INVESTIGACIÓN DE OPERACIONES:

MÓDULO I:

INTRODUCCIÓN:

En el presente trabajo se desarrollará principalmente el tema de La investigación de

operaciones, y cada uno de sus componentes, teniendo en consideración que la misma ha
colaborado de manera trascendente en el mejoramiento de la eficiencia de numerosas
organizaciones en todo el mundo. Ha hecho contribuciones significativas al incremento de
la productividad dentro de la economía de varios países.

Sin duda, el impacto de la investigación de operaciones es inmenso en diversas áreas

profesionales, incluyendo el área económica, científica, contable y más.

La investigación de operaciones (IO) se aplica a problemas que se refieren a la conducción

y coordinación de operaciones (o actividades) dentro de una organización. La naturaleza
de la organización es esencialmente inmaterial y, de hecho, la investigación de
operaciones se ha aplicado de manera extensa en áreas tan diversas como la
manufactura, el transporte, la constitución, las telecomunicaciones, la planeación
financiera, el cuidado de la salud, la milicia y los servicios públicos, por nombrar sólo unas
cuantas. Así, la gama de aplicaciones es extraordinariamente amplia.
 DESARROLLO:
1. DEFINICIÓN Y ÁMBITO DE LA INVESTIGACIÓN DE OPERACIONES (IO).

Antecedentes históricos

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.

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.

2. USO DE MODELOS EN IO.

https://www.uaeh.edu.mx/docencia/P_Presentaciones/huejutla/sistemas/
investigacion_operaciones/modelos.pdf

3. TIPOS DE MODELOS UTILIZADOS EN LA INVESTIGACIÓN DE OPERACIONES.

4. FASES DE UN ESTUDIO DE INVESTIGACIÓN DE OPERACIONES.

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.

5. TEORÍA DE TOMA DE DECISIONES, FUNDAMENTOS, ESTRUCTURA DE TABLAS DE

PAGOS (GANANCIAS), APLICACIONES EN ESCENARIOS DE: INCERTIDUMBRE Y
RIESGO.

ELEMENTOS QUE CARACTERIZAN A LA TOMA DE DECISIONES.

Para que se dé una toma de decisiones se necesita que estén presentes los
siguientes elementos:
• Sujeto, que es la persona que debe elegir la alternativa a seguir, en otras
palabras es el decisor.
• Alternativas y/o cursos de acción a seguir, mínimamente deben ser 2 para que
pueda darse la elección o decisión.
• Criterio, que sirve de base para determinar la alternativa a seguir. Departamento
de Administración, Economía y Finanzas.
DEFINICIÓN DE ALGUNOS CONCEPTOS IMPORTANTES:

• En términos formales, decidir o tomar una decisión es elegir de entre varias

alternativas, la mejor, basados en la información con que se cuenta en ese
momento.
• Variables de decisión y estados de la naturaleza, cuando se tiene que realizar una
toma de decisiones inicialmente se debe diferenciar cuáles variables se pueden
controlar (variables de decisión) y cuáles variables no (estados de la naturaleza o
eventos), estas últimas son factores externos que influirán en la situación de
análisis. • Pago, es la consecuencia que resulta de la combinación de una
alternativa elegida (variable de decisión) y la ocurrencia de un particular estado de
la naturaleza (evento o variable no controlable).
 CRITERIO DE DECISIÓN EN CONDICIÓN DE INCERTIDUMBRE.
La toma de decisión en condición de incertidumbre se utiliza cuando, la
Probabilidad de que ocurra un estado de la naturaleza es absolutamente
Desconocida. El carácter de incertidumbre está asociado con el hecho que
Nos damos cuenta de que somos incapaces de estimar o calcular las
Probabilidades asociadas a cada uno de los estados naturales.

Existen algunas reglas o criterios de decisión en ambiente de incertidumbre,

Que conducen a escoger el mejor curso de acción de acuerdo al criterio
Elegido, a continuación se presentan:

a) Criterio Maximín o de Wald.

Este criterio sugiere que quien toma las decisiones siempre debe ser
Pesimista. Lo que da por resultado un criterio de decisión máximo. Lo que
Significa que el decidor toma el mejor resultado para el estado de la naturaleza
Más desfavorable.

b) Criterio Maximax.
El criterio maximax consiste en elegir aquella alternativa que proporcione el
Mayor nivel de optimismo posible. Este criterio corresponde a un pensamiento
Optimista, ya que el decisor supone que la naturaleza siempre estará de su
Parte, por lo que siempre se presentará el estado más favorable.

c) Criterio de Hurwicz.
Es un criterio intermedio entre el criterio maximax y el maximín. También se
Le llama criterio de realismo.

d) Criterio de Savage.
Este criterio consiste en que después de saber el resultado el decidor pueda
Arrepentirse de haber escogido ese curso de acción, puesto que tal vez
Hubiera preferido escoger un curso de acción diferente, procurando de que
Este arrepentimiento se reduzca al mínimo.

e) Criterio de Laplace.
Este método supone que todos los diversos estados de la naturaleza tienen
Igual probabilidad de ocurrencia, o sea que es probable que ocurran todos los
Estados de la naturaleza.

f) El Modelo de Amplitud (EMA),

Actúa como castigo sobre la amplitud, y es una combinación entre Hurwicz y
Laplace, utilizando un factor 𝛽de corrección.
 CRITERIO DE DECISIÓN BAJO CONDICIÓN DE RIESGO.
La toma de decisión bajo condición de riesgo se da cuando existe
Conocimiento de la probabilidad que un estado de la naturaleza ocurra; es
Decir el decidor debe prever la probabilidad de ocurrencia de cada uno de
Estos estados.

Normalmente, las probabilidades de ocurrencia de los estados de la

Naturaleza se conoce mediante la determinación de la frecuencia con que
Dichos estados ocurrieron en el pasado; o mediante criterios personales o
Subjetivos.

Los principales criterios de decisión en ambiente de riesgo son:

a) Criterio del valor esperado.

Este criterio consiste en elegir el máximo valor esperado.

b) Criterio de mínima varianza con media acotada.

Este criterio consiste en elegir la menor varianza, y de esta forma se consigue
La elección de una alternativa con poca variabilidad en sus resultados.

c) Criterio de media con varianza acotada.

Este criterio consiste en elegir la alternativa que posee mayor valor esperado,
Consideran exclusivamente las alternativas, cuya varianza sea menor o igual
Que una constante 𝐾fijada por el decisor.

d) Criterio de la dispersión.
Aquí se elige la alternativa que posee el máximo valor medio corregido.

e) Criterio de la probabilidad máxima.

Consiste en elegir alternativa con mayor probabilidad asociada.

f) Criterio de verosimilitud.
Consiste en aplicar el método del valor esperado, pero considerando sólo el
Estado de la naturaleza que es mayor.

g) Curvas de utilidad.
Mide el nivel de riesgo del decisor (adverso, propenso, indiferente al riesgo).

h) Modelo de Amplitud para Riesgo e Incertidumbre (MARI).

Es una ampliación y funciona igual que el El Modelo de Amplitud (EMA).
6. ÁRBOLES DE DECISIÓN, CONSTRUCIÓN Y ANÁLISIS. TOMA DE DECISIONES CON
INFORMACIÓN A POSTERIOR.

DEFINICIÓN DE ÁRBOL DE DECISIÓN.

Un árbol de decisión es una representación gráfica que indica las posibles

alternativas que pueden presentarse y los diferentes estados de la naturaleza que
pueden ocurrir. El árbol de decisión representa la información que se tiene del
problema, así como las posibles alternativas, resultados o consecuencias en
función de los diferentes estados de la naturaleza que se presenten.

Los árboles de decisión son normalmente construidos a partir de la descripción de

la narrativa de un problema. Ellos proveen una visión gráfica de la toma de
decisión necesaria, especifican las variables que son evaluadas, qué acciones
deben ser tomadas y el orden en la cual la toma de decisión será efectuada. Cada
vez que se ejecuta un árbol de decisión, solo un camino será seguido dependiendo
del valor actual de la variable evaluada.

VENTAJAS E INCONVENIENTES EN EL ÁRBOL DE DECISIÓN:

Entre las ventajas que presenta este método para la toma de decisiones se
pueden citar:

 Facilita la interpretación de la decisión adoptada, indicando no solo la primera

decisión a tomar, sino también las decisiones posteriores.
 Proporciona un alto grado de comprensión del conocimiento utilizado en la toma
de decisiones, y a partir de este análisis el decisor puede definir estrategias
posteriores.
 Explica el comportamiento respecto a una determinada tarea de decisión.
 Reduce el número de variables independientes.
 Es una magnifica herramienta para el control de gestión empresarial. No
obstante este método de árbol de decisión también presenta algunas limitaciones:
 El resultado solamente será válido para quien admita el criterio del valor
esperado máximo, y acepte las diferentes probabilidades objetivas y subjetivas que
se asignan.
 El método exige que el decisor (o empresa) pueda soportar el riesgo del
resultado más desfavorable.

ELEMENTOS QUE INTERVIENEN EN UN ÁRBOL DE DECISIÓN.

 En la construcción de un árbol de decisión intervienen los siguientes elementos:

Nodo o puntos de decisión: Indica que una decisión necesita tomarse en ese
punto del proceso, es decir, es el punto de partida de las diferentes estrategias que
un decisor puede tomar, a estas estrategias no se les asignan probabilidades de
ocurrencia. Los puntos de decisión se representan por un cuadrado.

Nodo de probabilidad o nodo de sucesos inciertos: Indica que en ese punto del
proceso ocurre un evento aleatorio (estado de la naturaleza). Estos nodos se
representan por un círculo, del cual se desprenden ramas que se les asignan
probabilidades de ocurrencia.

Rama: Nos muestra los distintos posibles caminos que se pueden emprender dado
que tomamos una decisión u ocurre algún evento aleatorio.

Puntos terminales o resultados: en estos puntos se colocan los resultados

esperados de las posibles interacciones entre las alternativas de decisión y los
eventos. También se les conoce con el nombre de Pagos, y en ocasiones (depende
del software utilizado) se representan por un triángulo.
Los puntos de decisión corresponden a las distintas alternativas que pueden ser
adoptadas por el decisor ante una situación, y se sitúan en los vértices del árbol,
del cual salen las ramas que corresponden a cada una de las Introducción a la
Teoría de Decisión Estadística 86 posibles alternativas. Pero al elegir una de las
alternativas, el resultado que se obtendrá dependerá del estado de la naturaleza
que se presente, luego al final de la rama correspondiente a cada alternativa habrá
un nuevo vértice, que indicarán los sucesos inciertos, los cuales conducirán a
diferentes resultados con sus probabilidades y que se presentarán por las
diferentes ramas que salen del vértice, y terminan en los resultados.
CONSTRUCCIÓN DEL ÁRBOL DE DECISIÓN.
El árbol debe mostrar:
1. Todos los actos inmediatos entre los que el decisor desea seleccionar.
2. Todos los actos y eventos inciertos futuros que el decisor desee considerar, porque ellos
pueden afectar directamente los actos inmediatos.
3. Todos los eventos inciertos que el decisor desee considerar porque pueden
proporcionar información que puedan afectar directamente las consecuencias de los actos
inmediatos de manera indirecta.
4. Se debe indicar que en una representación gráfica mediante un árbol de decisión existe
una alternativa entre los puntos de decisión y los nodos de acontecimientos, terminando
cada rama en un punto final o resultado.
Una rama en el diagrama puede presentar un acto o un evento incierto. Un cuadrado del
que salen ramas que representan actos es un punto de decisión y un círculo del que salen
las ramas que representan eventos es un punto de incertidumbre.
Los eventos en un punto de incertidumbre deben ser mutuamente exclusivos y
colectivamente exhaustivos. Mutuamente exclusivos indica que solo uno de ellos puede
ocurrir y colectivamente exhaustivos indica que todos los eventos pueden ocurrir. Esto
también debe cumplirse para los actos en los puntos de decisión. En cualquier punto de
decisión, los eventos y los actos cuya ocurrencia está perfectamente determinada para el
decisor, en el diagrama deben estar situados a su izquierda y todos aquellos que aún son
una incógnita deben estar a su derecha.
Una característica importante del árbol de decisión es que utiliza el concepto de regreso a
un nivel inferior, para resolver un problema. Lo que significa comenzar con el término de
derecha que tenga el mayor valor esperado del árbol y regresar al punto de decisión
actual o inicial, para determinar la decisión o decisiones que deban tomarse.
 REFERENCIAS BIBLIOGRÁFICAS:
 https://www.uaeh.edu.mx/docencia/P_Presentaciones/huejutla/sistemas/
investigacion_operaciones/modelos.pdf

 https://www.redalyc.org/pdf/4259/425942454012.pdf

 https://virtualnet2.umb.edu.co/virtualnet/archivos/open.php/4364/
Modulo_1_parte_1.pdf

 https://frh.cvg.utn.edu.ar/pluginfile.php/54151/mod_resource/content/1/
Introducci%C3%B3n%20a%20la%20Investigaci%C3%B3n%20de%20Operaciones
%20%289na%20ed%29%20-%20Hillier%20%20Lieberman.pdf

 https://cursos.clavijero.edu.mx/cursos/152_io/modulo1/contenido/
tema1.1.html#:~:text=En%20conclusi%C3%B3n%3A%20%E2%80%9CLa
%20Investigaci%C3%B3n%20de,optimizar%20el%20desempe%C3%B1o%20del
%20mismo.

 https://www.gestiopolis.com/investigacion-de-operaciones-como-herramienta-
administrativa/

 https://www.monografias.com/trabajos59/investigacion-operaciones/
investigacion-operaciones2

 http://www.ptolomeo.unam.mx:8080/xmlui/bitstream/handle/
132.248.52.100/63/A7.pdf?sequence=7&isAllowed=y

 https://dialnet.unirioja.es/servlet/libro?codigo=795092

 https://es.scribd.com/document/325251551/Conclusion-INVESTIGACION-DE-
OPERACIONES-PROGRAMACION-POR-Metas

 https://es.slideshare.net/agonzalez88/conclusion-y-recomendacion-de-ejercio-
de-investigacion-de-operaciones

 https://www.monografias.com/trabajos59/investigacion-operaciones/
investigacion-operaciones2#xconclu
 CONCLUSIÓN:

Concluimos con la idea de que La investigación de operaciones se convirtió en una

herramienta importante para todas las áreas y así llegar a soluciones óptimas como se vió
en la historia de la revolución industrial, fue un elemento importante para las
organizaciones para su desarrollo y crecimiento. Se puede concluir, que La Investigación
de Operaciones es el uso de la matemática e informática para resolver problemas del
mundo real, tomando decisiones acertadas que garantice el éxito de un objetivo.

Su contribución más importante es la aplicación de su resultado para la toma de

decisiones a niveles administrativos bajos, medianos y superiores, todo ello aplicado a las
distintas áreas, entre ellas la contabilidad.