MB, turno tarde
B con 50 estudiantes UNFV

O1 O3= Evaluación simple, antes de comenzar las clases, de la misma


manera
O2 O4 = Evaluación simple al término de la clase.
Según Hernández et al (2014 p.173).
2.2. Población, muestra y muestreo

Población.
Se conoce así al estudio total de cierto evento, en donde todos los
pertenecientes a la población presentan ciertos caracteres semejantes,
los cuales son estudiados y así obtener datos para la futura investigación
(Tamayo, 2010). En contraste con el estudio de la presente investigación,
la población a la cual se le hará el análisis está constituida por 100
estudiantes de Ingeniería Industrial del curso de Investigación Operativa
V ciclo de la UNFV, matriculados y asistentes en el semestre académico
2020-1.

Muestra

En esta investigación, la población a estudiar, está conformada por 60


estudiantes, sin embargo, debido a que la población es pequeña, se tomó
al 100%, de estudiantes como muestra, conformada, por 100 estudiantes
del curso de Investigación Operativa a 3, de las secciones MA y MB, turno
mañana y tarde, por lo tanto, se trata de una población censal debido a
que se ocupará a toda la población.
Ramírez (1997) asegura “Población censal es cuando, a todos los
miembros de la investigación se les analiza considerándose como
muestra”
ANEX
O 4: MATRIZ DE CONSISTENCIA

PROBLEMA VARIABLES
OBJETIVO GENERAL HIPOTESIS GENERAL
GENERAL DIMENSIONE
V
¿Cómo influye elDeterminar la influencia del El POM-QM influyeIn
programa Invessoft en elPOM-QM en la enseñanza de significativamente en en laP
análisis de InvestigaciónInvestigación de Operaciones enseñanza de Investigación de
Operativa en estudiantesen estudiantes de Ingeniería Operaciones en estudiantes de
de Ingeniería IndustrialIndustrial UNFV, Lima 2021 Ingeniería Industrial UNFV, Lima
UNFV, Lima 2021? 2021
c

PROBLEMAS OBJETIVOS HIPÓTESIS ESPECÍFICAS a


ESPECÍFICOS ESPECÍFICOS S
.
Problema específico 1 Objetivo específico 1 Hipótesis específica 1
Determinar la Influencia delEl POM-QM influyeV
¿Cómo influye el POM-QMPOM-QM en la enseñanza designificativamente en en laD
en la programación Linealprogramación{on lineal enenseñanza de programación{onA
en estudiantes deestudiantes de Ingenieríalineal en estudiantes de IngenieríaIn
Ingeniería Industrial UNFV,Industrial UNFV, Lima 2021 Industrial UNFV, Lima 2021 O
Lima 2021?
D

Problema específico 2 Objetivo específico 2 Hipótesis específica 2 .


¿Cómo influye el POM-QMDeterminar la Influencia delEl POM-QM influye
en la productividad enPOM-QM en la enseñanza designificativamente en en la
estudiantes de Ingenieríaproductividad en estudiantesenseñanza de programación{on
Industrial UNFV, Limade Ingeniería Industrial UNFV,lineal en estudiantes de Ingeniería
2021? Lima 2021 Industrial UNFV, Lima 2021

Hipótesis específica 3
Problema específico 3 Objetivo específico 3 El POM-QM influye
¿Cómo influye el POM-QMDeterminar la Influencia delsignificativamente en en la
en el balance de linea enPOM-QM la enseñanza deenseñanza de programación{on
estudiantes de IngenieríaInvestigación de Balance delineal en estudiantes de Ingeniería
Industrial UNFV, Limalínea en estudiantes deIndustrial UNFV, Lima 2021
2021? Ingeniería Industrial UNFV,
Lima 2021

Hipótesis específica 4
Problema específico 4 El POM-QM influye
¿Cómo influye el POM-QMObjetivo específico 4 significativamente en en la
en los pronosticos enDeterminar la Influencia delenseñanza de programación{on
estudiantes de IngenieríaPOM-QM la enseñanza delineal en estudiantes de Ingeniería
Industrial UNFV, Limapronósticos en estudiantes deIndustrial UNFV, Lima 2021
2021? Ingeniería Industrial UNFV,
Lima 2021
Bibliografía

1.- Aplicación de la investigación de operaciones a la distribución de recursos


relacionados con la COVID-19. Ms. C. Yoan Martínez López. Dra. C. Hilda
Oquendo Ferrer. Dra. C. Yailé Caballero Mota. Dr. C Luis Eduardo Guerra-
Rodríguez. Ing. Raudel Junco-Villegas. Dr. C. Isnel Benítez Cortés. Dr. C. Ansel
Rodríguez González. Dr. C. Julio Madera Quintana.

2.- LA ORIENTACIÓN DIDÁCTICA DE LA INVESTIGACIÓN DE OPERACIONES


EN EL PROCESO DE APRENDIZAJE DE LOS MODELOS MATEMÁTICOS, EN
LA ESCUELA DE ADMINISTRACIÓN DE EMPRESAS, DE LA PONTIFICIA
UNIVERSIDAD CATÓLICA DEL ECUADOR SEDE AMBATO, DURANTE EL
PERÍODO AGOSTO-DICIEMBRE DE 2009. Ing. Miguel Augusto Torres Almeida
(2010).

3.- CEREBR-IO: Actividad lúdica para la enseñanza y el fortalecimiento de la


Investigación de Operaciones. Ariel Donaldo Caicedo Mora , Daniel Sebastián
Benítez Agudelo , Angie Marcela Ramírez Rubio.

4.- Se aplicó el modelo de gamificación Canvas en el diseño. Se aplicó el modelo


de gamificación Canvas en el diseño. (2001)

5.- ESTRATEGIAS DE ENSEÑANZA PARA MOTIVAR EL APRENDIZAJE DE


LOS ESTUDIANTES EN CONTENIDOS DE INVESTIGACIÓN OPERATIVA
ANTONELLA CAVALLIN, DANIEL A. ROSSIT, DIEGO G. ROSSIT, DIEGO R.
BROZ, MARIANO FRUTOS, NANCY B. LÓPEZ (2007)

(Taha, 2004),

Mastache et al. (2017)

Csikszentmihatyi ,1998

ANTECEDENTES
ARTICULO CIENTIFICO:

1.- Enseñanza de algoritmos en Investigación Operativa: un


enfoque desde la formación por competencias

Autor: Víctor Kowalski, Héctor Enríquez, Iván


Santelices, Mercedes Erck

2.- Hacia un uso efectivo de la investigación de Operaciones en Chile:


diagnostoco y proposiciones

Autor:

Objetivo: presentar reflexiones respecto al uso dee impacto de la Investigación de


Operaciones

TESIS INTERNACIONALES:

1.- La orientación didáctica de la investigación de operaciones en el proceso de


aprendizaje de los modelos matemáticos en la escuela de administración de
empresas de la potificia Universidad Católica de Ecuador, sede Ambaro, 2009

Autor: Miguel Augusto Torres Almeida

Grado: Magister

Objetivo: Analizar la orientación didáctica de la Investigación de Operaciones en


el proceso de enseñanza de modelos matemáticos de la carrera de administración
de empresas de la PUCESA
Metodología:cuiasiexperimental

Conclusiones

Antecedentes nacionales

1.- Factores predictores participación de usuarios de estrategia sanitaria no


transmisibles adulto mayor en el hospital Regional de Loreto, 2015

BIBLIOGRAFÍA (MARIA)

- Manual de usuario (1996). Solver Suite: LINDO, LINGO and WHAT’S


BEST, Lindo Systems Inc.

-
https://www.researchgate.net/publication/26428268_Una_experiencia_practica
_de_programacion_matematica_con_LINGO

- LINGO: The modeling Language and Optimizer. LINDO Systems Inc. 2020

- LINGO 10.0 Diana Tellez Orozco, Diana Sanchez Castellanos. 2006


http://www.fce.unal.edu.co/media/files/UIFCE/Economia/LINGO_10.pdf

- Software Para Programación Lineal LINGO/LINDO. Erica Canizo, Paola


Lucero. http://www1.frm.utn.edu.ar/ioperativa/lingo_lindo.pdf 2002

- Didáctica de la programación lineal con ordenador para estudiantes de


administración y dirección de empresas. Susana Lopez Ares, Isidro Sánchez
Álvarez. Revista de enseñanza universitaria. 1999, N° 14-15; 129 - 138
http://institucional.us.es/revistas/universitaria/14_15/art_11.pdf

- Manual de LINDO. Un escueto prontuario. Miguel Mata Pérez. Versión


0.3, 7 de agosto de 2015