Definición y ámbito de io

Uso de modelos en io

Tipos de modelos utilizados en io

Fases de un estudio en io

Qué es la Investigación de
Operaciones
La Investigación de Operaciones o Investigación Operativa (en
inglés OR u Operations Research) es una disciplina que consiste en la aplicación de
métodos analíticos avanzados con el propósito de apoyar el proceso de toma de
decisiones, identificando los mejores cursos de acción posibles.

En este contexto la Investigación de Operaciones utiliza técnicas de

modelamiento matemático, análisis estadístico y optimización matemática, con el
objetivo de alcanzar soluciones óptimas o cercanas a ellas cuando se enfrentan
problemas de decisión complejos. Se espera que las decisiones alcanzadas
mediante el uso de un modelo de investigación operativa sean significativamente
mejores en comparación a aquellas decisiones que se podrían tomar haciendo uso
de la simple intuición o experiencia del tomador de decisiones. Lo anterior es
particularmente cierto en aquellos problemas de naturaleza real complejos, que
consideran cientos, incluso miles de variables de decisión y restricciones.

La Investigación de Operaciones se complementa con otras disciplinas como la

Ingeniería Industrial y la Gestión de Operaciones. En términos estrictos un
modelo de optimización considera una función objetivo en una o varias variables
que se desea maximizar (por ejemplo el ingreso o beneficio asociado a un plan de
producción) o por el contrario minimizar (por ejemplo los costos de una firma, el
riesgo asociado a una decisión, la pérdida de un alternativa, etc). Los valores que
pueden adoptar las variables de decisión usualmente están restringidos por
restricciones que adoptan la forma de ecuaciones y/o inecuaciones que buscan
representar las limitantes asociadas a la problemática.

El enfoque de la Investigación de Operaciones es el modelaje. Un modelo es una

herramienta analítica que nos sirve para lograr una visión bien estructurada de la
realidad. Así, el propósito del modelo es proporcionar un medio para analizar el
comportamiento de las componentes de un sistema con el fin de optimizar su
desempeño (identificar el mejor curso de acción posible).
Una visión esquemática del proceso asociado a la construcción de un modelo de
optimización se presenta a continuación:

1. Definición del problema: Se debe definir el problema para el cual se busca

proponer un curso de acción. ¿Es un problema relevante? ¿es posible tomar
una buena decisión sin la necesidad de resolver un modelo de optimización?
¿cuáles son sus alcances? ¿cuáles son los factores que influyen en el desempeño del
sistema?, etc. La calidad del modelo de optimización dependerá en gran parte de la
asertividad en la definición del problema de decisión.

2. Construcción de un modelo: Un modelo de optimización considera

necesariamente una abstracción o simplificación de la realidad. Por un lado se
busca que el modelo sea representativo del problema real que se busca representar
pero que al mismo tiempo sea simple de modo de favorecer su resolución haciendo
uso de un algoritmo ad-hoc. Alcanzar este equilibrio no es trivial. Por ello ante un
mismo problema puede existir más de un modelo de optimización que lo
represente con distintos niveles de detalle y abstracción.

3. Solución del modelo: Una vez construido el modelo de optimización se deben

identificar las alternativas de resolución para el mismo. Para ello se puede hacer
uso de programas computacionales que utilizan algoritmos de resolución
específicos dependiendo de las características del modelo. Por ejemplo, para
resolver un problema de Programación Lineal (las variables de decisión se
representan como funciones lineales tanto en la función objetivo como
restricciones) se puede utilizar el Método Simplex.

4. Validación: Se verifica que la solución alcanzada cumpla con las condiciones

(restricciones) impuestas al problema.

5. Implementación y control de la solución: Una vez verificada la solución

se procede a su implementación. Cabe destacar que esto puede lugar a
actualizaciones del modelo de optimización tanto en términos del modelo como el
valor de los parámetros estimados. Por ejemplo, si el modelo de optimización
corresponde a un Plan Maestro de la Producción (PMP) y se genera un
cambio en el valor de la hora hombre de los trabajadores será necesario actualizar
el valor del parámetro que representa dicho costo para posteriores instancias de
resolución.

En la actualidad el uso de modelos de optimización es cada vez más frecuente en la

toma de decisiones. Este mayor uso se explica, principalmente, por un mejor
conocimiento de estas metodología en las diferentes disciplinas, la creciente
complejidad de los problemas que se desea resolver, la mayor disponibilidad de
software y el desarrollo de nuevos y mejores algoritmos de solución.

Investigación de operaciones
Redactado por: Myriam Quiroa

Revisado por: José Francisco López

Actualizado el 1 octubre 2020

La investigación de operaciones es una rama de las matemáticas que se vale de

modelos, análisis estadístico y algoritmos para tomar decisiones operativas.

La investigación de operaciones es también conocida como la ciencia de la

administración, porque se convierte en la ciencia que ayuda a la empresa a tomar
decisiones importantes

Ciertamente, toda empresa tiene que estar tomando decisiones continuamente,

por ello la investigación de operaciones ayuda a tomar decisiones en todos los
procesos administrativos. Dentro de estos procesos nos pueden ayudar en la
planeación, la organización, la integración, la dirección y el control de todas sus
tareas y actividades.

Además, es considerada una ciencia porque aplica el método científico y

los modelos matemáticos. Con ella se pueden solucionar problemas complejos
que afectan a una organización. Es usada en la toma de decisiones administrativas
tomando variables que puedan resultar significativas para predecir y comparar
resultados, decisiones, estrategias y controles implementados.

Sólo el 2% de la población sabe lo que quiere y cómo lo va a conseguir ¿y tú?

Tu dinero = tu tiempo + tu talento. A lo último, te ayudamos nosotros.

Mejora tu conocimiento en finanzas aprendiendo de los mejores profesionales, con
cursos efectivos y entretenidos.

Ver cursos

Investigación de
operaciones

Origen de la investigación de operaciones

Para empezar, se inicia en la primera década del siglo XX, el auge de su desarrollo
se produce después de la Segunda Guerra Mundial. Dado que en ese tiempo se
buscaba encontrar soluciones a problemas que enfrentaba el sistema militar. Sobre
todo, se enfocaban en resolver el problema de las entradas y salidas. Es decir, se
esperaba minimizar las entradas y maximizar las salidas.

En general, las industrias de producción masiva habían alcanzado un gran impulso

y funcionaban bajo el fordismo. Mientras el mercado presentaba
una demanda muy alta, empezaron a aplicar una serie de técnicas matemáticas
que ayudaban a darle solución a los problemas y las restricciones que afectaban a
las empresas. Lo que tuvo una gran aceptación especialmente en el campo
económico, provocando su amplia difusión.
El método simplex

De manera similar, las primeras aplicaciones de la investigación de operaciones se

dieron para generar tácticas y estrategias durante la Segunda Guerra Mundial. Para
el año 1950 ya se introduce en el gobierno, la industria y los negocios el método
simplex. Buscando solucionar problemas de programación lineal.

De hecho, el método simplex fue creado por George Dantzig en 1947 y aplicado de
forma general y universal hasta el año 1980. Puesto que en ese momento aparecen
las computadoras.

A partir de ese momento la investigación de operaciones ha sido usada por las

empresas para resolver problemas de optimización de recursos y problemas del
ámbito laboral. Es decir que aplican métodos científicos, procedimientos y técnicas
matemáticas. También se puede utilizar el análisis estadístico para observar las
áreas o funciones que puedan resultar problemáticas, analizar las estrategias y
proponer una solución.

Principales aplicaciones de la investigación de operaciones

Entre algunas de las principales aplicaciones de la investigación de operaciones

encontramos:

1. Recurso humanos

En todo caso, puede usarse para ver el impacto del proceso de la automatización y
la reducción de costos, en el proceso de reclutamiento de personal, la asignación
de tareas y funciones al personal. Así como el uso de incentivos para el proceso de
producción.

2. Proceso de mercado y distribución

También cuando una empresa espera desarrollar e introducir un nuevo producto

al mercado. O bien, realizar pronósticos sobre la demanda, la ubicación de
centros de distribución y analizar la situación competitiva.

3. Proceso de producción

Por supuesto es usada en el proceso de planificación y el control de la

producción. La combinación de los factores de producción, la localización y el
tamaño de la planta de producción. De la misma forma para el control de calidad.
4. Compra de materiales

Es usada para determinar las cantidades de material requeridos. Ejemplo de ello

son las fuentes de suministro y sustitución de insumos, el reemplazo de equipos y
máquinas, los costos fijos y variables.

5. Contabilidad y finanzas

Adicionalmente se utiliza para analizar el capital requerido. Considerando las

inversiones alternativas, el análisis del flujo de caja, manejo de reclamaciones y la
seguridad en el manejo de los datos.

Investigación de
operaciones
Aplicaciones

Para concluir, podemos afirmar que la investigación de operaciones permite a las

empresas poder tomar decisiones tomando en cuenta los recursos con los que
cuenta, con el propósito de minimizar los costos o maximizar los ingresos. Es usada
para tomar decisiones gerenciales y administrativas de relevancia para una
empresa usando el método científico para resolver problemas.

Tipos de Modelos
Modelos Matemáticos, donde se obtiene la solución óptima a un problema
de decisión por medio de algoritmos matemáticos y se dividen en
determinísticos que es cuando se conoce los datos de manera completa y la
forma del resultado y probabilístico o estocástico que es  cuando no se
conoce el resultado esperado, sino su probabilidad y esta es menor al 100%.

I.O
Modelos Según la Información de Entrada
Heurístico.- En este tipo de modelos o problemas se obtiene una solución
buena sin llegar a la solución optima, basados en las explicaciones sobre las
causas o mecanismos naturales que dan lugar al fenómeno estudiado.
Empírico.- Utilizan las observaciones directas o los resultados de
experimentos del fenómeno estudiado.
Modelos en función de su campo de aplicación u objetivo
Simulación o Descriptivo.- De situaciones medibles de manera precisa o
aleatoria, por ejemplo con aspectos de programación lineal cuando es de
manera precisa, y probabilística o heurística cuando es aleatorio. Este tipo de
modelos pretende predecir qué sucede en una situación concreta dada.
De Optimización.- Para determinar el punto exacto para resolver alguna
problemática administrativa, de producción, o cualquier otra situación.
Cuando la optimización es entera o no lineal, combinada, se refiere a
modelos matemáticos poco predecibles, pero que pueden acoplarse a alguna
alternativa existente y aproximada en su cuantificación. Este tipo de modelos
requiere comparar diversas condiciones, casos o posibles valores de un
parámetro y ver cual de ellos resulta óptimo según el criterio elegido.
De Control.- Para saber con precisión como está algo en una organización,
investigación, área de operación, etc. Este modelo pretende ayudar a decidir
qué nuevas medidas, variables o qué parámetros deben ajustarse para lograr
un resultado o estado concreto del sistema modelado.
Matemático de Optimización.- Para resolver problemas que por su naturaleza
son indeterminados, es decir presentan más de una solución posible o
factible. Se emplea cuando la función objetivo y las restricciones del modelo
se pueden expresar en forma cuantitativa o matemática como funciones de
las variables de decisión.
La definición de cual de las múltiples opciones se debe utilizar, se hace con el
auxilio de una función objetivo. La función objetivo generalmente tiene un
carácter económico.
De Simulación.- Divide el sistema representado en módulos básicos o
elementales que después se enlazan entre sí vía relaciones lógicas bien
definidas. Por lo tanto, las operaciones de cálculos pasaran de un módulo a
otro hasta que se obtenga un resultado de salida.
Mixto operacional estadístico.- Es una teoría o situación causal de hechos y
expresado con símbolos de formato matemático. Por ejemplo, las tablas de
contingencia.

Metodología de la Investigación de Operaciones

El proceso de la Investigación de Operaciones comprende las siguientes fases:

1. Formulación y definición del problema.

2. Construcción del modelo.
3. Solución del modelo.
4. Validación del modelo.
5. Implementación de resultados.

Demos una explicación de cada una de las fases:

1. Formulación y definición del problema. En esta fase del proceso se necesita una descripción de los
objetivos del sistema, es decir, qué se desea optimizar; identificar las variables implicadas, ya sean
controlables o no; determinar las restricciones del sistema. También hay que tener en cuenta las
posibles alternativas de decisión y las restricciones para producir una solución adecuada.
2. Construcción del modelo. En esta fase, el investigador de operaciones debe decidir 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. Los parámetros (o cantidades conocidas) se pueden
obtener, ya sea a partir de datos pasados o estimados por medio de algún método estadístico. Es
recomendable determinar si el modelo es probabilístico o determinístico. El modelo puede ser
matemático, de simulación o heurístico, dependiendo de la complejidad de los cálculos matemáticos
que se requieran.
3. 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 problemas 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. Además, para la solución del
modelo, se deben realizar análisis de sensibilidad, es decir, ver cómo se comporta el modelo a
cambios en las especificaciones y parámetros del sistema. Esto se hace debido a que los
parámetros no necesariamente son precisos y las restricciones pueden estar equivocadas.
4. 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 reproduce las
situaciones pasadas del sistema. Pero como no hay seguridad de que el comportamiento futuro del
sistema continúe replicando el comportamiento pasado, entonces siempre debemos estar atentos
de cambios posibles del sistema con el tiempo, para poder ajustar adecuadamente el modelo.
5. Implementación de resultados. Una vez que hayamos obtenido la solución o soluciones del modelo,
el siguiente y último paso del proceso es interpretar esos resultados y dar conclusiones y cursos de
acción para la optimización del sistema. Si el modelo utilizado puede servir a otro problema, es
necesario revisar, documentar y actualizar el modelo para sus nuevas aplicaciones