ÍNDICE

INTRODUCCIÓN.............................................................................................................2

1 Historia de la Investigación Operativa.......................................................................3

2 4 Sectores empresariales donde se aplica la investigación operativa........................5

2.1 Industria del automovilismo...............................................................................5

2.2 Sector empresarial aéreo.....................................................................................6

2.3 Sector agrícola....................................................................................................7

2.4 Sector salud.........................................................................................................7

3 ¿Cómo se emplea la investigación operativa en finanzas?........................................8

4 modelo de programación dinámica............................................................................9

4.1 Ejemplo.............................................................................................................10

4.2 Solución............................................................................................................10

CONCLUSIONES...........................................................................................................14

BIBLIOGRAFÍA.............................................................................................................15
 INTRODUCCIÓN
La investigación operativa ha sido fundamental para optimizar los procesos y la

toma de decisiones en diversos sectores. Su desarrollo le ha permitido responder a las

cambiantes demandas organizativas proporcionando herramientas y metodologías

analíticas para aumentar la eficiencia y la rentabilidad. La investigación operativa ha

realizado importantes aportaciones en campos que van desde la fabricación y la logística

hasta los servicios y la sanidad. En diversos ámbitos, ha simplificado las cadenas de

suministro, mejorado la planificación de la producción, optimizado las rutas de

distribución y mejorado la gestión de colas y la asignación de personal.

La investigación operativa es importante en finanzas porque contribuye a la

toma de decisiones estratégicas y mejora el rendimiento. Se utiliza ampliamente en la

gestión de carteras, empleando modelos matemáticos y enfoques de optimización para

lograr una diversificación y asignación óptimas de los activos. La investigación

operativa también se utiliza en la valoración de opciones financieras y la gestión de

riesgos, lo que permite a los profesionales identificar y mitigar los riesgos de las

decisiones financieras.

La programación dinámica es un sólido enfoque de Investigación Operativa

especialmente beneficioso para tratar cuestiones complicadas que incluyen la toma de

decisiones secuenciales y repercusiones futuras. Permite realizar juicios a corto plazo

mientras se contemplan las consecuencias a largo plazo, encontrar soluciones óptimas

en circunstancias inciertas y tomar decisiones de forma secuencial. La programación

dinámica es una técnica importante en la Investigación Operativa, y su utilidad ha

quedado demostrada en diversos sectores, ofreciendo resultados óptimos y una toma de

decisiones informada en entornos dinámicos.

 1 Historia de la Investigación Operativa

La investigación operativa es una disciplina interdisciplinar que utiliza los

avances científicos y técnicos para abordar una amplia gama de retos relacionados con

los sistemas humanos. No es una ciencia aislada, sino que se basa en campos tan

diversos como las matemáticas, la física, la estadística, la química, la psicología y el

derecho. Los primeros estudiosos de esta disciplina solían ser especialistas en su campo.

Tras la Segunda Guerra Mundial, el asombroso éxito de la Investigación Operativa

demostró la capacidad de estos precursores, que eran profesionales de gran talento y

dedicación capaces de afrontar retos hasta entonces desconocidos y difíciles.

Aunque la expresión "Investigación Operativa" se creó en 1939, sus orígenes

pueden remontarse a antes de la Primera Revolución Industrial. Sin embargo, fue

durante la Segunda Guerra Mundial cuando empezaron a surgir los retos que

posteriormente resolvería la Investigación Operativa. Los textos sobre este tema no se

publicaron hasta después de la guerra, hacia 1950, lo que supuso el inicio de un gran

desarrollo de la Investigación Operativa. Esta disciplina adquirió rápidamente

relevancia en instituciones industriales, académicas y gubernamentales, sobre todo en

Estados Unidos y el Reino Unido.

Los principales usos de la investigación operativa son abordar cuestiones

combinatorias como la selección de las inversiones más lucrativas, tratar campos

aleatorios como la gestión de inventarios y la reparación de equipos, y enfrentarse a

escenarios competitivos como el desarrollo de estrategias de suministro. La teoría de

juegos, la teoría de colas, la teoría de la decisión, la teoría de grafos, la teoría del

control, la programación lineal, la probabilidad y la estadística matemática, y la

programación dinámica son algunas de las ideas utilizadas para abordar estas

dificultades. Estos marcos teóricos sientan las bases para establecer estrategias exitosas
y optimizar los procesos de toma de decisiones en una amplia gama de escenarios

prácticos.

La tecnología utilizada en las aplicaciones de IoT (Internet de los objetos) tiene

orígenes no sólo en el siglo XX, sino también en milenios anteriores. Merece la pena

considerar la noción central de los principios organizativos, que sirve de base a la IO.

Aunque se desconoce el origen exacto de este enfoque científico, se describe en libros

antiguos como el Antiguo Testamento, donde se atribuye a Jetro, suegro de Moisés, la

autoría de un libro sobre principios organizativos. Además, estas ideas se investigaron y

estudiaron en periodos más recientes, sobre todo en el siglo XIX. Esto demuestra la

omnipresencia de los conceptos organizativos en el desarrollo y la aplicación de la

tecnología de la IO.

A principios del siglo XX, los investigadores empezaron a aplicar enfoques

científicos a cuestiones ajenas a las áreas científicas convencionales, como la física, la

química y la biología. Alrededor de la década de 1910, Frederick Taylor se concentró en

aumentar la eficiencia del trabajo mediante el uso de estudios de tiempo y movimiento

promovidos por Frank y Lillian Gilbreth. El objetivo de estas investigaciones era

reducir los movimientos innecesarios y los desperdicios en cada trabajo, lo que se

traducía en una mayor producción. Thomas A. Edison se encargó de identificar los

métodos más eficaces para diversas misiones durante la Primera Guerra Mundial.

Trabajó en la racionalización de las operaciones de los buques comerciales para reducir

las pérdidas debidas a los ataques de submarinos hostiles. Edison creó un "tablero

táctico" que funcionaba como modelo de planificación y estrategia para imitar las

circunstancias de la vida real.

A mediados de la Segunda Guerra Mundial, las iniciativas británicas de

investigación operativa generaron importantes logros. Estos logros iban desde la mejora
de la detección de ataques enemigos hasta la estimación del mejor tamaño de los

convoyes navales y el cálculo de la profundidad perfecta para controlar las cargas de

profundidad antisubmarinas. Estos logros aceleraron la adopción por parte del Ejército

de Estados Unidos de organizaciones de investigación operativa. Estos enfoques fueron

adoptados tanto por la Armada (conocidos como evaluaciones de operaciones) como por

el Ejército del Aire (conocidos como evaluaciones de operaciones).

Tras la guerra, muchos de estos científicos dedicados a la investigación

operativa pasaron al sector privado, donde siguieron realizando aportaciones

sustanciales en diversos sectores. Algunos de ellos desempeñaron un papel decisivo en

la creación de organizaciones que siguen operativas hoy en día. La Sociedad de

Investigación Operativa del Reino Unido, por ejemplo, se creó en 1948, mientras que la

Sociedad de Investigación Operativa de América se fundó en 1952. Durante esta época

se lograron avances significativos en la programación no lineal. Kuhn y Tucker fueron

pioneros en este campo. Además, el trabajo de George Dantzig de 1947 sobre la técnica

simplex sigue siendo una de las metodologías más significativas y utilizadas en la

historia de la investigación operativa.

2 4 Sectores empresariales donde se aplica la investigación operativa

2.1 Industria del automovilismo

Aunque Henry Ford no creó la cadena de montaje, las revolucionarias mejoras

que introdujo en sus fábricas fueron decisivas para el inicio de la segunda revolución

industrial. Ford fue capaz de reducir significativamente los costes de producción de

vehículos examinando cuidadosamente y optimizando los procedimientos de

fabricación.

Para establecer los procedimientos de fabricación más eficaces, Ford trabajó con

Frederick Taylor, conocido como el "Padre de la Gestión Científica". Ford se inspiró en

la idea de la cadena de montaje vista en los mataderos del Medio Oeste, así como en la

tecnología de cintas transportadoras utilizada habitualmente en el almacenamiento de

grano en la región. Su objetivo era combinar estas ideas y los consejos de Taylor para

crear un nuevo sistema en su propia fábrica.

Las correderas de gravedad, que permitían el traslado de piezas entre distintos

lugares de trabajo, fueron uno de los primeros inventos de producción utilizados por

Ford. Durante los tres años siguientes, Ford desarrolló otros procedimientos

revolucionarios que culminaron con la puesta en marcha de la primera cadena de

montaje a gran escala el 1 de diciembre de 1913.Para el ojo inexperto, la cadena de

montaje en movimiento parecía una red interminable de cadenas y conexiones, que

permitía a las piezas del Modelo T moverse sin problemas a lo largo del proceso de

montaje. La fabricación de un automóvil se dividía en 84 etapas distintas. Sin embargo,

la clave del éxito de esta técnica fue el uso de componentes reemplazables, lo que se

tradujo en una gran disminución de los costes de producción. (Brau, 2016)

2.2 Sector empresarial aéreo

Con el fin de aumentar los beneficios, American Airlines introdujo en 1992 una

estructura de precios global, técnicas de sobreventa (overbooking) y un sistema de

coordinación de vuelos. Para ello fue necesario realizar una investigación exhaustiva de

la demanda de vuelos y las ofertas del mercado con el fin de desarrollar métodos de

fijación de precios eficaces que maximizaran los ingresos de la organización. El

objetivo era reducir el número de plazas vacías en cada viaje y aumentar al mismo

tiempo las ventas de billetes mediante reservas anticipadas. Esta técnica de

investigación operativa ha generado unos ingresos adicionales de 500 millones de

dólares para American Airlines desde su creación. Este resultado da fe de la utilidad de

esta tecnología cuando se utiliza correctamente y pone de relieve los enormes beneficios
que pueden obtenerse mediante la aplicación estratégica de metodologías de

investigación operativa en el sector de la aviación. (Zapata, 2018)

2.3 Sector agrícola

Monsanto Corp. lanzó un programa de investigación en 1985 con el propósito de

mejorar los procesos de fabricación para cumplir los objetivos al menor coste posible.

La eficiencia económica se define como el uso lógico y óptimo de los recursos

humanos, materiales y financieros, medido en términos monetarios. Sin embargo, es

importante subrayar que el objetivo de ahorrar recursos y gastos no debe ir en

detrimento de la calidad, especialmente cuando se trata de la salud humana.

Aunque Monsanto Corp. tiene éxito financiero y produce importantes beneficios

cada año, es fundamental reconocer las graves preocupaciones y los problemas legales a

los que se enfrenta la empresa por las posibles implicaciones de sus productos para la

salud. Estas cuestiones suscitan serias preocupaciones y subrayan la importancia de

considerar cuidadosamente las posibles consecuencias. (Cancar, 2017)

2.4 Sector salud

En 1993, la Corporación del Departamento de Salud de New Haven redujo las

infecciones por VIH en un 33% mediante la implantación de un eficaz programa de

intercambio de agujas para frenar la propagación del sida. El diseño del programa se

basó principalmente en conceptos de economía sanitaria, que tratan de optimizar los

beneficios limitando al mismo tiempo el consumo de recursos y los costes.

La economía de la salud hace hincapié en maximizar la producción o el servicio

con el menor número de insumos y manteniendo la calidad. Esta estrategia queda

patente en el programa de intercambio de agujas, que pretendía minimizar la

transmisión del VIH al tiempo que mejoraba la asignación de recursos y disminuía los

gastos.
 La significativa reducción de las infecciones por VIH conseguida por el

programa de intercambio de aguja de la Corporación del Departamento de Salud de

New Haven demuestra la eficacia de este tipo de iniciativas para afrontar los retos de la

salud pública. Al aplicar los principios económicos del saneamiento, el programa no

sólo contribuyó a limitar la propagación del SIDA, sino que también garantizó el uso

eficiente de los recursos y la prestación de valiosos servicios.

La noción de bajos costes está inextricablemente ligada a los avances técnicos y

a la exigencia de mantener los niveles de calidad. Implica convertir el elemento fijo de

los gastos en costes relativos mediante una función que relacione la prestación de

servicios a lo largo de periodos de tiempo. Este criterio puede incluirse en el proceso de

reducción de costes conocido como métodos completos mediante su inclusión.

El objetivo de la reducción de costes es optimizar la asignación de recursos y

lograr un uso eficiente al tiempo que se cumplen los requisitos de calidad. Este método

reconoce la naturaleza cambiante de los gastos y su relevancia para la prestación de

servicios a lo largo del tiempo. Las organizaciones pueden identificar con éxito las áreas

en las que pueden reducirse los costes sin sacrificar el nivel de calidad exigido

aplicando técnicas completas que tengan en cuenta este criterio. (Torres y Lamas, 2012)

3 ¿Cómo se emplea la investigación operativa en finanzas?

La investigación operativa utiliza modelos matemáticos y algoritmos para

ayudar a los gestores de inversiones a optimizar la distribución y diversificación de sus

carteras de inversión. Para optimizar la asignación de activos, estos modelos tienen en

cuenta factores como la rentabilidad prevista, el riesgo, las restricciones de liquidez y

las preferencias de los inversores. (Myriam, 2020)

 Planificación financiera: La investigación operativa aborda los retos de la

planificación financiera mediante el flujo de caja óptimo, el análisis de sensibilidad

presupuestaria y la planificación de inversiones a largo plazo. Se utilizan modelos

matemáticos y enfoques de optimización para identificar soluciones que maximicen los

ingresos o disminuyan los gastos teniendo en cuenta las restricciones y objetivos

presupuestarios.

Gestión de riesgos: La investigación operativa es fundamental para establecer

modelos y procedimientos de gestión de riesgos financieros. Estos modelos ayudan a los

profesionales financieros a analizar y gestionar diversos riesgos de inversión, como el

riesgo de mercado, el riesgo de crédito y el riesgo operativo. Para evaluar el impacto de

los acontecimientos adversos y emitir juicios fundados sobre las tácticas de mitigación

de riesgos, se utilizan enfoques de investigación operativa como la simulación y el

análisis de escenarios. (Euroinnova Business School, 2020)

Las opciones financieras, que son contratos de derivados cuyo valor viene

determinado por el movimiento de los activos subyacentes, también se valoran

utilizando la investigación operativa. Para evaluar el valor razonable de las opciones, se

utilizan modelos matemáticos basados en la investigación operativa, como el modelo

Black-Scholes. Esto ayuda a los inversores a hacer juicios fundados sobre las

inversiones y los métodos de cobertura.

4 modelo de programación dinámica

La base de la programación dinámica es un marco de optimización que divide un

gran problema en subproblemas más pequeños y manejables. Estos subproblemas se

abordan de forma recursiva, y la mejor respuesta de uno sirve de entrada para el

siguiente. El problema total puede resolverse eficazmente resolviendo los subproblemas

sucesivamente.

La idea de optimalidad, que garantiza la resolución adecuada de los cálculos

recursivos, es fundamental en la programación dinámica. Según este concepto, una

política óptima tiene la cualidad de que, independientemente de las decisiones tomadas

para alcanzar un determinado estado en una etapa específica, las decisiones restantes

deben crear independientemente una política óptima, independientemente del estado

resultante de la decisión original. (Hernández, 2020)

4.1 Ejemplo
El director de ventas de una empresa fabricante de iPhone tiene la tarea de

enviar seis agentes a tres lugares diferentes. El objetivo del director para optimizar las

ventas es establecer la distribución adecuada de agentes a cada territorio, garantizando

al mismo tiempo que cada región tenga al menos un agente. Una tabla muestra el

aumento previsto de las ventas en cada región en función del número de agentes

asignados, lo que ayuda en la toma de decisiones.

Región

Agente de ventas 1 2 3

1 40 24 32

2 54 47 46

3 78 63 70

4 99 78 84
4.2 Solución
Nos centraremos en tres etapas de este problema de asignación en las que se

desarrolla la estrategia de asignación de agentes a las distintas áreas. Los estados de

cada etapa indicarán la cantidad de agentes de ventas disponibles para asignar, y las

variables de decisión serán los agentes asignados a esa etapa. El beneficio de la

asignación se estimará en función de los beneficios óptimos adquiridos previamente y

del rendimiento asociado al número concreto de agentes en esa etapa (región).

Para resolver este problema, empezaremos por la última etapa (región 3) y

seguiremos hacia atrás. En esta etapa, el número de agentes de ventas disponibles es s3

= 4, lo que supone que no se han asignado agentes en las etapas anteriores (x1 = x2 = 0).

Examinaremos los posibles aumentos de ventas en función de las distintas asignaciones

de agentes en esta región (x3).

Las cantidades que intervienen en el análisis son las siguientes:

- si: Número de agentes de ventas disponibles para asignar en la región i

- xi: Número de agentes de ventas asignados en la región i

- fi(si, xi): Incremento de ventas conseguido al asignar xi agentes en la región i, además

de las ventas conseguidas en la región anterior.

En el caso de la región 3, s3 = 4, exploraremos los posibles incrementos de ventas en

función de las distintas asignaciones de agentes en esta región (x3).

etapa 3 resultado Asignació

f3(s3,x3) = aumento(x3)
(Región3) optimo n

Agentes Agentes asignados (x3) (f*3(s3)) óptima

disponible 0 1 2 3 4 (x*3)
s (s3)
0 0 - - - - 0 0

1 0 32 - - - 32 1

2 0 32 46 - - 46 2

3 0 32 46 70 - 70 3

4 0 32 46 70 84 84 4

En la etapa anterior, calculamos y registramos el valor ideal para cada estado

probable (número de agentes disponibles). En este ejemplo, buscamos el mayor valor de

cada fila (f*3(s3)), así como el valor de decisión correspondiente (x*3) para el área 3.

Estos resultados óptimos servirán como punto de partida para el cálculo en el paso

anterior (región 2). Es fundamental recordar que en la región 2 (s2 = 4) deben

examinarse los mismos cinco estados posibles, que van de 0 a 4, ya que los agentes de

la región 1 pueden asignarse de 0 a 4.

etapa 2
f2(s2,x2) = aumento(x2) + f*3(s3) Asignació
(Región2) resultado
n
Agentes Agentes asignados (x2) optimo
óptima
disponibles (f*2(s2))
0 1 2 3 4 (x*2)
(s2)

0 0 - - - - 0 0

1 32 24 - - - 32 0

2 46 56 47 - - 56 1

3 70 70 79 63 - 79 2
4 84 94 93 95 78 95 3

Para calcular los rendimientos, sumamos el rendimiento obtenido de cada

número de agentes asignados a la región al resultado óptimo anterior. Por ejemplo, si

tenemos s2 = 3 agentes disponibles y asignamos x2 = 1 agente, en la etapa 3 nos

quedarán s3 = 3 - 1 = 2 agentes. En este caso, la decisión óptima sería asignar ambos

agentes (x3 = 2), lo que supondría un aumento de 46 unidades. Así, el beneficio total

sería de 24 para la asignación de x2 = 1 más 46 para la política de asignación de x3 = 2.

Esto puede expresarse como

f2(s2, x2) = aumento(x2) + f*3(s3)

f2(3, 1) = incremento(1) + f*3(2) = 24 + 46 = 70

Utilizando esta metodología, podemos calcular los rendimientos restantes. A

continuación, seleccionamos el resultado óptimo y el valor de asignación

correspondiente para cada estado.

En la etapa final (etapa 1), se repite el proceso. Los incrementos totales se

calculan sumando el incremento de cada variable a los incrementos obtenidos para el

resto de agentes disponibles, calculados en la etapa 2.

Aunque la tabla completa se establece con valores para s1 que van de 1 a 4, las

tres primeras filas pueden omitirse, ya que en realidad hay cuatro agentes disponibles

para la asignación en la primera etapa. Sin embargo, se conservan todas las columnas,

ya que se consideran todas las asignaciones posibles (x1 = 0 a 5).

etapa 1 f1(s1,x1) = aumento(x1) + f*2(s2) resultado Asignació

(Región1)
n
Agentes Agentes asignados (x1) optimo
óptima
disponibles (f*1(s1))
0 1 2 3 4 (x*1)
(s1)

1 32 40 - - - 40 1

2 56 72 54 - - 72 0

3 79 96 86 78 - 96 1

4 95 119 110 110 99 119 1

CONCLUSIONES

La investigación operativa es un campo importante con diversas aplicaciones en

la optimización de procesos y la toma de decisiones en todos los sectores. Resulta

intrigante ver cómo la investigación operativa ha ayudado a racionalizar las cadenas de

suministro, mejorar la planificación de la producción y optimizar los recursos en

diversos sectores empresariales. La adaptabilidad de la investigación operativa es

especialmente impresionante, ya que no sólo es útil en la industria manufacturera, sino

también en los servicios y la sanidad.

Además, en el entorno financiero, la investigación operativa es fundamental en

la toma de decisiones estratégicas y la mejora del rendimiento. El estudio de sus

aplicaciones en la gestión de carteras, la valoración de opciones y la gestión de riesgos

ofrece una visión útil del potencial de los modelos matemáticos y los enfoques de

optimización para tomar decisiones financieras fundamentadas y maximizar los

resultados.
 Me intriga su interés por el enfoque de programación dinámica en la

investigación operativa. Es bastante asombrosa su capacidad para resolver cuestiones

difíciles contemplando las ramificaciones a largo plazo de las acciones a corto plazo.

Explorar este modelo le ha permitido comprender mejor su aplicabilidad en contextos

dinámicos y su éxito a la hora de identificar soluciones óptimas frente a la

incertidumbre.
 BIBLIOGRAFÍA

Brau, S. (2016). La línea de ensamblaje de Ford como parte fundamental en el

despliegue de la Segunda Revolución Industrial. Webmaster:
http://sebastianbrau.com/la-linea-de-ensamblaje-de-ford-como-parte-
fundamental-en-el-despliegue-de-la-segunda-revolucion-industrial/

Cancar, M. (2017). Roles y responsabilidad. 1library: https://1library.co/article/estimaci

%C3%B3n-costos-roles-responsabilidades-monsanto-cancar.y96kg63j

Euroinnova Business School. (2020). En que consiste la licenciatura de administracion

de empresas. euroinnova.pe: euroinnova.pe/blog/que-es-investigacion-de-
operaciones-y-sus-aplicaciones

Hernández, J. (2020). Programación dinámica. TOMi.digital:

https://tomi.digital/es/27819/programacion-dinamica?
utm_source=google&utm_medium=seo

Myriam, Q. (2020). Investigación de operaciones. Economipedia.com:

https://economipedia.com/definiciones/investigacion-de-
operaciones.html#:~:text=Contabilidad%20y%20finanzas&text=Para
%20concluir%2C%20podemos%20afirmar%20que,costos%20o%20maximizar
%20los%20ingresos.

Torres, R., & Lamas, R. (2012). El Costo total mínimo como criterio de eficiencia
económica en el servicio de. Sistema de Información Científica Redalyc:
https://www.redalyc.org/pdf/1815/181524305013.pdf

Zapata, E. (2018). Casos Reales De Uso De La Investigación Operativa. calameo.com:

https://www.calameo.com/read/004519119dcefc3949cd1