REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA DEFENSA

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LAS
FUERZAS ARMADAS (U.N.E.F.A)
ADS ANÁLISIS Y DISEÑO DE SISTEMA (4er SEMESTRE)
Área de Formación: Investigación de Operaciones

Investigación de Operaciones:

Profesor
Ing. Freddy Rauseo.
Alumno:
Reinaldo Jesús Marcano Herrera
C.I. 27499361
Reyes20dinamico@gmail.com

Ciudad Guayana, mayo del 2021.

0
 ÍNDICE

INTRODUCCIÓN.................................................................................................................... 2

CAPÍTULO I............................................................................................................................ 3

Investigación de Operaciones:............................................................................................3

Que es Investigación de Operaciones.............................................................................3

Objetivo De La Investigación De Operaciones.................................................................3

Origen E Historia De La Investigación De Operaciones...................................................3

Aplicación De La Investigación De Operaciones En La Carrera ADS..............................6

Que Es Un Modelo Matemático Y Tipos..........................................................................7

Variables De Decisión Y Parámetros...............................................................................8

Restricciones................................................................................................................... 8

Función Objetivo.............................................................................................................. 8

Que es una Variable de NO NEGATIVIDAD....................................................................8

Una solución factible........................................................................................................9

Una solución no factible...................................................................................................9

La región factible..............................................................................................................9

Una solución óptima........................................................................................................9

El Valor Más Favorable....................................................................................................9

Una Solución Factible En Un Vértice (FEV).....................................................................9

Relación entre las soluciones óptimas y las soluciones FEV:..........................................9

CONCLUSIONES................................................................................................................. 11

CITAS BIBLIOGRÁFICAS.....................................................................................................12

1
 INTRODUCCIÓN

Los problemas que en ocasiones pueden ser complejos en las organizaciones y en la

cotidianidad, los profesionales han acudido a su pensamiento sistémico y a utilizar múltiples
herramientas y métodos cuantitativos. El mundo real presenta un gran número de
situaciones y relaciones complejas que dificultan la toma de decisiones debido a que se
tornan borrosas en la medida que los elementos del sistema (empresa, comunidad,
sociedad, entre otros) se relacionan y se comportan de manera inesperada.

Investigación de Operaciones es un enfoque científico para la toma de decisiones

orientadas a encontrar el mejor diseño y operación de un sistema, que usualmente se
encuentra en condiciones que requiere la asignación de recursos que pueden ser escasos o
de alto costo.

2
 CAPÍTULO I

INVESTIGACIÓN DE OPERACIONES:

Que es Investigación de Operaciones.

Es el ataque de la ciencia moderna a los complejos problemas que surgen en la dirección

y en la administración de grandes sistemas de hombres, maquinas, materiales y dinero, en
la industria, en los negocios, en el gobierno y en la defensa. Su actitud diferencial cosiste en
desarrollar un modelo científico del sistema tal, que incorpore valoraciones de factores como
el azar y el riesgo y mediante el cual se predigan y comparen los resultados de decisiones,
estrategias o controles alternativos. Su propósito es el ayudar a la gerencia a determinar
científicamente sus políticas y acciones.

Objetivo De La Investigación De Operaciones

El objetivo es la definición del problema, identificar las variables dependientes y dar una
solución, mediante un modelo que consiste en encontrar los valores de las variables
mejorando la eficiencia y la efectividad del sistema.

Origen E Historia De La Investigación De Operaciones.

A lo largo de la historia es frecuente encontrar una estrecha colaboración entre científicos

y militares con el fin de dictaminar la decisión óptima en la batalla e intentar obtener la
victoria. Es por esto que muchos expertos en la materia consideran el inicio de la
Investigación Operativa en el siglo III A.C., durante la II Guerra Púnica, con el análisis y
solución que Arquímedes propuso para la defensa de la ciudad de Siracusa, sitiada por los
romanos. Entre sus inventos se encontraban la catapulta, y un sistema de espejos con el
que incendiaba las embarcaciones enemigas al enfocarlas con los rayos del sol.

El uso de la Investigación Operativa se produce durante la Primera Guerra Mundial en

Inglaterra, con el estudio matemático de Frederick William Lanchester sobre la potencia
balística de las fuerzas opositoras. Además, desarrolló, a partir de un sistema de ecuaciones
diferenciales, la Ley Cuadrática de Combate de Lanchester, con la que era posible
determinar el desenlace de una batalla militar en función de la fuerza numérica relativa y la
capacidad relativa de fuego de los combatientes.

Thomas Alva Edison también hizo uso de la Investigación Operativa, contribuyendo en la

guerra antisubmarina, desarrollando técnicas para que los navíos pudiesen evadir y destruir
los submarinos enemigos, dotándolos de una protección anti-torpedos.

3
 Desde el punto de vista matemático, en los siglos XVII y XVIII, Newton, Leibnitz, Bernoulli
y Lagrange, trabajaron en obtener máximos y mínimos condicionados de ciertas funciones.
El matemático francés Jean Baptiste-Joseph Fourier esbozó métodos de la actual
programación lineal. Y en los últimos años del siglo XVIII, Gaspar Monge asentó los
precedentes del método Gráfico gracias a su desarrollo de la Geometría Descriptiva.

A finales del siglo XIX, Frederick Winslow Taylor realizó un estudio que permitió
maximizar el rendimiento de los mineros, en el que se determinaba que la única variable
realmente significativa era el peso combinado de la pala y su carga. De esta forma se
diseñaron palas según los diferentes tipos de materiales con los que iban a utilizarse.

Janos Von Neumann publicó en 1928 su trabajo "Teoría de Juegos", que proporcionó
fundamentos matemáticos a la Programación Lineal. Posteriormente, en 1947, visionó la
similitud entre los problemas de programación lineal y la teoría de matrices que había
desarrollado.

En 1939, el matemático ruso Leonid Vitálievich Kantoróvich y el holandés Tjalling Charles

Koopmans, desarrollaron la teoría matemática llamada "Programación Lineal", por la que les
fue concedido el Premio Nobel de Economía.

En 1945, George Joseph Stigler planteó el problema de la dieta, a raíz de la

preocupación del ejército americano por asegurar unos requerimientos nutricionales básicos
para sus tropas al menor coste posible. Se trataba de determinar la cantidad, entre 77
alimentos diferentes, que debería ingerir diariamente un hombre mediano de
aproximadamente 70Kg de peso, de modo que las necesidades mínimas de nutrientes
fuesen iguales a las recomendadas por el Consejo Nacional de Investigación
norteamericano. El problema fue resuelto manualmente mediante un método heurístico con
el cual se examinaron 510 diferentes posibilidades de combinación de alimentos, y cuya
solución difería tan sólo unos céntimos de la solución aportada años más tarde por el
método Simplex.

Durante los años 1941 y 1942, Kantorovich y Koopmans estudiaron de forma

independiente el problema del transporte por primera vez, conociéndose este tipo de
problemas como problema de Koopmans-Kantorovich. Para su solución, emplearon
métodos geométricos que están relacionados con la teoría de convexidad de Minkowski.

Se cree que Charles Babbage es el padre de la Investigación Operativa, debido a sus

investigaciones acerca de los costos de transporte y clasificación del correo realizada en la
Uniform Penny Post de Inglaterra en 1840.

4
 Sin embargo no se considera que ha nacido una nueva ciencia llamada Investigación
Operativa o Investigación de Operaciones hasta la II Guerra Mundial, durante la batalla de
Inglaterra. La Luftwaffe, Fuerza Aérea Alemana, estaba sometiendo a este país a un fuerte
acoso aprovechando la reducida capacidad aérea británica debido a la política de desarme,
aunque experimentada en el combate. El gobierno británico, buscando algún método para
defender su país, convocó científicos de diversas disciplinas para tratar de resolver el
problema y sacar el máximo beneficio de los radares de reciente invención de que
disponían. Gracias a su trabajo determinando la localización óptima de las antenas y la
mejor distribución de las señales consiguieron duplicar la efectividad del sistema de defensa
aérea y evitar que la isla cayera en manos de la Alemania nazi.

También en 1942, la U-Bootswaffe alemana con su flota de submarinos U-Boot inició un

bloqueo a Gran Bretaña atacando convoyes de barcos cargados de suministros procedentes
de Estados Unidos e impidiendo que alcanzaran su destino. El Grupo de Investigación de
Operaciones de Guerra Antisubmarina de Estados Unidos (ASWORG, Anti-Submarine
Warfare Operations Research Group en inglés) realizó representaciones matemáticas de
dichos convoyes, teniendo en cuenta una serie de restricciones y condiciones impuestas por
la realidad, tales como la velocidad máxima a la que podían desplazarse los navíos, la
cantidad de suministros que debían transportar, y el combustible necesario para alcanzar su
destino. Aplicaron estos modelos también sobre los U-Boots: el tamaño de su flota, el
alcance de los submarinos, sus torpedos, etc. Con base a esta información fueron capaces
de modelar la guerra naval, y determinar si era mejor una estrategia basada en convoyes
formados por un gran grupo de navíos de carga escoltados por muchos destructores, o por
el contrario pequeños grupos más difíciles de localizar para el enemigo, e incluso la manera
de causar un mayor daño a los submarinos U-Boot. Cuando la armada de los Estados
Unidos de América puso en práctica esta estrategia, disminuyó de forma considerable la
cantidad de barcos hundidos mientras se incrementaba la destrucción de submarinos
alemanes (pasando del hundimiento de apenas una treintena al año a rondar los 250
anuales en 1943 y 1944).

Tras apreciar el alcance de ésta nueva disciplina, Inglaterra creó otros grupos de la
misma índole para obtener resultados óptimos en la contienda. De la misma forma Estados
Unidos (EEUU), al unirse a la Guerra en 1942, comenzó a aplicar técnicas de Investigación
de Operaciones militarmente, y unos años más tarde, en 1947, formó un grupo de trabajo
dedicado a mejorar los procesos de planificación a gran escala: el proyecto SCOOP
(Scientific Computation Of Optimum Programs). En dicho grupo se encontraba trabajando
George Bernard Dantzig, quien desarrolló en 1947 el algoritmo del método Simplex.

5
 Durante la Guerra Fría, la antigua Unión Soviética (URSS), excluida del Plan Marshall,
quiso controlar las comunicaciones terrestres, incluyendo rutas fluviales, de Berlín. Para
evitar la rendición de la ciudad, y su sumisión a formar parte de la zona comunista alemana,
Inglaterra y Estados Unidos decidieron abastecer la ciudad, o bien mediante convoyes
escoltados (lo que podría dar lugar a nuevos enfrentamientos) o mediante puente aéreo,
rompiendo o evadiendo en cualquier caso el bloqueo de Berlín. Se optó por ésta segunda
opción, iniciando la Luftbrücke (puente aéreo) el 25 de junio de 1948. Éste fue otro de los
problemas en los que participó el grupo SCOOP, en diciembre de ese mismo año se
conseguía abastecer con 4500 toneladas diarias, y tras estudios de Investigación Operativa
se optimizó el abastecimiento hasta llegar a las 8000 ó 9000 toneladas diarias en marzo de
1949. Ésta cifra era la misma que se hubiera transportado por medios terrestres, por lo que
los soviéticos decidieron levantar el bloqueo el 12 de mayo de 1949.

Tras la Segunda Guerra Mundial, se estimó oportuno realizar la organización de los

recursos de Estados Unidos (energía, armamento, y todo tipo de suministros) mediante
modelos de optimización, resueltos mediante la Programación Lineal.

Al mismo tiempo que la doctrina de la Investigación Operativa, se desarrollaron también

las técnicas de computación, las cuales permitieron una importante reducción del tiempo de
resolución de los problemas.

El primer resultado de estas técnicas se obtuvo en el año 1952, utilizando un ordenador

SEAC del National Bureau of Standars para obtener la solución de un problema. El éxito en
el tiempo de resolución fue tan alentador que de inmediato se usó para todo tipo de
problemas militares tales como la gestión de fondos monetarios para logística y armamento,
determinar la altura óptima a la que deberían volar los aviones para localizar los submarinos
enemigos, e incluso la profundidad a la que se debían enviar las cargas para alcanzar los
submarinos enemigos de forma que causara el mayor número de bajas. Todo esto se
tradujo en un aumento de hasta cinco veces en la eficacia de la fuerza aérea.

Durante las décadas de los 50 y 60, creció el interés y el desarrollo de la Investigación

Operativa, debido a su aplicación en el ámbito del comercio y la industria. Un ejemplo de
esto es el problema del cálculo del plan óptimo de transporte de arena de construcción a las
obras de edificación de la ciudad de Moscú, donde existían 10 puntos de origen y 230 de
destino. Para resolverlo se utilizó un ordenador Strena en el mes de junio de 1958, y
después de 10 días de cálculos produjo una solución que aportó una reducción del 11% de
los gastos respecto a los costes originales previstos.

6
 Aplicación De La Investigación De Operaciones En La Carrera ADS

Principalmente se utilizan por un mejor conocimiento a la creciente y complejo de los

problemas que se desean resolver eficientemente la demanda de software, la mayor
disponibilidad de software y el desarrollo de nuevos y mejores algoritmos de solución.

Que Es Un Modelo Matemático Y Tipos.

Es producto de una abstracción de un sistema real: eliminando las complejidades y

haciendo suposiciones pertinentes, se aplica una técnica matemática y se obtiene una
representación simbólica del mismo.

Empíricos o basados en principios físicos.

Un modelo físico se basa en las leyes físicas que rigen los procesos, un modelo empírico
se basa en relaciones estadísticamente significativas entre variables. Las ecuaciones que
describen un modelo estadístico no son por tanto físicamente o dimensionalmente
consistentes ni universales, ya que en rigor sólo son válidas para el contexto espacio
temporal en el que se calibraron.

Se caracterizan por un alto poder predictivo pero una escasa capacidad explicativa, es
decir reproducen el funcionamiento del sistema razonablemente bien pero no permiten saber
por qué el sistema funciona así. Los modelos estadísticos se conocen también como
modelos de caja negra ya que no permiten descubrir el funcionamiento interno del sistema.

Estocásticos o deterministas.

El modelo determinista es aquel en el que dado un conjunto de parámetros y variables de

entrada va a producir siempre el mismo conjunto de variables de salida.

El modelo estocástico los valores de las variables de salida van a a variar de unas
ejecuciones del modelo a otras ya que se deja intervenir al azar.

Las razones por las que el comportamiento de un sistema puede resultar aleatorio son
diversas:

 Existencia de procesos realmente estocásticos

 Existencia de procesos aparentemente estocásticos debido a nuestra falta de
conocimiento
 Errores aleatorios en la medición de las variables
 Procesos muy complejos que es preferible modelizar como estocásticos

7
 Agregados o distribuidos.

En un modelo distribuido, tendremos el área de estudio dividida en porciones cada una

de ellas con su propio conjunto de parámetros y sus propias variables de estado. Cada
porción recibe un flujo de materia y energía de algunas de sus vecinas que a su vez reemite
a otras.

Una tercera posibilidad son los modelos semi-distribuidos que se construyen a partir de la
yuxtaposición de diversos modelos agregados.

En un modelo semi-distribuido las diferentes unidades generan sus propias salidas de

forma agregada, pero aparecen entradas y salidas de unas a otras.

La incorporación de la componente espacial en los modelos resulta bastante compleja. Si

se opta por un modelo distribuido es necesario establecer un modelo de datos espaciales
que permita asignar valores de los parámetros y las variables de estado a los diferentes
puntos del área de estudio.

Estáticos o dinámicos.

Se refiere a la forma en que se trata el tiempo. Los modelos estáticos dan un resultado
agregado para todo el período de tiempo considerado. Los modelos dinámicos devuelven
las series temporales de las variables consideradas a lo largo del período de estudio.

Variables De Decisión Y Parámetros.

Las variables de decisión son incógnitas que deben ser determinadas a partir de la
solución del modelo. Los parámetros representan los valores conocidos del sistema o bien
que se pueden controlar.
Restricciones.

Las restricciones son relaciones entre las variables de decisión y magnitudes que dan
sentido a la solución del problema y las acotan a valores factibles. Por ejemplo, si una de las
variables de decisión representa el número de empleados de un taller, es evidente que el
valor de esa variable no puede ser negativo.

Función Objetivo.

La función objetivo es una relación matemática entre las variables de decisión,

parámetros y una magnitud que representa el objetivo o producto del sistema. Por ejemplo,
si el objetivo del sistema es minimizar los costos de operación, la función objetivo debe
expresar la relación entre el costo y las variables de decisión.

8
 La solución ÓPTIMA se obtiene cuando el valor del costo sea mínimo para un conjunto
de valores factibles de las variables. Es decir hay que determinar las variables x1, x2,..., xn
que optimicen el valor de Z = f(x1, x2,..., xn) sujeto a restricciones de la forma g(x1, x2,...,
xn) ? b. Donde x1, x2,..., xn son las variables de decisión Z es la función objetivo, f es una
función matemática.

Que es una Variable de NO NEGATIVIDAD

Condiciones del modelo que estipulan que las variables de decisión deben tener sólo
valores no negativos (positivos o nulos).

Una solución factible.

Es aquella para la que todas las restricciones se satisfacen.

Una solución no factible.

Es una solución para la que al menos una restricción se viola.

La región factible.

Es la reunión de todas las soluciones factibles.

Dado que existen soluciones factibles, la meta de la programación lineal es encontrar una
solución factible que sea la mejor, medida por el valor de la función objetivo en el modelo.

Una solución óptima.

Es una solución factible que proporciona el valor más favorable de la función objetivo.

La mayor parte de los problemas tendrá nada más una solución óptima. Sin embargo,
también es posible tener más de una.

Otra posibilidad es que el problema no tenga soluciones óptimas, lo cual ocurre sólo si: 1)
no tiene soluciones factibles, o 2) las restricciones no impiden que el valor de la función
objetivo (Z) mejore indefinidamente en la dirección favorable (positiva o negativa). Este caso
se conoce como un problema con Z no acotada u objetivo no acotado.

Ahora se introducirá un tipo especial de soluciones factibles que tiene un papel

importante cuando el método simplex trata de encontrar una solución óptima

El Valor Más Favorable

Significa el valor más grande si la función objetivo debe maximizarse, o el valor más
pequeño si la función objetivo debe minimizarse.

9
 Una Solución Factible En Un Vértice (FEV)

Es una solución que se encuentra en una esquina de la región factible.

Las soluciones FEV también se conocen como puntos extremos o esquinas, pero
preferimos la terminología más sugerente de vértice.

Relación entre las soluciones óptimas y las soluciones FEV:

Considere cualquier problema de programación lineal con soluciones factibles y una

región factible acotada. El problema debe poseer soluciones FEV y al menos una solución
óptima. Además, la mejor solución FEV debe ser una solución óptima. Entonces, si un
problema tiene exactamente una solución óptima, ésta debe ser una solución FEV. Si el
problema tiene múltiples soluciones óptimas, al menos dos deben ser soluciones FEV

10
 CONCLUSIONES

La modelación es importante para resolver problemas del mundo real y es un área muy
atractiva para la ingeniería y las ciencias aplicadas. La representación de la realidad es una
necesidad que se debe suplir mediante la construcción de modelos que buscan reproducirla
de la manera más fiel posible, tratando de obtener respuestas que pueden esperarse de
ciertos eventos.

Los modelos de investigación de operaciones son frecuentemente usados para abordar

una gran variedad de problemas de naturaleza real en ingeniería y ciencias sociales,
permitiendo así encontrar una solución más fácil y oportuna.

11
 CITAS BIBLIOGRÁFICAS.

1.-Citas electrónicas:

phpsimplex [Documentos en línea]. Disponible: www.phpsimplex.com

http://www.phpsimplex.com/historia.htm

Julio Cesar Guillen Pérez [Documentos en línea]. Disponible: www.gestiopolis.com

https://www.gestiopolis.com/investigacion-de-operaciones-que-es-historia-y-metodologia/

Guillermo Westreicher [Documentos en línea]. Disponible: economipedia.com

https://economipedia.com/definiciones/programacion-lineal.html

KareennGhy Ortha [Documentos en línea]. Disponible: prezi.com

https://prezi.com/u5eopy9ygam5/investigacion-de-operaciones-en-informatica/

C'est la même chanson! [Documentos en línea]. Disponible:

lacienciadelaadministracion.blogspot.com

http://lacienciadelaadministracion.blogspot.com/2015/09/metodo-simplex.html

Ger Gon [Documentos en línea]. Disponible: www.monografias.com

https://www.monografias.com/trabajos97/investigacion-d-operaciones/investigacion-d-
operaciones.shtml

12