TECNÓLOGICO NACIONAL DE MÉXICO

Instituto Tecnológico de Apizaco

DIVISIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN

MAESTRIA EN INGENIERÍA ADMINISTRATIVA

ENSAYO:

“INVESTIGACIÓN DE OPERACIONES”

PRESENTA:

ING. LAURA FUENTES JIMÉNEZ

Apizaco, Tlaxcala, a 8 Noviembre de 2023

La investigación de operaciones da inicio con el pensamiento matemático más estructurado, dando
lugar a las primeras actividades como tal de IO en Inglaterra durante la Segunda Guerra Mundial,
cuando un grupo de científicos empezó a tomar decisiones con respecto al uso del material bélico de
la época, al término de la guerra todas las ideas formuladas en la operaciones militares fueron
adaptadas como modelos para mejorar la eficiencia y productividad en la sociedad en general

La naturaleza de la Investigación de Operaciones comprende el modelado matemático, soluciones

factibles, optimización y cálculos iterativos. (TAHA, 2012)

Pero como entender de una forma más amigable esta ciencia llamada Investigación de Operaciones;
imaginemos que tenemos una determinada situación que necesita ser resuelta de la mejor manera y
con los recursos disponibles entonces hagámoslo de una forma más estructurada para poder tomar la
mejor decisión de solución ante la problemática es decir:

1. Planteamiento del problema

2. Alternativas de decisión
3. Criterio objetivo para evaluar las alternativas de decisión
4. Establecimiento de restricciones

Una vez mapeada la situación y su entorno necesitaremos de diversas herramientas que nos ayuden
a lograr la solución de la misma, es aquí donde nos adentraremos en las diversas opciones que nos
proporción la Investigación de Operaciones ya que no se cuenta con una técnica general única para
resolver todos los modelos que puedan surgir en la práctica. En su lugar, el tipo y complejidad del
modelo matemático determina la naturaleza del método de solución las cuales son:

La técnica de IO más importante es la programación lineal. Está diseñada para modelos con
funciones objetivo y restricciones lineales. Otras técnicas incluyen la programación entera (en la
cual las variables asumen valores enteros), la programación dinámica (en la cual el modelo original
puede descomponerse en subproblemas más pequeños y manejables), la programación de red (en la
cual el problema puede modelarse como una red), y la programación no lineal (en la cual las
funciones del modelo son no lineales). Éstas son sólo algunas de las muchas herramientas de IO con
que se cuenta

En la mayoría de las técnicas de IO las soluciones no se obtienen en formas cerradas (como

formulas) sino como algoritmos que proporcionan reglas fijas de cálculo que se aplican en forma
repetitiva al problema, y cada repetición (llamada iteración) acerca la solución a lo óptimo. Es decir
te proporciona un sinfín de posibles soluciones que se pueden aplicar al problema, ya que no
siempre la solución óptima suele ser factible o viceversa, es aquí donde entran los criterios de
decisión para la toma de decisiones

Para implementar la IO en la práctica, las fases principales son:

1. Definición del problema.

2. Construcción del modelo.
3. Solución del modelo.
4. Validación del modelo.
5. Implementación de la solución.
Aunemos un poco más en las vastas técnicas de IO:

MODELOS DE COLAS Y SIMULACIÓN

Las colas y la simulación estudian las líneas de espera. No son técnicas de optimización; más bien
determinan medidas de desempeño de las líneas de espera, como tiempo de espera promedio en la
cola, tiempo de espera promedio para el servicio, y el uso de las instalaciones de servicio. Los
modelos de colas utilizan modelos probabilísticos y estocásticos para analizar líneas de espera, y la
simulación estima las medidas de desempeño al imitar el comportamiento del sistema real.

MODELADO CON PROGRAMACIÓN LINEAL

En esta técnica se determinan el número de variables a estudiar, también hace uso de la heurística

Todos los modelos de IO, incluido el de Programación Lineal, constan de tres componentes básicos.
1. Las variables de decisión que pretendemos determinar.
2. El objetivo (la meta) que necesitamos optimizar (maximizar o minimizar).
3. Las restricciones que la solución debe satisfacer.

Al probar estas variables se llegara a 3 resultados:

 Solución factible
 Solución no factible
 Solución optima

Algunas de las aplicaciones de programación lineal en los cuales la definición de las variables y la
construcción de la función objetivo, así como las restricciones, no son tan directas como en el caso
del modelo de dos variables. Las áreas cubiertas por estas aplicaciones incluyen lo siguiente:

 Inversión.
 Planificación de la producción y control de inventarios.
 Planificación de la mano de obra.
 Planificación de desarrollo urbano.
 Refinación y mezcla de petróleo.

MÉTODO SIMPLEX Y ANÁLISIS DE SENSIBILIDAD

El método simplex impone dos requerimientos a las restricciones de programación lineal.

1. Todas las restricciones son ecuaciones con lado derecho no negativo.
2. Todas las variables son no negativas1

Conversión de las desigualdades en ecuaciones con lado derecho no negativo. En un modelo de PL

económico, el lado derecho representa la disponibilidad de un recurso, y el izquierdo el uso del
recurso por todas las actividades del modelo (variables). La cantidad excedente del lado derecho
respecto de izquierdo da entonces la cantidad no utilizada del recurso
Para convertir una desigualdad (menor igual) en ecuación se agrega una variable de holgura al lado
izquierdo de la restricción.
Una restricción (Mayor igual) establece un límite inferior en las actividades económicas de la
programación lineal, así que la cantidad en la cual el lado izquierdo excede el límite mínimo
representa un superávit

DUALIDAD Y ANÁLISIS POSTÓPTIMO

El problema dual se define sistemáticamente a partir del modelo de Programación Lineal primal (u
original). Los dos problemas están estrechamente relacionados en el sentido de que la solución
óptima de uno proporciona automáticamente la solución óptima al otro.

Las ideas clave para construir el dual a partir del primal se resumen como sigue:

 Asigne una variable dual por cada restricción primal.

 Construya una restricción dual por cada variable primal.
 Los coeficientes de restricción (columna) y el coeficiente objetivo de la variable primal j-
ésima definen respectivamente los lados izquierdo y derecho de la restricción dual j-ésima.
 Los coeficientes objetivo duales son iguales a los lados derechos de las ecuaciones de
restricción primales.
 Las reglas del sentido de optimización, la dirección de las desigualdades y los signos de las
variables en el dual. Una forma fácil de recordar el tipo de restricción en el dual (es decir,
menor igual o mayor igual) es que si el objetivo dual es de minimización (es decir, apunta
hacia abajo), entonces todas las restricciones serán del tipo mayor igual (es decir, apuntan
hacia arriba). Lo opuesto aplica cuando el objetivo dual es de maximización.

La siguiente tabla lista esos casos que pueden surgir en el análisis postóptimo y las acciones
necesarias para obtener la nueva solución (suponiendo que existe una):

MODELO DE TRANSPORTE

Es una red donde hay m orígenes y n destinos, cada uno representado por un nodo. Los arcos
representan las rutas que unen los orígenes con los destinos. El arco (i, j) que une el origen i con el
destino j transporta dos piezas de información: el costo de transporte por unidad, cij y la cantidad
transportada, xij. La cantidad de la oferta en el origen i es ai y la cantidad de la demanda en el
destino j es bj. El objetivo del modelo es minimizar el costo de transporte total al mismo tiempo que
se satisfacen las restricciones de la oferta y la demanda

MODELO DE REDES
  Árbol de mínima expansión
 Algoritmo de la ruta más corta
 Algoritmo de flujo máximo
 Algoritmo de la ruta crítica (CPM)

PROGRAMACIÓN DE METAS

Se basa en la representación de múltiples metas por una sola función objetivo. En el método de
pesos, la función objetivo única es la suma ponderada de las funciones que representan las metas
del problema. El método preventivo inicia priorizando las metas por orden de importancia. Luego,
el modelo optimiza las metas de una en una en el orden de prioridad de modo que no degrade una
solución de más alta prioridad.

PROGRAMACIÓN HEURÍSTICA

Es una técnica de búsqueda directa que utiliza reglas favorables prácticas para localizar soluciones
mejoradas. La ventaja de la heurística es que en general determina (buenas) soluciones con rapidez,
utilizando reglas de solución simples. La desventaja es que la calidad de la solución (con respecto a
la óptima) suele desconocerse.

PROBLEMA DEL AGENTE VIAJERO (TSP*)

Esta técnica tiene que ver con hallar el recorrido más corto (cerrado) en una situación de n ciudades,
donde cada ciudad es visitada exactamente una vez antes de regresar al punto de partida.

El modelo TSP asociado se define por medio de dos datos:

1. El número de ciudades, n.
2. Las distancias dij entre las ciudades i y j (dij = infinito si las ciudades i y j no están
comunicadas).

El máximo de recorridos en una situación de n ciudades es ¡(n 2 1)!

Existen 5 aplicaciones:
1. Secuenciación de pinturas en una planta de producción.
2. Tarjeta de circuito integrado.
3. Agrupamiento de proteínas.
4. Obtención de imágenes celestes
5. Creación de la Mona Lisa con TSP
PROGRAMACIÓN DINÁMICA DETERMINÍSTICA

La idea principal de la programación dinámica (PD) es descomponer el problema en subproblemas

(más manejables). Los cálculos se realizan entonces recursivamente donde la solución óptima de un
subproblema se utiliza como dato de entrada al siguiente problema. La solución para todo el
problema está disponible cuando se soluciona el último subproblema. La forma en que se realizan
los cálculos recursivos depende de cómo se descomponga el problema original. En particular,
normalmente los subproblemas están vinculados por restricciones comunes. La factibilidad de estas
restricciones comunes se mantiene en todas las iteraciones.

En conclusión:
La investigación de operaciones es el mágico mundo de técnicas y modelos matemáticos que
ayudan al pensamiento sistemático a tomar las mejores decisiones basadas en cálculos matemáticos
y que ofrecen una amplia gama de soluciones, pero solo una es la que lograra satisfacer las
funciones objetivas que fueron planteadas al inicio de cada problemática.

¡Lo más importante de todo este mundo matemático es la correcta definición de la problemática a
resolver!

Bibliografía
TAHA, H. A. (2012). Investigacion de Operaciones. México: PEARSON.