Tipos de modelos Icónico Analógicos Simbólicos o matemáticos MODELO ICONICO Es una

representación física de algunos objetos, ya sea en forma idealizada (bosquejos) o a escala

distinta. Ejemplo: •Planos y mapas (dos dimensiones). •Maquetas y prototipos (4
dimensiones). MODELO ANALÓGICO Puede representar situaciones dinámicas o cíclicas, son
mas usuales y pueden representar las características y propiedades del acontecimiento que se
estudia. Ejemplo: •Curvas de demanda. •Curvas de distribución de frecuencia en las
estadísticas y diagramas de flujo. MODELO SIMBOLICO O MATEMATICO Son representaciones
de la realidad en forma de cifras, símbolos matemáticos y funciones, para representar
variables de decisión y relaciones que nos permiten describir y analizar el comportamiento del
sistema. MODELO SIMBOLICO O MATEMATICO Tipos de Modelos Matemáticos 1.Cuantitativos
y cualitativos 2.Estándares y hechos a la medida 3.Probabilísticas y deterministicos
4.Descriptivos y de optimización 5.Estáticos y dinámicos 6.De simulación y no simulación
Modelo Cualitativo y Cuantitativo La mayor parte de los problemas de un negocio u
organización comienzan con un análisis y definición de un modelo cualitativo y se avanza
gradualmente hasta obtener un modelo cuantitativo. La investigación de operaciones se ocupa
de la sistematización de los modelos cualitativos y de su desarrollo hasta el punto en que
pueden cuantificarse. …Modelo Cualitativo y Cuantitativo Cuando es posible construir un
modelos matemático insertando símbolos para representar relaciones entre constantes y
variables estamos ante un modelo cuantitativo. Una ecuación es un modelo de este tipo. Las
formulas, las matrices, los diagramas o series de valores que se obtienen mediante procesos
matemáticos. Modelo Estándar Se llaman modelos estándar a los que solo hay que insertar o
sustituir diferentes valores con el fin de obtener un valor a una respuesta de un sistema y son
aplicables al mismo tipo de problemas en negocios afines. Ejemplo: •El calculo de costos o
gastos. •El calculo de las ganancias, etc. Modelos Hechos a la Medida Se llaman modelos
hechos a la medida cuando se crean modelos para resolver un caso de problema en especifico
que se ajusta únicamente a este problema. Modelo Probabilístico y Deterministico Los los
modelos que se basan en las probabilidades y estadísticas y que se ocupan de incertidumbres
futuras se llaman probabilísticas y los modelos que no tienen consideraciones probabilísticas
se llaman deterministicos el PERT, los inventarios, la programación lineal, enfocan su atención
en aquellas circunstancias que son criticas y en los que las cantidades son determinadas y
exactas. Modelo Descriptivo y de Optimización Cuando un modelo constituye sencillamente
una descripción matemática de una condición real del sistema se llama descriptivo. Algunos de
estos modelos se emplean para mostrar geográficamente una situación y ayudan al
observador a evaluar resultados por secciones una sobre otra. …Modelo Descriptivo y de
Optimización Puede obtenerse una solución, sin embargo, en este modelo solo se intenta
describir la situación y no escoger una alternativa. Cuando con la aplicación del modelo se llega
a una solución optima de acuerdo con los criterios de entrada, se trata de un modelo de
optimización. Modelo Estático y Dinámico Los modelos estáticos se ocupan de determinar una
respuesta para una serie especial de condiciones fijas que probablemente no cambiaran
significativamente a corto plazo es decir, la solución esta basada en una condición estática. …
Modelo Estático y Dinámico Un modelo dinámico por el contrario esta sujeto al factor tiempo
que desempeña un papel esencial en la secuencia de las decisiones, independientemente de
cuales hayan sido las decisiones anteriores. A la programación dinámica pertenecen estos
modelos. Modelos Simulados y NoSimulados Con el uso de la computadora es fácil preparar un
modelo simulado paso por paso donde se puede reproducir el funcionamiento de sistemas o
problemas de gran escala. En un modelos de simulación los datos de entrada pueden ser reales
o generados en forma aleatoria. …Modelos Simulados y No-Simulados Los modelos que no se
prestan para usar datos empíricos o simulados en forma aleatoria son modelos no simulados
como los de optimización o los creados a la medida. Referencias Bibliográficas "Investigación
de Operaciones". Hamdy A. Taha. Quinta edición. Alfaomega.
I.2 TIPOS DE MODELOS DE INVESTIGACION DE OPERACIONES

Un modelo es una representación ideal de un sistema y la forma en que este opera. El objetivo
es analizar el comportamiento del sistema o bien predecir su comportamiento futuro.
Obviamente los modelos no son tan complejos como el sistema mismo, de tal manera que se
hacen las suposiciones y restricciones necesarias para representar las porciones más
relevantes del mismo. Claramente no habría ventaja alguna de utilizar modelos si estos no
simplificaran la situación real. En muchos casos podemos utilizar modelos matemáticos que,
mediante letras, números y operaciones, representan variables, magnitudes y sus relaciones.

Fig.1.2: Representación de un modelo

1. Modelos Matemáticos

Un modelo 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.  Un modelo matemático consta al menos de
tres conjuntos básicos de elementos:

 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. 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.

EJEMPLO 1.2.1: Sean X1 y X2 la cantidad a producirse de dos productos 1 y 2, los parámetros

son los costos de producción de ambos productos, $3 para el producto 1 y $5 para el producto
2. Si el tiempo total de producción esta restringido a 500 horas y el tiempo de producción es de
8 horas por unidad para el producto 1 y de 7 horas por unidad para el producto 2, entonces
podemos representar el modelo como: 

MinZ = 3X1 + 5X2 (Costo total de Producción)

Sujeto a (S.A):

8X1 + 7X2 ?  500 (Tiempo total de producción)

X1, X2>= 0 (Restricciones de no negatividad)

EJEMPLO 1.2.2: En una empresa se fabrican dos productos, cada producto debe pasar por
una máquina de ensamblaje A y otra de terminado B,antes antes de salir a la venta.El producto
1 se vende a $60 y el otro a $50 por unidad. La siguiente tabla muestra el tiempo requerido por
cada producto:

Producto Maquina A Maquina B

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.

 PROGRAMACION LINEAL
II.1 INTRODUCCION A LA PROGRAMACION LINEAL

1. INTRODUCION

La programación Lineal (PL) es una técnica de modelado matemático, diseñada para optimizar

el empleo de recursos limitados. La programación lineal se aplica exitosamente en el ejercito,
en la agricultura, la industria, los transportes, la economía, los sistemas de salud, en el ejercito
e incluso en los sistemas conductuales y sociales.

La utilidad de esta técnica se incrementa mediante el uso y disponibilidad

de programas de computadora altamente eficientes. De hecho la PL, debido a su alto nivel
de eficiencia computacional, es la base para el desarrollo de algoritmos de solución de otros
tipos (más complejos) de modelos de IO, incluyendo la programación entera, no lineal y
estocástica.
 PROGRAMACION LINEAL
II.1 INTRODUCCION A LA PROGRAMACION LINEAL

1. INTRODUCION

La programación Lineal (PL) es una técnica de modelado matemático, diseñada para optimizar

el empleo de recursos limitados. La programación lineal se aplica exitosamente en el ejercito,
en la agricultura, la industria, los transportes, la economía, los sistemas de salud, en el ejercito
e incluso en los sistemas conductuales y sociales.

La utilidad de esta técnica se incrementa mediante el uso y disponibilidad

de programas de computadora altamente eficientes. De hecho la PL, debido a su alto nivel
de eficiencia computacional, es la base para el desarrollo de algoritmos de solución de otros
tipos (más complejos) de modelos de IO, incluyendo la programación entera, no lineal y
estocástica.

Para qué sirve la investigacion de operaciones

La investigación de operaciones se puede definir como la aplicación del método
científico en la solución de problemas en las empresas, cuyo enfoque es la modelación, es
decir, crea modelos para representar los problemas y utiliza diferentes técnicas, como la
programación lineal y el análisis de decisiones, para ...
La investigación de operaciones proporciona modelos y técnicas con los cuales se
procesan datos y se generan resultados que brindan una aproximación para la solución
de un problema práctico, cómo cuánto producir y dónde hacerlo.
La investigación de operaciones comprende un conjunto de métodos matemáticos,
sistemáticos que bajo una metodología concreta modelan un sistema productivo y
generan resultados numéricos en apoyo a la toma de decisiones.
Presentamos el concepto de la investigación de operaciones, su historia, parte de las
herramientas que comprende y su aplicación en la toma de decisiones empresariales.

Qué es un árbol de decisión?

Un árbol de decisión es un mapa de los posibles resultados de
una serie de decisiones relacionadas. Permite que un individuo
o una organización comparen posibles acciones entre sí según
sus costos, probabilidades y beneficios. Se pueden usar para
dirigir un intercambio de ideas informal o trazar un algoritmo
que anticipe matemáticamente la mejor opción.

Un árbol de decisión, por lo general, comienza con un único

nodo y luego se ramifica en resultados posibles. Cada uno de
esos resultados crea nodos adicionales, que se ramifican en
otras posibilidades. Esto le da una forma similar a la de un árbol.

Hay tres tipos diferentes de nodos: nodos de probabilidad,

nodos de decisión y nodos terminales. Un nodo de
probabilidad, representado con un círculo, muestra las
probabilidades de ciertos resultados. Un nodo de decisión,
representado con un cuadrado, muestra una decisión que se
tomará, y un nodo terminal muestra el resultado definitivo de
una ruta de decisión.

Los árboles de decisión también se pueden dibujar

con símbolos de diagramas de flujo,que a algunas personas les
parecen más fáciles de leer y comprender.

Símbolos de los árboles de decisión