Área: Tecnología

Investigación de operaciones

M1 Modelos matemáticos
 Módulo: 1
Curso: Investigación de operaciones

Mapa de Contenido

Modelos matemáticos

Origenes de Componentes de
Ciclo de resolución
investigación de Definiciones modelos
de problemas
operaciones matemáticos

Modelo matemático Función objetivo

Brechas entre diseño

Variables
teórico y modelo real

Restricciones
 Módulo: 1
Curso: Investigación de operaciones

Índice

Introducción ............................................................................................................................................................................................................ 4
1. Orígenes de la investigación de operaciones ....................................................................................................................................... 5
2. Ciclo de resolución de problemas ............................................................................................................................................................. 7
2.1 Áreas de desarrollo de modelos ........................................................................................................................................ 8
3. Definiciones ...................................................................................................................................................................................................... 10
3.1 Modelos matemáticos ..................................................................................................................................................... 10
3.2 Brechas entre diseño teórico y modelo real ................................................................................................................... 11
4. Componentes de modelos matemáticos ............................................................................................................................................. 12
4.1 Función objetivo .............................................................................................................................................................. 12
4.2 Variables .......................................................................................................................................................................... 15
4.3 Restricciones.................................................................................................................................................................... 17
Cierre ....................................................................................................................................................................................................................... 22
 Módulo: 1
Curso: Investigación de operaciones

Resultado de aprendizaje

Identifica conceptos básicos referidos a los modelos matemáticos, sus componentes y su uso, dentro
de la industria productiva.

Introducción
La investigación de operaciones es una de las ramas de las ciencias matemáticas, que junto a otras
herramientas, tales como, la teoría de sistemas, probabilidades y estadísticas, y simulación, entre otras,
permite el análisis de sistemas complejos, en los cuales se necesita obtener un resultado que permita
encontrar la mejor combinación, entre la asignación de todos los recursos involucrados en este sistema
complejo, y la composición del resultado, el cual en términos prácticos debe optimizar los resultados
esperados (sean estos económicos, de tiempo, distancia, etc.).

Un sistema complejo puede ser, por ejemplo, una fábrica que tiene
por objetivo principal la confección de zapatillas, y se espera como
resultado del modelamiento de este sistema mediante la I.O.
(investigación de operaciones) una combinación que maximice el
ingreso económico de las ventas de zapatillas, cuyo resultado es
amplio, diverso e incierto, dado que existen zapatillas diferenciadas
por género (hombres, mujeres, niños, y niñas), en diversidad de
tallas (desde gateadores, hasta talla 45+), y multiplicidad de estilos
(colegiales, running, basketball, yoga, trekking, urbanas, etc.).

A raíz de lo anterior, es que formalmente se desarrolló la I.O. como una herramienta que apoye el proceso
de toma de decisiones complejas, la cual se puede indicar que es mezcla de ciencia y de arte. “Ciencia”
porque se utilizan técnicas matemáticas, y “arte” porque el éxito del resultado depende, tanto de la
creatividad como de la experiencia de quien tenga la responsabilidad de desarrollar la actividad de
investigación de operaciones al interior de la organización.

Pág. 4
 Módulo: 1
Curso: Investigación de operaciones

1. Orígenes de la investigación de operaciones

Se entiende por investigación de operaciones a la

aplicación del método científico para resolver
problemas dentro de una organización, que le
permita a la misma, tomar las decisiones correctas o
acertadas para encontrar las soluciones más
convenientes o propicias para la organización,
además, de mejorar la coordinación entre las
múltiples áreas de la organización y mejorar el
control de sistemas. Hoy por hoy es indispensable
que una organización cuente con esta área, como su
nombre lo indica, la investigación de operaciones es
"hacer investigación sobre las operaciones", si
bien esto es aplicable a las empresas, no se
desconoce que uno de los principales impulsos fue
de origen militar, de ahí otra derivación del nombre
por las mejoras realizadas en las operaciones
militares

Las primeras iniciativas formales en la historia sobre la investigación de operaciones se remontan a

Inglaterra durante la segunda Guerra Mundial, cuando se encarga a un grupo de científicos ingleses el
diseño de herramientas cuantitativas, que dieran apoyo con bases científicas a la toma de decisiones
acerca del mejor uso de materiales bélicos.

Una vez finalizada la segunda guerra, las ideas desarrolladas inicialmente con fines bélicos, fueron
adaptadas para mejorar la eficiencia y la productividad de la industria en el sector civil.

La búsqueda de la mejor solución posible, para una variedad de situaciones y/o problemas, ha intrigado
al hombre a través de los tiempos en una amplia cantidad de materias: ¿Cómo se puede ir desde A a B
en el menor tiempo posible?, ¿Cómo se puede desarrollar el plan de producción que responda al
Plan de Ventas definido para la empresa?, o una de las más importantes de todas ¿Cómo
maximizamos utilidades de la empresa?

Las técnicas formales utilizadas ya en la aplicación de la I.O. datan de los inicios del siglo XX, pero también
existen antecedentes en el pasado de siglos anteriores como antecedentes, para lo cual es conveniente
fijarse en la idea fundamental de la I.O. que es el método científico, el cual es un proceso destinado a
explicar fenómenos mediante el establecimiento de relaciones entre las causas y los hechos, para
posteriormente enunciar leyes que expliquen los fenómenos físicos del mundo y permitan obtener, con
estos conocimientos, aplicaciones útiles al hombre.

Pág. 5
 Módulo: 1
Curso: Investigación de operaciones

Al ingeniero Frederick Winslow Taylor (Ingeniero Industrial

Norteamericano) se le reconoce la paternidad de la Administración
Científica, debido a sus investigaciones sobre las tareas de los jefes
de un taller, así como también de la producción diaria individual
según la capacidad del trabajador en tareas específicas, definiendo
así la división del trabajo mediante capacitación, selección y
adiestramiento de los trabajadores. Además, Taylor aplicó el
análisis científico a los problemas de manufactura, estableciendo
normas de trabajo y la especialización.

Por su parte Henry L. Gantt (Ingeniero Mecánico Norteamericano), que

destacó por sus aportaciones a la organización científica del trabajo,
planeó que las tareas de las máquinas pueden ser panificables y
organizables para evitar demoras de producción, así es posible fijar
fechas de entrega con más seguridad.

Posteriormente y tras la segunda guerra mundial, durante las décadas

de los 50 y 60, creció el interés y el desarrollo de la Investigación
Operativa, debido a la aplicación de sus metodologías, ya no solo para
el ámbito militar, sino que mayormente para el comercio y para la
industria, lo cual llevó también a su desarrollo teórico y computacional,
que permitió una importante reducción del tiempo en la resolución de
problemas mediante, por ejemplo, el uso de uno de los primeros
computadores de la era moderna, el ordenador SEAC construido en 1950 en los Estados Unidos por el
Instituto Nacional de Estándares y Tecnología de los Estados Unidos, de ahí en adelante su desarrollo ha
sido exponencial hasta el presente, en donde existen softwares cada vez más especializados y
desarrollados a la medida de las organizaciones, incluso siendo parte de paquetes informáticos
empresariales como SAP, o siendo parte del propio MS Excel en la aplicación “Solver”.

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 producción, el transporte, la
construcción, las telecomunicaciones, la planeación financiera, el cuidado de la salud, las fuerzas
armadas y los servicios públicos, por nombrar sólo unas cuantas. Así, la gama de aplicaciones es
extraordinariamente amplia.

Recuerda

La parte de investigación en el nombre significa, que la investigación de operaciones usa un enfoque

similar a la manera en que se lleva a cabo la investigación en los campos científicos establecidos. En
gran medida, se usa el método científico para investigar el problema en cuestión.

Pág. 6
 Módulo: 1
Curso: Investigación de operaciones

2. Ciclo de resolución de problemas

La literatura en general indica que las principales etapas de la investigación de operaciones comprenden
las siguientes 5 fases, aun cuando estas varían de autor en autor, en relación a si se desglosan en más o
en menos sub-etapas, pero en grandes rasgos las etapas del ciclo de resolución de problemas se
identifican las siguientes fases de construcción y verificación del modelo:

2.La 5.La
1.La definición del 3.La solución 4.La validación
construcción implementación
problema del modelo del modelo
del modelo de la solución.

En términos muy simples:

1. La definición del problema implica definir tanto el sistema en análisis, como alcance del
problema que se desea investigar.

2. La construcción del modelo implica la traducción del sistema a números y ecuaciones, y la

definición del problema junto a sus relaciones matemáticas.

3. La solución del modelo es una de las partes más sencilla, ya que hoy en día existen multiplicidad
de programas informáticos que permiten encontrar de forma rápida los resultados de estos
sistemas.

4. La validación del modelo es la etapa de comprobación del modelo propuesto, si esta hace lo
que se quiere que haga, vale decir, ¿predice el modelo diseñado en forma adecuada el
comportamiento esperado del sistema que se estudia?

5. Finalmente, la etapa de implementación del resultado de un modelo validado es la oportunidad

en donde los tomadores de decisión asumen la responsabilidad de ejecutar un resultado
matemáticamente obtenido basado en el análisis y modelamiento de un sistema complejo.

En particular, tal como se indica, el proceso comienza con la observación detallada del sistema y la
formulación del problema, incluyendo la recolección de todos los datos pertinentes. El siguiente paso es
la construcción de un modelo matemático que intenta extraer la esencia del problema al cual nos
enfrentamos, aquí es cuando debemos diseñar un modelo que sea la representación lo más
suficientemente preciso, de los aspectos esenciales del sistema, para que las soluciones obtenidas del
modelo matemático también sean válidas para el problema real. Después, se llevan a cabo los análisis
adecuados para probar este modelo, modificarlo si es necesario y verificarlo, y ponerlo en marcha.

Pág. 7
 Módulo: 1
Curso: Investigación de operaciones

El objetivo de la I.O. es la de identificar la

mejor solución, o el mejor curso de acción
posible para el sistema en análisis, aun
cuando debe interpretarse con bastante
objetividad las necesidades reales de la
organización en esta "búsqueda de la
máxima optimalidad" ya que es factible
que se desarrollen esfuerzos más allá de los
necesarios, aun cuando esta búsqueda de la
máxima optimalidad es un aspecto
importante, o el aspecto esencial, dentro de la investigación de operaciones.

Por lo anterior, cuando se va a emprender un estudio de investigación de operaciones a gran escala o

con un amplio alcance, más allá de una línea de producción por ejemplo, se hace del todo necesario
contar con un amplio equipo de profesionales, el cual debe incluir profesionales con conocimientos en
matemáticas, en estadística y probabilidades, al igual que en economía, administración de empresas,
informática, e ingeniería, así mismo, dicho equipo debe estar integrado por los profesionales y
trabajadores que cuenten con el mayor conocimiento y experiencia empírica del sistema bajo análisis,
puesto que ellos generalmente tienen un alto conocimiento empírico de los sistemas y apoyaran a
generar soluciones.

2.1 Áreas de desarrollo de modelos

Solo por nombrar algunas de las áreas en donde se han desarrollado modelos matemáticos tendientes a
describir fenómenos o hechos de las industrias, o del diario vivir, se pueden indiciar las siguientes áreas:

Área de Transporte y Almacenamiento

▪ Diagramación de recorridos de buses
▪ Diseño de sistemas de distribución
▪ Ruteo de Entregas de mercaderías
▪ Localización de Grandes bodegas de almacenamiento
▪ Planes de vuelo en aerolíneas
▪ Evaluación de rutas alternativas en sistemas logísticos
▪ Sincronización de semáforos

Análisis de Inventarios
▪ Inventarios con demanda conocida
▪ Costos de mantenimiento de inventarios
▪ Puntos de reposición y niveles de seguridad
▪ Costos de mantenimiento anual del sistema
▪ Rotación anual de inventarios

Pág. 8
 Módulo: 1
Curso: Investigación de operaciones

Modelos de colas o espera

▪ Problemas de colas en Bancos
▪ Problemas de distribución de camas en hospitales
▪ Saturación de centrales telefónicas por reclamos de clientes

Simulación de empresas de producción y servicios

▪ Simulación de talleres de reparación de vehículos
▪ Simulación y Optimización de tráfico en aeropuertos comerciales
▪ Simulación de procesos de fabricación en serie
▪ Simulación de sistemas de peajes manuales y automáticos
▪ Simulación de cuellos de botella en procesos de producción

Pág. 9
 Módulo: 1
Curso: Investigación de operaciones

3. Definiciones
3.1 Modelos matemáticos
La matemática proporciona numerosos instrumentos que
apoyan esta tarea. Entre ellos se puede mencionar el uso
de los modelos que permiten un mejor análisis del sistema,
si bien los modelos utilizan el lenguaje matemático para
lograr esta representación, también suministran un
consejo sobre la mejor decisión indicando cuál será el
resultado obtenido en caso de seguir la indicación.

Entre los modelos que utilizan lenguaje matemático se

pueden mencionar los modelos de programación
matemática.

En relación con el significado de la palabra programación, se puede afirmar que se usa comúnmente
para referirse a las actividades que se van a llevar a cabo en relación con identificar y diseñar
modelos. Aunque en este caso, la expresión programación es utilizada para elegir la mejor combinación
de valores de las variables que son parte del sistema en análisis, y lo de matemática se debe a los
instrumentos utilizados para hacer la selección. Con frecuencia, la selección de una alternativa incluye
satisfacer varios criterios al mismo tiempo.

Justamente ésta es la estructura de los modelos que se presentan a continuación. En donde se incluyen
variaciones sobre el tipo de funciones que se utilizan, lineales o no lineales; así como los tipos de
variables que intervienen, enteras o reales; también del número de objetivos por alcanzar, uno o varios;
y, por último, en torno al número de decisiones sobre la misma variable que requiere el problema, una
o varias.

La naturaleza del modelo construido depende de los elementos

que se elijan para conformarlo. El modelo puede tomar
diferentes formas, sea un dibujo, un mapa, un gráfico o
expresiones matemáticas. Al representar en forma matemática
los elementos y las relaciones que intervienen en un problema,
se tienen algunas ventajas: permite la utilización de los
modelos matemáticos ya desarrollados en la obtención de una
solución y proporciona un modo sistemático, explícito y
eficiente de encontrarla. Asimismo, permite evaluar distintas
soluciones factibles y tomar la mejor decisión, siendo también útiles para predecir y comparar el
comportamiento de las soluciones encontradas frente a otras alternativas de solución.

La matemática aporta un gran número de modelos, cuya solución puede obtenerse con facilidad a través
de paquetes computacionales. Entre estos modelos pueden mencionarse: los de programación lineal,

Pág. 10
 Módulo: 1
Curso: Investigación de operaciones

los de programación entera, los de programación no-lineal, los de programación dinámica y los de
programación multiobjetivos.

Los modelos mencionados en el párrafo anterior corresponden a distintas versiones de una situación
común. Todos los modelos, incluidos los verbales, los mentales y los matemáticos, contienen variables
independientes, variables dependientes, parámetros y constantes. Todos son útiles en la
representación de situaciones en las que se pretende encontrar los valores de las variables que
maximizan o minimizan una de las relaciones conocida como función objetivo, respetando las demás
relaciones definidas en el problema, que corresponden a las restricciones.

3.2 Brechas entre diseño teórico y modelo real

Existe una serie de factores que contribuyen al desarrollo e incluso al crecimiento de la brecha, entre
otros:
▪ Los problemas reales son difíciles de definir y por lo general resulta complicado realizar un análisis
o crear un modelo de estos, razón por la cual, se requiere simplificar aspectos de los sistemas en
análisis y así lograr resultados que sirvan de línea base para futuros desarrollos.
▪ Como es menos complejo desarrollar planes o modelos teóricos, en vez de efectivamente llevarlos
a cabo, los modelos que no se van a implementar, no se confeccionan correctamente ni se toman
en serio desde el comienzo, lo cual lleva a la ligereza en el desarrollo y tratamiento, esto conlleva
a errores a lo largo de las fases de confección del modelo, como también a innecesarios desgastes,
e incluso frustraciones por parte del equipo de Investigación de Operaciones.
▪ Con alta frecuencia los datos se encuentran dispersos al interior de la organización, o son
incompletos e inexactos. Algunas empresas se conforman con resultados medianamente
aproximados, basados solo en suposiciones con tal de ahorrar costos y de obtener resultados lo
más rápido que sea posible. Los resultados aproximados utilizan menos datos y más hipótesis; y
esta forma de abordarlos lleva menos tiempo de recopilación y por ende implica un ahorro de
tiempo y de dinero, pero a costas de un mejor resultado efectivo.
▪ Se necesita de un estrecho proceso de colaboración entre el diseñador/creador del modelo y el
requirente/dueño del problema. Es frecuente ver la falta de un trabajo mancomunado al interior
de las organizaciones, ya que por lo general los integrantes de la organización no ven que estas
acciones de optimización tienen un directo beneficio e inmediato a los procesos. El análisis de
experiencias de otros casos es útil para establecer la confianza y la predisposición a cooperar.
▪ Algunos desarrolladores de modelos abordan con alta urgencia e importancia aquellos problemas
que el gerente de área considera importantes, solo desde una perspectiva de ahorro de costos,
lo cual acota la amplitud de resolución de los problemas solo a aquello que se considera
importante, y no permite la revisión de otras aristas que pueden estar aportando de forma
negativa a los niveles de optimalidad requeridos.

Pág. 11
 Módulo: 1
Curso: Investigación de operaciones

4. Componentes de modelos matemáticos

Todo modelo matemático tiene los siguientes componentes:

Función
Parámetros Restricciones
Objetivo

Además de estos tres componentes, que se desarrollan a continuación, en el proceso de construcción de

un modelo, también se deben tomar acuerdos, tales como: definir qué aspectos de un sistema
objetivamente no serán incluidos en el estudio, como asimismo, también son parte de este desarrollo
aquellos supuestos o condiciones necesarios para que el análisis tenga un correcto desarrollo, como por
ejemplo, lo puede ser la continuidad en las entregas de materias primas para que los procesos
productivos no se detengan.

4.1 Función objetivo

En todo sistema en el que se desee encontrar una forma de
obtener “un buen, o un mejor resultado” dada una
realidad definida y acotada debe tener un medio o una
forma de comprobar que dicho resultado es “el mejor
resultado” (óptimo) o que es un “buen resultado” (Sub
óptimo). Esto se logra mediante un concepto que
académicamente se define como la función objetivo.

En lo que se refiere a la investigación de operaciones a los modelos matemáticos, la función objetivo es

el resultado de un acotado intento de expresar un objetivo buscado en particular, para su uso en el
análisis de toma de decisiones, operaciones, estudios de investigación o de optimización, es la ecuación
que será optimizada dadas las limitaciones o restricciones determinadas y con variables que necesitan
ser minimizadas o maximizadas usando técnicas de programación lineal o no lineal.

Lo que en términos matemáticos se empresa como la sumatoria total de todas las variables de decisión
junto a sus respectivos coeficientes, la cual, al instante de definir el problema, debemos interpretar si
debemos maximizar o minimizar su resultado:

Se debe entender que maximizar una función objetivo es encontrar (cuando exista) la combinación de
valores para todas las variables que entreguen como resultado global el máximo valor posible de la
función objetivo definida.

Pág. 12
 Módulo: 1
Curso: Investigación de operaciones

Por el contrario, se deberá entender que minimizar una función objetivo es encontrar (cuando exista)
la combinación de valores para todas las variables que entreguen como resultado global el mínimo valor
posible de la función objetivo definida.

En la definición de Modelos matemáticos se debe hacer una aclaración, y es en lo que académicamente

se denomina “modelos o programación lineal”, y “modelos o programación no-lineal”. La principal
diferencia radica en el hecho que los modelos denominados lineales (tal como su nombre lo indica), ya
sean las funciones objetivo, como las restricciones, estas generan líneas en el espacio de solución
(ejemplo X > 5), en vez que los modelos no-lineales generan curvas de solución (ejemplo X2 >6), razón
por la cual la función objetivo antes indicada solo se reduce a sumas y restas de variables, no a su
multiplicación.

Ejemplo

Vivimos en la ciudad de Santiago, y deseamos ir desde el Hogar (punto A) al trabajo (punto B),
en donde se pueden definir en primera instancia 3 objetivos de modo claro, estos son:

1. Menor tiempo de trayecto,

2. Menor distancia recorrida,
3. Menor costo de traslado.

Para cada uno de los objetivos anteriormente definidos, de forma muy fácil podemos inferir la
manera de medir el objetivo planteado, en estos casos serían:

1. Demorarse el menor tiempo posible entre el punto A y el punto B

2. Recorrer la menor distancia posible entre el Punto A y el Punto B
3. Gastar la menor cantidad de dinero para el traslado entre el Punto A y el Punto B

Siguiendo con el ejercicio, y solo para simplificar la explicación, podemos entender que no existe una
relación entre cada uno de los objetivos planteados, ya que cada uno busca un objetivo diferente, menor
tiempo, menor distancia, menor costo. (Claramente se puede complejizar más el ejercicio y se pueden
mezclar estos tres objetivos, pero no es la oportunidad).

La construcción de cada función objetivo debe apuntar solo al planteamiento que se haya definido por
parte del tomar de decisiones junto a la asesoría del equipo de trabajo de investigación de operaciones.

Pág. 13
 Módulo: 1
Curso: Investigación de operaciones

Procedimiento

Para el punto 1 diremos que para demorarnos el menor tiempo posible en el traslado desde A
hacia B se deberán sumar todas las fracciones de tiempo involucrados, y que así mismo se deberá
comparar el resultado de cada escenario entre ellos mismos:

1. Primer escenario: Suma de los tiempos de:

1. Tiempo de traslado desde el domicilio al auto, tiempo de salir y de cerrar el
estacionamiento, tiempo de viaje en efectivo en vehículo, tiempo de estacionar,
tiempo de traslado entre el estacionamiento y el Punto B. (supongamos un
resultado total de 45 minutos)
2. Tiempo de traslado desde el domicilio al paradero de subida del Bus, tiempo de
viaje en efectivo en bus, tiempo de traslado entre paradero de bajada del Bus y
el Punto B. (supongamos un resultado total de 80 minutos)
3. Tiempo de traslado desde el domicilio a la estación de Metro, tiempo de viaje en
efectivo en Metro, tiempo de traslado entre estación de bajada del Metro y el
Punto B. (supongamos un resultado total de 40 minutos)

En este caso, de modo muy simple se puede concluir que la solución que minimiza el objetivo
deseado es el escenario 1.1.3., pues andar en Metro en Santiago entre el punto A y B genera la mejor
solución en comparación a los otros escenarios.

Ahora bien, para los objetivos 2 y 3, se debe seguir la lógica de construcción, en donde se deben
incorporar todos aquellos aspectos relacionados a cada escenario, la totalidad de los kilómetros
recorridos, y, por otra parte, la suma total de todos los costos involucrados.

Si continuamos con el análisis planteado, podemos dar cuenta (a modo de ejemplo solamente) que
la solución 1.1.3 puede ser la que también encuentre la mínima distancia recorrida entre A y B ya
que los trazados de las líneas de metro tienden a ser los que más acercan en general, pero que en
el caso de minimizar el costo total de traslado la que debería encontrar la solución óptima es la que
arrojaría el escenario 1.1.2 ya que el costo de bus en Santiago suele ser menor al de andar en metro
o en automóvil.

En conclusión, para medir el éxito de nuestro sistema en análisis, debemos lograr acotar, simplificar, y
definir con la mayor eficiencia posible aquello que es el objeto de análisis, ya que siempre existirán
consideraciones las cuales nos harán suponer que nuestro sistema es más complejo de lo que
necesitamos, de ahí también se deriva la necesidad, según lo define el propio ciclo de resolución de
problemas, no tan solo de evaluar los resultados y conclusiones del estudio, sino que también de poner
en marcha y de evaluar recomendaciones, y así probablemente re-definir nuestro problema y volver a
iterarlo hasta encontrar una solución que nos permita establecer que es la mejor solución factible de

Pág. 14
 Módulo: 1
Curso: Investigación de operaciones

encontrar. Una etapa crucial en la formulación de un modelo de Investigación de Operaciones como

vemos es la construcción de la función objetivo.

En esta tarea se requiere desarrollar una medida cuantitativa del desempeño asociado a cada objetivo
que el tomador de decisiones identifica cuando define el problema. Si el estudio identifica más de un
objetivo, entonces se hace necesario transformar y combinar los objetivos individuales en una medida
compuesta de todos los objetivos definidos llamada medida global de desempeño.

Esta medida compuesta puede ser algo tangible —ganancias— y corresponder a una meta más alta de
la organización, o puede ser abstracta —utilidad—. En este caso, desarrollar una función de utilidad
puede ser complejo y requerir una comparación cuidadosa de los objetivos y su importancia relativa. Una
vez desarrollada la medida global de desempeño, la función objetivo expresa esta medida como una
función matemática de todas las variables de decisión definidas.

4.2 Variables
Una variable refiere, en una primera instancia, a aspectos que
son susceptibles de ser modificadas (de variar), de cambiar
en función de algún motivo determinado o indeterminado,
vale decir, se puede definir como “variable” a todo aquello
que está sujeto a algún tipo de cambio. Ejemplos clásicos de
variables son la temperatura ambiente, el peso o la altura
corporal, la velocidad de viaje, solo por nombrar algunos.

En lo específico y relacionado con las matemáticas, también

se utilizan las variables, las cuales están presentes en las fórmulas, en las definiciones algebraicas, e incluso
en algoritmos, por ejemplo, las funciones matemáticas que permiten la conformación de gráficos de dos
o más ejes: la relación entre esos dos ejes viene dada por una función en la que uno de los dos es variable
en función del otro, que es invariable (Y es igual a la mitad de X, tiene a Y como variable dependiente y
a X como independiente).

En resumen y de modo simplificado, se puede decir que en el modelo matemático el problema es elegir
la combinación de valores de las variables de decisión de manera que se optimicen la función objetivo
definida sujeta a las restricciones dadas.

Pág. 15
 Módulo: 1
Curso: Investigación de operaciones

Ejemplo

Volvamos al ejemplo utilizado anteriormente: Vivimos en la ciudad de Santiago, y deseamos ir desde el

Hogar (punto A) al trabajo (punto B), en donde se pueden definir en primera instancia 3 objetivos de
modo claro, estos son:

1. Menor tiempo de trayecto,

2. Menor distancia recorrida,
3. Menor costo de traslado.

Para cada uno de los objetivos anteriormente definidos, de forma muy fácil podemos inferir la manera
de medir el objetivo planteado, en estos casos serían:

1. Demorarse el menor tiempo posible entre el punto A y el punto B

2. Recorrer la menor distancia posible entre el Punto A y el Punto B
3. Gastar la menor cantidad de dinero para el traslado entre el Punto A y el Punto B

La definición de las variables de decisión en este ejemplo, deben apuntar solo al planteamiento que se
haya definido por parte del tomar de decisiones.

Procedimiento

Para el punto 1 diremos que para demorarnos el menor tiempo posible en el traslado desde A hacia B
se deberán sumar todas las fracciones de tiempo involucrados, y que así mismo se deberá comparar el
resultado de cada escenario entre ellos mismos:

1.1. Para el primer escenario, las variables definidas deberían ser:

1.1.1 X1: Tiempo de traslado desde el domicilio al auto,

X2: tiempo de salir y de cerrar el estacionamiento,
X3: tiempo de viaje en efectivo en vehículo,
X4: tiempo de estacionar,
X5: tiempo de traslado entre el estacionamiento y el Punto B

1.1.2 Y1: Tiempo de traslado desde el domicilio al paradero de subida del Bus,
Y2: tiempo de viaje en efectivo en bus,
Y3: tiempo de traslado entre paradero de bajada del Bus y el Punto B.

1.1.3 W1: Tiempo de traslado desde el domicilio a la estación de Metro,

W2: tiempo de viaje en efectivo en Metro,
W3: tiempo de traslado entre estación de bajada del Metro y el Punto B.

Pág. 16
 Módulo: 1
Curso: Investigación de operaciones

4.3 Restricciones
La Real Academia de la Lengua española define a la “restricción” como
“limitación o reducción impuesta en el suministro de productos de
consumo, generalmente por escasez de estos”, además se lo asocia al
principio o acción de restringir, vale decir, ceñir, circunscribir, reducir a
menores límites.

En lo que se refiere a modelos matemáticos, las restricciones son las

relaciones que existen entre las variables de decisión y los valores que
dan sentido a la solución del problema y las acotan a valores factibles.

Ejemplo

Por ejemplo, si una de las variables de decisión representa el tiempo de trabajo disponible de un
trabajador de forma diaria, el valor de esta restricción debe ser 8, ya que en base a la legislación
chilena la cantidad máxima de horas factibles de ser trabajadas por una persona son de 8 horas
diarias (descontando la 1 hora de colación) no siendo factible la definición en este caso, por ejemplo,
de 10 horas ya que eso contraviene la legislación vigente.

Otro ejemplo de la misma índole puede ser la definición de horas máximas disponibles del día para
realizar un trabajo en particular, como lo puede ser una línea de producción, la cual necesariamente debe
responder a los turnos que esta línea de producción tenga definida, si se tiene un turno el máximo
disponible debe ser de 8 horas días, si son 2 turnos el máximo deben ser de 16 horas día, y si son 3 turnos
el máximo debe ser de 24 horas días, siendo poco factible el definir como máximo de horas diarias de
producción, por ejemplo, 27 horas, dado que el un día tiene 24 horas de duración.

Pág. 17
 Módulo: 1
Curso: Investigación de operaciones

Ejemplo

Volvamos al ejemplo utilizado anteriormente: Vivimos en la ciudad de Santiago, y deseamos ir desde

el Hogar (punto A) al trabajo (punto B), en donde se pueden definir en primera instancia 3 objetivos
de modo claro, estos son:

1. Menor tiempo de trayecto,

2. Menor distancia recorrida,
3. Menor costo de traslado.

En base a lo que hemos visto, las restricciones pueden ser definidas en base a aspectos legales,
como además pueden ser definidas en base a la observación del sistema en análisis, como así mismo
pueden ser definidas en base a consideraciones propias del tomador de decisiones:

1.1. Para el primer escenario, las restricciones que se definieron son:

1.1.1. X1: Tiempo de traslado desde el domicilio al auto no menor a 1 minutos ni mayor a 2
minutos.
X2: tiempo de salir y de cerrar el estacionamiento no menor a 2 minutos ni mayor a 3
minutos.
X3: tiempo de viaje en efectivo en vehículo no menor a 30 minutos ni mayor a 60 minutos.
X4: tiempo de estacionar no menor a 6 minutos ni mayor a 10 minutos.
X5: tiempo de traslado entre el estacionamiento y el Punto B no menor a 6 minutos ni mayor
a 10 minutos.

Lo anterior algebraicamente quedaría definido como:

1 ≤ X1 ≤ 2
2 ≤ X2 ≤ 3
30 ≤ X3 ≤ 60
6 ≤ X4 ≤ 10
6 ≤ X5 ≤ 10

De lo anterior se, de modo intuitivo se puede dar cuenta que el resultado mínimo de tiempo de traslado
en Automóvil desde A hasta B es de 45 minutos, pudiendo llegar a ser como máximo de 85 minutos, lo
cual se debe a la variabilidad del objeto en análisis puesto que se tiene que considerar imprevistos tales
como tráfico vehicular denso, choques en la ruta, como así mismo también la medición para definir estos
valores varía en relación a la hora del día en que fueron analizadas, pues es muy distinto un escenario de
realizar estas mediciones en horas de la madrugada como en horas de alto tráfico, de ahí es donde se
hace un fuerte hincapié en el hecho de estandarizar, o normalizar el problema en cuestión y de proceder
con una correcta definición de los parámetros bajo análisis, las consideraciones o supuestos establecidos,
las formas de medición, entre otros en relación a lo que se está analizando.

Pág. 18
 Módulo: 1
Curso: Investigación de operaciones

Veamos el siguiente ejercicio para clarificar:

Ejemplo de Modelo de un problema agrícola.

Supongamos que una empresa de cítricos, junto al Estado de Chile pretenden una elevada inversión en
los cultivos de naranjas, limones, pomelos y mandarinas, lo cual tiene un doble objetivo:
a. Reducir el desempleo rural
b. Aumentar las exportaciones para equilibrar la balanza de pagos.

Datos para considerar:

Árbol a Producción Superficie Valor Costo de HH de

Plantar anual requerida promedio mantención mantenimiento
[kgs / por árbol por kg de por árbol anual por árbol
árbol] [m2] fruta [ $ US] [hrs]
[ $ US]
Naranja 150 4 10 2 36
Limón 200 5 4 0,5 72
Pomelo 50 3 15 1 50
Mandarina 150 6 7 1,5 10

Datos adicionales obtenidos:

1. Existe una extensión propicia para este tipo de cultivo de 250.000 m2
2. Se asegura el suministro de agua, aproximadamente por 20 años (existencia de aguadas en la
zona).
3. La financiera pretende hacer una inversión de 20 millones, pensando exportar toda su producción
a partir del 3er año, que es cuando los árboles comienzan a ser productivos.
4. El gobierno ha determinado que este proyecto emplee al menos 200 personas
ininterrumpidamente.

Si bien este es un ejemplo, lo mismo puede ser realizado a un problema de modelamiento de terminales
de buses, de líneas de producción, etc., en este caso si bien el propio enunciado plantea un doble objetivo
perseguido, se verá a continuación que la “traducción” matemática de este doble objetivo es una
derivación en extremo concreta y sin mayor ambigüedad respecto de lo que se busca lograr, que en este
caso es reducir desempleo y aumentar exportaciones.

Decisión para tomar:

▪ ¿Se deben plantar solo limoneros puesto que ellos son los que más demandan de mano de obra
al año?
▪ ¿Se deben plantar solo pomeleros puesto que son aquellos que tienen el valor por kilo de fruta
más elevado?
▪ ¿Se deben plantar solo mandarinos dado que son los que más superficie demandan?
▪ ¿Se deben plantar solo naranjales dado que a la vista tienen un comportamiento “promedio” en
todos los aspectos en relación con los otros árboles?

Pág. 19
 Módulo: 1
Curso: Investigación de operaciones

Si bien todas las preguntas anteriormente definidas son en esencia preguntas válidas de ser formuladas,
ninguna de ellas por si sola viene a dar respuesta a los objetivos antes trazados, ya que se busca la
conjunción de aquel resultado que maximice la mano de obra requerida, pero que a su vez también
maximice las exportaciones, razón por la cual se deben tener en consideración todos los aspectos
involucrados en la creación de mano de obra, los costos de producción, los costos de venta, tendiendo
además las consideraciones que existen recursos que son finitos o escasos, como lo son la superficie a
ser plantada y así mismo la cantidad de presupuesto que puede ser utilizada en este proyecto.

En definitiva, ¿Cómo logramos modelar matemáticamente esta situación?

De lo anterior, y dados los respectivos análisis que deben ser realizado por quien desarrolle en proceso
de investigación de operaciones, se llega a la pregunta de:

“¿Cuántos árboles de naranja, limón, pomelo y mandarina, deberán Plantar con el objetivo de
maximizar el valor de la futura exportación anual?”

Ahora bien, ¿Cómo se logra traducir esta pregunta en términos matemáticos?

Ya se conoce desde el enunciado que se deben maximizar los ingresos por ventas, por lo cual se debe
definir la función de los ingresos por ventas, la cual es el monto de producción anual de cada tipo de
árbol, multiplicado por el valor promedio por kilogramos de fruta, valores que fueron definidos (o
probablemente acordados) como constantes ya que de esta forma nos permite utilizar datos basales en
la construcción de nuestro modelo, y de esta forma que da la función objetivo establecida como

Función Objetivo
Maximizar Z = 10●150●X1 + 4●200●X2 + 15●50●X3 + 7●150●X4

Las Variables definidas son, dado que son aquellos aspectos que, como la definición indica, “aspectos
que son susceptibles de ser modificadas, de cambiar en función de algún motivo determinado o
indeterminado”, siendo en este caso, aquellos aspectos que debemos modificar en base a la función
objetivo y restricciones, hasta encontrar el resultado que maximice el objetivo.
o X1: número de árboles de naranja a ser sembrados.
o X2: número de árboles de limón a ser sembrados.
o X3: número de árboles de pomelo a ser sembrados.
o X4: número de árboles de mandarinas a ser sembrados.

Finalmente, las restricciones definidas, en base a la información que se cuenta son:

• Extensión de tierra:
4X1 + 5X2 + 3X3 + 6X4 ≤ 250.000 [m2]
Dado que es la cantidad total de tierra que puede ser utilizada para este análisis, y es la condición
matemática de la suma de superficies de cada tipo de árbol plantado en directa relación a la superficie
requerida para plantar cada tipo de árbol.

Pág. 20
 Módulo: 1
Curso: Investigación de operaciones

• Inversión inicial:
2X1 + 0.5X2 + 1X3 + 1.50X4 ≤ $20.000.000 [US]
Ya que es la condición matemática de la inversión total de cada tipo de árbol plantado en directa relación
a los costos de mantención requerida para plantar cada tipo de árbol.
• Desempleo mínimo:
36X1 + 72X2 + 50X3 + 10X4 ≥ 200●8●360 (HH/día/año)
Ya que es la condición matemática de la mano de obra total requerida en la mantención de cada tipo de
árbol plantado.
• Número de árboles a sembrar:
X1 ≥ 0, X2 ≥ 0, X3 ≥ 0, X4 ≥ 0
Esta es una condición lógico-matemática ya que, para este caso en particular, ningún de estas variables
puede tomar un valor “negativo”, sino que debe ser necesariamente mayor o igual al valor ”0”.

Con todas las consideraciones ya indicadas, se procede a resolver este modelo mediante algún software
de análisis, o “a pulso” mediante alguna metodología de resolución. Independientemente del resultado
obtenido siempre se deben establecer análisis de validación posteriores, puesto que, en ejemplo en
particular, las cuatro variables definidas deben ser números enteros dado que no existen los ”0,5” árboles.

Pág. 21
 Módulo: 1
Curso: Investigación de operaciones

Cierre
En este módulo se dejaron establecidos los
conceptos básicos y generales de la Investigación
de Operaciones, como así mismos de los orígenes
de esta rama de las matemáticas avanzadas, los
cuales servirán de base para los siguientes
módulos en donde se darán a conocer con mayor
amplitud y profundidad, diferentes tipos de
modelos y metodologías de resolución que son
ampliamente utilizadas en la actualidad.

Se planteó como inicio formal de la Investigación

de Operaciones la segunda Guerra Mundial, la indica la composición de un problema matemático, se
define la metodología y los pasos a seguir en la construcción de un modelo, se identifica las principales
brechas o problemáticas a las que nos enfrentamos al momento de construir un modelo matemático,
también se analizan en forma simplificada ejemplos que nos permiten entender el razonamiento que
existe en la construcción de un modelo, de su función, variables y restricciones.

Se espera que, junto a las lecturas indicadas en este módulo, se establezcan los lineamientos básicos que
sostienen la Investigación de Operaciones, las cuales han sido desarrolladas formalmente por más de 70
años, lo que necesariamente conlleva a la existencia de un muy amplio conocimiento, de basta literatura
científica, y de una extensa investigación y desarrollo teórico al respecto.

Pág. 22