Tipos de modelos de I.

O
Los diferentes tipos de modelos de I.O son:
1. Modelo simbólico o matemático
2. Modelo de simulación
3. Modelo Heurística

Modelo simbólico o matemático. Es el tipo de modelo más importante de la I.O. Al

formular este tipo de modelo uno supone que todas las variables relevantes son
cuantificables. Por consiguiente los símbolos matemáticos se utilizan para representar
variables las cuales están relacionadas con las funciones matemáticas para poder descubrir
el comportamiento de un sistema. Lográndose la solución del modelo por una manipulación
matemática apropiada.

Modelo de simulación.Los modelos de simulación imitan el comportamiento de sistema

sobre un periodo. Esto se logra especificando ciertos eventos los cuales son puntos en el
tiempo en donde se ocurrencia significa que puede recolectarse su información la cual
pertenece al comportamiento de este sistema siendo está muy importante.Los modelos de
simulación no necesitan funciones matemáticas para realizar variables, usualmente es
posible simular sistemas complejos que no pueden modelarse o resolverse
matemáticamente. La principal falla de la simulación consiste en que el análisis es
equivalente a realizar experimentos y estar sujeto a errores experimentales.

Modelo Heurístico.Este modelo heurístico de solución descansa en las reglas empíricas o

intuitivas, las cuales dan una solución actual al modelo permitiendo determinar una solución
mejorada. Actualmente los métodos heurísticos son procedimiento de búsqueda que pasan
inteligentemente de un punto de solución a otro con el objetivo de mejorar el criterio de este
modelo. Cuando ninguna mejora adicional puede lograrse la mejor solución que se haya
obtenido es la solución aproximada al modelo.

Fases de estudio de la I.O

Las fases de estudio de la I.O son las siguientes:

Definición del problema: desde el punto de vista de la I.O nos indica 3 aspectos principales
que son:

a) Una descripción de la meta u objetivo del estudio

b) Una identificación de las alternativas de decisión
c) Un reconocimiento de las limitaciones y restricciones como los requisitos del sistema.

Una descripción del objetivo del estudio debe reflejar una representación aproximada del
interés total del sistema, una falla común en este aspecto es identificar algunas metas
representando solamente una porción del sistema.

Construcción del modelo: dependiendo de la definición del problema, el equipo de I.O

deberá decidir el modelo más adecuado para representar el sistema. Tal modelo deberá
especificar expresiones cuantitativas para el objetivo y restricciones del problema. Si el
modelo resultante se ajusta a uno de los modelos matemáticos comunes para obtenerse
una solución conveniente mediante técnicas matemáticas. Si las relaciones matemáticas de
modelos son demasiado complejas para permitir soluciones y puede ser apropiado un
modelo de simulación.

Solución del modelo: en modelos matemáticos se logra una solución utilizando técnicas
de optimización y se dice que este modelo proporcionara una solución óptima si se utiliza
los modelos de simulación y heurísticos, el concepto de optimización no está también
definido y la solución en estos casos se emplea para obtener evaluaciones aproximadas.

Además de la solución del modelo se debe asegurar información adicional sobre el

comportamiento de la solución debida a cambios en los parámetros del sistema.
Usualmente esto se conoce como análisis de sensibilidad. Tal análisis es especialmente
necesario cuando los parámetros del sistema no pueden estimarse aproximadamente.

Validación del modelo: un modelo es válido si independientemente de sus inexactitudes al

representar el sistema puede dar una predicción confiable del funcionamiento del sistema.
Un método común para probar la validez de un modelo es comparar su funcionamiento con
algunos datos pasados con los disponibles del sistema actual. El modelo será válido si bajo
condiciones similares de entrada puede reproducir el funcionamiento pasado del sistema.

Implantación de los resultados finales: esto implicaría básicamente la traducción de

estos resultados en instrucciones de operaciones detalladas y emitidas en forma
comprensible a los individuos que administran y operan el sistema.

Aplicaciones de la Investigación de Operaciones. La aplicación de la I.O ha crecido

rápidamente principalmente por tener mejores conocimientos de esta metodología. La
creciente complejidad de los problemas que se presentan cotidianamente, se tiene la
necesidad de utilizar un software y desarrollo de nuevos y mejores algoritmos.
.
A continuación tenemos un listado de las diferentes aplicaciones de la I.O

1. Optimización de las operaciones de producción para cumplir con la finalidad de un costo

mínimo.
2. La optimización del corte de árboles en productos de madera maximizando su
producción.
3. Asignación óptima de recursos hidráulicos térmicos en el sistema nacional de generación
de energía.
4. Programación de turnos de trabajo en oficinas de reservaciones y aeropuertos para
cumplir con las necesidades del cliente.
5. Optimización de las operaciones de distribución y comercialización de un
producto.
6. Optimización de la inversión del capital para producir gas natural durante 20 años.
7. Administración de inventarios de petróleo y carbón para el sector eléctrico con la finalidad
de equilibrar los costos de inventarios.
8. Optimización de la programación y asignación de los sistemas computarizados.
9. Optimización de la mezcla de ingredientes disponibles para que los productos de gasolina
cumplieran con los requerimientos de venta y calidad.
10. Rapidez en la coordinación de aviones, tripulación, carga y pasajeros para
manejar la evacuación por aire de proyectos militares.