UNIVERSIDAD TECNOLÓGICA DE TECAMACHALCO

Organismo Público Descentralizado del Gobierno del Estado de Puebla.

______________________________________________

INGENIERIA INDUSTRIAL

MATERIA:
INVESTIGACIÓN DE OPERACIONES

UNIDAD I:
INTTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES

ALUMNO:
EDGAR HUERTA NICANOR

GRADO Y GRUPO:
9° C

DOCENTE:
ING. JOSÉ MIGUEL TELLEZ ZEPEDA

TECAMACHALCO DE GUERRERO DE PUEBLA, 06 DE MAYO DE 2022

INDICE

Introducción ........................................................................................................ 3
Investigación de operaciones ............................................................................. 4
I. ¿Qué es Investigación de operaciones? ...................................................... 4
II. La Evolución Histórica de la Investigación de Operaciones ......................... 6
III. Clasificación de los problemas de la Investigación de operaciones. ........ 9
Programación lineal ...................................................................................... 10
Programación entera .................................................................................... 11
Programación dinámica ................................................................................ 11
Programación no lineal ................................................................................. 11
IV. Metodología o Fases de Estudio de la Investigación de operaciones .... 13
Conclusiones .................................................................................................... 15
Referencias ...................................................................................................... 16
Bibliografía ....................................................................................................... 16

Ilustración I-1: características de la investigación de operaciones ..................... 4

Ilustración II-1: primeros 50 años de la investigación de operaciones ............... 6
Ilustración II-2: línea del tiempo .......................................................................... 8
Ilustración IV-1: Tipos de modelos ................................................................... 14

Tabla 1: clasificación de modelos ..................................................................... 10

Tabla 2: Mapa conceptual ................................................................................ 12
 Introducción

Dentro del siguiente apartado se dará a conocer que es la investigación de

operaciones, así como sus usos y aplicaciones así como también su origen y
comienzo de sus aplicaciones, la cual nace durante la Segunda Guerra Mundial
como una herramienta para la toma de decisiones acerca de la mejor utilización
del material de guerra. Posteriormente, su aplicación fue extendiéndose a áreas
como la ingeniería civil y la agricultura, dando gran importancia a la utilización de
modelos matemáticos para la identificación de las mejores alternativas de
decisión. En la actualidad, la aplicación de la IO es de gran importancia para
organizaciones, sistemas económicos, educacionales, entre otros.

Esta herramienta centra su atención en simular matemáticamente un sistema,

intentando incorporar restricciones que permitan garantizar una solución óptima
con un gran ajuste a la realidad. En este contexto, la IO se puede definir como la
aplicación, por grupos interdisciplinarios, del método científico a problemas
relacionados con el control de los sistemas (empresariales, económicos,
etcétera), generando alternativas para ser evaluadas y eligiendo la más
conveniente
 Investigación de operaciones

I. ¿Qué es Investigación de operaciones?

Debemos de entender a La investigación de operaciones como una rama de las

matemáticas que se vale de modelos, análisis estadístico y algoritmos para
tomar decisiones operativas.

Según (Figueroa R.) con una explicación general sobre los orígenes y
aplicaciones de la investigación de operaciones (IO) con el propósito de
proporcionar una definición adecuada. Posteriormente, se describe la diferencia
que hay entre un sistema y un modelo. (Figueroa, 2017).

Después Se puntualiza por medio de ejemplos la distinción entre un modelo

determinístico y un Modelo estocástico, siendo ambos simbólicos. Se hace
referencia a las siete fases que permiten con mayor facilidad modelar un sistema,
los cuales son:

 Observaciones aplicadas al sistema.

 Definición del problema.
 Formulación del modelo.
 Solución del modelo.
 Validación del modelo.
 Modificación del modelo.
 La implementación del modelo.

Ilustración I-1: características de la investigación de operaciones

Se explican conceptos que son componentes importantes en la estructura
matemática de un modelo, como son:

 Datos.
 Variables de decisión.
 Parámetros.
 Restricciones.
 Función objetivo.
 Medidas de desempeño.

La investigación de operaciones (IO) es la disciplina que enfrenta un problema

Concreto, lo divide en pequeñas partes, lo cual facilita el análisis de cada una de
ellas, para obtener un problema abstracto o, mejor aún, un modelo, todo ello
mediante una investigación del sistema donde ocurre el problema, con el fin de
ofrecer acciones o alternativas de solución.
 II. La Evolución Histórica de la Investigación de
Operaciones

Los primeros esfuerzos por estructurar esta disciplina se realizaron durante la

Segunda Guerra Mundial en Gran Bretaña, donde la administración militar
convocó a un grupo de científicos de distintas áreas del conocimiento para que
estudiaran y ofrecieran soluciones viables a problemas tácticos y estratégicos
asociados con la defensa del país.

Aparentemente, la investigación de operaciones (IO) fue bautizada así debido a

que el equipo realizaba una investigación de operaciones militares.

Un grupo importante de administradores militares de Estados Unidos inició

algunas investigaciones similares, motivados por los resultados alentadores que
obtuvieron los equipos británicos. Para llevarlas a cabo, reunieron a varios
especialistas, quienes lograron resultados tan sorprendentes que obligaron a
concentrar la atención en este nuevo enfoque científico. En sus estudios se
incluyeron problemas logísticos complejos, tales como la planeación de minas
en el mar y la eficaz utilización de equipo electrónico.

Ilustración II-1: primeros 50 años de la investigación de operaciones

Al término de la guerra y atraídos por los éxitos que consiguieron los estrategas
militares, algunos administradores industriales comenzaron a aplicar esta
herramienta para resolver los problemas que originaban el tamaño y la
complejidad de las industrias.

En un principio se acreditó a Gran Bretaña el mérito de haber utilizado la IO como

una nueva disciplina, pero Estados Unidos tomó pronto el liderazgo en este
campo creciente. La primera técnica matemática ampliamente aceptada en el
medio fue el método símplex de programación lineal, desarrollado en 1947 por
el matemático estadounidense George B. Dantzig. Desde entonces, se han
incorporado nuevas técnicas y otras se han perfeccionado gracias al esfuerzo y
cooperación de expertos interesados tanto en el área académica como en la
industrial.

En el progreso impresionante de la investigación de operaciones fue

determinante el desarrollo de la computadora digital, que con sus enormes
capacidades de velocidad de cómputo, almacenamiento y recuperación de
información, permitió a los tomadores de decisiones actuar con rapidez y
precisión. De no haber sido por la computadora digital, esta disciplina que
plantea grandes problemas de computación no hubiera crecido hasta el nivel en
el que se encuentra hoy en día.

En la actualidad, la IO se aplica a distintas actividades, que trascienden los

ámbitos militares e industriales, para incluir actividades tales como la salud
pública, instituciones financieras, bibliotecas, planeación urbana, sistemas de
transporte y sistemas de comercialización.3

Cabe mencionar que la IO ha sido un factor de primera importancia en el

mejoramiento de la eficiencia de numerosas organizaciones alrededor del
mundo, y su aplicación ha contribuido en gran medida al incremento de la
productividad de la economía de algunos países.
Ilustración II-2: línea del tiempo
 III. Clasificación de los problemas de la Investigación de
operaciones.

El álgebra es una ciencia cuyo objetivo es simplificar y generalizar las cuestiones

relativas a los números por medio de la utilización de letras llamadas literales.
Un problema algebraico es toda cuestión en la que se tiene que hallar una o más
cantidades desconocidas llamadas incógnitas, relacionadas con otras
cantidades conocidas denominados datos.

Modelos físicos o icónicos: Permiten materializar las propiedades físicas del

objeto.

Modelos análogos: Utilizan un medio diferente para representar físicamente las

propiedades reales de un objeto.

Modelos simbólicos: Utilizan datos, parámetros y restricciones sujetas a un

objetivo que se desea alcanzar.

En general, estos tres tipos de modelos tienen algo en común: Representan una
abstracción cuidadosamente seleccionada de la realidad de un sistema Desde
el punto de vista de la OI, los modelos simbólicos se dividen en dos tipos:
determinísticos y estocásticos:

Modelos determinísticos: Nombrados así, debido a que se conocen con

certeza todos los datos necesarios para obtener una solución óptima, lo que
asegura relativamente la incertidumbre con respecto a las variables
involucradas. Un ejemplo de modelo determinístico es la asignación de la
tripulación de una aerolínea para cada uno de los vuelos del mes próximo
conociendo los horarios de vuelo, el personal disponible, las restricciones legales
sobre horas de trabajo.
Modelos estocásticos: Llamados así, debido a que no se conocen con certeza
todos los datos necesarios para obtener una solución óptima, lo cual ocasiona
que las variables involucradas se comporten relativamente de manera aleatoria.
Estos problemas son denominados también modelos Probabilísticos.

Tabla 1: clasificación de modelos

Programación lineal

Para (G.D. Penn) Existen técnicas de búsqueda muy eficientes para optimizar
los modelos lineales restringidos. Por razones históricas, a los modelos lineales
restringidos se les llama programas lineales PL (o LP, por las siglas en inglés de
Linear Program). No obstante, la flexibilidad de las hojas de cálculo electrónicas
exige que se preste atención a la representación del modelo de PL en ellas, antes
de poder proceder con los detalles del proceso de optimización propiamente
dicho. Nuestras metas en el presente capítulo son desarrollar algunas técnicas
para la formulación de modelos de PL; recomendar algunas reglas para la
expresión de modelos de PL en una hoja de cálculo electrónica que facilitan la
aplicación de, el paquete de optimización que ha sido incorporado a Excel (y
también a varios otros paquetes de hojas de cálculo); y usar para optimizar los
modelos de PL en hojas de cálculo de un modo mucho más eficaz que la
búsqueda exhaustiva. (PENN, 2015).
Programación entera

Los modelos de programación entera son una extensión de los modelos lineales
en los que algunas variables toman valores enteros. Con frecuencia las variables
enteras solo toman valores en 0-1, ya que este tipo de variables permiten
representar condiciones lógicas. Este tipo de modelos permite representar
sistemas mucho más complejos. A cambio, la resolución de los mismos se
complica excesivamente. No se puede utilizar la suavidad de las funciones para
inferir el comportamiento de las mismas cerca del ´optimo. Problemas con unas
solas decenas de variables pueden ser casi imposibles de resolver.

Programación dinámica

EPPEN, G. D. explica la programación dinámica como todos los esfuerzos de

modelado cuantitativo requieren una intensa interacción y comunicación entre
quien construye el modelo y el usuario final. Esto es particularmente cierto en los
proyectos de simulación. El usuario final debe comprender cómo introducir
decisiones y parámetros y cómo analizar el resultado. El conocimiento de
primera mano por parte del usuario es fundamental para asegurar que la
simulación capture la esencia del problema real. Asimismo, el hecho de que el
usuario tenga un conocimiento personal del problema real puede ser un factor
importante en la búsqueda de una buena solución. Una buena documentación y
las dinámicas de grupo están íntimamente relacionadas y son parte importante
de la administración de cualquier proyecto basado en el modelado y el análisis
cuantitativos. (EPPEN, 2000)

Programación no lineal

Un modelo de programación matemática en el cual por lo menos una de las

funciones de restricción o la función objetivo, o ambas, son no lineales
Tabla 2: Mapa conceptual
 IV. Metodología o Fases de Estudio de la Investigación de
operaciones

La primera fase es tradicional al método científico, la observación:

La observación se usa para identificar hechos y síntomas relativos a un sistema,

puede hacerse con una ojeada casual o con un examen concentrado, detallado
y prolongado que se base en los requerimientos del problema que se estudia. El
administrador capacitado debe ser muy sensible a la presencia de
contratiempos, pero debe cerciorarse de que se identifique el principal y no sólo
uno de sus síntomas.

La segunda fase consiste en definir el problema:

Es una función que todo el equipo de OI debe realizar, el cual implica estudiar,
definir e identificar la principal causa del problema:

a) La descripción de alternativas de decisión.

b) La determinación del objetivo del estudio.

c) La especificación de las limitaciones bajo las cuales funciona el sistema.

La tercera fase consiste en formular el modelo:

Se debe seleccionar o aislar del sistema aquellos aspectos de la realidad que

sean relevantes dentro del ámbito del problema, estableciendo los objetivos que
se desean alcanzar y las restricciones bajo las cuales se encuentra sujeto el
sistema modelado.

La cuarta fase consiste en solucionar el modelo:

Implica encontrar los valores de las variables dependientes asociadas a los

componentes controlables del sistema; es decir, obtener el objetivo que se desea
alcanzar, las restricciones bajo las cuales se encuentre sujeto el problema y los
cambios de incertidumbre que existen en sus respectivos parámetros; a esto se
le conoce como Análisis de Sensibilidad y es muy necesario cuando los
principios del sistema no pueden estimarse con exactitud.

La quinta fase consiste en validar el modelo:

Un modelo es válido cuando proporciona una predicción confi able del

funcionamiento del sistema. Para comprobar la efi ciencia de este modelo es
necesario comparar las variables exógenas del actual con respecto a uno pasado
en una situación similar.

La sexta fase consiste en modificar el modelo:

En el caso de que no suceda lo ya indicado, es necesario modificar el modelo.

Lo cual implica que deberá iniciar nuevamente el proceso revisando cada una de
las fases anteriores de la metodología de la OI

En la última y séptima fase se lleva a cabo la implementación del modelo:

Esto implica verificar los resultados obtenidos y analizarlos mediante la

experimentación. Esta etapa es crítica, porque sólo aquí es donde se cosecharán
los beneficios del estudio, los cuales son respaldados por la toma de decisiones
al mundo real.

Ilustración IV-1: Tipos de modelos

 Conclusiones

Como resultado Figueroa R. Nos deja que, podemos afirmar que este método
(fases para modelar un sistema) es una herramienta científica cuya médula
espinal sustenta la base del equipo de investigación de operaciones, el cual tiene
como objetivos: observar, investigar, analizar, solucionar y predecir el
comportamiento de sistemas con base en modelos matemáticos, los cuales son
aplicados en cualquier tipo de organización.

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.
 Referencias

EPPEN, G. D. (2000). En G. D. EPPEN, Investigación de Operaciones (pág.

581). México: PRENTICE-HALL.
Figueroa, R. P. (2017). INVESTIGACION DE OPERACIONES 1. En R. P.
Figueroa, INVESTIGACION DE OPERACIONES 1 (pág. 237). Alfaomega
Grupo Editor, S.A. de C. V., México.
PENN, G. (2015). INVESTIGACION DE OPERACIONES. En L. R. Weatherford,
INVESTIGACION DE OPERACIONES en la ciencia admistrativa (pág.
794). naucalpan.

Bibliografía

EPPEN, G. D. (2000). En G. D. EPPEN, Investigación de Operaciones (pág.

581). México: PRENTICE-HALL.
Figueroa, R. P. (2017). INVESTIGACION DE OPERACIONES 1. En R. P.
Figueroa, INVESTIGACION DE OPERACIONES 1 (pág. 237). Alfaomega
Grupo Editor, S.A. de C. V., México.
PENN, G. (2015). INVESTIGACION DE OPERACIONES. En L. R. Weatherford,
INVESTIGACION DE OPERACIONES en la ciencia admistrativa (pág.
794). naucalpan.