INVESTIGACIÓN DE

OPERACIONES
https://youtu.be/YCTDpHkeTc0
 ORÍGENES DE LA IO

Crecimiento de las
organizaciones Dificultad para
asignar recursos

Durante la segunda guerra mundial se hicieron investigaciones sobre

operaciones militares para mejorar la asignación de recursos.

jlc
 DEFINICIÓN
Disciplina que mediante el uso de matemáticas, estadística y algoritmos,
modela y resuelve problemas complejos determinando la solución
óptima y permitiendo, de esta forma, la toma de decisiones.

Teniendo en cuenta la escasez de recursos, para determinar cómo se

puede optimizar un objetivo definido, ya sea maximizar beneficios o
minimizar costos.

jlc
Enfocada a la minería
Metodología de la I.O

jlc
 OBSERVACIÓN Y ANÁLISIS
¿Cual es el problema al que me enfrento?

 Objetivos apropiados

 Restricciones sobre lo que se puede hacer

 Los diferentes cursos de acción posibles, etc.

Este proceso de definir el problema es crucial ya que afectará en forma

significativa la relevancia de las conclusiones del estudio

jlc
 MODELO

 Realizar un modelo que represente la esencia del problema.

 El modelo debe ser menos complejo que el problema real, con

consideraciones y simplificaciones que hacen más manejable el
problema y permiten evaluar eficientemente las alternativas de
solución.

jlc
 SOLUCIÓN ÓPTIMA
Depende de las características del modelo.

Los procedimientos de solución pueden ser clasificados en tres tipos:

a) Analíticos

b) Numéricos

c) Simulación

jlc
 SOLUCIÓN ÓPTIMA

a) Analíticos: utilizan procesos de deducción matemática.

b) Numéricos: son de carácter inductivo y funcionan en base a

operaciones de prueba y error.

c) Simulación: utiliza métodos que imitan o, emulan al sistema real, en

base a un modelo.

jlc
 VALIDACIÓN DEL MODELO

Se varían los valores de los parámetros de entrada y/o de las variables de

decisión, y se comprueba que los resultados del modelo se comporten de
una manera factible.

Antes de usar el modelo debe probarse exhaustivamente para intentar

identificar y corregir todas las fallas que se puedan presentar.

jlc
 MODELO
“Un modelo es una representación de la realidad” Colin Lee (1972)

Esta definición es llamativa por su simplicidad pero no aclara el porqué de los

modelos.

Pidd (1996) propone la siguiente definición mucho más completa:

“Un modelo es una representación explícita y externa de parte de la realidad

como la ven las personas que desean usar el modelo para entender, cambiar,
gestionar y controlar dicha parte de la realidad”

jlc
 MODELAMIENTO Y SIMULACIÓN
o Un modelo es una representación de un objeto, sistema o idea, de forma
diferente al de la entidad misma.

o El propósito es ayudar a explicar, entender o mejorar un sistema.

o El modelo puede ser una réplica exacta de éste o una abstracción de las
propiedades dominantes del objeto

jlc
 MODELAMIENTO Y SIMULACIÓN

o Desarrollar un modelo lógico matemático de un sistema, de tal forma que

se tiene una imitación de la operación de un proceso de la vida real.

o Simulación es una técnica numérica para conducir experimentos en una

computadora.

o La simulación tiene el propósito de entender el comportamiento del

sistema o evaluar varias estrategias para la operación del sistema

jlc
 MODELAMIENTO Y SIMULACIÓN

Un requerimiento básico para cualquier modelo, es que debe describir al

sistema con suficiente detalle para hacer predicciones válidas sobre el
comportamiento del sistema en el tiempo.

jlc
 MODELAMIENTO Y SIMULACIÓN
Real

Si el modelo no es correcto, las manipulaciones siguientes serán inútiles

jlc
 MODELAMIENTO Y SIMULACIÓN
Simple

Si el modelo es muy complejo, la realización de las fases siguientes puede

ser inabordable.

jlc
 MODELAMIENTO Y SIMULACIÓN
Un sistema determinado, se puede modelar de diferentes formas, y se
pueden tener varias representaciones matemáticas de un mismo sistema,
dependiendo de cada perspectiva

jlc
 TIPOS DE MODELOS

Modelo
o Modelos mentales 1

o Modelos lingüísticos

o Modelos gráficos Modelo Modelo

2
SISTEMA 3
o Modelos matemáticos

o Modelos de software
Modelo
4

jlc
 Variables y Parámetros

o En los modelos matemáticos las magnitudes que evolucionan en el tiempo

se llaman variables del sistema o, a veces, señales.

o Las magnitudes que no evolucionan (o cuya evolución no se tiene en

cuenta) se llaman parámetros del sistema.

jlc
 Detalles del modelo
DECISIONES
Variables de decisión. Son las incógnitas del problema. La definición de
las variables es el punto clave.

MEDIDA DEL DESEMPEÑO CONJUNTO

Función objetivo(Z): Consiste en optimizar el objetivo que persigue la
situación y el cual es una función lineal de las diferentes actividades del
problema.

jlc
 Detalles del modelo

CONJUNTO DE LIMITACIONES
Restricciones Estructurales. Requisitos que debe cumplir cualquier
solución para que pueda llevarse a cabo.

jlc
 Obtención de la Solución a Partir de un
Modelo
 Desarrollar un procedimiento para derivar una solución al problema a
partir del modelo.

 Reconocer qué soluciones son óptimas respecto al modelo que se está

utilizando.

jlc
 Ejemplo 1
Elementos de un modelo de optimización.

Se dispone de 8 “piezas pequeñas” y 6 “piezas grandes”, que son utilizadas

para elaborar sillas (usando 2 piezas pequeñas y 1 pieza grande) y mesas
(usando 2 piezas de cada tipo).

Interesa decidir cuántas sillas y mesas fabricar para obtener la máxima

utilidad, dado un beneficio neto de $15 por cada silla y de $20 por cada
mesa fabricada.

jlc
 Ejemplo 1
Posibles soluciones factibles a considerar:

Estas son las soluciones que respetan las restricciones del número de piezas
disponibles:

 4 sillas, que reportan una utilidad de $60

 1 sillas y 2 mesas , utilidad de $55
 3 mesas, utilidad de $60
 1 mesa y tres sillas, utilidad de $65
 2 sillas y 2 mesas, utilidad de $70
 etc.

jlc
 Ejemplo 1
Las variables de decisión

x: Número de sillas elaboradas.

y: Número de mesas elaboradas.

La función objetivo:
Maximizar la utilidad dada por:

z  f ( x, y )  15 x  20 y

jlc
 Ejemplo 1
Restricciones del problema: Respetar la disponibilidad de piezas para la
fabricación de sillas y mesas:

Piezas pequeñas:
2x  2 y  8
Piezas grandes:
x  2y  6

También se impone restricciones de no–negatividad:

x, y  0

jlc
 Ejemplo 1
En resumen:
Max 15 x  20 y
Rest:
2x  2 y  8
x  2y  6
x, y  0

Si restringimos los valores de x e y a números enteros, tendríamos un

modelo de Programación Entera.

jlc
 Ejemplo 2
En una fábrica de cerveza se producen dos tipos: rubia y negra. Su precio de
venta es de 50 pesos/litro y 30 pesos/litro, respectivamente.

Sus necesidades de mano de obra son de 3 y 5 empleados, y de 5.000 y

2.000 pesos de materias primas por cada 1000 litros.

La empresa dispone semanalmente de 15 empleados y 10.000 pesos para

materias primas, y desea maximizar su beneficio. ¿Cuántos litros debe
producir?

jlc
 Ejemplo 2
Las variables de decisión

𝑥1 : Litros cerveza rubia.

𝑥2 : Litros cerveza negra.

La función objetivo:
Maximizar la utilidad dada por:

z  f ( x1 , x2 )  50.000 x1  30.000 x2

jlc
 Ejemplo 2
Restricciones del problema: Respetar la disponibilidad de mano de obra y
dinero para materia prima:

Mano de obra:
3 x1  5 x2  15
Recurso materia prima:
5.000 x1  2.000 x2  10.000
También se impone restricciones de no–negatividad:

x1 , x2  0

jlc
En resumen:
z  50.000 x1  30.000 x2
Max

Rest: 3 x1  5 x2  15
5.000 x1  2.000 x2  10.000
x1 , x2  0

jlc
 Ejemplo 3
Se desean producir dos tipos de bolsas 1 y 2, el costos de producción es de
$3 para la bolsas 1 y $5 para la bolsas 2. El tiempo total de producción esta
restringido a 200 horas y se emplea 8 minutos/unidad para la bolsas 1 y de 7
minutos/unidad para la bolsas 2, plantear un modelo para optimizar el costo
de producción.

(Minimizar Costo total de Producción)

𝑧 = 3𝑥1 + 5𝑥2
Sujeto a:
8𝑥1 + 7𝑥2 ≤ 200
𝑥1 , 𝑥2 ≥ 0.

jlc
Actividad 01