Ing. Ral Romero G.

INVESTIGACIN OPERATIVA
Y PROGRAMACIN LINEAL

La Investigacin Operativa es una

disciplina moderna que utiliza
modelos matemticos, estadsticos
y algoritmos para modelar y
resolver problemas complejos,
determinando la solucin ptima
y mejorando la toma de decisiones
y tiene que ver con las Ciencias de
la Administracin

Actualmente la Investigacin
Operativa incluye gran cantidad de
ramas como:
- La Programacin Lineal,
- Programacin No Lineal,
- Programacin Dinmica,
-Simulacin,
-Teora de Colas,
-Teora de Inventarios,
-Teora de Grafos,
Etc.

Su nacimiento como ciencia se

establece durante la Segunda
Guerra Mundial y debe su
nombre a las operaciones
militares.
Incluso se puede considerar que
el problema de hacer un uso
ptimo de los recursos
disponibles ha existido siempre
y con el que la humanidad ha ido
tratando a lo largo de su historia.

Sin embargo el auge de esta ciencia se debe, en su

mayor parte, al rpido desarrollo de la informtica,
que ha posibilitado la resolucin de problemas en la
prctica y la obtencin de soluciones que de otra
forma conllevaran un enorme tiempo de clculo
hacindolos inviables.

Debido al gran xito obtenido por la Investigacin Operativa

en el campo militar, sta se extendi a otros campos tales
como la industria, fsica, administracin, informtica,
ingeniera, economa, estadstica y probabilidad, ecologa,
educacin, servicio social, ..., siendo hoy en da utilizada
prcticamente en todas las reas imaginables donde se
pretenda mejorar la eficiencia

En la siguiente tabla se pueden observar algunos ejemplos de casos reales de

uso de la Investigacin Operativa y la programacin lineal, por parte de
diferentes organizaciones, as como, las ganancias y/o ahorros conseguidos a
raz de ello.
Organizacin

Aplicacin

Ao

Ahorros anuales

Ministerio holands de
Infraestructura y Medio
Ambiente (The Netherlands
Rijkswaterstaat)

Desarrollo de la poltica nacional de

administracin del agua, incluyendo mezcla
1985
de nuevas instalaciones, procedimientos de
operaciones y costes

$15 millones

Monsanto Corp.

Optimizacin de las operaciones de

produccin para cumplir metas con un costo 1985
mnimo

$2 millones

Weyerhaeuser Co.

Optimizacin del corte de rboles para

maximizar la produccin de productos
derivados de la madera

$15 millones

1986

AT&T
Delta Airlines

Desarrollo de un sistema informtico en el diseo del

1993
centro de llamadas para guiar a los clientes del negocio

$750 millones

Maximizacin de ganancias a partir de la asignacin de

los tipos de aviones en 2.500 vuelos nacionales en
1994
Estados Unidos

$100 millones

Reestructuracin de toda la cadena de suministros

Digital Equipment Corp. entre proveedores, plantas, centros de distribucin,
sitios potenciales y reas de mercado

1995

$800 millones

China

Seleccin y programacin ptima de proyectos masivos

para cumplir con las necesidades futuras de energa
1995
del pas

$425 millones

Cuerpo de defensa de
la Repblica de
Sudfrica

Rediseo ptimo del tamao y forma del cuerpo de

defensa y su sistema de armas

$1.100 millones

Procter & Gamble

Rediseo del sistema de produccin y distribucin

norteamericano para reducir costos y mejorar la rapidez 1997
de llegada al mercado

$200 millones

Taco Bell

Programacin ptima de empleados para proporcionar

1998
el servicio a clientes deseado con un costo mnimo

$13 millones

Hewlett-Packard

Rediseo de tamao y localizacin de inventarios de

seguridad en la lnea de produccin de impresoras para 1998
cumplir metas de produccin

$280 millones de
ingreso adicional

1997

Modelado de Problemas
Para poder solucionar un problema mediante un algoritmo
primero se debe extraer toda la informacin que aporta el
enunciado y preparar el problema de acuerdo a las
necesidades del mtodo resolutivo.
Los pasos para modelar un problema son los siguientes:
Paso 1: Determinar las variables de decisin y expresarlas
algebraicamente.
X1,..., Xn

Paso 2: Determinar las restricciones y se expresarlas como ecuaciones o

inecuaciones dependientes de las variables de decisin:
A11X1 + A12X2 + ... + A1nXn , , = b1
...
Am1X1 + Am2X2 + ... + AmnXn , , = bm
Paso 3: Expresar todas las condiciones implcitamente establecidas por la
naturaleza de las variables: que no puedan ser negativas, que sean enteras, que
solo puedan tomar determinados valores, ...
X1,..., Xn 0
X1,..., Xn son nmeros enteros, o son booleanos,...
Paso 4: Determinar la funcin objetivo.
Maximizar o minimizar: Z = C1X1 + C2X2 + ... + CnXn