Universidad Nacional de Colombia

Sede Medellín

Clase #1
PRESENTACIÓN DEL CURSO

INTRODUCCIÓN A LA

INVESTIGACIÓN DE
OPERACIONES (I.O.)

1-1
 CONTENIDO
1. Objetivos del curso
2. Programa Resumido
3. Evaluaciones
4. Bibliografía
5. Orígenes de la I. O.
6. Casos de implementación de I.O.
7. Áreas de aplicación de la I.O.
8. Modelamiento Matemático
9. Introducción
10. Ejemplo Prototipo: La Wyndor Glass Co.
1-2
1. OBJETIVOS DEL CURSO 300 7324

Proporcionar herramientas de IO que

le permitan al ingeniero estudiar y
planificar sistemas complejos con el fin
de plantear alternativas que en lo
posible sean óptimas.

1-3
 2. PROGRAMA RESUMIDO

1. Programación Lineal P.L. Formulación

2. Programación Lineal P.L. Solución Gráfica
Método Simplex
3. Análisis de Sensibilidad y Dualidad
4. Programación Entera, Binaria y Mixta.
Programación Dinámica

1-4
 3. EVALUACIONES
Cinco (5) Parciales del 20%, cada uno, así:

1. Programación Lineal P.L. Formulación

2. Programación Lineal P.L. Solución Gráfica
Método Simplex
3. Análisis de Sensibilidad y Dualidad
4. Programación Entera, Binaria y Mixta.
5. Programación Dinámica

1-5
 TALLERES

Se realizará un taller teórico en la clase anterior a cada

evaluación parcial

Talleres de Software:

Solver de Excel
LINDO, LINGO
GAMS
1-6
 4. BIBLIOGRAFIA

•Texto Guía.
HILLIER, F.S Y
LIEBERMAN G.J.
Introducción a la
investigación de
Operaciones.
6 Ed. 1997
7 Ed. 2002
Mc Graw Hill.
Virtual2.medellin.unal.edu.co/moodle1
1-7
 4. BIBLIOGRAFIA

RENDON C. Hernán D.
DIAZ S. Fco. Javier
Introducción a la
Investigación de
operaciones. 2002
Biblioteca - Minas

Asistencia administrativa:
Oficina M5-107
Facultad de Minas 1-8
OTRAS REFERENCIAS
•DAVIS K Roscoe y MC KEOWN Patrick. Modelos cuantitativos
para administración. Grupo editorial Iberoamerica. 2 Ed. 1986.
• WINSTON, Wayne L. Investigación de Operaciones.
Aplicaciones y Algoritmos. Ed. Tomson, 4 ed, 2005.
•TAHA HAMDY A. Investigación de operaciones. Alfaomega. 5
Ed. 1995
•BAZARAA MS y JJ. Jarvis. Programación lineal y flujo de
redes. Limusa. Noriega editores, 2 ed. 1998.
•GASS S.I. Programación lineal. Compañía Editorial
Continental. 1981
•LUENBERGER, D.C. Introduction to linear and non linear
programing.
•PRAWDA, Juan. Métodos y modelos de Investigación de
operaciones. Limusa. 1-9
 5. ORÍGENES DE LA IO

LA CIVILIZACIÓN EGIPCIA

La construcción de las pirámides fue un gran reto no solo en lo técnico sino en la

gestión
La IO tuvo gran éxito en las actividades
bélicas.

Durante la segunda guerra mundial se

hicieron investigaciones sobre operaciones
militares para mejorar la asignación de
recursos

George Dantzig en 1947 desarrolló el

Método Símplex para la solución de
problemas de P.L.
1-11
Factores que impulsaron el desarrollo
de la IO.
•Las Organizaciones de otros tipos
diferentes a la bélica requerían de la
Asignación óptima de recursos

•Desarrollos notables en programación

dinámica, líneas de espera y teoría de
inventarios.

•Revolución de las computadoras.

1-12
 6. CASOS:

Organizaciones que han

implementado la IO dentro
de su organización

1-13
Organización Naturaleza de la aplicación Año Ahorro

Programación de turnos de 1986 US$ 6

United trabajo en oficinas de reservas y
Airlines en aeropuertos

Optimización de la mezcla de 1989 US$ 30

ingredientes para que los
Texaco productos cumplan con
requerimientos.
El Problema de la Dieta
US$ 20
Integración de una red nacional de 1990
IBM inventario para mejorar el apoyo US$250
al servicio invent
1-14

Nota: Cifras en millones de US$

Organización Naturaleza de la aplicación Año Ahorro

US Military Rapidez en coordinación de 1992 Victoria

aviones, tripulaciones, carga y
pasajeros.
La guerra del Golfo Pérsico
American Diseño de sistema de estructura 1992 US$ 500
Airlines de precios, sobre-venta y ingresos
coordinación de vuelos.

Optimización de la programación y 1989 US$ 11

San Francisco
asignación de oficiales de patrulla
Police
con sistema computarizado
Department

1-15

Nota: Cifras en millones de US$

7. AREAS DE APLICACIÓN DE LA IO

. Asignación de recursos.
• El problema del Transporte.
• Formulación de Dietas.
• Sistemas energéticos.
• Telecomunicaciones.
• Salud.
• Planeación.
• Servicios.
• Finanzas.
• Otros. 1-16
8. MODELAMIENTO MATEMATICO
Representar el sistema o el fenómeno
del mundo real o el problema a resolver
en un lenguaje matemático.

Investigación de Operaciones:
(Ciencias de la Administración)
Es la aplicación del Método Científico
para la Toma de Decisiones con el fin 1-17
de
hallar la solución óptima.
 ETAPAS DEL MODELAMIENTO
1. Definición del problema y Recolección de la
información.
2. Formulación de un modelo matemático
3. Solución del modelo.
4. Prueba del modelo
5. Preparación para la aplicación del modelo
6. Implantación

1-18
 1. Definición del problema y recolección de información

¿Cual es el problema a enfrentar?

•Describir el problema
•Delimitar el problema
•Identificar los entes afectados
•Análisis costo-beneficio
1-19
 Un estudio de IO busca soluciones
óptimas globales y no soluciones locales.

LOS BENEFICIARIOS

•Los dueños •Los vendedores

•Los empleados •Los proveedores
•Los clientes •El estado

El objetivo siempre debería ir en función de

maximizar los beneficios, y como tal se
espera que en el largo plazo genere una
rentabilidad social. 1-20
→ Recolección de información.

➢ Contabilidad ➢ Demandas
➢ Clientes ➢ Competencia
➢ Proveedores ➢ Recursos
➢ Empleados ➢ Antecedentes históricos
➢ Mercado ➢ Futuro
➢ Impuestos ➢ Costos y precios
➢ Productos

Sistemas de Información Gerencial

1-21
2. Formulación de un modelo
matemático

Un modelo es una representación

idealizada de un sistema.

Un modelo matemático también es una

representación idealizada, pero
expresada en términos de símbolos y
expresiones matemáticas.
1-22
 Definición de variables y parámetros

• n decisiones → Variables de decisión x1, x2, ..., xn

• Medida del desempeño global

Función (de) Objetivo(s): F.O.
Ejemplo: Z = f (x1, x2,..., xn) = 5x1 + 7x2 + ..+ 20xn

. Conjunto de limitaciones → Restricciones:

como ecuaciones y desigualdades.
Ejemplo: 5x1 + 7x4  10

•Coeficientes y lados derechos → Parámetros1-23

 3. Obtención de la solución a partir de
un modelo

▪Dependiendo del problema se usa un

método diferente como el método simplex
o un método del punto interior para P.L. o
el de ramificación y acotamiento para P.
Entera.

▪El uso del computador es absolutamente

necesario 1-24
 4. Prueba del modelo

Es muy útil realizar una prueba retrospectiva

− Mirar el pasado.
−Actualizar la información.
−Análisis de sensibilidad.
−Verificar: Qué resultados se hubieran
obtenido con las presentes decisiones
− Consistencia en las dimensiones.
−¿ Son satisfactorias estas decisiones?

Nunca dejar por fuera a quienes toman las decisiones relacionadas con el
problema
1-25
 5. Preparación para la aplicación
del modelo
Documentación:

• Interfaz gráfico para las bases de datos

• Procedimiento de obtener la solución
• Manual de uso de la aplicación
• F.A.Q (Preguntas más frecuentes)
• Sistema de soporte a las decisiones
(DSS: Decision Support System)
• Informes gerenciales
1-26
 6. Implantación
• El equipo de IO explica a la gerencia.

•Se comparte la responsabilidad

•Capacitación detallada al personal

•Pruebas piloto

•Desarrollo del programa de implantación.

1-27
 ¿Recuerda Ud
las etapas vistas
anteriormente?

1-28
 ETAPAS DEL MODELAMIENTO

1. Definición del problema y Recolección de la

información.
2. Formulación de un modelo matemático
3. Obtención de la solución a partir de un modelo.
4. Prueba del modelo.
5. Preparación para la aplicación del modelo.
6. Implantación.
1-29
 9. INTRODUCCIÓN
¿Porque se llama
Programación Lineal?

Planeación Funciones lineales

Optimización
2-30
 EL PROBLEMA DE
ASIGNACIÓN DE RECURSOS

Asignar recursos (limitados) entre

actividades competitivas de la mejor
manera posible (óptima)

La Programación Lineal es una buena

herramienta que ayuda a solucionar este
problema 2-31
 10. EJEMPLO PROTOTIPO: (H&L)
Problema de Programación de Producción

La Wyndor Glass Corporation es una empresa dedicada a la

elaboración de artículos de vidrio de alta calidad (puertas y ventanas)
los cuales se hacen en 3 plantas diferentes.

Planta 1 Molduras y marcos de aluminio

Planta 2 Molduras y marcos en madera

Planta 3 Se hace y se ensambla el vidrio. 2-32

Se tiene un programa de cambio de la producción y se
propone incursionar con 2 nuevos productos.

Producto 1 Puerta de vidrio con marco

en aluminio

Ventana de vidrio con

Producto 2 marco en madera

Según el Departamento de comercialización, toda

la producción de éstos puede colocarse en el
mercado 2-33
 10.1 Definición del problema y
Recolección de información

Se debe determinar la tasa de producción de los 2

productos para maximizar las utilidades, sujeto a
las limitaciones en recursos o en demanda que
tiene la empresa.

NOTA: Se fabrican lotes de 20 productos por semana. La

tasa de producción será el número de lotes producidos a la
semana.
2-34
 Preguntas:
En un problema de Programación de
Producción
• ¿Cuál es la ganancia por lote de cada tipo de
producto?

• ¿De cuántas horas por semana dispone cada

planta para la elaboración de cada tipo de
producto?

• ¿Cuál es el requerimiento en horas para producir

1 lote de cada tipo de producto en cada una de
2-35 las

plantas?
EJEMPLO PROTOTIPO
LA WYNDOR GLASS CO.

Tiempo de
Tiempo de producción por lote
producción
(horas) disponible a
Planta la semana
P1 (puertas) P2 (ventanas) (horas)

1 1 0 4

2 0 2 12

3 3 2 18

Ganancia
por lote US$3000 US$5000
2-36
 10.2 FORMULACIÓN DEL MODELO DE P.L.

10.2.1 Definición de Variables: Xj

(A qué se le busca valores?)

X1: Número de lotes del producto 1 fabricados por semana.

X2: Número de lotes del producto 2 fabricados por semana.

2-37
10.2.2 : Función Objetivo:
(Medida de la eficiencia)

Maximizar la Ganancia semanal total por la

producción de los dos productos
Max Z = 3x1 + 5x2
[US$/semana] = [US$/art ]* [art/sem]

De la forma: n

C X
j=1
j j

Donde se denominan:
2-38
cj: Coeficientes de costo
 10.2.3 Restricciones
(límites del sistema en recursos disponibles)

• Restricciones de capacidad de producción:

R1: Horas disponibles en la planta 1

X1  4

R2: Horas disponibles en la planta 2

2X2  12

R3: Horas disponibles en la planta 3

3X1 + 2X2  18 2-39

Unidades: [horas/art ]*[art/sem] = [horas/sem]

• Restricciones de signo de las variables

Tasas de producción no negativas:

X1 , X2  0

2-40
10.2 El MODELO DE P. L.
En síntesis, el problema formulado como un modelo de P. L. sería:

Maximizar Z = 3X1 + 5X2

Sujeto a:

X1 4

2X2  12

3X1 + 2X2  18

2-41
X 1 , X2  0