Documentos de Académico
Documentos de Profesional
Documentos de Cultura
“SANTIAGO MARIÑO”
EXTENSIÓN MARACAIBO
CORTE 1 10%
La Investigación de Operaciones (IO) tiene sus raíces en los esfuerzos realizados durante la
Segunda Guerra Mundial. Durante ese tiempo, se enfrentaron desafíos logísticos y de
planificación extremadamente complejos, que requerían una toma de decisiones eficiente y
basada en datos. Para abordar estos desafíos, los gobiernos y las fuerzas armadas
comenzaron a utilizar métodos analíticos y matemáticos para mejorar la planificación y la
gestión de sus operaciones.
Definición del problema: En esta fase, se identifica y define claramente el problema que se
va a abordar. Se analizan las necesidades y objetivos del sistema en cuestión y se
establece el alcance del estudio.
Recopilación y análisis de datos: En esta fase, se recopilan los datos relevantes para el
estudio. Esto puede implicar la recolección de datos históricos, la realización de
observaciones, encuestas o entrevistas, entre otros métodos. Los datos recopilados se
analizan y se utilizan para calibrar y validar el modelo.
Es importante tener en cuenta que estas fases pueden solaparse y que el proceso de IO es
iterativo, lo que significa que se pueden realizar ajustes y revisiones a lo largo del estudio en
función de los resultados y nuevos datos recopilados
6) Modelo de optimización en la investigación de operaciones:
Variables de decisión: Son las incógnitas que representan las decisiones que se deben
tomar en el problema. Estas variables pueden ser continuas (por ejemplo, una cantidad de
producción) o discretas (por ejemplo, seleccionar entre diferentes opciones). Se definen las
variables y se establecen sus límites o restricciones.
Restricciones: Son las limitaciones que deben cumplirse en el problema. Estas restricciones
pueden ser restricciones de igualdad o desigualdad y pueden involucrar las variables de
decisión. Por ejemplo, pueden limitar la disponibilidad de recursos, establecer relaciones de
dependencia entre variables o imponer límites operativos.
Conjunto factible: Es el conjunto de todas las soluciones que cumplen con todas las
restricciones del problema. Las soluciones factibles son aquellas que satisfacen todas las
restricciones y están dentro de los límites establecidos.
Algoritmo de optimización: Es el método utilizado para encontrar la mejor solución dentro del
conjunto factible. Existen varios algoritmos de optimización que pueden utilizarse, como el
método del simplex, el método de ramificación y acotación, el método de Monte Carlo,
algoritmos genéticos, entre otros. Estos algoritmos exploran y evalúan diferentes soluciones
de manera sistemática hasta encontrar la solución óptima o una aproximación aceptable.
Variables de asignación de rutas: Representan las rutas o trayectorias que deben seguirse
en problemas de logística o transporte. Por ejemplo, en un problema de enrutamiento de
vehículos, las variables de decisión pueden indicar la secuencia de paradas y las rutas
óptimas para minimizar los costos de transporte.
Estas son solo algunos ejemplos de variables de decisión en la IO, y la elección de las
variables adecuadas depende del problema específico que se está abordando. Las
variables de decisión son parte fundamental del modelo de optimización y, junto con las
restricciones y la función objetivo, definen el problema y permiten encontrar la mejor
solución dentro de un conjunto factible.
Las restricciones pueden ser de diferentes tipos y pueden reflejar diversas restricciones
operativas, recursos limitados, relaciones entre variables o requisitos específicos del
problema. Algunos ejemplos comunes de restricciones en la IO incluyen:
Estos son solo algunos ejemplos de restricciones que se pueden encontrar en la IO. Es
importante tener en cuenta las restricciones relevantes para el problema específico y
asegurarse de que todas las soluciones propuestas cumplan con estas restricciones. La
formulación adecuada de las restricciones es fundamental para garantizar la viabilidad y la
factibilidad de las soluciones encontradas.
Cada uno de estos enfoques tiene sus propias características, ventajas y limitaciones, y la
elección del enfoque adecuado depende de la naturaleza del problema y los objetivos
específicos de la investigación de operaciones.
Estos modelos determinísticos son útiles cuando los datos y parámetros del problema son
conocidos con certeza y no hay incertidumbre significativa. Sin embargo, en muchos casos,
los problemas de la IO están sujetos a variabilidad o incertidumbre, lo que puede requerir el
uso de modelos probabilísticos o técnicas de optimización bajo incertidumbre para abordar
de manera más realista la toma de decisiones.
12) Modelos probabilísticos en la investigación de operaciones:
Teoría de Colas: La teoría de colas se utiliza para modelar y analizar sistemas de espera,
como líneas de espera en un servicio o en una cadena de producción. Estos modelos
consideran que la llegada de los clientes o trabajos sigue un proceso estocástico y buscan
determinar medidas de desempeño, como el tiempo promedio de espera o la utilización del
sistema.
Estos son solo algunos ejemplos de modelos probabilísticos en la IO. Los modelos
probabilísticos son especialmente útiles cuando los datos y parámetros del problema están
sujetos a variabilidad o incertidumbre, lo que permite una toma de decisiones más
informada y robusta ante diferentes escenarios posibles. Estas técnicas ayudan a los
tomadores de decisiones a evaluar el riesgo y a desarrollar estrategias que maximicen las
probabilidades de obtener resultados favorables.