Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tecnologías de la Información
Medioambiente, Energía y Recursos Naturales
Ingeniería Financiera
Manufactura y Servicios
Gestión de la Cadena de Suministro (SCM)
Marketing
Revenue Management
Problemas de Transporte
Simulación
Modelos Estocásticos
Investigación de operaciones
Ir a la navegaciónIr a la búsqueda
Índice
1Visión general
2Historia
o 2.1Orígenes históricos
o 2.2Segunda Guerra Mundial
o 2.3Después de la Segunda Guerra Mundial
3Problemas abordados
4Ciencia de la gestión
o 4.1Campos relacionados
o 4.2Aplicaciones
5Sociedades y revistas
o 5.1Sociedades
o 5.2Revistas del INFORMS
o 5.3Otras revistas
6Véase también
7Referencias
8Lectura adicional
o 8.1Libros y artículos clásicos
o 8.2Libros de texto clásicos
o 8.3Historia
9Enlaces externos
Visión general[editar]
La investigación operativa (IO) abarca una amplia gama de técnicas y métodos de
resolución de problemas aplicados para mejorar la toma de decisiones y la
eficiencia, como la simulación, la optimización, la teoría de colas y otros modelos
de procesos estocásticos, procesos de decisión de Markov, métodos
econométricos, análisis envolvente de datos, redes neurales, sistemas
expertos, análisis de decisiones y procesos analíticos jerárquicos.5 Casi todas
estas técnicas implican la construcción de modelos matemáticos que intentan
describir el sistema. Debido a la naturaleza computacional y estadística de la
mayoría de estos campos,también tiene fuertes vínculos con las ciencias de la
computación y la analítica. Los investigadores operacionales que se enfrentan a
un nuevo problema deben determinar cuál de estas técnicas es la más adecuada,
dada la naturaleza del sistema, los objetivos de mejora y las limitaciones de
tiempo y capacidad de cálculo.
Las principales subdisciplinas en la investigación operativa moderna, identificadas
por la revista "Operations Research" (Investigación de Operaciones),6 son:
Historia[editar]
En las décadas posteriores a las dos guerras mundiales, las herramientas de la
investigación de operaciones se aplicaron más ampliamente a los problemas en
los negocios, la industria y la sociedad. Desde entonces, la investigación operativa
se ha expandido a un campo ampliamente utilizado en industrias que van desde
productos petroquímicos a líneas aéreas, finanzas, logística y gobierno,
enfocándose en el desarrollo de modelos matemáticos que pueden usarse para
analizar y optimizar sistemas complejos, y se ha convertido en un área de
investigación académica e industrial activa.4
Orígenes históricos[editar]
En el siglo XVII, matemáticos como Christiaan Huygens y Blaise
Pascal (abordando el problema de la partida interrumpida) intentaron resolver
cuestiones relacionadas con decisiones complejas mediante el uso del cálculo
de probabilidad. Otros matemáticos de los siglos XVIII y XIX resolvieron este tipo
de problemas mediante combinatoria. La investigación de Charles Babbage sobre
el costo del transporte y la clasificación del correo condujo a la universal "Penny
Post" de Inglaterra en 1840, y en los estudios sobre el comportamiento dinámico
de los vehículos ferroviarios en defensa del ancho de vía del GWR.7 A partir del
siglo XX, el estudio de la gestión de inventarios podría considerarse el origen de la
investigación de operaciones modernas con el concepto de cantidad económica
de pedido desarrollado por Ford W. Harris en 1913. La investigación operativa
puede haberse originado en los esfuerzos de los planificadores militares durante la
Primera Guerra Mundial (teoría de convoy y Leyes de Lanchester). Percy Williams
Bridgman llevó la investigación operativa a los problemas de la física en la década
de 1920 y luego intentaría extenderlos a las ciencias sociales. 8
La investigación operativa moderna se originó en el Establecimiento de
Investigación de Bawdsey en el Reino Unido en 1937 y fue el resultado de una
iniciativa del superintendente del establecimiento, A. P. Rowe, que concibió la idea
como un medio para analizar y mejorar el funcionamiento del sistema planteado
de alerta de radar temprana del Reino Unido, y de su red de instalaciones (Chain
Home (CH)). Inicialmente, analizó el funcionamiento del equipo de radar y sus
redes de comunicación, expandiéndose más tarde para incluir el comportamiento
del personal operativo. Esto reveló limitaciones no apreciadas de la red CH y
permitió que se tomaran medidas correctivas.9
Científicos en el Reino Unido, incluyendo a Patrick Blackett, Cecil Gordon, Solly
Zuckerman, C. H. Waddington, Owen Wansbrough-Jones, Frank Yates, Jacob
Bronowski y Freeman Dyson, y en los Estados Unidos con George
Dantzig buscaron maneras para tomar mejores decisiones en áreas como
la logística y los horarios de adiestramiento.
Segunda Guerra Mundial[editar]
El campo moderno de la investigación operativa surgió durante la Segunda Guerra
Mundial. En este período, la investigación operativa se definió como "un método
científico para proporcionar a los departamentos ejecutivos una base cuantitativa
para la toma de decisiones sobre las operaciones bajo su control". 10 La actividad
también era conocida como análisis operacional (Ministerio de Defensa del Reino
Unido desde 1962)11 y gestión cuantitativa. 12
Durante la Segunda Guerra Mundial, cerca de 1000 hombres y mujeres
participaron en investigación operativa en Gran Bretaña, y alrededor de 200
científicos trabajaron en este campo para el Ejército Británico.13
Patrick Maynard Stuart Blackett trabajó para varias organizaciones diferentes
durante la guerra. Al comienzo del conflicto, mientras trabajaba para el Royal
Aircraft Establishment (RAE), creó un equipo conocido como el "Circo", que ayudó
a reducir el número de disparos de la defensa antiaérea necesarios para derribar
un avión enemigo desde un promedio de más de 20.000 al comienzo del Batalla
de Inglaterra a 4000 en 1941.14
Problemas abordados[editar]
Método de la ruta crítica o planeamiento de proyectos: identificación de los
procesos que afectan a la duración general de un proyecto complejo
Floorplanning: diseño de los equipos de una fábrica o de los componentes
de un circuito integrado para reducir el tiempo de manufactura (por lo tanto,
reducir el costo)
Optimización de redes: por ejemplo, la configuración de las redes de
telecomunicaciones o del sistema de energía para mantener la calidad del
servicio durante las interrupciones del servicio
Problemas de asignación
Localización de instalaciones
Problemas de asignación:
o Problema de la asignación
o Problema de la asignación generalizado
o Problema de la asignación cuadrática
o Problema de asignación de blancos
Teoría de búsqueda Bayesiana: búsqueda de objetivos
Búsqueda optimizada
Encaminamiento, como determinar las rutas de los autobuses para que se
necesite la menor cantidad posible de autobuses
Administración de la cadena de suministro : gestión del flujo de materias
primas y productos en función de la demanda incierta de los productos
terminados
Actividades de producción del proyecto: gestión del flujo de actividades de
trabajo en un proyecto de capital en respuesta a la variabilidad del sistema a
través de herramientas de investigación de operaciones para la reducción de la
variabilidad y la asignación de amortiguadores utilizando una combinación de
asignación de capacidad, inventario y tiempo 2728
Mensajes eficientes y tácticas de respuesta al cliente
Automatización industrial: automatización o integración de sistemas
robóticos en procesos de operaciones impulsados por humanos
Globalización: procesos de globalización de operaciones para aprovechar
materiales, mano de obra, tierra u otros insumos de productividad más baratos
Transporte: gestión de sistemas de transporte y
entrega freight (Ejemplos: LTL shipping, transporte intermodal, problema del
viajante)
Planificación:
o Organización de personal
o Pasos de fabricación
o Gestión de proyectos
o Tráfico de datos de red: estos son conocidos como teoría de colas o
sistemas de colas
o Eventos deportivos y su cobertura televisiva
Mezcla de materias primas en refinerías de petróleo
Determinación de precios óptimos, en muchas configuraciones minoristas y
B2B, dentro de las disciplinas de ciencia de precios
Problema de corte de valores: corte de artículos pequeños a partir de
tamaños más grandes
La investigación operativa también se usa ampliamente en el gobierno, donde se
usa política basada en la evidencia.
Ciencia de la gestión[editar]
Artículo principal: Ciencia de la gestión
En 1967, Stafford Beer caracterizó el campo de la ciencia de la administración
como "el uso comercial de la investigación de operaciones".29 Sin embargo, en los
tiempos modernos el término ciencia de la administración también se puede usar
para referirse a los campos separados de los estudios
organizacionales o estrategia de negocios. La ciencia de la gestión es una rama
interdisciplinaria de las matemáticas aplicadas dedicada a la planificación óptima
de decisiones, con fuertes vínculos con la economía, los negocios, la ingeniería y
otras ciencias. Utiliza varios principios basados
en investigación científica, estrategias y técnicas analíticas, incluyendo modelado
matemático, estadísticas y análisis numérico con el fin de mejorar la capacidad de
una organización para adoptar decisiones de gestión racionales y significativas al
llegar a soluciones óptimas o casi óptimas para problemas complejos de decisión.
Los científicos de gestión ayudan a las empresas a lograr sus objetivos utilizando
los métodos científicos de la investigación operativa.
El mandato del científico de la administración es utilizar técnicas racionales,
sistemáticas y basadas en la ciencia para informar y mejorar las decisiones de
todo tipo. Por supuesto, las técnicas de la ciencia de la administración no se
limitan a aplicaciones comerciales, sino que pueden aplicarse a militares, médicos,
administración pública, grupos caritativos, grupos políticos o a comunidades.
La ciencia de la administración tiene que ver con el desarrollo y la aplicación
de modelos y conceptos que pueden resultar útiles para ayudar a iluminar los
problemas de la administración y resolver problemas de gestión, así como para
diseñar y desarrollar nuevos y mejores modelos de excelencia organizacional. 30
La aplicación de estos modelos dentro del sector corporativo se conoció como
ciencia de la gestión.31
Campos relacionados[editar]
Algunos de los campos que tienen una considerable superposición con la
Investigación Operativa y con la Ciencia de la Gestión incluyen: 32
Analítica de negocios
Minería de datos / Ciencia de datos / Macrodatos
Análisis de decisión
Inteligencia en la decisión
Ingeniería
Ingeniería financiera
Pronósticos
Teoría de juegos
Geografía / Ciencia de la información geográfica
Teoría de grafos
Ingeniería industrial
Logística
Modelo matemático
Optimización
Probabilidad y estadística
Gestión de proyectos
Análisis político
Simulación
Modelos de redes sociales / Modelización de transporte
Proceso estocástico
Administración de la cadena de suministro
Aplicaciones[editar]
Las aplicaciones son abundantes, como en aerolíneas, compañías de
fabricación, club de servicio, sucursales militares y gobierno. La gama de
problemas y problemas a los que ha aportado ideas y soluciones es muy amplia.
Incluye: 30
1 2H 3H
2 4H 2H
Total disponible 48 H 36 H
Para representar el modelo de este problema primero se debe determinar las variables de
decisión: Sea Xi: La cantidad a fabricar del producto 1 y 2 (i=1,2), entonces X1: cantidad a
fabricar del producto 1, X2: cantidad a fabricar del producto2, luego el modelo quedaría de la
siguiente manera:
MaxZ = 60X1+ 50X2 (máximo ingreso por ventas)
S.A: 2X1+ 4X2 <= 48 (disponibilidad horas _maquina A)
3X1+ 2X2 <= 36 (disponibilidad horas _maquina B)
X1, X2 >= 0 (Restricciones de no negatividad)
2. Modelos de Simulación
La simulación es una técnica para crear modelos de sistemas grandes y complejos que
incluyen incertidumbre. Se diseña un modelo para repetir el comportamiento del sistema. Este
tipo de modelamiento se basa en la división del sistema en módulos básicos o elementales que
se enlazan entre sí mediante relaciones lógicas bien definidas (de la forma SI / ENTONCES).
El desarrollo de un modelo de simulación es muy costoso en tiempo y recursos.
Tipo 2 94 9 70,000
Con la combinación de estos productos se pueden producir dos tipos de gasolina: para
automóvil y aviación. Las cualidades de estos productos aparecen en la siguiente tabla:
1 -CI -CII z 0
0 A I XI = b
XII
En una iteración cualquiera, sea XB La representación de las variables básicas y B su base
asociada, entonces XB representa a m elementos de X y B representa
los vectores de (AI) correspondientes a XB, y sea CB el vector de elementos de C asociado a
XB.
Entonces:
B XB = b y z = CBXB
o bien:
1 -CB z = 0
0 B XB b
La solución se puede expresar:
z = 1 CBB-1 0 = CBB-1b
XB 0 B-1 b B-1b
0 B-1 0 A I XI = B-1b
XII
Esta ecuación matricial se resuelve mediante la iteración simplex general (II):
Básica XI XII Solución
Esta tabla muestra los detalles del cálculo del método simplex, es decir, si se conoce B se puede
encontrar en cada paso B-1, por lo tanto XB y z.
Por ejemplo consideremos el método simplex con variables de holgura, en este caso, CII = 0 la
solución básica inicial se identifica como:
XB = XII, CB = CII = 0, B = I, B-1 = I
Sustituyendo en (II) se obtiene el método simplex general con variables de holgura
(III):
z -CI 0
XB A I b
Si utilizamos simplex con variables artificiales (variables utilizadas como variables de holgura
para las restricciones que no cumplen la forma estándar). En este caso CII = (-M,-M,..., -M)
(coeficientes de penalización para la función objetivo). La solución básica inicial se puede
expresar como:
XB = XII, CB = CII, B = I, B-1 = I
Sustituyendo en (II) se obtiene el método simplex general con variables artificiales y
de holgura (IV):
z CIIA-CI 0 CIIb
XII A I b
EJEMPLO 3.1:
Max z = 3x1 + 10x2
Sujeto a:
X1 + 4x2 <= 8
X1 + 2x2 <= 4
X1, x2 >= 0
Forma típica:
Z -3x1 - 10x2 = 0
X1 + 4x2 + h1 = 8
X1 + 2x2 + h2 = 4
X1, x2, h1, h2 >=0
VB x1 x2 h1 h2 Solución
Z -3 -10 0 0 0
h1 1 4 1 0 8 8/4=2
h2 1 2 0 1 4 4/2=2
Por inspección entra x2 y puede salir tanto h1 como h2, escojamos arbitrariamente h1 y
cambiemos x2 por h1.
Primera iteración:
VB x1 x2 h1 h2 Solución
Z -1/2 0 5/2 0 20
x2 1/4 1 1/4 0 2
h2 1/2 0 -1/2 1 0
La solución básica después de la primera iteración es
X1 = 0, x2 = 2, h1 = 0, h2 = 0
Al ser h2, variable básica, h2 = 0, se dice que es solución degenerada, es posible que
el método itere sin llegar a la solución optima.
Segunda iteración:
De la tabla anterior, entra x1 y sale h2:
VB x1 x2 h1 h2 Solución
Z 0 0 2 1 20
x2 0 1 1/2 -1/2 2
X1 1 0 -1 2 0
La función objetivo no se ha incrementado, un problema puede ser temporalmente degenerado
y luego encontrar la solución óptima.
MODELOS ESTOCÁSTICOS:
Son aquellos modelos en los que, por lo menos una de las características de operación está dada
valores de ésta o éstas variables, se obtienen al azar.
MODELOS ESTÁTICOS:
Son aquellos modelos que no toman en cuenta, explícitamente, a la variable tiempo.
MODELOS DINÁMICOS:
Los modelos matemáticos que tratan de las interacciones que varían con el tiempo, se denominan
MODELOS DE SIMULACIÓN:
En comparación con los modelos matemáticos, ofrecen una mayor flexibilidad en la representación
principal es que la simulación enfoca el sistema desde un nivel básico elemental. Por otra parte, la
considerar el sistema desde un nivel menos detallado.
MODELO MATEMÁTICO:
MODELOS FORMALES:
Se usan para resolver problemas cuantitativos de decisión en el mundo real. Algunos modelos e
llamados modelos determinísticos. Esto significa que todos los datos relevantes (es decir, los
evaluarán) se dan por conocidos. En los modelos probabilísticos (o estocásticos), alguno de
inciertos, aunque debe especificarse la probabilidad de tales datos.
MODELO DE INVENTARIOS:
Un inventario es un recurso empleado pero útil que posee valor económico. El problema se plante
o productora de bienes y servicios no produce en un momento determinado la cantidad suficiente
que debe realizar un almacenamiento protector contra posibles inexistencias.
PERT/CPM:
El método del camino crítico es un proceso administrativo de planeación, programación, ejecución
actividades componentes de un proyecto que debe desarrollarse dentro de un tiempo crítico y al c
PROGRAMACIÓN ESTOCÁSTICA:
Si a los problemas de Programación Matemática (en general) se les incorpora la incertidumbre en
se puede abordar mediante la denominada Programación Estocástica.
TEORÍA DE LAS COLAS:
La teoría de colas es el estudio matemático de las colas o líneas de espera dentro de un sistema
tiempo de espera medio en las colas o la capacidad de trabajo del sistema sin que llegue a colap
teoría de colas se engloba en la investigación de operaciones y es un complemento muy importa
de control. Se trata así de una teoría que encuentra aplicación en una
como negocios, comercio, industria, ingenierías, transporte y logística o telecomunicaciones.
TEORÍA DE JUEGOS: