INVESTIGACIÓN DE OPERACIONES

La investigación de operaciones puede definirse como un método científico

de resolución de problemas, la cual brinda las herramientas suficientes para que
con base en abstracciones de la realidad se puedan generar y resolver modelos
matemáticos con el objetivo de elaborar un análisis y concluir de los mismos para
así poder sustentar cuantitativamente las decisiones que se tomen respecto a la
situación problema.

El propósito de la Investigación de Operaciones consiste en preparar al

profesional para decidir entre diferentes medios o métodos disponibles para
alcanzar un objetivo propuesto, de modo que se alcance un resultado en relación
a determinados criterios de optimización.

Si bien, la intuición y la experiencia forman parte de las consideraciones en

un proceso de toma de decisiones, algunas decisiones merecen un estudio más
profundo, en razón de sus consecuencias y de la complejidad del contexto,
haciéndose imprescindible un sustento metodológico para la toma de decisiones,
el cual puede hallarse en los procedimientos propios de la investigación de
operaciones.

Podría verse que uno de los primeros ejemplos históricos del uso de la
investigación operacional es la misión confiada a Arquímedes por Hierón, tirano de
Siracusa, de aplicar los mejores medios y métodos para defender a la ciudad
contra los ataques y el sitio de los romanos.

Pero la investigación operacional sólo se ha beneficiado de una aplicación

sistemática hasta la Segunda Guerra Mundial, principalmente en la conducción de
las grandes operaciones militares.

La investigación operacional utiliza, en gran medida, a los ordenadores; la

invención y comercialización de estas máquinas fueron la condición primordial de
su desarrollo en el dominio civil y especialmente en la economía de empresa.

Por una feliz coincidencia, sólo en nuestra época los problemas de gestión
de las grandes empresas se han convertido en irremediablemente complejos. Si
bien es indispensable, para el técnico en investigación de operacional, el estudiar
los problemas generales que se presentan y los algoritmos clásicos que permiten
resolverlos, debe estar también totalmente persuadido de que las situaciones
prácticas que encontrará serán mucho más complicadas y que deberá emprender
una tarea original para dar satisfacción al encargado de tomar decisiones
ofreciéndole la posibilidad de optimizar según su propio criterio.
 “Un elemento principal de la investigación de operaciones es el modelado
matemático. Aunque la solución del modelo matemático establece una base para
tomar una decisión, se deben tener en cuenta factores intangibles o no
cuantificables, por ejemplo el comportamiento humano, para poder llegar a una
decisión final” TAHA, Hamdy

Es necesario, pues, en función de las motivaciones del responsable de la

decisión que plantea un problema, identificar los fenómenos a estudiar mediante
un análisis profundo de la situación. Este análisis se funda sobre la observación de
la situación real, mediante conversaciones con los hombres que participan en ella
directamente y mediante acopio de datos estadísticos o provisionales (resultantes
de encuestas, de medidas o de estudios técnicos).
 Otra de las muchas definiciones que de la investigación de operaciones se
encuentran es la siguiente:

«La Investigación de Operaciones es la aplicación, por grupos

interdisciplinarios, del método científico a problemas relacionados con el control de
las organizaciones o sistemas a fin de que se produzcan soluciones que mejor
sirvan a los objetivos de toda organización.»Ackoff, R. L. y Sasieni M. W.

¿Cómo abordar un problema real de optimización?

La optimización puede considerarse como la búsqueda de la mejor

solución (solución óptima) de un problema. El mejor término depende del contexto
en el que se trabaje. Por ejemplo, en un contexto operativo atinente a las
utilidades,la optimización del sistema constituye la maximización de los resultados,
todo lo contrario a los costos o las distancias, casos en los cuales la optimización
dependerá de la minimización de los resultados.

Modelamiento

Un modelo es una abstracción o una representación de la realidad o un

concepto o una idea con el que se pretende aumentar su comprensión, hacer
predicciones y/o controlar/analizar un sistema. Cuando el sistema no existe, sirve
para definir la estructura ideal de ese sistema futuro indicando las relaciones
funcionales entre sus elementos. En la actualidad un modelo se define como un
constructo basado en nuestras propias percepciones pasadas y actuales; la
anterior representación puede ser holista o reduccionista.

Los modelos se pueden clasificar según su grado de abstracción en:

 Modelos Abstractos (no físicos)

 Modelos Concretos (físicos)

Y se pueden clasificar igualmente si son matemáticos en:

 Estáticos

 Dinámicos

 Determinísticos

 Estocásticos
 Principales aplicaciones de la investigación de operaciones

Entre algunas de las principales aplicaciones de la investigación de

operaciones encontramos:

1. Recursos humanos

En todo caso, puede usarse para ver el impacto del proceso de la

automatización y la reducción de costos, en el proceso de reclutamiento de
personal, la asignación de tareas y funciones al personal. Así como el uso de
incentivos para el proceso de producción.

2. Proceso de mercado y distribución

También cuando una empresa espera desarrollar e introducir un nuevo

producto al mercado. O bien, realizar pronósticos sobre la demanda, la ubicación
de centros de distribución y analizar la situación competitiva.

3. Proceso de producción

Por supuesto es usada en el proceso de planificación y el control de la

producción. La combinación de los factores de producción, la localización y el
tamaño de la planta de producción. De la misma forma para el control de calidad.

4. Compra de materiales

Es usada para determinar las cantidades de material requeridos. Ejemplo

de ello son las fuentes de suministro y sustitución de insumos, el reemplazo de
equipos y máquinas, los costos fijos y variables.

5. Contabilidad y finanzas

Adicionalmente se utiliza para analizar el capital requerido. Considerando

las inversiones alternativas, el análisis del flujo de caja, manejo de reclamaciones
y la seguridad en el manejo de los datos.

Para concluir, podemos afirmar que la investigación de operaciones permite

a las empresas poder tomar decisiones tomando en cuenta los recursos con los
que cuenta, con el propósito de minimizar los costos o maximizar los ingresos. Es
usada para tomar decisiones gerenciales y administrativas de relevancia para una
empresa usando el método científico para resolver problemas.
 Pasos del Método científico en IO

Una visión esquemática del proceso asociado a la construcción de un

modelo de optimización se presenta a continuación:

Definición del problema y recolección de datos

Para que tenga mayor exactitud en la toma de decisiones debe identificarse

primero ¿cual es el problema que afecta a la organización? ¿Cuánto es la perdida
que causa este problema? Aterrizando todo esto en uni marco teórico, delimitando
alcances y objetivos, cuestionando cual sería la mejor solución, y que método
debe aplicar. Una vez definido el problema empezar por recabar datos que
interfieren en el problema planteado, identificando las variables, creando hipótesis
para la solución del problema, concluyendo con la aplicación del modelo
matemático aplicar IO.

Obviamente, la definición del problema en este aspecto es cuantitativo, ya

que representa dinero, y la su definición se basaría en las variables matemáticas
que estos produzcan. Partiendo de las variables aplicaría el razonamiento
matemático mediante las técnicas de las IO.

Formulación de un modelo matemático

Una vez definido el problema se debe formular un modelo matemático de

acuerdo a las variables localizadas de cada problema, diseñando para esto
ecuaciones que permitan ver el panorama general del problema. Un modelo
siempre debe ser menos complejo que el problema real, es una aproximación
abstracta de la realidad con consideraciones y simplificaciones que hacen más
manejable el problema y permiten evaluar eficientemente las alternativas de
solución. Existe software que ya tienen diseñados las ecuaciones de acuerdo a los
problemas a plantear. Únicamente se necesita saber utilizarlos y sobre todo
desarrollarlos manualmente para verificar que estos paquetes son plenamente
confiables.

Obtención de una solución a partir del modelo

Mediante la definición del problema se identifican las variables

dependientes (que dependen de las variables independientes) y para solucionarlo
debe resolverse un modelo que consiste en encontrar los valores de las variables
mejorando la eficiencia y la efectividad del sistema dentro del marco de
referencias que fijan los objetivos y restricciones del problema.

Los procedimientos de solución pueden ser clasificados de tres tipos:

Analíticos, que utilizan procesos de deducción matemáticas.

Numéricos, que son de carácter inductivo y funcionan en base de a

operaciones de prueba y error.

Simulación, que utiliza métodos que imitan o, emulan al sistema real,

en base a un modelo.

Se dice que estos modelos son iterativos, ya que, buscan la solución

en base a la repetición de la misma regla analítica hasta llegar a ella, si la hay, o
cuando menos una aproximación.

Prueba modelo

Es el desarrollo del modelo matemático en la Investigación de operaciones

ya definido, para la solución de problemas específicos, para computadoras,
mediante el uso de paquetes de software actualizándose mediante versiones. Este
software no es en un 100% confiable, mantienen margen de error mínimos, que no
pueden ser detectables. Pero conforme se van desarrollando nuevas tecnologías
computacionales estos errores se van minimizando. Este proceso de prueba y
mejoramiento de un modelo para incrementar su validez se conoce como
“validación del modelo”.
 Implantación de la solución

El equipo que diseña el sistema operativo, para la base de datos en las

computadoras, debe informar sobre los nuevos avances en la aplicación del
método de investigación de operaciones de una entidad. Ya que estos deben estar
diseñados de acuerdo a las necesidades de la organización. Cuando ya se detecto
el problema que traen los procedimientos anteriores estos deben modificarse y
emplearse en nuevos sistemas. Informando debidamente a los administradores,
gerentes de los nuevos hallazgos para su venta y capacitación del personal. Como
se puede apreciar estas empresas que crean sus propios software para su venta
deben ser especialistas en la materia y deben contar con el total apoyo los socios
que invierten en la aplicación de estas nuevas tecnologías, ahorrando tiempo,
dinero y esfuerzo. Como es sabido estos problemas llevados de manera manual
se perdería demasiado tiempo y se tardaría en tomar las decisiones acertadas. Es
por eso que con estos nuevos sistemas da mayor productividad a las empresas
desechando gastos innecesarios.

La etapa de implantación incluye varios pasos. Primero, el equipo de

investigación de operaciones debe dar una cuidadosa explicación a la gerencia
operativa sobre el nuevo sistema que se va adoptar y su relación con la realidad
operativa. En seguida estos dos grupos comparten la responsabilidad de
desarrollar los procedimientos requeridos para poner el sistema en operación.

Establecimientos de controles de solución

El software ya diseñados dependen de las variables, los parámetros, las

relaciones etc., mientras estas no cambien significativamente. Cuando se insertan
datos en la base de la computadora, se deben vigilar que respete los
paramentaros del sistema. De lo contrario es importante desarrollar un nuevo
sistema que abarque todos estos cambios.

Usualmente esto se le conoce como análisis de sensibilidad, que consiste

en determinar los rangos de variación de los parámetros dentro de los cuales no
cambia la solución del problema.

Tipos de modelos de investigación de operaciones

Un modelo es una representación ideal de un sistema y la forma en que

este opera. El objetivo es analizar el comportamiento del sistema o bien predecir
su comportamiento futuro. Obviamente los modelos no son tan complejos como el
sistema mismo, de tal manera que se hacen las suposiciones y restricciones
necesarias para representar las porciones más relevantes del mismo. Claramente
no habría ventaja alguna de utilizar modelos si estos no simplificaran la situación
real. En muchos casos podemos utilizar modelos matemáticos que, mediante
letras, números y operaciones, representan variables, magnitudes y sus
relaciones.

Fig.1.2: Representación de un modelo

Modelos Matemáticos

Un modelo es producto de una abstracción de un sistema real: eliminando

las complejidades y haciendo suposiciones pertinentes, se aplica una técnica
matemática y se obtiene una representación simbólica del mismo. Un modelo
matemático consta al menos de tres conjuntos básicos de elementos:

 Variables de decisión y parámetros

Las variables de decisión son incógnitas que deben ser determinadas a

partir de la solución del modelo. Los parámetros representan los valores conocidos
del sistema o bien que se pueden controlar.

 Restricciones

Las restricciones son relaciones entre las variables de decisión y

magnitudes que dan sentido a la solución del problema y las acotan a valores
factibles. Por ejemplo si una de las variables de decisión representa el número de
empleados de un taller, es evidente que el valor de esa variable no puede ser
negativo.

 Función Objetivo

La función objetivo es una relación matemática entre las variables de

decisión, parámetros y una magnitud que representa el objetivo o producto del
sistema. Por ejemplo si el objetivo del sistema es minimizar los costos de
operación, la función objetivo debe expresar la relación entre el costo y las
variables de decisión. La solución ÓPTIMA se obtiene cuando el valor del costo
sea mínimo para un conjunto de valores factibles de las variables. Es decir hay
que determinar las variables x1, x2,..., xn que optimicen el valor de Z = f(x1, x2,...,
xn) sujeto a restricciones de la forma g(x1, x2,..., xn) ? b. Donde x1, x2,..., xn son
las variables de decisión Z es la función objetivo, f es una función matemática.

Ejemplo: Sean X1 y X2 la cantidad a producirse de dos productos 1 y 2, los

parámetros son los costos de producción de ambos productos, $3 para el producto
1 y $5 para el producto 2. Si el tiempo total de producción esta restringido a 500
horas y el tiempo de producción es de 8 horas por unidad para el producto 1 y de
7 horas por unidad para el producto 2, entonces podemos representar el modelo
como:

MinZ = 3X1 + 5X2 (Costo total de Producción)

Sujeto a (S.A):

8X1 + 7X2 ? 500 (Tiempo total de producción)

X1, X2>= 0 (Restricciones de no negatividad)

Ejemplo: En una empresa se fabrican dos productos, cada producto debe

pasar por una máquina de ensamblaje A y otra de terminado B, antes antes de
salir a la venta. El producto 1 se vende a $60 y el otro a $50 por unidad. La
siguiente tabla muestra el tiempo requerido por cada producto:

Producto Maquina A Maquina B

1 2H 3H

2 4H 2H

Total disponible 48 H 36 H

Para representar el modelo de este problema primero se debe determinar

las variables de decisión: Sea Xi: La cantidad a fabricar del producto 1 y 2 (i=1,2),
entonces X1: cantidad a fabricar del producto 1, X2: cantidad a fabricar del
producto2, luego el modelo quedaría de la siguiente manera:
 MaxZ = 60X1+ 50X2 (máximo ingreso por ventas)

S.A: 2X1+ 4X2 <= 48 (disponibilidad horas _maquina A)

3X1+ 2X2 <= 36 (disponibilidad horas _maquina B)

X1, X2 >= 0 (Restricciones de no negatividad)

Modelos de Simulación

La simulación es una técnica para crear modelos de sistemas grandes y

complejos que incluyen incertidumbre. Se diseña un modelo para repetir el
comportamiento del sistema. Este tipo de modelamiento se basa en la división del
sistema en módulos básicos o elementales que se enlazan entre sí mediante
relaciones lógicas bien definidas (de la forma SI / ENTONCES). El desarrollo de
un modelo de simulación es muy costoso en tiempo y recursos.

Enfoque de la investigación de operaciones

Tiene un enfoque novelístico producto de sus creadores aunado a la

presión de supervivencia de la guerra o la sinergia generada al combinarse
diferentes disciplinas. Una descripción del enfoque es la siguiente:

1. Dentro de un ente económico, interactúan muchas variables.

2. Identificar las variables que norman la conducta o es estado actual

del problema.

3. Se construye un modelo cuantitativo del sistema asumido (modelo

matemático).

4. Se obtiene la solución al modelo cuantitativo mediante la aplicación

de una o más de las técnicas desarrolladas por la IO.

5. Se toma el resultado apegado a la mejor realidad posible para las

tomas de decisiones.

6. Se implanta la solución en el sistema real. Es decir, llevarlo a cabo.

Impacto de la investigación de operaciones

Todas las organizaciones de todo el mundo han visto un repunte económico

reflejado en sus utilidades y esto se debe a la aplicación de la investigación de
operaciones en sus negocios, dado a su eficacia en el manejo de los sistemas
computacionales. Hay ahora más de 30 países que son miembros de la
International Federation of Operational Research Sicieties (IFORS: FEDERACION
INTERNACIONAL DE SERVICIOS DE INVESTIGACION OPERATIVA), en la que
cada país cuenta con una sociedad de investigación de operaciones.

Sin lugar a duda Implementar estos sistemas en las empresas daría mucho
éxito en la toma de decisiones.

Modelos generales en investigación de operaciones

 Prueba modelo:

Se trata del desarrollo del modelo matemático ya definido. Este software no

es fiable de forma absoluta, pero sí que presenta unas aproximaciones de una
importancia considerable.

 Establecimientos de controles de solución:

Cuando se insertan los datos en la base del ordenador, se deberán

supervisar los parámetros del sistema. De lo contrario, será fundamental que se
desarrolle un nuevo sistema que sí que contemple los cambios que puedan
acontecer.

 Implantación de la solución:

El equipo que ha diseñado el sistema operativo debe informar sobre

los nuevos avances en la aplicación del método de investigación en las
operaciones de una entidad.

Modelos específicos en investigación de operaciones

Existen una serie de modelos que son específicos de la investigación de

operaciones:

 Plan de producción

 Asignación de personal

 Transporte

 Inventarios

 Dietas
 Mercado

 Estrategias de inversión

 Administración de proyectos

Problemas abordados

Método de la ruta crítica o planeamiento de proyectos: identificación de los

procesos que afectan a la duración general de un proyecto complejo

 Floorplanning: diseño de los equipos de una fábrica o de los componentes de

un circuito integrado para reducir el tiempo de manufactura (por lo tanto,
reducir el costo)

 Optimización de redes: por ejemplo, la configuración de las redes de

telecomunicaciones o del sistema de energía para mantener la calidad del
servicio durante las interrupciones del servicio

 Problemas de asignación

 Localización de instalaciones

 Teoría de búsqueda Bayesiana: búsqueda de objetivos

 Búsqueda optimizada

 Encaminamiento, como determinar las rutas de los autobuses para que se

necesite la menor cantidad posible de autobuses

 Administración de la cadena de suministro: gestión del flujo de materias primas

y productos en función de la demanda incierta de los productos terminados

 Actividades de producción del proyecto: gestión del flujo de actividades de

trabajo en un proyecto de capital en respuesta a la variabilidad del sistema a
través de herramientas de investigación de operaciones para la reducción de la
variabilidad y la asignación de amortiguadores utilizando una combinación de
asignación de capacidad, inventario y tiempo2728

 Mensajes eficientes y tácticas de respuesta al cliente

 Automatización industrial: automatización o integración de sistemas robóticos

en procesos de operaciones impulsados por humanos
 Globalización: procesos de globalización de operaciones para aprovechar
materiales, mano de obra, tierra u otros insumos de productividad más baratos

 Transporte: gestión de sistemas de transporte y entrega freight (Ejemplos: LTL

shipping, transporte intermodal, problema del viajante)

 Planificación:

o Organización de personal

o Pasos de fabricación

o Gestión de proyectos

o Tráfico de datos de red: estos son conocidos como teoría de colas o

sistemas de colas

o Eventos deportivos y su cobertura televisiva

 Mezcla de materias primas en refinerías de petróleo

 Determinación de precios óptimos, en muchas configuraciones minoristas y

B2B, dentro de las disciplinas de ciencia de precios

 Problema de corte de valores: corte de artículos pequeños a partir de tamaños

más grandes

La investigación operativa también se usa ampliamente en el gobierno, donde

se usa política basada en la evidencia.

Ciencia de la gestión

En 1967, Stafford Beer caracterizó el campo de la ciencia de la administración

como "el uso comercial de la investigación de operaciones".29 Sin embargo, en los
tiempos modernos el término ciencia de la administración también se puede usar
para referirse a los campos separados de los estudios
organizacionales o estrategia de negocios. La ciencia de la gestión es una rama
interdisciplinaria de las matemáticas aplicadas dedicada a la planificación óptima
de decisiones, con fuertes vínculos con la economía, los negocios, la ingeniería y
otras ciencias. Utiliza varios principios basados en investigación
científica, estrategias y técnicas analíticas, incluyendo modelado matemático,
estadísticas y análisis numérico con el fin de mejorar la capacidad de una
organización para adoptar decisiones de gestión racionales y significativas al
llegar a soluciones óptimas o casi óptimas para problemas complejos de decisión.
Los científicos de gestión ayudan a las empresas a lograr sus objetivos utilizando
los métodos científicos de la investigación operativa.

El mandato del científico de la administración es utilizar técnicas racionales,

sistemáticas y basadas en la ciencia para informar y mejorar las decisiones de
todo tipo. Por supuesto, las técnicas de la ciencia de la administración no se
limitan a aplicaciones comerciales, sino que pueden aplicarse a militares, médicos,
administración pública, grupos caritativos, grupos políticos o a comunidades.

La ciencia de la administración tiene que ver con el desarrollo y la aplicación

de modelos y conceptos que pueden resultar útiles para ayudar a iluminar los
problemas de la administración y resolver problemas de gestión, así como para
diseñar y desarrollar nuevos y mejores modelos de excelencia organizacional.30

La aplicación de estos modelos dentro del sector corporativo se conoció como

ciencia de la gestión

Campos relacionados

Algunos de los campos que tienen una considerable superposición con la

Investigación Operativa y con la Ciencia de la Gestión incluyen:32

 Analítica de negocios

 Minería de datos / Ciencia de datos / Macrodatos

 Análisis de decisión

 Inteligencia en la decisión

 Ingeniería

 Ingeniería financiera

 Pronósticos

 Teoría de juegos

 Geografía / Ciencia de la información geográfica

 Teoría de grafos

 Ingeniería industrial

 Logística
 Modelo matemático

 Optimización

 Probabilidad y estadística

 Gestión de proyectos

 Análisis político

 Simulación

 Modelos de redes sociales / Modelización de transporte

 Proceso estocástico

 Administración de la cadena de suministro

Naturaleza de la investigación de operaciones

Como su nombre lo indica significa “hacer investigación sobre las operaciones”

su aplicación fundamental va encaminada a las múltiples operaciones o
actividades que ejerce una empresa o ente económico no importando su carácter
lucrativo o no lucrativo, la toma de decisiones es básica para todas estas, contrario
sensu, implica la quiebra. Para todo esto se deben llevar a cabo ciertos requisitos
en caminados al método científico de investigación. Es decir, iniciando por la
observación del problema, recolección de datos, formulación del método aplicar, la
hipótesis para determinar si es correcta la aplicación de la I.O aplicada o modificar
las veces que sean necesarias para llegar a la mejor conclusión optima razonable
y real.

En relación a lo anterior se necesita gente capacitada, en el ámbito de las

matemáticas, estadísticas y teoría de probabilidades, al igual que en economía,
administración de empresas, ciencias de la computación, ingeniería, ciencias
físicas, ciencias de comportamiento y, por supuesto, en las técnicas especiales de
investigación de operaciones.

La mezcla de todas estas habilidades ayuda a desarrollar la mejor toma de

decisiones, ejerciéndolas en los métodos de investigación de operaciones.

Riesgo al aplicar la investigación de operaciones

Menciona que a pesar de la introducción de datos en el sistema, para

determinar la mejor solución posible de un problema. Suelen ser manipulables de
acuerdo a nuestras necesidades si a estos no se le proporciona la información
correcta. Es decir, para que el sistema funcione correctamente se debe identificar
las variables (modelos matemáticos) porque de lo contrario tendríamos que
ajustarlo de acuerdo a nuestras necesidades repercutiendo en la toma de
decisiones.

Limitaciones de la investigación de operaciones

1. Frecuentemente es necesario hacer simplificaciones del problema

original para poder manipularlo y obtener una solución.

2. La mayoría de los modelos solo consideran un solo objetivo y

frecuentemente en las organizaciones se tienen objetivos múltiples.

3. Existe la tendencia a no considerar la totalidad de las restricciones en

un problema practico, debido a que los métodos de enseñanza y entrenamiento
dan la aplicación de esta ciencia centralmente se basan en problemas pequeños
para razones de índole practico, por lo que se desarrolla en los alumnos una
opinión muy simplista e ingenua sobre la aplicación de estas técnicas a problemas
reales.

4. Casi nunca se realizan análisis costo-beneficio de la implantación de

soluciones definidas por medio de la IO, en ocasiones los beneficios potenciales
se van superados por los costos ocasionados por el desarrollo e implantación de
un modelo.

Conclusión

La investigación de operaciones consiste en el uso de modelos

matemáticos, estadísticas y algoritmos con el objeto de realizar un proceso de
toma de decisiones, permite el análisis de la toma de decisiones teniendo en
cuenta la escasez de recursos, para determinar cómo se puede optimizar un
objetivo definido como la maximización de los beneficios o la minimización de
costos.

La investigación de operaciones es la aplicación de la metodología científica

a través de modelos matemáticos, primero para representar el problema y luego
para resolverlos.

La complejidad de los problemas que se representan en las organizaciones

ya no encajan en una sola disciplina del conocimiento, se ha convertido en
multidisciplinario por lo cual para su análisis y solución se requieren grupos
compuestos por especialistas de diferentes áreas del conocimiento que logran
comunicarse con un leguaje común.

Como se menciona también antes de resolver un problema hay que

identificarlo y esto se logra a través de la observación recolectando los datos que
interfieren en el problema.

Su método básico consiste en los siguientes pasos.

 Observación

 Definición de verdaderos problemas

 Desarrollo de soluciones alternativas

 Selección de la solución optima mediante la experimentación

 Verificación de la solución optima.

De esta manera se concluye que es de vital importancia enriquecerse con

estos nuevos sistemas computacionales que emplean estos software de
investigación de operaciones para la mejor y oportuna toma de decisiones en el
proceso de productividad de la organización.

La Programación Lineal corresponde a un algoritmo a través del cual se pueden

resolver situaciones reales en las que se pretende identificar y resolver dificultades
para aumentar la productividad respecto a los recursos (principalmente los
limitados y costosos), aumentando así los beneficios. El objetivo primordial de
la Programación Lineal es optimizar, es decir, maximizar o minimizar funciones
lineales en varias variables reales con restricciones lineales (sistemas de
inecuaciones lineales), optimizando una función objetivo también lineal.

Los resultados y el proceso de optimización se convierten en un respaldo

cuantitativo de las decisiones frente a las situaciones planteadas. Decisiones en
las que sería importante tener en cuenta diversos criterios administrativos como:

 Los hechos

 La experiencia

 La intuición

 La autoridad
 ¿Cómo resolver un problema mediante programación lineal?

El primer paso para la resolución de un problema de programación lineal

consiste en la identificación de los elementos básicos de un modelo matemático,
estos son:

 Función Objetivo

 Variables

 Restricciones

El siguiente paso consiste en la determinación de los mismos, para lo cual

proponemos seguir la siguiente metodología:

La función objetivo

La función objetivo tiene una estrecha relación con la pregunta general que
se desea responder. Si en un modelo resultasen distintas preguntas, la función
objetivo se relacionaría con la pregunta del nivel superior, es decir, la pregunta
fundamental. Así por ejemplo, si en una situación se desean minimizar los costos,
es muy probable que la pregunta de mayor nivel sea la que se relacione con
aumentar la utilidad en lugar de un interrogante que busque hallar la manera de
disminuir los costos.
 Las variables de decisión

Similar a la relación que existe entre objetivos específicos y

objetivo general, se comportan las variables de decisión respecto a la función
objetivo, puesto que estas se identifican partiendo de una serie de preguntas
derivadas de la pregunta fundamental. Las variables de decisión, son en teoría,
factores controlables del sistema que se está modelando, y como tal, estas
pueden tomar diversos valores posibles, de los cuales se precisa conocer su valor
óptimo, que contribuya con la consecución del objetivo de la función general del
problema.

Las restricciones

Cuando hablamos de las restricciones en un problema de programación

lineal, nos referimos a todo aquello que limita la libertad de los valores que pueden
tomar las variables de decisión.

La mejor manera de hallarlas consiste en pensar en un caso hipotético en el

que decidiéramos darle un valor infinito a nuestras variables de decisión, por
ejemplo, ¿qué pasaría si en un problema que precisa maximizar sus utilidades en
un sistema de producción de calzado decidiéramos producir una cantidad infinita
de zapatos? Seguramente ahora nos surgirían múltiples interrogantes, como por
ejemplo:

 ¿Con cuánta materia prima cuento para producirlos?

 ¿Con cuánta mano de obra cuento para fabricarlos?

 ¿Pueden las instalaciones de mi empresa albergar tal cantidad de

producto?

 ¿Podría mi fuerza de mercadeo vender todos los zapatos?

 ¿Puedo financiar tal empresa?

Pues bueno, entonces habríamos descubierto que nuestro sistema presenta

una serie de limitantes, tanto físicas, como de contexto, de tal manera que los
valores que en un momento dado podrían tomar nuestras variables de decisión se
encuentran condicionados por una serie de restricciones.

Ejemplo de resolución de un problema de programación lineal

La fábrica de Hilados y Tejidos «SALAZAR» requiere fabricar dos tejidos de

calidad diferente T y T’; se dispone de 500 Kg de hilo a, 300 Kg de hilo b y 108 Kg
de hilo c. Para obtener un metro de T diariamente se necesitan 125 gr de a, 150 gr
de b y 72 gr de c; para producir un metro de T’ por día se necesitan 200 gr de a,
100 gr de b y 27 gr de c. El T se vende a $4000 el metro y el T’ se vende a $5000
el metro. Si se debe obtener el máximo beneficio, ¿cuántos metros de T y T’ se
deben fabricar?

El problema se recomienda leer en más de una ocasión para facilitar el

reconocimiento de las variables, además es muy recomendable la elaboración de
tablas o matrices que faciliten una mayor comprensión del mismo

Paso 1: Formular el problema

Para realizar este paso partimos de la pregunta central del problema

¿Cuántos metros de T y T’ se deben fabricar?

Y la formulación es:

“Determinar la cantidad de metros diarios de tejido tipo T y T’ a fabricar

teniendo en cuenta el óptimo beneficio respecto a la utilidad”.
 Paso 2: Determinar las variables de decisión

Basándonos en la formulación del problema nuestras variables de decisión son:

XT: Cantidad de metros diarios de tejido tipo T a fabricar

XT’: Cantidad de metros diarios de tejido tipo T’ a fabricar

PASO 3: Determinar las restricciones del problema

En este paso determinamos las funciones que limitan el problema, estas están
dadas por capacidad, disponibilidad, proporción, no negatividad entre otras

De disponibilidad de materia prima:

0,125XT + 0,200XT’ <= 500 Hilo “a”

0,150XT + 0,100XT’ <= 300 Hilo “b”

0,072XT + 0,027XT’ <= 108 Hilo “c”

De no negatividad

XT,XT’ >= 0

PASO 4: Determinar la Función Objetivo

En este paso es de vital importancia establecer el contexto operativo del

problema para de esta forma determinar si es de Maximización o Minimización. En
este caso abordamos el contexto de beneficio por ende lo ideal es Maximizar

Función Objetivo

ZMAX = 4000XT + 5000XT’

PASO 5: Resolver el modelo utilizando software o métodos manuales

A menudo los problemas de programación lineal están constituidos por

innumerables variables, lo cual dificulta su resolución manual, es por esto que se
recurre a software especializado, como es el caso de WinQSB, TORA, Lingo o
para modelos menos complejos se hace útil la herramienta Solver de Excel.

El anterior ejercicio fue resuelto mediante Solver – Excel, y su resultado fue:

 Hemos preparado una serie de ejercicios de programación lineal y
programación lineal entera, en los cuales podrá observar su modelamiento y
resolución en Solver.

Ejercicios de Programación

Problema No. 1

Un herrero con 80 Kg. de acero y 120 Kg. de aluminio quiere hacer

bicicletas de paseo y de montaña que quiere vender, respectivamente a 20.000 y
15.000 pesos cada una para sacar el máximo beneficio. Para la de paseo
empleará 1 Kg. De acero y 3 Kg. de aluminio, y para la de montaña 2 Kg. de
ambos metales. ¿Cuántas bicicletas de paseo y de montaña deberá fabricar para
maximizar las utilidades?

Definición de variables

X = Cantidad de bicicletas de paseo a producir.

Y = Cantidad de bicicletas de montaña a producir.

 Restricciones

X + 2Y <= 80 (Disponibilidad de acero)

3X + 2Y <= 120 (Disponibilidad de aluminio)

X; Y >= 0 (Restricciones de NO negatividad)

Función objetivo

Zmax = 20000X + 15000Y

Solución del modelo mediante SOLVER

Problema No. 2

Un autobús que hace el recorrido Cali-Buga, ofrece asientos para

fumadores al precio de 10.000 pesos y a no fumadores al precio de 6.000 pesos.
Al no fumador se le deja llevar 50 Kg. de peso y al fumador 20 Kg. Si el autobús
tiene 90 asientos y admite un equipaje de hasta 3.000 Kg. ¿Cuál ha de ser la
oferta de asientos de la compañía para cada tipo de pasajeros, con la finalidad de
optimizar el beneficio? Además, debe considerarse que por políticas de la
empresa, deben ofrecerse cómo mínimo 10 asientos para pasajeros no
fumadores.
Definición de variables

X = Cantidad de asientos reservados a fumadores.

Y = Cantidad de asientos reservados a no fumadores.

Restricciones

20X + 50Y <= 3000 (Equipaje permitido)

X + Y <= 90 (Asientos disponibles)

Y >= 10 (Políticas no fumadores)

X; Y >= 0 (No negatividad)

Función objetivo

Zmax = 10000X + 6000Y

Solución mediante SOLVER

 Problema No. 3

Un comerciante acude al mercado popular a comprar naranjas con 50.000

pesos. Le ofrecen dos tipos de naranjas: las de tipo A a 50 pesos el Kg. y las de
tipo B a 80 pesos el Kg. Sabiendo que sólo dispone de su camioneta con espacio
para transportar 700 Kg. de naranjas como máximo y que piensa vender el Kg. de
naranjas tipo A a 58 pesos. y el Kg. de tipo B a 90 pesos. plantee un modelo de
programación lineal que permita resolver la situación anterior.

Definición de las variables

X = Cantidad de Kg de naranjas tipo A a comprar.

Y = Cantidad de Kg de naranjas tipo B a comprar.

Restricciones

50X + 80Y <= 50.000 (Dinero disponible para comprar)

X + Y <= 700 (Capacidad de transporte)

Función Objetivo

Zmax = 8X + 10Y

Solución obtenida mediante SOLVER

Método gráfico

El método gráfico es un procedimiento de solución de problemas

de programación lineal, muy limitado en cuanto al número de variables (2 si es un
gráfico 2D y 3 si es 3D) pero muy rico en materia de interpretación de resultados e
incluso análisis de sensibilidad. Este consiste en representar cada una de las
restricciones y encontrar en la medida de lo posible el polígono (poliedro) factible,
comúnmente llamado el conjunto solución o región factible, en el cual por razones
trigonométricas en uno de sus vértices se encuentra la mejor respuesta (solución
óptima).

El método gráfico es muy limitado en cuanto al número de variables (2 si es

un gráfico 2D y 3 si es 3D).

El problema

La fábrica de Hilados y Tejidos «SALAZAR» requiere fabricar dos tejidos de

calidad diferente T y T’; se dispone de 500 Kg de hilo a, 300 Kg de hilo b y 108 Kg
de hilo c. Para obtener un metro de T diariamente se necesitan 125 gr de a, 150 gr
de b y 72 gr de c; para producir un metro de T’ por día se necesitan 200 gr de a,
100 gr de b y 27 gr de c. El T se vende a $4000 el metro y el T’ se vende a $5000
el metro. Si se debe obtener el máximo beneficio, ¿cuántos metros de T y T’ se
deben fabricar?

Modelamiento mediante programación lineal

Variables

XT: Cantidad de metros diarios de tejido tipo T a fabricar

XT’: Cantidad de metros diarios de tejido tipo T’ a fabricar

Restricciones

0,12XT + 0,2XT’ <= 500 Hilo “a”

0,15XT + 0,1XT’ <= 300 Hilo “b”

0,072XT + 0,027XT’ <= 108 Hilo “c”

 Las restricciones de no negatividad no son necesarias en este ejemplo
dado que se trata de un ejercicio de maximización, cuando el ejercicio sea de
minimización lo más recomendado es incluirlas.

Función objetivo

ZMAX = 4000XT + 5000XT’

Solución mediante método gráfico

Paso 1: Graficar las restricciones

Para iniciar con el trazado de las restricciones es indispensable igualar las

restricciones a 0, de esta manera podemos mediante despeje de ecuaciones
iniciar con la tabulación que nos otorgará las coordenadas para esbozar cada una
de las gráficas. Además dado que se trabajará en el plano cartesiano sería
prudente renombrar las variables

XT = x

XT’ = y

Igualamos las restricciones,

0,12X + 0,2y = 500

0,15X + 0,1y = 300

0,072X + 0,027y = 108

Acto seguido iniciamos con la primera restricción, hallamos las primeras dos
coordenadas. Para hallar las coordenadas regularmente llevamos una de las
variables a cero, para de esta manera despejar más fácilmente la segunda.

Por ejemplo, para un x = 0

0,12(0) + 0,2y = 500

0,2y = 500

500/0,2 = y

2500 = y
 y para un y = 0

0,12x + 0,2(0) = 500

0,12x = 500

x = 500/0,12

x = 4167

Seguimos con la segunda restricción

Pasamos a la tercera restricción
 En el siguiente gráfico se muestra el polígono solución de color gris, en este
conjunto es donde cada coordenada cumple con todas las restricciones, las cuales
se caracterizan por ser restricciones de menor o igual y esta característica se
representa con una flecha hacía abajo.

Una vez se llega a este punto es indispensable saber que las soluciones
óptimas se alojan en los vértices del polígono solución (color gris) y que identificar
a la solución óptima es cuestión de elegir la mejor alternativa dependiendo de las
herramientas disponibles (tecnológicas y conocimientos matemáticos).

La primera opción es la geométrica, esta depende de trazar la ecuación que

representa a la función objetivo (este paso consiste en realizar el mismo
procedimiento de las restricciones).

Función objetivo,

ZMAX = 4000x + 5000y

luego igualamos a 0.

4000x + 5000y = 0

Luego tabulamos para obtener las coordenadas necesarias para esbozar la

gráfica correspondientes a la ecuación (en esta ocasión es recomendable más de
dos coordenadas, incluyendo la coordenada (x = 0, y = 0).
 Una vez se ha esbozado la función objetivo (línea negra) sacamos replicas
paralelas a esta que se encuentren con cada vértice, y solo en el caso en que la
línea imaginaria paralela a la función objetivo no corte el polígono solución se ha
encontrado la solución óptima. En otras palabras trasladamos la función objetivo
por todo el polígono conservando su forma paralela con la original, la detenemos
en los vértices y evaluamos si esta corta o no el conjunto solución.
 Claramente solo en el punto «B», es decir en el vértice formado por la
intersección de las ecuaciones 1 y 2, la línea imaginaria no corta el polígono
solución, entonces es este punto el correspondiente a la coordenada óptima.

Para hallar el valor de esta coordenada es indispensable recurrir a la resolución

de ecuaciones lineal 2 × 2, y se pueden considerar varios métodos de solución
entre ellos:

 Método por sustitución

 Método por igualación

 Método por reducción o Eliminación

 Método por eliminación Gauss

 Método por eliminación Gauss – Jordán

 Método por determinantes

Así entonces, se dispone de gran cantidad de métodos, uno de los más

utilizados es el método de reducción o eliminación, el cual es muy sencillo de
aplicar.
 El método por reducción o eliminación consiste en igualar los coeficientes de
una de las variables multiplicando una o las dos ecuaciones, teniendo en cuenta
que estos coeficientes queden iguales pero con signos contrarios.

Ecuación 1 0,12x + 0,2y = 500

Ecuación 2 0,15x + 0,1y = 300 multiplicamos por (-2)

Ecuación 3 (2*(-2)) -0,30x – 0,2y = -600

Sumamos 1 y 3 -0,18x = -100

Despejamos «x» x = -100 / (-0,18)

x = 555,55

luego reemplazamos x = 555,55 en cualquiera de las dos ecuaciones originales

con el objetivo de despejar «y».

Ecuación 1 0,12x + 0,2y = 500

Reemplazamos «x» 0,12(555,55) + 0,2y = 500

Despejamos «y» 66,666 + 0,2y = 500

0,2y = 500 – 66,666

0,2y = 433,334

y = 433,334 / 0,2

y = 2166,67

De esta forma hemos obtenido los valores para «x» y «y».

Recordemos que x y y fueron los nombres que recibieron las variables

originales XT y XT’

x = XT

y = XT’

XT = 555,55

XT’ = 2166,67
 y la contribución obtenida (reemplazando las variables en la función
objetivo) es de:

Zmax = 4000XT + 5000XT’

Zmax = 4000(555,55) + 5000(2166,67)

Zmax = 13.055.550

Ahora podemos cotejar los resultados con los obtenidos mediante

resolución por Solver – Excel, sin embargo recuerden que el método de búsqueda
de la solución óptima en el método gráfico que utilizamos es el geométrico y que
existe una posibilidad mucho más compleja pero igualmente efectiva, este es el
método de iteración por vértice, y que consiste en hallar todas las coordenadas de
los vértices y luego en cada coordenada se evalúa la función objetivo, (cada
coordenada nos proporciona un valor en «x» y otro en «y», luego reemplazamos
estos valores en la función objetivo «4000x + 5000y = ?» y luego evaluamos los
resultados seleccionando la mayor cantidad).

Variantes en el método gráfico

Como en la mayoría de los casos, el ejemplo con el que aquí se explicó el

método gráfico es el ideal, es decir un ejercicio de conjunto acotado con solución
óptima única, sin embargo existen una variedad de problemas diferentes a los
ideales y que vale la pena analizar:

Solución óptima múltiple

Una de las variantes que puede presentar un ejercicio de programación

lineal consiste en la cantidad de soluciones óptimas, gran cantidad de ellos
presenta más de una solución óptima, es decir una solución en la cual la función
objetivo es exactamente igual en una combinación cuantitativa de variables
diferente.

Estos problemas deben de afrontarse de tal manera que prime el análisis de

sensibilidad, es decir una vez encontradas múltiples soluciones iguales se debe
proceder al comportamiento del consumo de los recursos y restricciones,
evidentemente prevaleciendo el concepto de productividad de los recursos más
limitados y costosos.

Un ejemplo de este caso es el siguiente:

 La ebanistería «SALAZAR LTDA» ha recibido una gran cantidad de partes
prefabricadas para la elaboración de mesas, sin embargo no ha podido iniciar un
plan de producción enfocado a estas por la alta demanda que tiene de sus
productos restantes. Las mesas que pueden elaborarse de las partes
prefabricadas son de dos modelos, modelo A y B, y estas no requieren más que
ser ensambladas y pintadas. Esta semana se ha determinado dedicar 10 horas de
ensamble y 8 de pintura para elaborar la mayor cantidad de mesas posibles
teniendo en cuenta que cada mesa modelo A requiere de 2 horas de ensamble y 1
de pintura respectivamente, y que cada mesa modelo B requiere de 1 hora de
ensamble y 2 de pintura respectivamente. Si el margen de utilidad es de $20000
por cada mesa modelo A y $10000 por cada mesa modelo B. Determine el modelo
adecuado de producción para esta semana.

Variables

X = Cantidad de mesas modelo A a fabricar esta semana

Y = Cantidad de mesas modelo B a fabricar esta semana

Restricciones

2X + Y <= 10 «Horas de ensamble»

X + 2Y <= 8 «Horas de pintura»

X, Y => 0 «De no negatividad»

Función objetivo

Zmax = 20000X + 10000Y

La gráfica resultante sería:

 Como nos podemos dar cuenta mediante la geometría en dos vértices la
línea imaginaria perpendicular a la función objetivo no atraviesa el conjunto
solución, por ende en dos puntos se presentan soluciones óptimas, que son los
puntos B y C.

Observemos la solución óptima múltiple

Z(0) = 20000(0) + 10000(0) = 0

Z(A) = 20000(0) + 10000(4) = $40000

Z(B) = 20000(4) + 10000(2) = $100000

Z(C) = 20000(5) + 10000(0) = $100000

Existen entonces dos soluciones óptimas

Solución óptima 1

X=4 Y=2

Solución óptima 2

X=5 Y=0
 La pregunta siguiente es ¿cual decisión tomar?, pues depende de factores
tales como una análisis de sensibilidad donde se tenga en cuenta el consumo
distinto de determinados recursos (horas ensamble vs. horas pintura) y factores
extras al modelo como lo puede llegar a ser en este caso una necesidad de
espacio de almacenamiento, dado que existe una alternativa en la que se elaboran
más mesas que en la otra, de todas formas es interesante el paso posterior a
esbozar los resultados pues requerirá de la capacidad de quien toma las
decisiones.

Solución óptima no acotada

Otra de las variantes que presentan los modelos de programación

lineal corresponde a los modelos de solución óptima no acotada, es decir
problemas con infinitas soluciones óptimas. Hay que reconocer que en la vida real
gran parte de estos problemas se deben a un mal planteamiento de las
restricciones, sin embargo es común que este tipo de problemas sean evaluados
en la vida académica.

Un ejemplo:

La compañía comercializadora de bebidas energéticas «WILD» se

encuentra promocionando dos nuevas bebidas, la tipo A y la tipo B, dado que se
encuentran en promoción se puede asegurar el cubrimiento de cualquier cantidad
de demanda, sin embargo existen 2 políticas que la empresa debe tener en
cuenta. Una de ellas es que la cantidad de bebidas tipo A que se vendan no puede
ser menor que las de tipo B, y la segunda es que se deben de vender por lo
menos 1500 bebidas de cualquier tipo.

Dado que se encuentran en promoción el precio de venta de ambas

bebidas equivale a $1800 pesos.

Determine la cantidad de unidades que deben venderse.

Variables

X = Cantidad de bebidas tipo A a vender

Y = Cantidad de bebidas tipo B a vender

Restricciones

X => Y
 X + Y => 1500

Función Objetivo

Zmax = 1800X + 1800Y

La gráfica resultante sería:

Es claro que en este ejercicio las variables pueden aumentar mejorando

indefinidamente la función objetivo, en estos casos se dice que la solución óptima
no es acotada, por lo cual las posibles soluciones son infinitas.

Solución infactible

El caso de la solución infactible es más típico de lo pensado, y corresponde

a los casos en los cuales no existen soluciones que cumplen con todas las
restricciones. Es muy común ver este fenómeno producto de inviables
proporciones de oferta y demanda.

Un ejemplo:
 La compañía de galletas «CAROLA» desea planificar la producción de
galletas que tendrá que entregar a su cliente en dos semanas, el contrato indica
que la compañía «CAROLA» se compromete a entregar por lo menos 300 cajas
de galletas cualquiera sea su tipo (presentación D, presentación N o una
combinación de ambas presentaciones), cada caja de galletas presentación D
tiene un tiempo de elaboración de 2 horas, y un tiempo de horneado de 3 horas,
mientras cada caja de presentación N tiene un tiempo de elaboración de 3 horas y
un tiempo de horneado de 1 hora. La compañía cuenta estas dos semanas con
550 horas para elaboración y con 480 horas de horneado. Teniendo en cuenta que
el margen de utilidad de cada caja de galletas presentación D y N es de $8500 y
$8100 respectivamente, determine mediante un modelo de programación lineal el
plan de producción que maximice las utilidades.

Variables

X = Cantidad de cajas de galletas presentación D a producir en 2 semanas

Y = Cantidad de cajas de galletas presentación N a producir en 2 semanas

Restricciones

2X + 3Y <= 550

3X + Y <= 480

X + Y => 300

Función Objetivo

Zmax = 8500X + 8100Y

La gráfica resultante es la siguiente:

 Evidentemente, no existe forma alguna de satisfacer todas las restricciones,
por ende se concluye que no existe solución factible.

Restricciones redundantes o sobrantes

Existen en los modelos de programación lineal un tipo de restricciones que

no juegan rol alguno en la determinación del conjunto solución (de igual manera
en la solución óptima), lo que lleva a deducir que estas son redundantes.

Por ejemplo:

La compañía «CONGELADORES MAJO» pretende fabricar dos tipos de

congeladores denominados A y B. Cada uno de ellos debe pasar por tres
operaciones antes de su comercialización: Ensamblaje, pintura y control de
calidad. Los congeladores tipo A requieren 2 horas de ensamblaje, 3 kg de pintura
y 4 horas de control de calidad; los congeladores tipo B requieren 3 horas de
ensamblaje, 6 kg de pintura y 5 horas de control de calidad. El margen contributivo
por cada congelador tipo A y B es de $102000 y $98000 respectivamente. La
compañía dispone como máximo semanalmente 300 horas de ensamblaje, 840 kg
de pintura y 450 horas de control de calidad. Con base en la información
suministrada determine las unidades a producir semanalmente de cada referencia
para maximizar las utilidades.

Variables

X = Cantidad de congeladores tipo A a producir semanalmente

Y = Cantidad de congeladores tipo B a producir semanalmente

Restricciones

2X + 3Y <= 300

3X + 5Y <= 840

4X + 5Y <= 450

Función Objetivo

Zmax = 102000X + 98000Y

La gráfica resultante es la siguiente,

La solución óptima corresponde a:

X = 150
 Y=0

y la función objetivo quedaría.

Zmax = $15300000

Claramente podemos observar como la restricción 1 y la restricción 2 no

determinan el conjunto solución, por ende se denominan restricciones
redundantes o sobrantes.