Investigación de Operaciones

1. Metodología de la investigación de operaciones

La investigación de operaciones es la disciplina de aplicar métodos analíticos avanzados,

para ayudar a tomar las decisiones m as acertadas. Usando técnicas como modelos
matemáticos para analizar situaciones complejas, la investigación de operaciones da a
ejecutivos el poder de tomar decisiones más eficaces y de construir sistemas más productivos.

La IO atrae ideas de la ingeniería, de la administración, de las matemáticas y de la

psicología para contribuir con una amplia variedad de dominios de aplicación; el campo se
relaciona de cerca con otros campos “dentro de las ciencias decisionales”. La IO es ejecutada
por un equipo multidisciplinario donde por medio de modelos matemáticos se representa la
esencia del problema y con ello se establezcan las soluciones mas oportunas.

2. Fases de estudio de la investigación de operaciones

a. Formulación y definición del problema: en esta fase del proceso se necesita una
descripción de los objetivos del sistema, es decir, que se desea optimizar, identificar las
variables implicadas, ya sean controlables o no; determinar las restricciones del sistema. Y
tener presente las posibles alternativas de solución y las restricciones para producir una
solución adecuada
b. Construcción del modelo: en esta fase el investigador de operaciones debe definir el
modelo a utilizar para representar el sistema. Debe ser un modelo tal que relacione a las
variables de decisión, con los parámetros y restricciones del sistema
c. Solución del modelo: una vez que se tiene el modelo, se procede a derivar una solución
matemática, empleando las diversas técnicas y métodos matemáticos para resolver el
problema y ecuaciones. Debemos tener en cuenta que las soluciones que se obtienen en
este punto del proceso, son matemáticas y debemos interpretarlas en el mundo real
d. Validación del modelo: la validación de un modelo requiere que se determine si dicho
modelo puede predecir con certeza el comportamiento del sistema. Un método común
para probar la validez del modelo es someterlo a datos pasados disponibles del sistema
actual y observar si produce las situaciones pasadas del sistema
e. Implementación de resultados: una vez que se obtienen las soluciones del modelo, el
siguiente y último paso del proceso es interpretar esos resultados y dar soluciones y
cursos de acciones para la optimización del sistema

Tipos de modelos:

Icónicos: Representación física de algunos objetos, ya sea en forma idealizada (bosquejo) o

escala distinta, por ejemplo, planos y mapas; y también como maquetas y prototipos
Analógicos: representa situaciones dinámicas o cíclicas son mas usuales y pueden
representar las características y propiedades del acontecimiento que se estudia por
 ejemplo: curvas de demanda, curvas de distribución de frecuencia en las estadísticas y
diagramas de flujos
Simbólicos o matemáticos:

3. Modelo matemático,

Son representaciones de la realidad en forma de cifras símbolos matemáticos y funciones

(ecuaciones o inecuaciones), para representar variables de decisión y aquellas relaciones que
nos permitan describir y analizar el comportamiento del sistema, las variables son la
representación de las diferentes posibilidades de un conjunto de datos y estos datos en su
origen pueden ser de tipo determinísticos o estocásticos

a. Forma general de un modelo matemático

Las variables y parámetros de decisión establecen la forma general de un modelo matemático,

donde son del tipo incógnitas que pueden resolverse a través del modelo, los parámetros son los
valores conocidos que generan las variables de decisión, con la restricción y función de objetivos,
los parámetros pueden ser determinísticos o probabilísticos

b. Restricciones

Para tener en cuenta las limitaciones tecnológicas, económicas y otras del sistema el modelo
debe incluir restricciones implícitas o explicitas que restrinjan las variables de decisión a un rango
de valores factibles

c. Función Objetivo

Define la medida de efectividad del sistema como una función matemática de las variables de
decisión. La solución óptima será aquella que produzca el mejor valor de la función objetivo, sujeta
a las restricciones. La meta es identificar el mejor curso de acción posible aun cuando este deba
interpretarse con todo el cuidado