INVESTIGACION DE OPERACIONES

Jimmy Rosales H.
 Diseño del Curso
Investigación de Operaciones

Introducción Teoría de Redes de

decisiones Optimización

Programación Análisis de Teoría de

Lineal Markov Colas

Modelos Método gráfico Casos especiales

y simplex
 Introducción
Hasta hace poco las
decisiones se tomaban por
un proceso silogístico de
razonamiento deductivo que
denominamos intuitivo
(intuición). Sin embargo la
confianza empezó a
desvanecerse durante la
2da guerra mundial cuando
empezaron a utilizarse
extensamente enfoques
para la toma de decisiones
dentro de cada operación.
Un poco de historia
Los británicos
realizaron algunas
investigaciones en los
primeros días de la
guerra.Por ejemplo:
- tamaño óptimo de la caravana para
minimizar las pérdidas de ataques
submarinos.
- maximizar el numero de submari-
nos hundidos.
Los americanos estudiaron la solución de
problemas logisticos, planeación de
colocación de minas marinas y utilización de
equipos electrónicos.
 Introducción
Después de la guerrra, el
éxito aparente de los grupos
militares atrajo la atención de
la industria que buscaba
soluciones a problemas
causados por la complejidad y
especialización ascendente
en las organizaciones.
Estos hechos impulsaron a
las organizaciones de negocio
a utilizar la I.O. y sus
herramientas
En la industria
Es posible identificar 2
factores que contribuyeron
significativamente al rápido
crecimiento de la I.O.
1er Factor
Desarrollo y mejora de técnicas disponibles de
la I.O. por ejm.: la creación del método
(algoritmo) simplex para desarrollar problemas
de programación lineal. (desarrollado por el
americano Jorge Dantzig)
2do Factor
El progreso impresionante del desarrollo del
computador digital
 Introducción

 En los siglos XVII y XVIII, grandes

matematicos como Newton, Leibnitz,
Bernoulli y sobre todo Lagrange, que
tanto habian contribuido al desarrollo del
calculo infinitesimal, se ocuparon de
obtener maximos y minimos
condicionados de determinadas
funciones.
 Introducción

 En los años posteriores a la segunda guerra

mundial en E.U. Se asumió que la eficaz
coordinación de todas las energías y
recursos de la nación era un problema de tal
complejidad, que su resolución y
simplificación pasaba necesariamente por
los modelos de optimización que resuelve la
programación lineal.
 Introducción

 En 1947 G.B. Dantzig formula, en términos

matemáticos muy precisos , el enunciado estándar
al que cabe reducir todo problema de
programación lineal. Dantzig junto con otros
investigadores formarían un grupo que se
denomino SCOOP(Scientific Computation of
Optimum Programs).
 Respecto al método simplex que se estudiara
después, señalaremos que su estudio comenzó en
1951 y fue desarrollado por el mismo Dantzing.
¿ Qué es la Investigación
de Operaciones?
 Es un arte-ciencia.
 Determina el óptimo curso de
acción.
 Resultados cuantitativos.
 Ayuda en el proceso de toma de
decisiones.
 ¿ Qué es la Investigación
de Operaciones?
 Se puede definir como un grupo de métodos
y técnicas aplicables a la solución de
problemas operativos de los sistemas.
 Un rasgo que debe señalarse de la IOP es su
carácter interdisciplinario, es decir se aplica
a situaciones de diversa índole en las
empresa y las instituciones, como puede ser
en las áreas de ventas, producción, finanzas,
etc.
 Investigación de Operaciones

 Resolver un problema
 Uso de modelos matemáticos
 Se debe construir un modelo y
resolverlo para la posterior toma de
decisiones
 Se debe ser creativo para la
concepción del modelo
 Sistema

 Es una parte del universo que se toma

aparte para su estudio, se encuentra unida
con el exterior o con otros sistemas por
medio de flujo de materiales y limites.

flujo entrada f Sistema flujo salida

 Algoritmo

 Procedimiento que consiste en una serie de

pasos ejecutables y de decisión ordenados
en una secuencia lógica para hallar la
solución de un problema.
 Algoritmo simplex, algoritmo de la ruta mas
corta.
 Modelo

 Que es un modelo?
 Es la representación de un sistema de la vida
real.
 El propósito del modelo es proporcionar un
medio para analizar el comportamiento del
sistema con el fin de mejorar su desempeño.
La fig muestra los niveles de abstracción de
una situación de la vida real, que nos lleva a la
construcción del modelo.
Modelo

Sistema Real

Sistema real supuesto

Modelo
 Tipos de modelos de
investigación de operaciones

 Icónicos. Representación física a escala

reducida o aumentada de un sistema real.
 Análogos. Requieren la sustitución de una
propiedad por otra, con el fin de permitir la
manipulación del modelo. Después de
resolver el problema, la solución se
reinterpreta de acuerdo al sistema original.
 Tipos de modelos de
investigación de operaciones

Por ejemplo, una grafica es un modelo

analógico, en la cual la distancia representa
las propiedades tales como tiempo, edad,etc.
 Simbólicos o Matemáticos. Emplean un
conjunto de símbolos matemáticos y
funciones para representar las variables de
decisión.( Mayor interés de IO)
 Tipos de modelos de
investigación de operaciones

 Modelos
conocidos (Determinísticos):
Programación lineal
Programación entera
Programación dinámica y no lineal
Simulación
 Tipos de modelos

 Modelos probabilísticos o estocásticos

Los datos se determinan a través de
distribuciones de probabilidad
 Modelos determinísticos
 Efecto directo sobre la precisión del
modelo
Metodología
Definición
problema

Desarrollo de
Solución
Modelo

Modelo Es
modificado valido
No
si

Implementación
 Fases de un Estudio de IO

1.- Definición del problema

 Descripción de la meta o el objetivo
 Identificación de las alternativas de decisión
del sistema
 Reconocimiento de las limitaciones
2.- Construcción de un modelo
 Dependiendo de la definición del
 Fases de un Estudio de IO

problema, el investigador de
operaciones debe decidir el modelo
mas adecuado para representar el
sistema.Este modelo debe especificar
relaciones cuantitativas para el objetivo
y las restricciones del problema en
términos de las variables de decisión.
 Fases de un Estudio de IO

3.- Solución del modelo

Dado el modelo junto con sus
parámetros especificados, el
investigador de operaciones calcula o
deriva una solución matemática, esto
se logra usando técnicas de
optimización bien definidas.
 Fases de un Estudio de IO

Además para la solución del modelo,

uno debe realizar el análisis de
sensibilidad.
4.- Validación del modelo
Requiere que se determine si dicho
modelo puede predecir confiablemente
el comportamiento del sistema
 Fases de un Estudio de IO

5.- Implantación de los resultados

finales
Es la fase final del estudio y
trata sobre la implantación de
los resultados probados del
modelo.
 El Modelo de P.L.
 La programación lineal es
una de las herramientas mas
usadas de la I.O. para
la toma de decisiones.
 Es una herramienta
deterministica.
 El Modelo de P.L.
 Sin embargo en la realidad, es
raro encontrar un problema
donde prevalezca una
verdadera certeza respecto a los
datos.
 La PL es una técnica de
optimización, que consiste en
 El Modelo de P.L.

la maximización o
minimización de una
función lineal, llamada
función objetivo, sujeta a
restricciones también
lineales.
 Construcción del Modelo
de Programación Lineal
 Los requerimientos para
construir un modelo de P.L.
son:
1. Función Objetivo
2. Restricciones y Decisiones
3. Función Objetivo y
restricciones lineales.
 Función Objetivo

Función que representa

matemáticamente el
objetivo perseguido en el
problema.
 Función Objetivo

Tipos de función objetivo:

Maximización: Utilidades
Minimización: Costos,
Recorrido, etc.
 FO Max o Min: Ax1+Bx2+Cx3+….
 Restricciones
 Limitantes del modelo,recursos escasos
 Tipos de restricciones:
Horas máquina disponibles

Horas-hombre disponible

Inventario disponible

Limitaciones de almacenamiento

Pronóstico de ventas
 Restricciones
Restricciones pueden ser >= , <= ,
o=
Restricciones:
a1x1+b1x2+c1x3+..<= L1
a1x1+b1x2+c1x3+..>= L1
a1x1+b1x2+c1x3+...= L1
 Modelo Completo
 Modelo de Maximización
FO: maxZ : Ax1+Bx2+Cx3+…….+ Mxn
Restricciones:
a1x1+b1x2+…+m1xn <= L1
a2x1+b2x2+…+m2xn <= L2
a3x1+b3x2+…+m3xn <= L3
..............................................
x1, x2, x3, ……, xn >=0 (Condiciones de no
negatividad)
 Modelo Completo
 Modelo de Minimización
FO: minZ : Ax1+Bx2+Cx3+…….+ Mxn
Restricciones:
a1x1+b1x2+…+m1xn => L1
a2x1+b2x2+…+m2xn => L2
a3x1+b3x2+…+m3xn => L3
..............................................
x1, x2, x3, ……, xn >=0 (Condiciones de no
negatividad)
 Proceso de formulación
Implica 4 pasos:
1. Identificación de las variables de
decisión.
2. Identificación de el objetivo en
términos de las variables de decisión.
3. Identificación de las restricciones.
4. Identificación de las condiciones de no
negatividad.
Ejemplo(Caso de
maximización)
Una firma industrial elabora dos
productos, en los cuales entran cuatro
componentes en cada uno. Hay una
determinada disponibilidad de cada
componente y un beneficio por cada
producto. Se desea hallar la cantidad
de cada articulo que debe fabricarse
con el fin de maximizar los beneficios.
Ejemplo
Producto P1 P2 Disponibilidad
Componente maxima
(kg)
A 1 3 15000
B 2 1 10000
C 2 2 12000
D 1 1 10000
Beneficios 4 3
$./unidad
 Construcción del modelo
 Paso1 :
Sea x1 el # unidades del producto P1
Sea x2 el # unidades del producto P2.
 Paso2 : El beneficio total puede
expresarse,como suma de los beneficios que
deja cada producto.
Beneficio total de P1:4x1
Beneficio total de P2:3x2
Max z=4x1+3x2(queremos que sea máximo)
 Construcción del modelo
 Paso3 :
Analizando los componentes A,B,C y D
respectivamente del cuadro
1x1+3x2 <=15000
2x1+1x2 <=10000
2x1+2x2 <=12000
1x1+1x2 <=10000
 Paso4 :
Sea x1 >=0 y x2 >=0
 Observación
¿qué hace que este modelo sea un
programa lineal?
Las restricciones y objetivos son lineales,
esto implica las propiedades de
proporcionalidad y de aditividad.
1. La proporcionalidad requiere que la
contribución de cada variable en la función
objetivo sea proporcional al valor de la
variable.
 Observación
2. La aditividad requiere que la función
objetivo sea la suma directa de las
contribuciones individuales de las
variables, en forma análoga en las
restricciones.
Ejemplo(caso de
minimización)
Una compañía tiene dos minas: la mina A produce
diariamente 1 tonelada de carbón de antracita de
alta calidad, 2 toneladas de carbón de calidad
media y 4 toneladas de carbón de baja calidad. La
mina B produce dos toneladas de cada una de las
tres clases.
La compañía necesita 70 toneladas de carbón de
alta calidad, 130 de calidad media y 150 de baja
calidad. Los gastos diarios de la mina A ascienden a
150 dólares y los de la mina B a 200 dólares.
Cuantos días deberán trabajar en cada mina para
que la función de coste sea mínima.
 Solución

Sean las variables:

X1=numero de días trabajados en la mina A.
X2=numero de días trabajados en la mina B.
Min Z: 150 x1+ 200 x2
sa:
x1 +2x2 >=70
2x1+2x2 >=130
4x1+2x2 >=150
x1,x2>=0