1ra Tarea de Investigación de Teoría de Decisiones

Capitulo 1 y 2 del libro Investigación de operaciones

Darianna Cruz De La Rosa 2019-0261
Profesor: Rafael Antonio Fernández
¿Qué es la investigación de operaciones?
La investigación de operaciones también conocida como teoría de la toma
de decisiones, es una rama de la ingeniería industrial. También tiene
relación con la ingeniería en sistemas y la investigación en todas sus
ramas. Consiste en el uso de modelos matemáticos, estadísticos y
algoritmos.
Su objetivo es realizar la toma de decisiones, con la finalidad de mejorar y
optimizar el funcionamiento de los procesos.
Para la integración de equipos debe incluirse personal con intereses firmes
en: matemáticas, estadísticas, teoría de la probabilidad, economía,
administración de empresas, computación e ingeniería.
Dentro de una Empresa la Investigación de Operaciones se aplica en las
áreas de: producción, marketing, compras, manufactura y contabilidad.
Las primeras actividades formales de investigación de operaciones se
dieron en Inglaterra durante la Segunda Guerra Mundial, cuando se
encomendó a un equipo de científicos ingleses la toma de decisiones
acerca de la mejor utilización de materiales bélicos. Al término de la
guerra, las ideas formuladas en operaciones militares fueron adaptadas
para mejorar la eficiencia y la productividad en el sector civil. Hoy en día,
la investigación de operaciones es una herramienta dominante e
indispensable para tomar decisiones. Un elemento principal de la
investigación de operaciones es el modelado matemático. Aunque la
solución del modelo matemático establece una base para tomar una
decisión, se deben tener en cuenta factores intangibles o no
cuantificables, por ejemplo el comportamiento humano, para poder llegar
a una decisión final.
El término IO se utiliza por primera vez en el año 1939 durante la 2da
Guerra Mundial, específicamente cuando surge la necesidad de investigar
las operaciones tácticas y estratégicas de la defensa aérea, ante la
incorporación de un nuevo radar, en oportunidad de los ataques alemanes
a Gran Bretaña. El avance acelerado de la tecnología militar hace que los
ejecutivos y administradores militares británicos deban recurrir a los
científicos, en pos de apoyo y orientación en la planificación de su
defensa. El éxito de un pequeño grupo de científicos que trabajaron en
conjunto con el ejecutivo militar a cargo de las operaciones en la “línea”,
derivó en una mayor demanda de sus servicios y la extensión del uso de la
metodología a USA, Canadá y Francia entre otros.
MODELOS DE INVESTIGACIÓN DE OPERACIONES
Tipos de modelos: Icónico Analógicos Simbólicos o matemáticos
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.
SOLUCIÓN DEL MODELO DE INVESTIGACIÓN DE OPERACIONES
En la investigación de operaciones no se tiene una sola técnica general
con la que se resuelvan todos los modelos matemáticos que surgen en la
práctica. En lugar de ello, la clase y la complejidad del modelo matemático
determina la naturaleza del método de solución. Por ejemplo, en la
sección 1.1, la solución del problema de los boletos requiere una
clasificación sencilla de las alternativas, basada en el precio de compra
total, mientras que la solución del problema del rectángulo usa cálculo
diferencial para determinar el área máxima. La técnica más importante de
investigación de operaciones es la programación lineal. Se diseña para
modelos con funciones objetivo y restricciones estrictamente lineales. Hay
otras técnicas, como la programación entera, en la que las variables
toman valores enteros; la programación dinámica, en la que el modelo
original se puede descomponer en subproblemas más pequeños; la
programación de red, en la que el problema se puede modelar como una
red, y la programación no lineal, en la que las funciones del modelo son no
lineales. Las técnicas mencionadas no son más que una lista parcial de la
gran cantidad de herramientas disponibles en la investigación de
operaciones.
MODELOS DE COLAS Y SIMULACIÓN
Las colas o líneas de espera, y la simulación, tratan de estudiar las líneas
de espera. No son técnicas de optimización; más bien determinan medidas
de eficiencia de las líneas de espera, como pueden ser el tiempo promedio
de espera en la cola, tiempo promedio para el servicio y la utilización de
las instalaciones de servicio. Los modelos de colas usan a su vez modelos
de probabilidad y estocásticos para analizar las líneas de espera, y la
simulación estima las medidas de eficiencia al imitar el comportamiento
del sistema en la realidad. En cierto modo, se puede considerar que la
simulación es casi lo mejor para observar un sistema real. La diferencia
principal entre colas y simulación es que los modelos de colas sólo son
matemáticos, y en consecuencia, están sujetos a hipótesis específicas que
limitan el alcance de la aplicación. Por otro lado, la simulación es flexible y
con ella se puede analizar prácticamente cualquier caso de colas.
EL ARTE DEL MODELADO:
Los modelos ilustrativos que se desarrollaron en la sección 1.1 son
representaciones exactas de los casos reales, porque no se usan
aproximaciones. Esto es raro en la investigación de operaciones, porque la
mayor parte de las aplicaciones suelen implicar diversos grados de
aproximación. La figura 1.1 ilustra los niveles de abstracción que
caracterizan al desarrollo de un modelo en investigación de operaciones.
El mundo real supuesto se abstrae del caso real, concentrándolo en las
variables principales que controlan el comportamiento del sistema real. El
modelo, como es una abstracción del mundo real supuesto, expresa en
una forma adecuada las funciones matemáticas que representan el
comportamiento del sistema supuesto.
MÁS QUE SÓLO MATEMÁTICAS
Debido a la naturaleza matemática de los modelos de investigación de
operaciones, hay una tendencia a pensar que un estudio de investigación
de operaciones siempre tiene en su raíz al análisis matemático. Aunque las
matemáticas son esenciales en la investigación de operaciones, no debe
uno recurrir de inmediato a los modelos matemáticos, sino hasta después
de haber investigado métodos más sencillos. En algunos casos se podrá
encontrar una solución “de sentido común” mediante observaciones
sencillas.
FASES DE UN ESTUDIO DE INVESTIGACIÓN DE OPERACIONES
Un estudio de investigación de operaciones se basa en la labor de equipo,
donde los analistas de investigación de operaciones y el cliente trabajan
hombro con hombro. Los analistas, con sus conocimientos de modelado,
deben complementarse con la experiencia y la cooperación del cliente
para quien hacen el estudio.
Las fases principales de la implementación de la investigación de
operaciones en la práctica comprenden:
1. La definición del problema.
2. La construcción del modelo.
3. La solución del modelo.
4. La validación del modelo.
5. La implementación de la solución.

La definición del problema: implica definir el alcance del problema que se

investiga. Es una función que se debe hacer entre todo el equipo de
investigación de operaciones. Su resultado final será identificar tres
elementos principales del problema de decisión, que son: 1) la descripción
de las alternativas de decisión; 2) la determinación del objetivo del
estudio, y 3) la especificación de las limitaciones bajo las cuales funciona el
sistema modelado.
La construcción del modelo: implica traducir la definición del problema a
relaciones matemáticas. Si el modelo que resulte se ajusta a uno de los
modelos matemáticos normales, como puede ser la programación lineal,
se puede llegar a una solución empleando los algoritmos disponibles. En
forma alternativa, si las relaciones matemáticas son demasiado complejas
como para permitir el cálculo de una solución analítica, puede ser que el
equipo de investigación de operaciones opte por simplificar el modelo y
usar un método heurístico, o que el equipo pueda recurrir al uso de una
simulación, si es aproximada. En algunos casos se podrá necesitar una
combinación de modelos matemáticos, de simulación y heurísticos para
resolver el problema de decisiones.
La solución del modelo: es, con mucho, la fase más sencilla de todas las de
la investigación de operaciones, porque supone el uso de algoritmos bien
definidos de optimización. Un aspecto importante de la fase de solución
del modelo es el análisis de sensibilidad. Tiene que ver con la obtención de
información adicional sobre el comportamiento de la solución óptima
cuando el modelo sufre ciertos cambios de parámetros. Se necesita en
especial el análisis de sensibilidad cuando no se pueden estimar con
exactitud los parámetros del modelo. En esos casos es importante
estudiar el comportamiento de la solución óptima en las proximidades de
los parámetros estimados.
La validación del modelo: comprueba si el modelo propuesto hace lo que
se quiere que haga, esto es, ¿predice el modelo en forma adecuada el
comportamiento del sistema que se estudia? Al principio, el equipo de
investigación de operaciones se debe convencer que el resultado del
modelo no incluya “sorpresas”. En otras palabras, ¿tiene sentido la
solución? ¿Se pueden aceptar intuitivamente los resultados? Desde el lado
formal, un método frecuente para comprobar la validez de un modelo es
comparar su resultado con datos históricos. El modelo es válido si, bajo
condiciones de datos semejantes, reproduce el funcionamiento en el
pasado.

Introducción a la programación lineal

La programación lineal se aplica a modelos de optimización en los que las
funciones objetivo y restricción son estrictamente lineales. La técnica se
aplica en una amplia variedad de casos, en los campos de agricultura,
industria, transporte, economía, salud, ciencias sociales y de la conducta, y
militar. También produce algoritmos eficientes de cómputo para
problemas con miles de restricciones y variables. En realidad, debido a su
tremenda eficiencia de cálculo, la programación lineal forma la columna
vertebral de los algoritmos de solución para otros modelos de
investigación de operaciones, como las programaciones entera,
estocástica y no lineal.
MODELO DE PROGRAMACIÓN LINEAL CON DOS VARIABLES

Básicamente, un modelo de programación lineal de 2 variables es el que

se nos presenta cuando queremos optimizar un proceso en el cual están
inmiscuidos 2 factores los cuales influyen directamente en los resultados
de estudio.

Por ejemplo: Si queremos realizar una investigación para maximizar las

ganancias de una fábrica de computadoras en la cual existen 2 líneas de
fabricación una para fabricar laptops y otra para PC de escritorio y los
costos de fabricación y valores de venta de las mismas son diferentes,
entonces estaremos en presencia de un Modelo de Programación Lineal
de 2 variables donde una se referiría a las producción de laptops y otra a
la producción de PC de escritorio, ya que en dependencia de las
restricciones y lo que se quiere obtener como resultado podría decidirse
sobre cuáles son las cantidades de uno u otro tipo de computadora que
sería más factible producir para logar el resultado deseado.

SOLUCIÓN GRÁFICA DE LA PROGRAMACIÓN LINEAL

El procedimiento de solución gráfica comprende dos pasos:
1. Determinación del espacio de soluciones que define todas las
soluciones factibles del modelo.
2. Determinación de la solución óptima, entre todos los puntos factibles
del espacio de soluciones.
Solución de un modelo de minimización:
Se trata de disminuir o reducir a su grado mínimo una variable. Por
ejemplo, si las variables del estudio son tiempo de producción o esfuerzo,
entre menos tiempo se demore la producción de un producto más
productos pueden ser fabricados diariamente por lo que en este
caso minimizar será una función objetiva válida.

Solución gráfica con TORA:

El diseño del programa TORA le permite usarlo en modo tutorial o en
modo automático (o si lo desea, una combinación de los dos). Se maneja
con menús, y en consecuencia no requiere un manual del usuario. Sin
embargo, para su comodidad, se presenta una introducción a TORA en el
apéndice C. La solución gráfica de problemas de programación lineal con
TORA requiere los pasos siguientes:
1. Seleccione (programación lineal) del menú (menú principal).
2. Especifique el modo de captura (archivo existente o problema
nuevo) y el formato de captura.
3. En problemas nuevos, use la tabla de captura para ingresar los datos.
4. Oprima (menú resolver).
5. Seleccione (resolver gráfico) del menú (resolver/modificar). 6.
Especifique el formato del resultado y a continuación oprima (ir a la
pantalla de resultados). 7. El modelo de programación lineal se grafica
y se resuelve.

ANÁLISIS GRÁFICO DE SENSIBILIDAD:

Un modelo de programación lineal es una foto instantánea de una
situación real en la que los parámetros del modelo (coeficientes de la
función objetivo y de las restricciones) asumen valores estáticos. Para
aumentar la aplicación de la programación lineal en la práctica, se
necesita agregar una dimensión dinámica que investigue el impacto
que tiene hacer cambios en los parámetros del modelo (coeficientes de
la función objetivo y de las restricciones) sobre la solución óptima. A
este proceso se le llama análisis de sensibilidad, porque estudia la
sensibilidad de la solución óptima respecto a los cambios que se hagan
en el modelo.
Cambios en los coeficientes de la función objetivo :
La función objetivo en general en un problema de programación lineal
con dos variables se puede escribir como sigue:

Maximizar o minimizar
Los cambios de los coeficientes c1 y c2 harán cambiar la pendiente de z
y en consecuencia, posiblemente, el punto de esquina óptimo (véase
una ilustración en la figura 2.1). Sin embargo, hay un intervalo de
variación, tanto para c1 como para c2, dentro del cual el óptimo del
momento permanece sin cambio. En forma específica nos interesa
determinar el intervalo de optimalidad de la relación donde se
mantenga sin cambio la solución óptima del momento. En el siguiente
ejemplo se ilustra el procedimiento.

Cambio en disponibilidad de recursos:

En los modelos de programación lineal, las restricciones representan el
uso de recursos limitados, ya sea en forma directa o indirecta. En este
caso, se puede imaginar que el lado derecho representa límites de
disponibilidad de los recursos. En esta sección se investigará la
sensibilidad de la solución óptima a cambios en la cantidad de los
recursos disponibles.
ANÁLISIS DE MODELOS SELECCIONADOS DE PROGRAMACIÓN LINEAL:
En esta sección se presentan modelos de programas lineales más
realistas, en los que la definición de las variables y la construcción de la
función objetivo y las restricciones no son tan directas como en el caso
del modelo con dos variables (Sección 2.1). Además, los resultados de
TORA para cada modelo, parecidos a los que se presentaron en la
sección 2.4.1, permitirán interpretar detenidamente los resultados.
Estas interpretaciones se basan en resultados parecidos a los que se
obtienen en paquetes comerciales, como LINGO y AMPL.