Universidad

HISTORIA Y ANTECEDENTES DE LA IO

La revolución de la administración científica de principios del siglo XX, iniciada por el

creador de la organización científica del trabajo Frederick W. Taylor, aportó las
bases para el uso de los métodos cuantitativos en la administración. Sin embargo, la
mayor parte de la investigación moderna sobre el uso de métodos cuantitativos, en
la toma decisiones tuvo su origen durante la Segunda Guerra Mundial.
Sin embargo, el inicio de la actividad llamada investigación de operaciones es
atribuible a ciertos servicios militares que se prestaron al inicio de la Segunda
Guerra Mundial. Debido a los esfuerzos bélicos, existía la urgente necesidad de
asignar recursos escasos a las distintas maniobras militares y a las actividades que
componían cada operación de la manera más eficaz. Por ello, las administraciones
militares estadounidense y británica llamaron a un gran número de científicos para
que aplicaran el método científico a éste y a otros problemas estratégicos y
tácticos. En realidad, les solicitaron que hicieran investigación sobre operaciones
militares). Estos grupos de científicos fueron los primeros equipos de IO. Debido al
desarrollo de métodos eficaces para utilizar la nueva herramienta que representaba
el radar, los científicos contribuyeron al triunfo en la guerra aérea que libró Gran
Bretaña. Sus investigaciones para mejorar el manejo de las operaciones
antisubmarinas y de protección también tuvieron un papel importante en la victoria
de la campaña del Atlántico Norte. Esfuerzos similares fueron de gran ayuda en la
campaña del Pacífi co. Al terminar la guerra, el éxito de la IO en las actividades
bélicas generó gran interés debido a las posibilidades de aplicarla en un ámbito
distinto al militar.

Una vez que la explosión industrial posterior a la guerra siguió su curso, los
problemas provocados por el aumento de la complejidad y la especialización de
las organizaciones pasaron de nuevo al primer plano. Entonces comenzó a ser
evidente para un gran número de personas, entre ellas los consultores industriales
que habían trabajado con o para los equipos de IO durante la guerra, que estos
problemas eran en esencia los mismos que los que debían enfrentar los militares
pero en un contexto diferente. Al inicio de la década de los años cincuenta, estos
visionarios introdujeron el uso de la investigación de operaciones en una serie
de organizaciones industriales, de negocios y del gobierno. Desde entonces, se
ha desarrollado con rapidez. El progreso sustancial que se logró en el mejoramiento
de las técnicas disponibles.

Después de la guerra, muchos de los científicos que habían participado en equipos

de IO o que tenían información sobre este trabajo, estaban motivados para realizar
investigación relevante en el campo, de lo cual resultaron avances importantes; un
ejemplo sobresaliente es el método símplex para resolver problemas de
programación lineal, desarrollado en 1947 por George Dantzig. Muchas de las
herramientas características de la IO, como programación lineal, programación
dinámica, teoría de colas y teoría de inventarios habían sido desarrolladas casi por
completo antes del término de la década de los años cincuenta.

Un segundo factor que dio gran impulso al desarrollo de este campo fue la
revolución de las computadoras. El manejo eficaz de los complejos problemas
inherentes a la IO casi siempre requiere un gran número de cálculos. Realizarlos de
forma manual puede resultar casi imposible, por lo cual el desarrollo de la
computadora electrónica digital, con su capacidad para hacer cálculos
aritméticos, miles o tal vez millones de veces más rápido que los seres
humanos, fue una gran ayuda para esta disciplina.

Otro avance tuvo lugar en la década de los años ochenta, con el desarrollo de
computadoras personales cada vez más rápidas y de buenos paquetes de
software para resolver problemas de IO. De esta forma, las técnicas más complejas
estuvieron al alcance de un gran número de personas, y este progreso se aceleró
aún más en la década de 1990 y al inicio del siglo xxi. Hoy en día, millones de
individuos tienen acceso a estos paquetes y en forma cotidiana se utiliza toda una
gama de computadoras, desde las grandes hasta las portátiles, para resolver
problemas de investigación de operaciones, algunos de ellos muy complejos.
 TRES DEFINICIONES DE LA IO

Para Churchman, Ackoff y Arnoff:

La investigación de operaciones es la aplicación, por grupos interdisciplinarios, del

método científico a problemas relacionados con el control de las organizaciones o
sistemas (hombre – máquina). A fin de que se produzcan soluciones que mejor
sirvan a los objetivos de la organización.

Para la sociedad de I.O de Gran Bretaña es la siguiente.

La investigación de operaciones es el ataque de la ciencia moderna a los complejos

problemas que surgen en la dirección y en la administración de grandes sistemas de
hombres, máquinas, materiales y dinero, en la industria, en los negocios, en el
gobierno y en la defensa. Su actitud diferencial consiste en desarrollar un modelo
científico del sistema tal, que incorpore valoraciones de factores como el azar y el
riesgo y mediante el cual se predigan y comparen los resultados de decisiones,
estrategias o controles alternativos. Su propósito es el de ayudar a la gerencia a
determinar científicamente sus políticas y acciones.

TAHA.

La Investigación de Operaciones aspira a determinar el mejor curso de acción

óptimo de un problema de decisión con la restricción de recursos limitados,
aplicando técnicas matemáticas para representar por medio de un modelo y analizar
problemas de decisión.

SOCIEDAD AMERICANA DE SISTEMAS DE PRODUCCIÓN Y CONTROL DE INVENTARIOS,

(APICS).

Es el Análisis cualitativo de operaciones industriales y administrativas con el intento

de derivar un entendimiento integrado de los factores que controlan los sistemas
operacionales en vista de proporcionar a la Administración un objetivo básico para
tomar decisiones que frecuentemente involucran representar por medio de un
modelo matemático la realidad.
 MODELO Y SU CLASIFICACIÓN

Los diferentes tipos de modelos de I.O son:

1. Modelo simbólico o matemático
2. Modelo de simulación
3. Modelo Heurística

Modelo simbólico o matemático. Es el tipo de modelo más importante de la I.O. Al

formular este tipo de modelo uno supone que todas las variables relevantes son
cuantificables. Por consiguiente los símbolos matemáticos se utilizan para
representar variables las cuales están relacionadas con las funciones matemáticas
para poder descubrir el comportamiento de un sistema. Lográndose la solución del
modelo por una manipulación matemática apropiada.

Un modelo matemático comprende principalmente tres conjuntos básicos de

elementos:
1. Variables y parámetros de decisión.
2. Restricciones.
3. Función objetivo.

Variables y parámetros de decisión. Las variables de decisión son las incógnitas

(o decisiones) que deben determinarse resolviendo el modelo. Los parámetros son
los valores conocidos que relacionan las variables de decisión con las restricciones
y función objetivo. Los parámetros del modelo pueden ser determinísticos o
probabilísticos.
Restricciones. Para tener en cuenta las limitaciones tecnológicas, económicas y
otras del sistema, el modelo debe incluir restricciones (implícitas o explícitas) que
restrinjan las variables de decisión a un rango de valores factibles.
Función objetivo. La función objetivo define la medida de efectividad del sistema
como una función matemática de las variables de decisión.
Modelo de simulación. Los modelos de simulación imitan el comportamiento del
sistema sobre un periodo. Esto se logra especificando ciertos eventos los cuales
son puntos en el tiempo en donde se ocurrencia significa que puede recolectarse su
información la cual pertenece al comportamiento de este sistema siendo éste muy
importante. Los modelos de simulación no necesitan funciones matemáticas para
realizar variables, usualmente es posible simular sistemas complejos que no pueden
modelarse o resolverse matemáticamente. La principal falla de la simulación
consiste en que el análisis es equivalente a realizar experimentos y estar sujeto a
errores experimentales.

Modelo Heurístico. Este modelo heurístico de solución descansa en las reglas

empíricas o intuitivas, las cuales dan una solución actual al modelo permitiendo
determinar una solución mejorada. Actualmente los métodos heurísticos son
procedimientos de búsqueda que pasan inteligentemente de un punto de solución a
otro con el objetivo de mejorar el criterio de este modelo. Cuando ninguna mejora
adicional puede lograrse la mejor solución que se haya obtenido es la solución
aproximada al modelo.
 MÉTODO CIENTÍFICO APLICADO A LA IO

El proceso de la Investigación de Operaciones comprende las siguientes fases:

1. Formulación y definición del problema.

2. Construcción del modelo.
3. Solución del modelo.
4. Validación del modelo.
5. Implementación de resultados.

1. Formulación y definición del problema. En esta fase del proceso se

necesita una descripción de los objetivos del sistema, es decir, qué se desea
optimizar; identificar las variables implicadas, ya sean controlables o no;
determinar las restricciones del sistema. También hay que tener en cuenta
las posibles alternativas de decisión y las restricciones para producir una
solución adecuada.
2. Construcción del modelo. En esta fase, el investigador de operaciones
debe decidir el modelo a utilizar para representar el sistema. Debe ser un
modelo tal que relacione a las variables de decisión con los parámetros y
restricciones del sistema. Los parámetros (o cantidades conocidas) se
pueden obtener, ya sea a partir de datos pasados o estimados por medio de
algún método estadístico. Es recomendable determinar si el modelo es
probabilístico o determinístico. El modelo puede ser matemático, de
simulación o heurístico, dependiendo de la complejidad de los cálculos
matemáticos que se requieran.
3. Solución del modelo. Una vez que se tiene el modelo, se procede a derivar
una solución matemática, empleando las diversas técnicas y métodos
matemáticos para resolver problemas y ecuaciones. Debemos tener en
cuenta que las soluciones que se obtienen en este punto del proceso, son
matemáticas y debemos interpretarlas en el mundo real. Además, para la
solución del modelo, se deben realizar análisis de sensibilidad, es decir, ver
cómo se comporta el modelo a cambios en las especificaciones y parámetros
del sistema. Esto se hace debido a que los parámetros no necesariamente
son precisos y las restricciones pueden estar equivocadas.
4. Validación del modelo. La validación de un modelo requiere que se
determine si dicho modelo puede predecir con certeza el comportamiento del
sistema. Un método común para probar la validez del modelo es someterlo a
datos pasados disponibles del sistema actual y observar si reproduce las
situaciones pasadas del sistema. Pero como no hay seguridad de que el
comportamiento futuro del sistema continúe replicando el comportamiento
pasado, entonces siempre debemos estar atentos de cambios posibles del
sistema con el tiempo, para poder ajustar adecuadamente el modelo.
5. Implementación de resultados. Una vez que hayamos obtenido la solución
o soluciones del modelo, el siguiente y último paso del proceso es interpretar
esos resultados y dar conclusiones y cursos de acción para la optimización
del sistema. Si el modelo utilizado puede servir a otro problema, es necesario
revisar, documentar y actualizar el modelo para sus nuevas aplicaciones.
BIBLIOGRAFÍA

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://www.gestiopolis.com/investigacion-de-operaciones-que-es-historia-y-
metodologia/

http://www.itsmante.edu.mx/wp-content/uploads/2017/11/ANTOLOGIA-INVESTIGACI
%C3%93N-DE-OPERACIONES-I.pdf

https://cursos.clavijero.edu.mx/cursos/152_io/modulo1/contenido/tema1.3.html