Pregrado

SESIÓN 01:
Introducción a la Investigación de Operaciones
LOGRO DE LA SESIÓN

● Conoce las capacidades, competencias, sumilla del curso

● Reconoce la importancia de la investigación de Operaciones.
● Reconoces los elementos de los modelos de Programación
Lineal
● Instala y los software especializados.
● Modela diversos problemas industriales
Aspectos Administrativos
● Profesor: Absalón Rivasplata Sánchez

● Clases:
Martes: 07:30 - 12:00.

10 Minutos de tolerancia
 Actividad 1: Comentemos:
● Nombre y Apellido,

● Lugar de residencia actual,

● ¿Cuáles son sus expectativas del curso?

6
…y qué esperamos de ustedes
● Dedicación y participación activa.

Esta foto de Autor desconocido está bajo licencia CC BY-SA-NC

INTRODUCCIÓN A LA INVESTIGACIÓN DE
OPERACIONES I
Actividad 2

Comentemos
¿Qué conozco de Investigación de
Operaciones y su Áreas de
aplicación
Esta foto de Autor desconocido está bajo licencia CC BY-NC-ND
Actividad 2 - Video

Lo puede Encontrar en: https://youtu.be/eB_NCdHkCRs

ORIGEN DE LA PROGRAMACIÓN LINEAL
Historia de la I.O.

● Se aplica por primera vez en 1780

● Antecedentes:
○ Matemáticas: modelos lineales (Farkas, Minkowski) (s.XIX)
○ Estadística: fenómenos de espera (Erlang, Markov) (años 20)
○ Economía: Quesnay (x.XVIII), Walras (s.XIX), Von Neumann (años 20)
● El origen de la I.O. moderna se sitúa en la 2ª Guerra Mundial para
resolver problemas de organización militar:
- Despliegue de radares, manejo de operaciones de bombardeo, colocación de minas,…
Historia de la I.O.

● Al terminar la guerra, sigue el desarrollo en la industria, debido a:

○ competitividad industrial
○ progreso teórico
■ RAND, Research And Development Corp. (Dantzig)
■ Princeton (Gomory, Kuhn, Tucker)
■ Carnegie Institute of Technology (Charnes, Cooper)
○ gran desarrollo de los computadores:
* aumento de la capacidad de almacenamiento de datos
* Incremento de la velocidad de resolución de los problemas.
Historia de la I.O.

Esta foto de Autor desconocido está bajo licencia CC BY-SA-NC

Investigación de Operaciones

Desde la Segunda Guerra Mundial Militares Británicos que le pidieron a

científicos e ingenieros que analizaran diversos problemas militares:
● Manejo de convoyes, bombardeos, operaciones de minado
● Investigación de Operaciones militares.
Hoy:
● Uso de modelos matemáticos para apoyar la toma de decisiones en las
más diversas áreas.
Fuente: http://adminoperaciones.blogspot.pe/2011/01/algunos-elementos-de-la-historia-de.html
Actualidad de la I.O.

● Sigue habiendo un gran desarrollo, en muchos sectores, con grandes

avances sobre todo en el campo de la Inteligencia Artificial
● Más información:
○ Association of European O.R. Societies (EURO)
■ www.ulb.ac.be/euro/euro_welcome.html
○ Institute for O.R. and the Management Sci. (INFORMS)
■ www.informs.org
○ International Federation of O.R. Societies (IFORS)
■ www.ifors.org
Investigación de Operaciones

La Investigación de Operaciones (IO), es una rama de las

matemáticas que utiliza modelos y algoritmos matemáticos, con
el objetivo de tomar decisiones de manera efectiva y eficiente
dentro de una organización.
La Investigación de Operaciones
Al utilizar algún modelo o algoritmo de la IO las decisiones
serán más eficientes y seguras en cuanto a costos,
tiempos, recursos, beneficios, entre otros aspectos, en
comparación con aquellas decisiones que son tomadas de
forma arbitraria sin hacer uso de alguna técnica, herramienta o
método matemático.
Investigación de Operaciones/Programación Matemática
La IO dentro de las Organizaciones

Recursos Recursos
Financieros Humanos

Procesos
OPTIMIZA: Planes de
de
Marketing
Producción

Asignación
Distribución de Recursos
de
Productos…
La IO dentro de las Organizaciones

https://economipedia.com/definiciones/cadena-de-suministro.html
La IO dentro de las Organizaciones

Determina las unidades a

producir, a partir de una
disponibilidad en tiempo y
materia prima.

Determina el correcto sistema de

distribución de los productos
desde las fábricas (origen) hacia
las sucursales (destinos).
La IO dentro de las Organizaciones

Elabora un plan de producción, balanceando la oferta y la

demanda, de manera que se satisfaga adecuadamente las
variables que intervienen en los mismos procesos para así
aumentar la utilidad y producción.
Modelos Matemáticos

● Se concibe como modelo matemático a la representación de

algún aspecto de la realidad por medio de expresiones
algebraicas.
● Un modelo matemático es la simplificación por medio de
expresiones matemáticas de un objeto o fenómeno de la
realidad, externo al campo de las matemáticas, lo cual significa
describir en lenguaje matemático una realidad que existe en un
mundo no matemático. (Maldonado Granados, 2013. El
Modelamiento Matemático en la formación del Ingeniero.
Colombia)
También lo podemos definir como:
Los modelos son representaciones idealizadas de la realidad. Los
modelos tienen muchas ventajas sobre una descripción verbal del problema,
una ventaja obvia es que el modelo describe un problema en forma mucho
más concisa.
En realidad es una herramienta más que un procedimiento de solución, se
usan para resolver problemas cuantitativos de decisión en el mundo real.
(Hillier Lieberman Introducción a la Investigación de Operaciones)
Modelo Matemático…
● 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 conocidas 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 negativa.
Un modelo matemático consta al menos de tres conjuntos
básicos de elementos:

● 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 OPTIMA se obtiene cuando el valor del costo sea mínimo para un
conjunto de valores factibles de las variables..
Video: Como se realiza un Modelo Matemático

https://youtu.be/HoouRhXLjDY
Metodología de la IO

1. Definición del problema

2. Formulación de un modelo matemático
3. Obtención de una solución a partir del modelo.
4. Prueba del modelo
5. Validación del modelo
6. Establecimiento de controles sobre la solución.
7. Implantación de la solución
1. Definición del problema

Determinar los objetivos apropiados, las restricciones sobre lo que se

puede hacer, las interrelaciones del área bajo estudio con otras áreas
de la organización, los diferentes cursos de acción posibles, los
límites de tiempo para tomar una decisión, etc.
Este proceso de definir el problema es crucial es decir (decisivo) ya
que afectará en forma significativa la relevancia de las conclusiones
del estudio.
2. Formulación de un modelo matemático

● La forma convencional en que la investigación de operaciones

realiza esto es construyendo un modelo matemático que
represente la esencia 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.
3. Obtención de una solución a partir del modelo.
● Resolver un modelo consiste en encontrar los valores de las variables
dependientes, asociadas a las componentes controlables del sistema con el
propósito de optimizar, si es posible, o cuando menos mejorar la eficiencia o
la efectividad del sistema dentro del marco de referencia que fijan los
objetivos y las restricciones del problema.

● La selección del método de solución depende de las características del

modelo. Los procedimientos de solución pueden ser clasificados en tres
tipos: a) analíticos, que utilizan procesos de deducción matemática; b)
numéricos, que son de carácter inductivo y funcionan en base a operaciones
de prueba y error; c) simulación, que utiliza métodos que imitan o, emulan al
sistema real, en base a un modelo.
4. Prueba del modelo
Antes de usar el modelo debe probarse exhaustivamente para intentar identificar
y corregir todas las fallas que se puedan presentar.
5. Validación del modelo

Es importante que todas las expresiones matemáticas sean

consistentes en las dimensiones de las unidades que
emplean. Además, puede obtenerse un mejor conocimiento
de la validez del modelo variando los valores de los
parámetros de entrada y/o de las variables de decisión, y
comprobando que los resultados de modelo se comporten de
una manera factible.
6. Establecimiento de controles sobre la solución
● Esta fase consiste en determinar los rangos de variación de los parámetros
dentro de los cuales no cambia la solución del problema.

● Es necesario generar información adicional sobre el comportamiento de la

solución debido a cambios en los parámetros del modelo. Usualmente esto
se conoce como ANÁLISIS DE SENSIBILIDAD.
7. Implantación de la solución
● El paso final se inicia con el proceso de "vender" los hallazgos que se
hicieron a lo largo del proceso a los ejecutivos o tomadores de decisiones.
Modelado Matemático con programación lineal
Enfoque de la Investigación de Operaciones

VARIABLES RELACIONES
RELEVANTES RELEVANTES
SISTEMA SISTEMA MODELO
REAL ASUMIDO CUANTITATIVO

MÉTODO
DE SOLUCIÓN

SOLUCIÓN AL
JUICIOS Y SOLUCIÓN
PROBLEMA DEL
EXPERIENCIAS AL MODELO
SISTEMA REAL
DECISIONES INTERPRETACIÓN

https://es.slideshare.net/rosaeliza2185/introduccion-inventigacin
La analítica no lo es todo
¿Qué es la Programación Lineal?

● La Programación Lineal es una herramienta muy poderosa para la

aplicación y disposición de recursos escasos de una manera adecuada y
óptima.
● En la actualidad los recursos necesarios para llevar a cabo una operación
son escasos y tienden a subir de precio.
● La Programación Lineal permite la asignación de estos recursos de una
forma efectiva utilizando aquéllos que son indispensables y al máximo.
Ramas de la Investigación de Operaciones

● Simulación: Experimentación sobre un sistema real en modelos de

bajo costo y fuera de línea.
● Probabilidad y Estadística: Análisis de datos, medir riesgo, descubrir
relaciones y diseñar pronósticos acertados de datos futuros.
● Optimización (Programación Matemática): Modelación y análisis de un
problema real con el fin de tomar la mejor solución dentro de un
conjunto de soluciones disponibles.
Tipos de Programación

https://www.programacionlineal.net/programacion_lineal.html
Aplicaciones de la Programación Lineal

https://inveoperaciones.wordpress.com/aplicaciones-de-la-programacion-lineal/
¿Qué es un Modelo?

“A representation of a system for the purpose of studying the system” (J. Banks)

En resumen es una Caricatura de la Realidad:

● Modelo posee características más relevantes del sistema (realidad).
● Características a considerar dependen del uso.
¿Qué es un Modelo?

Fuente: Marquinez V, J. T. (2016). Presentado en Santiago PCL.

 ¿Qué es un Modelo?

Representación simplificada de la realidad, que facilita su comprensión y el

estudio de su comportamiento

Debe mantener un equilibrio entre sencillez y capacidad de representación

Modelo matemático: modelo expresado en términos matemáticos

○ hace más claras la estructura y relaciones
○ facilita el uso de técnicas matemáticas y ordenadores
○ a veces no es aplicable
Ejemplos de Modelo

● Un juego (de entrenamiento) para dentistas.

Fuente: KLAPP, M. (2016). Presentado en Santiago de Chile.

Ejemplos de Modelo

● Un simulador de vuelo para el A350

Fuente: KLAPP, M. (2016). Presentado en Santiago de Chile.

Ejemplos de Modelo

● La balística es un modelo analítico

Fuente: KLAPP, M. (2016). Presentado en Santiago de Chile.

Tipos de Modelo

Fuente: KLAPP, M. (2016). Presentado en Santiago de Chile.

 Tipos de Modelo

Fuente: KLAPP, M. (2016). Presentado en Santiago de Chile.

Tipos de Modelo

Fuente: Marquinez V, J. T. (2016). Presentado en Santiago PCL.

Construcción del modelo

● Traducción del problema a términos matemáticos

○ objetivos: función objetivo
○ alternativas: variables de decisión
○ limitaciones del sistema: restricciones
● Pero a veces las relaciones matemáticas son demasiado complejas
○ heurísticos
○ simulación
 Modelado matemático

● Paso 1.- Identificar las variables de decisión

¿Sobre qué tengo control?
¿Qué es lo que hay que decidir?
¿Cuál sería una respuesta válida en este caso?
● Paso 2.- Identificar la función objetivo
¿Qué pretendemos conseguir?
Si yo fuese “el jefe” ¿qué me interesaría más?
(Costo de Agencia y Supuestos de Racionalidad)
● Paso 3.- Identificar las restricciones o factores que limitan la decisión
Recursos disponibles (trabajadores, máquinas, material) Fechas límite
Restricciones por la naturaleza de las variables (no negatividad, enteras,
binarias)
Restricciones por la naturaleza del problema
● Paso 4.- Traducción de los elementos básicos a un modelo matemático.
 Resolución del modelo

● Paso 1.- Elegir la técnica de resolución adecuada

○ Técnicas existentes, modificación, creación o heurísticos.
● Paso 2.- Generar las soluciones del modelo
○ Algoritmos, Programas computacionales, Solvers.
● Paso 3.- Comprobar/validar los resultados
○ Probar la solución en el entorno REAL
● Paso 4.- Si los resultados son inaceptables, revisar el modelo matemático
○ Estudiar hipótesis, comprobar exactitud de datos, relajar o endurecer
aproximaciones, revisar restricciones
● Paso 5.- Realizar análisis de sensibilidad
○ Analizar adaptaciones en la solución propuesta frente a posibles cambios
(principalmente en PARAMETROS)
¿Para qué sirve un modelo?

Todo modelo representa una realidad que no es, pero algunos son adecuados
para analizar la realidad con un fin específico.

¡Modelar es un arte!
“Guía general” para la formulación de modelos

Identificación de los elementos básicos. Expresar en palabras:

● Datos del problema
○ Factores que no son susceptibles de cambio
● Variables de decisión
○ Variables sobre las que se tiene control
● Restricciones
○ Causas por las que la decisión está limitada
● Función objetivo
○ Medida del rendimiento que se quiere optimizar
El paso más importante…El Planteamiento del P.P.L.

1. Definir las variables de decisión

2. Definir la Función objetivo
3. Plantear las Restricciones
4. Plantear la No Negatividad
Elementos en un modelo de Optimización
Variables de decisión: vector que modela decisiones del problema. El tomador
de decisión escoge sus valores dentro del dominio (o espacio de valores que las
variables pueden tomar) definido por las restricciones.
Función objetivo: Es la cantidad escalar que se desea minimizar o maximizar y
depende de las variables de decisión. Puede representar costo, utilidad,
margen, riesgo, trabajadores a contratar, nivel de servicio entregado al cliente,
tiempo de término del proyecto, entre otros.
Restricciones: Modelan limitaciones en los valores y relaciones de las variables
de decisión, definen el dominio. Pueden representar recursos limitados,
exigencias mínimas, capacidades máximas, limitación de tiempo, relaciones
lógicas entre variables, naturaleza de las variables, etc…
 Terminología de los modelos

Fuente: Marquinez V, J. T. (2016). Presentado en Santiago PCL.

Tipos de modelo según variables

Fuente: Marquinez V, J. T. (2016). Presentado en Santiago PCL.

Elementos Básicos de un Modelo
Elementos Básicos de un Modelo
Solución Factible
Programación Lineal

Cuando la función objetivo y todas las Restricciones Son

“Lineales” tenemos un “Modelo de Programación Lineal.

Max Z = c1x1 + c2x2 + . . . + cnxn

Sujeto a: a11x1 + a12x2 + . . . + a1nxn  b1
a21x1 + a22x2 + . . . + a2nxn 
b.2 . . .
. . . .
. . . .
am1x1 + am2x2 + . . . + amnxn  bm

xJ  0 Para J = 1, 2, 3, . . . n
PROGRAMACIÓN LINEAL
PROGRAMACIÓN LINEAL
Formular un Modelo de PL
Formular un Modelo de PL
● Restricciones

● Restricciones de No Negatividad
Supuestos de un modelo de PL
Supuestos de un modelo de PL
¿Y una vez modelado?
SOFTWARE A USAR
● POM QM FOR WINDOWS
https://qm-for-windows.software.informer.com/5.2/

● LINGO
https://www.lindo.com/index.php/ls-downloads/try-lingo

● OPEN SOLVER
https://opensolver.org/installing-opensolver/

● SOLVER DE EXCEL
Esta en complementos de Excel
SOFTWARE A USAR
Elementos en un modelo de Optimización
Un Ejemplo Inicial: Producción de Smartphones y Tablets
 El problema de producción

● Una fábrica produce Smartphones y Tablets

Problema: determinar producción mensual que logra la mayor venta.

● Cada producto requiere una cantidad conocida de dos recursos limitados:
● Horas Hombre (HH): medido en horas/mes.
● Materia Prima (MP): medido en $/ mes.
● Se vende todo lo producido al precio de mercado.
¿Que se necesita para resolver?

● Se requiere datos del problema (parámetros).

 Ejemplo

La corporación Outdoor “Z” fabrica dos productos, bancos y mesas de picnic, para su uso en
jardines y parques. La empresa cuenta con dos recursos principales: sus carpinteros (mano
de obra) y el suministro de madera de secoya para fabricar muebles. Durante el siguiente
ciclo de producción están disponibles 1,200 horas de mano de obra de acuerdo con el
sindicato.
La empresa también cuenta con un inventario de 3,500 pies de secoya de buena calidad.
Cada banco que produce Outdoor Furniture requiere de 4 horas de mano de obra y de 10
pies de secoya, en tanto que cada mesa de picnic toma 6 horas de mano de obra y 35 pies
de secoya.
Los bancos terminados darán una utilidad de $9 cada uno; y las mesas una utilidad de $20
cada una. ¿Cuántos bancos y mesas debería fabricar Outdoor “Z” para obtener la mayor
utilidad posible? Utilice el método gráfico de la PL.

84
Resumen de Modelamiento
 ¿Cómo formular y modelar problemas ?

87
 ¿Cómo formular y modelar problemas ?

88
 ¿Cómo formular y modelar problemas ?

89
 Ejemplos de Modelo: Empresa Manufacturera

90
 Ejemplos de Modelo: Carpintero

91
 Ejercicio: Empresa de Publicidad

92
Conclusiones
● La programación lineal es una técnica matemática poderosa para modelar y
resolver problemas de optimización en una amplia variedad de campos,
desde la producción hasta la logística y la gestión financiera.

● La programación lineal requiere la formulación de un modelo matemático en

términos de una función objetivo y un conjunto de restricciones lineales.

● La programación lineal permite la solución de problemas con múltiples

objetivos y restricciones complejas, lo que permite la toma de decisiones más
informadas y eficientes.
Conclusiones
● PL permite la identificación de soluciones óptimas y subóptimas, lo
que puede ayudar a los tomadores de decisiones a tomar
decisiones informadas.
● Los modelos de programación lineal son útiles para la simulación y
predicción del comportamiento de sistemas complejos en tiempo
real.
● La programación lineal también puede utilizarse para el análisis de
sensibilidad y la evaluación de la robustez de soluciones óptimas, lo
que permite a los tomadores de decisiones tener en cuenta los
posibles cambios en el entorno o en los supuestos del modelo.
BIBLIOGRAFÍA
• BARRY, RENDER & JAY, HEIZE (2001). ”PRINCIPIOS PARA INVESTIGACIÓN DE OPERACIONES”. 6A EDICIÓN,
ED. PRENTICE HALL.

• TAHA, HANDY A. (2004). “INVESTIGACION DE OPERACIONES”. 7ª EDICIÓN, ED. PRENTICE HALL.

• HILLER, LIEBERMAN (2001). “INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES”. ED. MC.GRAWHILL.

• HILLIER, F. S., HILLIER, M. S, SCHMEDDERS, KARL & STEPHENS, MOLLY (2008). “MÉTODOS CUANTITATIVOS
PARA ADMINSITRACIÓN”, ED. MC GRAW-HILL, MEXICO.

• MATHIAS KLAPP (2018), OPTIMIZACIÓN, PRESENTACIÓN PONTIFICIA UNIVERSIDAD DE CATÓLICA DE CHILE.

• JORGE VERA (2016), OPTIMIZACIÓN, PRESENTACIÓN PONTIFICIA UNIVERSIDAD DE CATÓLICA DE CHILE.

• TOMAS MARQUÍNEZ (2016), OPTIMIZACIÓN, PRESENTACIÓN PONTIFICIA UNIVERSIDAD DE CATÓLICA DE
CHILE.
• CARLOS FERRER (2006), MODELACIÓN EN OPTIMIZACIÓN, PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE,
ESCUELA DE INGENIERÍA