INVESTIGACION OPERATIVA

1.- INTRODUCCIÓN A LA INVESTIGACIÓN OPERATIVA

1. DEFINICIONES

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. (TAHA)

Significa hacer investigación sobre las operaciones referentes a la conducción y coordinación de

actividades dentro de una organización aplicada a una gama extraordinariamente amplia. (HILLIER –
LIEBERMAN)

Es la aplicación por grupos interdisciplinarios de Método Científico a problemas relacionados con el

control de las organizaciones o de sistemas en relación al hombre-máquina, con el fin de producir
soluciones óptimas para dichas organizaciones. (PRAWDA)

La investigación de Operaciones es la aplicación del Método Científico a los problemas de decisión de

las empresas y otras organizaciones, incluyendo el gobierno y la milicia. (NAMAKFOROOSH)

La Investigación de Operaciones toma al Método Científico aplicado a la solución de problemas y la

toma de decisiones de la gerencia en función a la construcción de un modelo simbólico examinando y
analizando entre relaciones que lleguen a una técnica en la toma de decisiones en base a los resultados
óptimos.( MOSKOWITZ – WRIGHT).

La Investigación de Operaciones utiliza el enfoque planeado (Método Científico) y un grupo

interdisciplinario a fin de representar las complicadas relaciones funcionales como modelos
matemáticos para suministrar una base cuantitativa en la toma de decisiones, descubrir nuevos
problemas para un análisis cuantitativo. (THIERAUF Y GROSSE)

La investigación de operaciones es, simplemente un enfoque científico en la toma de decisiones

que busca el mejor diseño y operar un sistema, por lo regular en condiciones que requieren la
asignación de recursos escasos (WAYNE L. WINSTON)

Por sistema se entiende un conjunto de componentes que funciona en forma interrelacionada, bajo
ciertas restricciones, para alcanzar un objetivo común.

En este contexto la Investigación de Operaciones utiliza técnicas de modelamiento matemático, análisis

estadístico y optimización matemática, con el objetivo de alcanzar soluciones óptimas o cercanas a
ellas cuando se enfrentan problemas de decisión complejos.

2. HISTORIA

Los inicios de la investigación de operaciones (IO) se remontan a varias décadas, cuando se hicieron
los primeros intentos de emplear el enfoque científico en la administración de una empresa. Sin
embargo, el inicio de la actividad llamada investigación de operaciones, casi siempre se atribuye a los
servicios militares prestados a principios de la Segunda Guerra Mundial.

La necesidad urgente de asignar recursos escasos a las distintas operaciones militares y a las
actividades dentro de cada operación, en la forma más efectiva, llevó a pensar en la IO. Por todo esto,
las administraciones militares americana e inglesa hicieron un llamado a un gran número de científicos
para que aplicaran el enfoque científico a éste y a otros problemas de estrategia y táctica.

El éxito de la IO en lo militar condujo a los industriales a interesarse en este nuevo campo. Como la
explosión industrial seguía su curso al terminar la guerra, los problemas causados por el aumento de
la complejidad y especialización dentro de las organizaciones pasaron a ser primer plano.

“Comenzó a ser evidente para un gran número de personas, incluyendo a los consultores industriales
que habían trabajado con o para los equipos de investigación de operaciones durante la guerra, que
estos problemas eran básicamente los mismos que los enfrentados por la milicia, pero en un contexto
diferente. De esta forma, la investigación de operaciones comenzó a introducirse en la industria, los

1
negocios y el gobierno. Para 1951, ya se había introducido por completo en Gran Bretaña y estaba
Estados Unidos en proceso de hacerlo”.

*Hillier F.S. , Lieberman G. J. , Introducción a la Investigación de Operaciones, Mc. Graw Hill, Quinta
Edición

3. APLICACIONES.

Los principales campos de aplicación de la IO. son:

a. Relativa a personas:

1.- Organización y gerencia.

2.- Ausentismo y relaciones de trabajo.
3.- Economía.
4.- Decisiones individuales.
5.- Investigaciones de mercado.

b. Relativa a personas y máquinas:

1.- Eficiencia y productividad.

2.- Organización de flujos en fábricas.
3.- Métodos de control de calidad, inspección y muestreo.
4.- Prevención de accidentes.
5.- Organización de cambios tecnológicos.

c. Relativa a movimientos:

1.- Transporte.
2.- Almacenamiento, distribución y manipulación.
3.- Comunicaciones. "

*Chiavenato Idalberto, Introducción a la Teoría General de Administración, Mc. Graw Hill, 1989

4. MODELOS DE INVESTIGACIÓN OPERATIVA

Un modelo es una herramienta analítica que nos sirve para lograr una visión bien estructurada de la
realidad. Así, el propósito del modelo es proporcionar un medio para analizar el comportamiento de las
componentes de un sistema con el fin de optimizar su desempeño (identificar el mejor curso de acción
posible).

Una visión esquemática del proceso asociado a la construcción de un modelo de optimización se

presenta a continuación:

1. Definición del problema: Se debe definir el problema para el cual se busca proponer un curso de
acción. ¿Es un problema relevante? ¿es posible tomar una buena decisión sin la necesidad de
resolver un modelo de optimización? ¿cuáles son sus alcances? ¿cuáles son los factores que influyen

2
en el desempeño del sistema?, etc. La calidad del modelo de optimización dependerá en gran parte
de la asertividad en la definición del problema de decisión.

2. Construcción de un modelo: Un modelo de optimización considera necesariamente una

abstracción o simplificación de la realidad. Por un lado se busca que el modelo sea representativo del
problema real que se busca representar pero que al mismo tiempo sea simple de modo de favorecer
su resolución haciendo uso de un algoritmo ad-hoc. Alcanzar este equilibrio no es trivial. Por ello ante
un mismo problema puede existir más de un modelo de optimización que lo represente con distintos
niveles de detalle y abstracción.

3. Solución del modelo: Una vez construido el modelo de optimización se deben identificar las
alternativas de resolución para el mismo. Para ello se puede hacer uso de programas
computacionales que utilizan algoritmos de resolución específicos dependiendo de las características
del modelo. Por ejemplo, para resolver un problema de Programación Lineal (las variables de
decisión se representan como funciones lineales tanto en la función objetivo como restricciones) se
puede utilizar el Método Simplex.

4. Validación: Se verifica que la solución alcanzada cumpla con las condiciones (restricciones)
impuestas al problema.

5. Implementación y control de la solución: Una vez verificada la solución se procede a su

implementación. Cabe destacar que esto puede lugar a actualizaciones del modelo de optimización
tanto en términos del modelo como el valor de los parámetros estimados.

En la actualidad el uso de modelos de optimización es cada vez más frecuente en la toma de

decisiones. Este mayor uso se explica, principalmente, por un mejor conocimiento de estas
metodología en las diferentes disciplinas, la creciente complejidad de los problemas que se desea
resolver, la mayor disponibilidad de software y el desarrollo de nuevos y mejores algoritmos de
solución.

*http://www.gestiondeoperaciones.net

Los modelos pueden ser de varias clases, pues son variados los problemas que enfrentan, volviéndose
un poco difícil su clasificación. Sin embargo, un intento de tipificación es el siguiente:

a). Modelos de simulación: Son aquellos que, de algún modo, se parecen a la entidad que modelan.
Dentro de éstos podemos, a su vez, señalar a los modelos ICONICOS y a los ANALOGICOS.

1. Los modelos Icónicos, pueden ser físicamente como los sistemas que representan al punto que se
los suele llamar maquetas.

2. Los modelos analógicos son aquellos en los que alguna o algunas de las variables que existen en
el sistema, se reemplazan por una propiedad substitutiva; el problema se resuelve con este substituto
para luego trasladar la respuesta al sistema real.

Estos modelos se diseñan cuando las variables que afectan al sistema son tales que resulta sumamente
difícil relacionarlas mediante funciones matemáticas, o cuando los sistemas matemáticos que habría
que formar serían tan complejos que resultaría muy difícil resolverlo. Por tanto la forma de solucionar
el problema es a través de la experimentación del modelo.

Dentro de esta categoría se puede incluir a los gráficos de diferente índole, como son los que se trazan
en sistemas cartesianos, diagramas de procesos, histogramas, etc.

b). Modelos matemáticos: Son los más conocidos y se construyen cuando las variables relevantes
del sistema tienen una relación explicable a través de alguna función matemática.

1. Si las variables adoptan valores que se conocen o se supone pueden ser conocidos, los modelos se
denominan DETERMINISTICOS.

2. Si, por el contrario los valores de las variables del problema no se conocen con certeza sino que hay
que asociar una distribución probabilística para conocerlos, el modelo matemático adopta el apelativo
de PROBABILISTICO.

3
Por su parte, dependiendo del método que se utilice para resolver el problema, los modelos
MATEMÁTICOS son ALGEBRAICOS o NUMERICOS. Los primeros permiten obtener la respuesta
del problema de una manera directa, mientras que los segundos requieren de un algoritmo, es decir de
un conjunto de instrucciones que se repiten en forma iterativa hasta encontrar la solución buscada.

De estos modelos en el curso vamos a estudiar algunos modelos analógicos y matemáticos; los
icónicos están fuera del alcance de la materia.