Investigacion de Operaciones

Fundamentos Y Aplicaciones De
Investigacin De Operaciones
INGENIERIA
2017
Metalurgia
Fundamentos Y Aplicaciones De Investigacin De Operaciones
Metalurgia
1
UNIVERSIDAD NACIONAL DANIEL ALCIDES CARRIN

FACULTAD DE INGENIERIA
E.F.P. De METALURGIA
Fundamentos Y Aplicaciones De Investigacin De

Operaciones
INGENIERO:
INTEGRANTE:
JENES ROJAS, Josepf
CHAVEZ LOPEZ, Vanessa
HUAYNATE PEREZ, Evair
ESPINOZA ALVARADO, Joel
Metalurgia
2
Metalurgia
3
CONTENIDO
INTRODUCCIN ........................................................................................................................................ 6
DEFINICIN .............................................................................................................................................. 7
CARACTERSTICAS .................................................................................................................................... 7
HISTORIA .................................................................................................................................................. 7
SU NATURALEZA ....................................................................................................................................... 8
TIPOS DE MODELOS .................................................................................................................................. 8
Modelo Matemtico: ........................................................................................................................... 8
Modelo de Simulacin: ........................................................................................................................ 8
Modelos Formales: .............................................................................................................................. 8
Modelo cuantitativo ............................................................................................................................ 9
Modelo cualitativo ............................................................................................................................... 9
Modelo Descriptivo .............................................................................................................................. 9
Modelo Optimizador ............................................................................................................................ 9
METODOLOGA ........................................................................................................................................ 9
MODELOS DE INVESTIGACIN DE OPERACIONES .................................................................................. 10
SOLUCIN DEL MODELO DE IO ............................................................................................................... 13
MODELOS DE COLAS Y SIMULACIN ...................................................................................................... 13
EL ARTE DEL MODELADO ........................................................................................................................ 14
MS QUE SLO MATEMTICAS ............................................................................................................. 16
FASES DE UN ESTUDIO DE IO .................................................................................................................. 18
I.O COMO APOYO A LA TOMA DE DECISIONES .................................................................................................... 19
PROBLEMAS TIPO EN INVESTIGACIN OPERATIVA .............................................................................................. 20
ASIGNACIN DE RECURSOS, ORDENAMIENTO ................................................................................................... 21
Lneas de espera, Reemplazo de equipos ........................................................................................... 21
Inventario, Costos y tiempos .............................................................................................................. 21
Gestin de proyectos ......................................................................................................................... 21
APLICACIN DE LA INVESTIGACIN DE OPERACIONES ......................................................................... 22
PRINCIPALES APLICACIONES DE LA INVESTIGACIN DE OPERACIONES ............................................. 22
PROGRAMACIN ESTOCSTICA ...................................................................................................................... 23
Clasificacin de los modelos de Programacin Estocstica ............................................................... 24
Modelos con Recursos en 2 Etapas .................................................................................................... 24
PRONOSTICOS ............................................................................................................................................ 25
Por qu se necesitan los pronsticos en la empresa .......................................................................... 25
Usos de los pronsticos en la empresa .............................................................................................. 25
Segn el marco de tiempo al que atienden se clasifican en: ............................................................. 26
MODELO DE INVENTARIOS ............................................................................................................................ 27
PORQUE TENER INVENTARIOS? ....................................................................................................... 27
INVENTARIO SEGN LA DEMANDA ................................................................................................... 27
REGLAS O PRINCIPIOS ........................................................................................................................ 28
MODELOS CLSICO DE CONTROL DE INVENTARIOS .......................................................................... 29
PROGRAMACION LINEAL. .............................................................................................................................. 37
Generalidades .................................................................................................................................... 37
Mtodo simplex ................................................................................................................................. 39
MODELO DE REDES. ..................................................................................................................................... 40
ALCANCE Y DEFINICIN DE MODELOS DE REDES .............................................................................. 40
CONJUNTO DE PROBLEMAS ............................................................................................................... 43
ALGORITMO DEL RBOL DE MNIMA EXPANSIN ............................................................................. 44
Metalurgia
4
Metalurgia
5
INTRODUCCIN
Las primeras actividades formales de investigacin de operaciones (IO) se iniciaron en

Inglaterra durante la Segunda Guerra Mundial, cuando un equipo de cientficos empez
a tomar decisiones con respecto a la mejor utilizacin del material blico. Al trmino de
la guerra, las ideas formuladas en operaciones militares se adaptaron para mejorar la
eficiencia y productividad en el sector civil.
Este captulo presenta la terminologa bsica de la IO, que comprende el modelado
matemtico, soluciones factibles, optimizacin y clculos iterativos. Hace hincapi en
que la definicin correcta del problema es la fase ms importante (y ms difcil) de
practicar la IO. Tambin se recalca que si bien el modelado matemtico es la piedra
angular de la IO, en la decisin final se deben tomar en cuenta factores incuantificables,
como el comportamiento humano, por ejemplo. El libro presenta varias aplicaciones
que utilizan ejemplos resueltos y problemas especficos.
Metalurgia
6
FUNDAMENTOS Y APLICACIONES DE INVESTIGACIN

DE OPERACIONES
DEFINICIN
Es una rama de las Matemticas que consistente en el uso de modelos matemticos,

estadstica y algoritmos con objeto de hacer un proceso de toma de decisiones.
CARACTERSTICAS
La investigacin de operaciones admite el anlisis de la toma de decisiones

teniendo en cuenta la escasez de recursos, para determinar cmo se pueden
maximizar o minimizar los recursos.
La investigacin de operaciones es la aplicacin, por grupos interdisciplinarios,

del mtodo cientfico a problemas relacionados con el control de las
organizaciones o sistemas, a fin de que se produzcan soluciones que mejor
sirvan a los objetivos de la organizacin.
HISTORIA
La Investigacin de Operaciones o Investigacin Operativa es una disciplina donde las

primeras actividades formales se dieron en Inglaterra en la Segunda Guerra Mundial,
cuando se encarga a un grupo de cientficos ingleses el diseo de herramientas
cuantitativas para el apoyo a la toma de decisiones acerca de la mejor utilizacin de
materiales blicos. Se presume que el nombre de Investigacin de Operaciones fue dado
aparentemente porque el equipo de cientficos estaba llevando a cabo la actividad de
Investigar Operaciones (militares). Una vez terminada la guerra las ideas utilizadas con
fines blicos fueron adaptadas para mejorar la eficiencia y la productividad del sector
civil.
Una de las reas principales de la Investigacin de Operaciones es la Optimizacin o

Programacin Matemtica. La Optimizacin se relaciona con problemas de minimizar o
maximizar una funcin (objetivo) de una o varias variables, cuyos valores usualmente
estn restringidos por ecuaciones y/o desigualdades.
Hoy en da el uso de modelos de optimizacin es cada vez ms frecuente en la toma de
decisiones. Este mayor uso se explica, principalmente, por un mejor conocimiento de
Metalurgia
esta metodologa en las diferentes disciplinas, la creciente complejidad de los
7
problemas que se desea resolver, la mayor disponibilidad de software y el desarrollo de
nuevos y mejores algoritmos de solucin.
Un modelo de Investigacin de Operaciones requiere necesariamente de una
abstraccin de la realidad, adems de identificar los factores dominantes que
determinan el comportamiento del sistema en estudio. En este sentido, un modelo es
una representacin idealizada
SU NATURALEZA
La naturaleza de la organizacin es esencialmente inmaterial y, de hecho, la

investigacin de operaciones se ha aplicado de manera extensa en reas tan diversas
como la manufactura, el transporte, la constitucin, las telecomunicaciones, la
planeacin financiera, el cuidado de la salud, la milicia y los servicios pblicos, por
nombrar slo unas cuantas. As, la gama de aplicaciones es extraordinariamente amplia.
TIPOS DE MODELOS
MODELO MATEMTICO:
Se emplea cuando la funcin objetivo y las restricciones del modelo se pueden expresar
en forma cuantitativa o matemtica como funciones de las variables de decisin.
MODELO DE SIMULACIN:
Los modelos de simulacin difieren de los matemticos en que las relaciones entre la
entrada y la salida no se indican en forma explcita. En cambio, un modelo de simulacin
divide el sistema representado en mdulos bsicos o elementales que despus se
enlazan entre si va relaciones lgicas bien definidas. Por lo tanto, las operaciones de
clculos pasaran de un mdulo a otro hasta que se obtenga un resultado de salida.
Los modelos de simulacin cuando se comparan con modelos matemticos; ofrecen
mayor flexibilidad al representar sistemas complejos, pero esta flexibilidad no est libre
de inconvenientes. La elaboracin de este modelo suele ser costoso en tiempo y
recursos.
Modelos de investigacin de Operaciones de la ciencia de la administracin:
Los cientficos de la administracin trabajan con modelos cuantitativos de decisiones.
MODELOS FORMALES:
Metalurgia
8
Se usan para resolver problemas cuantitativos de decisin en el mundo real. Algunos

modelos en la ciencia de la administracin son llamados modelos determinsticos. Esto
significa que todos los datos relevantes (es decir, los datos que los modelos utilizarn o
evaluarn) se dan por conocidos. En los modelos probabilsticos (o estocsticos), alguno
de los datos importantes se consideran inciertos, aunque debe especificarse la
probabilidad de tales datos.
ETAPAS DE LA INVESTIGACION DE OPERACIONES TIPOS DE MODELOS MATEMTICOS
MODELO CUANTITATIVO
Es aquel cuyos principales smbolos representan nmeros. Son los ms comunes y tiles
en los negocios.
MODELO CUALITATIVO
Aquel modelo cuyos smbolos representan en su mayora a Cualidades no numricas.

Una fuente importante es la teora de conjuntos. Modelo Probabilstico Aquellos
basados en la estadstica y probabilidades (donde se incorpora las incertidumbres que
por lo general acompaan nuestras observaciones de eventos reales).
Modelo Determinstico
Corresponde a aquel modelo cuantitativo que no contiene consideraciones

probabilsticas.
MODELO DESCRIPTIVO
Cuando el modelo simplemente describe una situacin del mundo real en trminos
matemticos, descripcin que puede emplearse para exponer una situacin con mayor
claridad, para indicar como pueden reajustarse o an para determinar los valores de
ciertos aspectos de la situacin.
MODELO OPTIMIZADOR
Corresponde al modelo ideado para seleccionar entre varias alternativas, de acuerdo a

determinados criterios, la ms ptima.
METODOLOGA
Definicin del problema esto incluye determinar los objetivos apropiados, las
restricciones sobre lo que se puede hacer, las interrelaciones del rea bajo estudio con
otras reas de la organizacin, los diferentes cursos de accin posibles, los lmites de
tiempo para tomar una decisin, etc. Este proceso de definir el problema es crucial ya
Metalurgia
que afectar en forma significativa la relevancia de las conclusiones del estudio.
9
Formulacin de un modelo matemtico La forma convencional en que la investigacin
de operaciones realiza esto es construyendo un modelo matemtico que represente la
esencia del problema. Un modelo siempre debe ser menos complejo que el problema
real, es una aproximacin abstracta de la realidad con consideraciones y simplificaciones
que hacen ms manejable el problema y permiten evaluar eficientemente las
alternativas de solucin.
Obtencin de una solucin 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 propsito 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 seleccin del mtodo de solucin
depende de las caractersticas del modelo. Los procedimientos de solucin pueden ser
clasificados en tres tipos:
a) analticos, que utilizan procesos de deduccin matemtica.
b) numricos, que son de carcter inductivo y funcionan en base a operaciones de
prueba y error.
c) simulacin, que utiliza mtodos que imitan o, emulan al sistema real, en base a un
modelo.
Prueba del modelo Antes de usar el modelo debe probarse exhaustivamente para
intentar identificar y corregir todas las fallas que se puedan presentar
Validacin del modelo Es importante que todas las expresiones matemticas sean
consistentes en las dimensiones de las unidades que emplean. Adems, puede
obtenerse un mejor conocimiento de la validez del modelo variando los valores de los
parmetros de entrada y/o de las variables de decisin, y comprobando que los
resultados de modelos se comporten de una manera factible.
Establecimiento de controles sobre la solucin Esta fase consiste en determinar los
rangos de variacin de los parmetros dentro de los cuales no cambia la solucin del
problema. Es necesario generar informacin adicional sobre el comportamiento de la
solucin debido a cambios en los parmetros del modelo. Usualmente esto se conoce
como ANLISIS DE SENSIBILIDAD.
Implantacin de la solucin 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.
MODELOS DE INVESTIGACIN DE OPERACIONES
Imagine que tiene un compromiso de negocios que requiere 5 semanas de traslado

continuo entre Fayetteville (FYV) y Denver (DEN). Sale de Fayetteville los lunes y regresa
los mircoles. Un boleto regular de viaje redondo cuesta $400, pero se ofrece
20% de descuento si el viaje redondo comprende un fin de semana. Un boleto sencillo
en cualquier direccin cuesta 75% del precio regular. Cmo debe comprar los boletos
para reducir el costo del traslado durante las 5 semanas?
Podemos considerar la situacin como un problema de toma de decisiones, cuya

solucin requiere responder tres preguntas:
Metalurgia
10
1. Cules son las alternativas de decisin?

2. Conforme a qu restricciones se toma la decisin?
3. Cul es el criterio objetivo apropiado para evaluar las alternativas?
Se consideran tres alternativas razonables:
1. Comprar cinco boletos normales FYV-DEN-FYV para salir el lunes y regresar el

mircoles de la misma semana.
2. Comprar un boleto FYV-DEN, cuatro DEN-FYV-DEN que abarquen fines de semana, y

uno DEN-FYV.
3. Comprar un boleto FYV-DEN-FYV para el lunes de la primera semana y el mircoles

de la ltima semana, y cuatro DEN-FYV-DEN para los viajes restantes. Todos los boletos
en esta alternativa cubren por lo menos un fin de semana.
La restriccin en estas opciones es que pueda salir de FYV el lunes y regresar el mircoles
de la misma semana.
Un criterio objetivo obvio para evaluar la alternativa propuesta es el precio de los

boletos. La alternativa que d el costo mnimo ser la mejor. Especficamente, tenemos:
o Costo de la alternativa 1 5 5 3 400 5 $2000
o Costo de la alternativa 2 5 .75 3 400 1 4 3 (.8 3 400) 1 .75 3 400 5 $1880
o Costo de la alternativa 3 5 5 3 (.8 3 400) 5 $1600
La alternativa 3 es la mejor porque es la ms econmica.
Aunque el ejemplo anterior ilustra los tres componentes principales de un modelo de

IO, los cuales son: alternativas, criterio objetivo y restricciones, las situaciones difieren
por los detalles de la construccin de cada componente y la solucin del modelo
resultante. Para ilustrar este punto, considere la formacin de un rectngulo de rea
mxima con un trozo de alambre de L pulgadas de longitud. Cul ser el mejor ancho y
altura del rectngulo?
En contraste con el ejemplo de los boletos, el nmero de alternativas en este ejemplo

no es finito; es decir, el ancho y la altura del rectngulo pueden asumir una cantidad
infinita de valores porque son variables continuas. Para formalizar esta observacin, las
alternativas del problema se identifican definiendo el ancho y la altura como variables
algebraicas
o w 5 ancho del rectngulo en pulgadas,

o h 5 altura del rectngulo en pulgadas.
Metalurgia
11
Con base en estas definiciones, las restricciones de la situacin pueden expresarse
verbalmente como
1. Ancho del rectngulo 1 altura del rectngulo 5 la mitad de la longitud del alambre.
2. El ancho y la altura no pueden ser negativos.
Estas restricciones se traducen de manera algebraica como sigue
Ahora el nico componente restante es el objetivo del problema; es decir, maximizar el

rea del rectngulo. Si z se define como el rea del rectngulo, el modelo completo
Utilizando clculo diferencial, la mejor solucin de este modelo es w = h = L, la cual

requiere la construccin de una forma cuadrada.
Con los datos de los dos ejemplos anteriores, el modelo general de IO se organiza en el
siguiente formato general:
Maximizar o minimizar Funcin objetivo
Sujeto a
Restricciones
Una solucin del modelo es factible si satisface todas las restricciones; es ptima si,
adems de ser factible, produce el mejor valor (mximo o mnimo) de la funcin
objetivo. En el ejemplo de los boletos, el problema considera tres alternativas factibles,
y la tercera es la que produce la solucin ptima. En el problema del rectngulo, una
alternativa factible debe satisfacer la condicin w + h = L, donde w y h son variables no
negativas. Esta definicin conduce a una infinidad de soluciones factibles y, a diferencia
del problema de los boletos, el cual utiliza una sencilla comparacin de precios, la
solucin ptima se determina aplicando clculo diferencial.
Aunque los modelos de IO estn diseados para optimizar un criterio objetivo

especfico sujeto a un conjunto de restricciones, la calidad de la solucin resultante de-
pende de la exactitud con que el modelo representa el sistema real. Considere, por
Metalurgia
ejemplo, el modelo de los boletos. Si no se identifican todas las alternativas dominantes
12
para comprar los boletos, entonces la solucin resultante es ptima slo en relacin con
las opciones representadas en el modelo. Especficamente, si se omite la alternativa 3
en el modelo, entonces la solucin optima requerira que se compraran los boletos en
$1880, la cual es una solucin subptima. La conclusin es que la solucin ptima de
un modelo es mejor slo para ese modelo. Si el modelo es una representacin
razonablemente buena del sistema real, entonces su solucin tambin es ptima para
la situacin real.
SOLUCIN DEL MODELO DE IO
En la investigacin de operaciones no se cuenta con una tcnica general nica para

resolver todos los modelos que puedan surgir en la prctica. En su lugar, el tipo y
complejidad del modelo matemtico determina la naturaleza del mtodo de solucin.
Por ejemplo, en la seccin 1.2 la solucin del problema de los boletos requiere una
clasificacin simple de las alternativas, basada en el precio de la compra total, mientras
que la solucin del problema del rectngulo utiliza clculo diferencial para determinar
el rea mxima.
La tcnica de IO ms importante es la programacin lineal. Est diseada para modelos
con funciones objetivo y restricciones lineales. Otras tcnicas incluyen la programacin
entera (en la cual las variables asumen valores enteros), la programacin dinmica (en
la cual el modelo original puede descomponerse en subproblemas ms pequeos y
manejables), la programacin de red (en la cual el problema puede modelarse como una
red), y la programacin no lineal (en la cual las funciones del modelo son no lineales).
stas son slo algunas de las muchas herramientas de IO con que se cuenta.
Una peculiaridad de la mayora de las tcnicas de IO es que por lo general las soluciones
no se obtienen en formas cerradas (como si fueran frmulas), sino que ms bien se
determinan mediante algoritmos. Un algoritmo proporciona reglas fijas de clculo que
se aplican en forma repetitiva al problema, y cada repeticin (llamada iteracin) acerca
la solucin a lo ptimo. Como los clculos asociados con cada iteracin suelen ser
tediosos y voluminosos, es recomendable que estos algoritmos se ejecuten con la
computadora.
Algunos modelos matemticos pueden ser tan complejos que es imposible resolverlos
con cualquiera de los algoritmos de optimizacin disponibles. En esos casos quiz sea
necesario abandonar la bsqueda de la solucin ptima y simplemente buscar una
buena solucin aplicando la heurstica, y la metaheurstica, o bien reglas empricas.
MODELOS DE COLAS Y SIMULACIN
Las colas y la simulacin estudian las lneas de espera. No son tcnicas de optimizacin;
ms bien determinan medidas de desempeo de las lneas de espera, como tiempo de
espera promedio en la cola, tiempo de espera promedio para el servicio, y el uso de las
instalaciones de servicio.
Metalurgia
13
Los modelos de colas utilizan modelos probabilsticos y estocsticos para analizar lneas
de espera, y la simulacin estima las medidas de desempeo al imitar el
comportamiento del sistema real. De cierto modo, la simulacin tiene ventajas para
observar un sistema real, ya que la diferencia principal entre las colas y la simulacin es
que los modelos de colas son puramente matemticos y, en consecuencia, estn sujetos
a hiptesis especficas que limitan el alcance de su aplicacin. La simulacin, por otra
parte, es flexible y puede utilizarse para analizar prcticamente cualquier situacin de
colas.
El uso de la simulacin no est exento de inconvenientes. El proceso de desarrollar
modelos de simulacin es costoso, tanto en tiempo como en recursos; adems la
ejecucin de los modelos de simulacin suele ser lenta, aun con la computadora ms
rpida.
EL ARTE DEL MODELADO
Los modelos desarrollados en la seccin 1.1 son representaciones exactas de situaciones

reales. Esto es raro en la IO, ya que la mayora de las aplicaciones suelen implicar
diversos grados de aproximacin. La figura 1.1 ilustra los niveles de abstraccin que
caracterizan el desarrollo de un modelo de IO. Abstraemos de la situacin real el mundo
real supuesto al concentrarnos en las variables dominantes que controlan el
comportamiento del sistema real. El modelo expresa de una manera razonable las
funciones matemticas que representan el comportamiento del mundo real supuesto.
Para ilustrar los niveles de abstraccin en el modelado, considere la Tyko Manufacturing
Company, donde se producen varios recipientes de plstico. Cuando se emite una orden
de produccin al departamento de produccin, las materias primas necesarias se toman
de las existencias de la compaa o se adquieren con proveedores
Metalurgia
14
Externos. Una vez que se completa un lote de produccin, el departamento de ventas

se encarga de distribuir el producto a los clientes.
Una pregunta lgica al analizar la situacin de Tyko es la determinacin del tamao de
un lote de produccin. Cmo puede un modelo representar esta situacin?
Al examinar todo el sistema se ve que algunas variables pueden incidir directamente
en el nivel de produccin, incluida la siguiente lista (parcial) clasificada por de-
paramentos.
1. Departamento de produccin: Capacidad de produccin expresada en funcin de las

horas de mano de obra y mquina disponibles, inventario en proceso y normas de
control de calidad.
2. Departamento de materiales: Existencias disponibles de materias primas, programas

de entrega de proveedores externos y limitaciones de almacenamiento.
3. Departamento de ventas: Pronstico de ventas, capacidad de las instalaciones de

distribucin, eficacia de las campaas publicitarias y el efecto de la competencia.
Cada una de estas variables afecta el nivel de produccin en Tyko. Sin embargo, es real-
mente difcil establecer relaciones funcionales explcitas entre ellas y el nivel de
produccin.
Un primer nivel de abstraccin requiere definir los lmites del mundo real supuesto.
Reflexionando un poco, podemos aproximar el sistema real por medio de dos
parmetros dominantes:
1. Tasa de produccin.
2. Tasa de consumo.
La determinacin de la tasa de produccin implica variables como la capacidad de

produccin, las normas de control de calidad y la disponibilidad de las materias primas.
Los datos de ventas determinan la tasa de consumo. En esencia, la simplificacin a partir
Metalurgia
15
del mundo real al mundo real supuesto se logra concentrando varios parmetros del
mundo real en un nico parmetro del mundo real supuesto.
Ahora es ms fcil abstraer un modelo desde el mundo real supuesto. Con las tasas de
produccin y consumo se pueden establecer medidas de exceso o escasez de inventa-
rio. Entonces el modelo abstrado puede construirse para equilibrar los costos
conflictivos de exceso y escasez de inventario; es decir, para minimizar el costo total del
inventario.
MS QUE SLO MATEMTICAS
Debido a la naturaleza matemtica de los modelos de IO, tendemos a pensar que un

estudio de investigacin de operaciones siempre est enraizado en el anlisis
matemtico. Aunque el modelado matemtico es fundamental en la IO, primero se
deben explorar mtodos ms sencillos. En algunos casos se puede obtener una
solucin de sentido comn mediante observaciones sencillas. En realidad, como
invariablemente el elemento humano afecta la mayora de los problemas de decisin,
un estudio de la psicologa de las personas puede ser clave para resolver el problema. A
continuacin se presentan tres ejemplos que respaldan este argumento.
1. Al atender quejas sobre la lentitud de los elevadores en un gran edificio de oficinas,

el equipo de IO percibi la situacin en principio como un problema de lnea de espera
que podra requerir el uso del anlisis matemtico o la simulacin de colas. Des- pues
de estudiar el comportamiento de las personas que se quejaron, el psiclogo del equipo
sugiri que se instalaran espejos de cuerpo completo a la entrada de los elevadores.
Como por milagro, las quejas desaparecieron, ya que las personas se mantenan
ocupadas observndose a s mismas y a las dems mientras esperaban el elevador.
2. En un estudio de los mostradores de documentacin en un gran aeropuerto ingls,

un equipo de consultores estadounidenses y canadienses utiliz la teora de colas para
investigar y analizar la situacin. Una parte de la solucin recomendaba utilizar letreros
bien colocados que urgieran a los pasajeros cuya salida era en 20 minutos a que
avanzaran al inicio de la cola y solicitaran el servicio de inmediato. La solucin no tuvo
xito porque los pasajeros, en su mayora britnicos, estaban condicionados a un
comportamiento muy estricto en las colas y, por consiguiente, se rehusaban a
adelantarse a otros que esperaban en la cola.
3. En una fundidora de acero en India, primero se producen lingotes a partir del mineral
de hierro, los cuales se utilizan despus en la fabricacin de varillas y vigas de acero. El
gerente not una gran demora entre la produccin de los lingotes y su transferencia a
la siguiente fase de fabricacin (donde se elaboraban los productos finales). Idealmente,
para reducir el costo de recalentamiento la fabricacin deba comenzar en cuanto los
lingotes salieran del horno. Al principio el problema se percibi como una situacin de
equilibrio de la lnea de produccin, el cual podra resolverse reduciendo la produccin
de lingotes o incrementando la capacidad del proceso de fabricacin. El equipo de IO
utiliz tablas sencillas para registrar la produccin de los hornos durante los tres turnos
del da. Se descubri que aun cuando el tercer turno comenzaba a las
Metalurgia
16
11:00 P.M., la mayora de los lingotes se producan entre las 2:00 y las 7:00 A.M. Una
investigacin ms a fondo revel que los operadores del turno preferan descansar ms
al principio del turno y luego compensar durante la madrugada la produccin perdida.
El problema se resolvi nivelando la produccin de los lingotes a lo largo del turno.
De estos ejemplos se pueden sacar tres conclusiones:
1. Antes de aventurarse en un complicado modelado matemtico, el equipo de IO debe

explorar la posibilidad de utilizar ideas agresivas para resolver la situacin. La solucin
del problema de los elevadores con la instalacin de espejos se bas en la psicologa
humana ms que en el modelado matemtico. Tambin es ms sencilla y menos costosa
que cualquier recomendacin que un modelo matemtico pudiera haber producido.
Quizs esta sea la razn de que los equipos de investigacin de operaciones suelan
recurrir a los conocimientos de personas externas que se desempean en campos no
matemticos (el psicolgico en el caso del problema de los elevadores). Este punto fue
aceptado y ejecutado por el primer equipo de IO en Inglaterra durante la Segunda
Guerra Mundial.
2. Las soluciones se originan en las personas y no en la tecnologa. Cualquier solucin

que no tome en cuenta el comportamiento humano probablemente falle. Aun cuando
la solucin matemtica del problema del aeropuerto britnico pudo haber sid
razonable, el hecho de que el equipo consultor no se percatara de las diferencias
culturales entre los Estados Unidos e Inglaterra (los estadounidenses y los canadienses
tienden a ser menos formales) dio por resultado una recomendacin que no se poda
poner en prctica.
3. Un estudio de IO no debe iniciar con el prejuicio de utilizar una herramienta

matemtica especfica antes de que se justifique su uso. Por ejemplo, como la
programacin lineal es una tcnica exitosa, existe la tendencia de utilizarla para modelar
cualquier situacin. Esa forma de proceder suele conducir a un modelo matemtico
del todo alejado de la situacin real. Por lo tanto, es imperativo que se analicen prime-
ro los datos disponibles aplicando las tcnicas ms simples siempre que sea posible (por
ejemplo, promedios, grficas e histogramas), para determinar el origen del problema.
Una vez que se define el problema, puede decidirse cul ser la herramienta ms
apropiada para la solucin.3 En el problema de la fundidora de acero, todo lo que se
necesitaba para aclarar la situacin de la produccin de lingotes era la elaboracin de
tablas sencillas.
Metalurgia
17
FASES DE UN ESTUDIO DE IO
Los estudios de investigacin de operaciones se basan en la labor de equipo, donde los

analistas de IO y el cliente trabajan codo con codo. Los conocimientos de modelado de
los analistas de IO se deben complementar con la experiencia y cooperacin del clien-
te para quien realizan el estudio.
Como herramienta de toma de decisiones, la IO es tanto una ciencia como un arte. Es
una ciencia por las tcnicas matemticas que incorpora, y un arte porque el xito de las
fases que conducen a la solucin del modelo matemtico depende en gran medida de
la creatividad y experiencia del equipo de IO. Willemain (1994) manifiesta que una
prctica [de IO] eficaz requiere ms que competencia analtica. Tambin requiere,
entre otros atributos, juicio tcnico (es decir, cundo y cmo utilizar una tcnica dada),
as como habilidades de comunicacin y supervivencia organizacional.
Es difcil prescribir cursos de accin especficos (semejantes a los que indica la teora
precisa de la mayora de los modelos matemticos) para estos factores intangibles. Sin
embargo, podemos ofrecer lineamientos generales para la implementacin de la IO en
la prctica.
Para implementar la IO en la prctica, las fases principales son:
1. Definicin del problema.

2. Construccin del modelo.
3. Solucin del modelo.
4. Validacin del modelo.
5. Implementacin de la solucin.
Decidir sobre un modelo matemtico especfico antes de justificar su uso es como

poner la carreta adelante del caballo, y me recuerda la historia de un viajero areo
frecuente, paranoico en cuanto a la posibilidad de una bomba terrorista a bordo del
avin. Calcul la probabilidad de que semejante desgracia pudiera ocurrir, y aunque
result muy pequea no bast para calmar su angustia. Desde entonces, siempre
llevaba una bomba en su portafolio porque, segn sus clculos, la probabilidad de que
hubiera dos bombas a bordo era prcticamente cero!
La fase 3, que se ocupa de la solucin del modelo, es la mejor definida y por lo general
la ms fcil de implementar en un estudio de IO, porque maneja principalmente
modelos matemticos precisos. La implementacin de las fases restantes es ms un arte
que una teora.
La definicin del problema implica definir el alcance del problema investigado. Esta
funcin debe ser realizada por todo el equipo de IO. El objetivo es identificar tres
elementos principales del problema de decisin: (1) descripcin de las alternativas de
decisin; (2) determinacin del objetivo del estudio, y (3) especificacin de las
limitaciones bajo las cuales funciona el sistema modelado.
La construccin del modelo implica un intento de transformar la definicin del problema
en relaciones matemticas. Si el modelo resultante se ajusta a uno de los modelos
matemticos estndar, como la programacin lineal, se suele obtener una solucin
Metalurgia
utilizando los algoritmos disponibles. Por otra parte, si las relaciones matemticas son
18
demasiado complejas como para permitir la determinacin de una solucin analtica, el

equipo de IO puede optar por simplificar el modelo y utilizar un mtodo heurstico, o
bien considerar la simulacin, si es lo apropiado. En algunos casos, una simulacin
matemtica puede combinarse con modelos heursticos para resolver el problema de
decisin, como lo demuestran los anlisis de casos del captulo 26, que se encuentra en
el sitio web.
La solucin del modelo es por mucho la ms sencilla de todas las fases de IO porque
implica el uso de algoritmos de optimizacin bien definidos. Un aspecto importante de
la fase de solucin del modelo es el anlisis de sensibilidad. Tiene que ver con la
obtencin de informacin adicional sobre el comportamiento de la solucin ptima
cuando el modelo experimenta algunos cambios de parmetros. El anlisis de
sensibilidad es particularmente necesario cuando no se pueden estimar con precisin
los parmetros del modelo. En estos casos es importante estudiar el comportamiento
de la solucin ptima en el entorno de los parmetros estimados.
La validez del modelo comprueba si el modelo propuesto hace en realidad lo que dice
que hace, es decir, predice adecuadamente el comportamiento del sistema que se
estudia? Al principio, el equipo de IO debe estar convencido de que el resultado del
modelo no contenga sorpresas. En otras palabras, tiene sentido la solucin? Los
resultados sin intuitivamente aceptables? Del lado formal, un mtodo comn de
comprobar la validez de un modelo es comparar su resultado con resultados histricos.
El modelo es vlido si, en condiciones de datos de entrada iguales, reproduce de forma
razonable el desempeo pasado. Sin embargo, no suele haber seguridad de que el
desempeo futuro continuar copiando el comportamiento pasado. Adems, como el
modelo se basa en el examen cuidadoso de datos pasados, la comparacin propuesta
casi siempre es favorable. Si el modelo propuesto representara un sistema nuevo
(inexistente), no habra datos histricos disponibles. En esos casos podemos utilizar la
simulacin como una herramienta independiente para comprobar el resultado del
modelo matemtico.
La implementacin de la solucin de un modelo validado implica la transforma- cin de
los resultados en instrucciones de operacin comprensibles que se emitirn a las
personas que administrarn el sistema recomendado. La responsabilidad de esta tarea
recae principalmente en el equipo de IO.
I.O COMO APOYO A LA TOMA DE DECISIONES
Los procesos de decisin pueden desarrollarse bajo situaciones deterministas,

aleatorias, de incertidumbre, o de competencia (adversas). Estas situaciones se
modelan a travs de sistemas que tambin sern de tipo deterministas, aleatorios,
inciertos o basados en situaciones de competencia (adversas). Los sistemas
determinsticos interpretan la realidad bajo el principio de que todo es conocido con
certeza. Los sistemas basados en situaciones aleatorias, de incertidumbre o de
competencia, asocian la incertidumbre a los fenmenos a analizar, incertidumbre que
puede resultar de la variacin propia de los fenmenos (variaciones que eluden a
nuestro control, pero que tienen un patrn especfico) o incertidumbre resultante de la
Metalurgia
propia inconsistencia de esos fenmenos.
19
Aplicando el mtodo cientfico, el Investigador de Operaciones construir uno o ms

modelos (representaciones) del sistema, con sus operaciones correspondientes y sobre
l realizar su investigacin.
Los modelos de IO se pueden representar con ecuaciones las que, aunque puedan
resultar complejas, tienen una estructura muy sencilla:
U = f (xi, yj)
Segn
Restricciones
U es la utilidad o valor de ejecucin del sistema,

xi son las variables no controlables, o dependientes, cuyos valores dependern de
las interrelaciones y valores de las variables independientes.
yj son las variables controlables, o independientes, con valores dados.
f es una funcin en xi e yj.
Frecuentemente se requieren una o ms ecuaciones o inecuaciones de las llamadas

restricciones, para expresar el hecho de que algunas de las variables no controlables (o
todas), pueden manejarse dentro de ciertos lmites. Por ejemplo, el tiempo de mquina
asignado a la produccin de un producto siempre tendr valor positivo, y no ser mayor
que el tiempo total disponible o asignado para tal fin; otro ejemplo, la suma del dinero
presupuestado para cada departamento en una organizacin o industria no puede
exceder la suma de dinero disponible, etc.
Una vez obtenido el modelo, ste puede usarse para encontrar exacta o
aproximadamente los valores ptimos de las variables no controlables, aquellas que
producen la mejor ejecucin del sistema, es decir, la solucin al problema.
PROBLEMAS TIPO EN INVESTIGACIN OPERATIVA
Desde sus comienzos la Investigacin de Operaciones se ha aplicado a una gran variedad

de problemas; la gran mayora de ellos han sido de naturaleza tctica, mas que
estratgica. Un problema es ms tctico que estratgico si cumple con las siguientes
condiciones:
1) su solucin puede modificarse o anularse fcilmente, tiene efecto de corta duracin;

2) su solucin afecta a una parte menor de la organizacin;
3) los resultados deseados se consideran como proporcionados (obtenidos), sin que
Medie una seleccin de medios, fines, metas u objetivos a largo plazo.
Metalurgia
20
La planificacin de una empresa u organizacin, con sus metas y objetivos, es un

problema ms estratgico que tctico. El minimizar los costos del transporte, en el que
la minimizacin en s es el resultado conveniente, es considerado un problema ms
tctico que estratgico.
La aplicacin de la Investigacin Operativa a una amplia variedad de problemas

tcticos, y la frecuente recurrencia de esos problemas, ha permitido identificar
problemas tipo que se agrupan segn los modelos y procedimientos (tcnicas) similares
para su resolucin. Esos problemas tipo son: asignacin de Recursos escasos,
ordenamiento, secuenciacin y coordinacin de tareas, lneas de espera,
mantenimiento y reemplazo de equipos, inventarios, costos y tiempos, gestin de
proyectos.
ASIGNACIN DE RECURSOS, ORDENAMIENTO
Los primeros desarrollos de la Investigacin Operativa se refirieron a problemas de

asignacin de recursos, ordenamientos de tareas, reparto de cargas de trabajo,
planificacin, todos con un objetivo preciso de optimizacin de la funcin econmica U
en un mundo determinista. Entre las tcnicas de optimizacin citamos: la Programacin
Lineal (se ver en el curso), No lineal, Los mtodos de ordenamiento,
Programacin Dinmica, Combinatoria, algoritmos de teora de Grafos, etc. Un
ejemplo clsico: determinar el nmero de piezas, de cada tipo, que debe producir un
determinado taller, a fin de obtener el mximo beneficio. Existen varias mquinas, cada
una de las cuales tiene determinadas propiedades y caractersticas, segn las categoras
o partes de piezas a producir por cada una de ellas; por lo general se conoce la capacidad
mxima del taller y el beneficio que se obtendr con cada categora de pieza producida.
LNEAS DE ESPERA, REEMPLAZO DE EQUIPOS
Estos temas se desarrollan en mundo aleatorio por lo general. Se estudian las esperas y
retrasos ocurridos en el sistema, o las fallas en las instalaciones, su reparacin y
posibles polticas de mantenimiento y/o reemplazo.
INVENTARIO, COSTOS Y TIEMPOS
Se trata de la operacin ms simple, la de almacenar y/o mantener recursos; se estudia

cunto y cundo adquirir. Muchos casos se resuelven modelndolos como lneas de
espera.
GESTIN DE PROYECTOS
El conjunto de tareas de un proyecto se modelan mediante un grafo, sobre el que se

determinan cules son los tiempos y las tareas crticas ("cuellos de botellas") del
Metalurgia
proyecto. Tcnicas usadas: CPM-PERT, mtodo del Camino Crtico.
21
Algunos de estos problemas, se estudiarn en el curso Introduccin a la

Investigacin de Operaciones.
APLICACIN DE LA INVESTIGACIN DE OPERACIONES
Es un proceso que se inicia cuando se observa un problema y se determina las

necesidades de este para darle una solucin.
Durante la Revolucin industrial fue evidente su uso.
Muchas empresas han optado por contratar a asesores empresariales para aplicar la I.O.
Quienes aplican mtodos cientficos, tcnicas y procedimientos matemticos y
estadsticos para observar las reas y/o funciones problemticas, analizar las estrategias
propuestas por los ejecutivos y determinar la solucin ms conveniente.
La mayora de las grandes organizaciones mundiales cuentan con grupos bien
establecidos de I.O. y as mismo, las industrias, instituciones financieras,
gubernamentales y de salud buscan implementarlos con tcnicas de programacin
lineal, carteras de inversin.
Con el avance tecnolgico se ha generado un alto incremento en la diferenciacin y
segmentacin de las funciones empresariales.
Es un proceso que se inicia cuando se observa un problema y se determina las
necesidades de ste para darle una solucin.
Una empresa eficiente en nuestros tiempos, depende de los sistemas operativos,

cuantitativos, adems del computacional que sirvan como herramientas indispensables
para alcanzar los objetivos establecidos a nivel departamental y global.
PRINCIPALES APLICACIONES DE LA INVESTIGACIN DE OPERACIONES
1. Problemas estocsticos o probabilsticos

2. Pronsticos:
3. Modelos de inventarios:
4. Programacin lineal:
5. Problemas de asignacin y transporte:
6. Teora de redes
Metalurgia
22
PROGRAMACIN ESTOCSTICA
La Programacin Estocstica rene aquellos modelos de optimizacin en donde uno o

ms parmetros del problema son modelados a travs de variables aleatorias. Una
manera de enfrentar esta aleatoriedad consiste en reemplazar los parmetros
aleatorios por su valor esperado, lo cual lleva a resolver un problema determinstico de
programacin matemtica, los cuales son de especial inters en cursos introductorios
de Investigacin de Operaciones y donde la variabilidad inherente a los parmetros se
aborda a travs del Anlisis de Sensibilidad o Postoptimal.
No obstante, la solucin obtenida de esta manera puede no ser representativa de la

realidad, al no considerar la dispersin de los valores que toman los parmetros en torno
al valor esperado, lo cual entre otras cosas puede invalidar su implementacin al resultar
finalmente escenarios muy diferentes del promedio.
De este modo y en general, una forma de incorporar esta situacin de incertidumbre es

considerar un nmero finito de posibles realizaciones o escenarios para los parmetros
aleatorios.
El impacto de la incorporacin explicita de la incertidumbre en modelos de

programacin matemtica afecta la factibilidad y optimalidad del sistema en estudio. En
efecto, la solucin que entrega la resolucin de un modelo determinista que considera
reemplazar los parmetros aleatorios por su valor esperado, puede ser infactible para
un escenario en particular.
En este contexto la connotacin que tiene el trmino factibilidad en programacin

estocstica es ms extensa que en el caso determinista, debido a que no se puede
garantizar que la solucin del modelo estocstico sea factible para todas las posibles
realizaciones de la variable aleatoria. Frecuentemente se incluye trminos de
penalizacin en la funcin objetivos que castigan estas posibles infactibilidades
ponderada por un cierto costo segn se constata por ejemplo en las investigaciones de
Sen, S. and Higle, J.L. (1999). Introductory Tutorial on Stochastic Linear Programming
Metalurgia
Models. Interfaces 29, No.2, 33-61.
23
En cuanto al impacto que tiene la incertidumbre sobre la optimalidad del modelo

formulado se puede observar que a mayor variabilidad de los parmetros aleatorios, el
valor que alcanza la funcin objetivo vara en torno a una media en mayor magnitud. En
este sentido la literatura rene una serie de indicadores que cuantifica este impacto
(Birge, J and Louveaux, F (1997). Introduction to Stochastic Programming, Springer
Verlag, New York, USA) de la incorporacin explcita de la incertidumbre en la
formulacin del modelo y permite al tomador de decisiones dilucidar el real impacto de
sta.
CLASIFICACIN DE LOS MODELOS DE PROGRAMACIN ESTOCSTICA
Los modelos de optimizacin estocstica se dividen en dos grandes categoras, estos

son: Modelos con Restricciones Probabilsticas y Modelos con Recurso. Una referencia
general al respecto lo constituye un tutorial desarrollado por Sen y Higle (1999) sobre
programacin estocstica para el caso lineal y libros como el de Birge y Louveaux (1997).
MODELOS CON RECURSOS EN 2 ETAPAS
En un modelo con recurso en dos etapas se pueden distinguir aquellas variables de

decisin que son implementadas antes de la realizacin particular del parmetro
aleatorio denominadas de primera etapa o here and now, que se debe tomar antes de
conocer la realizacin de la variable aleatoria, es decir que se escoge tomando en cuenta
la aleatoriedad de los parmetros, pero cuyo valor es independiente de la realizacin
particular que finalmente vaya a tomar dicha variable aleatoria. Las variables de primera
etapa pueden ser vistas como decisiones proactivas y estn asociadas frecuentemente
a decisiones estratgicas como la planificacin y expansin de sistemas de produccin.
En tanto las variables que son determinadas una vez conocida la realizacin particular
Metalurgia
de la variable aleatoria son llamadas de segunda etapa o de recurso, es decir, su valor
24
es tomado en respuesta al medio. En este sentido las variables de segunda etapa son de
naturaleza reactiva y generalmente estn asociadas a decisiones operativas.
PRONOSTICOS
Un pronstico, en el plano empresarial, es la prediccin de lo que suceder con un

elemento determinado dentro del marco de un conjunto dado de condiciones. Se
diferencia del presupuesto porque este ltimo es el resultado de decisiones
encaminadas a generar las condiciones que propiciarn un nivel deseado de dicho
elemento.
POR QU SE NECESITAN LOS PRONSTICOS EN LA EMPRESA
El objetivo bsico de un pronstico consiste en reducir el rango de incertidumbre dentro

del cual se toman las decisiones que afectan el futuro del negocio y con l a todas las
partes involucradas. Aunque, el pronstico no sustituye el juicio administrativo en la
toma de decisiones, simplemente es una ayuda en ese proceso.
Los pronsticos se emplean en el proceso de establecimiento de objetivos tanto de largo

como de corto plazo, constituyndose as en bases para el desarrollo de planes, a nivel
general y en las distintas reas o unidades. Los planes basados en dichos pronsticos,
no slo atendern a ellos sino que establecern estrategias y acciones que los puedan
contrarrestar, corregir o impulsar.
Por ejemplo, si el pronstico de ventas para el siguiente ejercicio fiscal muestra una
tendencia desfavorable, entonces el plan estratgico de ventas deber encaminarse a
revertir dicha tendencia a travs de acciones que impulsen el crecimiento o que no
permitan que las ventas decaigan o, el el peor de los casos, que simplemente se
reduzcan en un nivel mnimo.
USOS DE LOS PRONSTICOS EN LA EMPRESA
Todas las organizaciones que planifican las condiciones de su futuro, el cual no conocen
a ciencia cierta, emplean pronsticos en sus diferentes reas funcionales. Algunos casos
de uso de pronsticos en la empresa son:
En el rea de marketing se pronostica cmo va a crecer el mercado, cul va a ser la

participacin propia y de los competidores, cul ser la tendencia de precios, cules
sern los nuevos productos que sacudirn el mercado
En el rea de produccin se hacen pronsticos sobre el costo y la disponibilidad de la
materia prima, el costo y la disponibilidad de la mano de obra, cundo se requerir
Metalurgia
25
mantenimiento para los equipos, cul ser la capacidad de planta necesaria para
atender la demanda
En el rea financiera se pronostica cul ser la tasa de inters de referencia para los
crditos, cul ser el nivel de cuentas incobrables, cunto capital se requerir para
ampliar la capacidad propia
En recursos humanos se requieren pronsticos sobre el nmero de trabajadores, la
rotacin de personal, las tendencias de ausentismo, las necesidades de capacitacin
En el plano estratgico se pronostica acerca de factores econmicos, cambios de
precios, costos, crecimiento de lneas de productos
Caractersticas del pronstico empresarial
Es consistente con las dems reas del negocio. Si marketing pronostic un crecimiento
del 25% de unidades vendidas entonces produccin y recursos humanos deben estar en
capacidad de cumplir.
Se basa en el conocimiento adecuado del pasado relevante. Aunque hay excepciones, la
regla es que comportamientos ocurridos en el pasado son fuente de prediccin del
futuro.
Tiene en cuenta el entorno poltico y econmico. Un cambio en las condiciones de estos
factores puede traer consecuencias enormes en cualquier sector econmico.
Es oportuno. Ya sea para ganar cuota de mercado introduciendo un nuevo producto o
para retirar otro y evitar una crisis, el ms preciso de los pronsticos pierde toda su
utilidad si se ha dejado pasar la oportunidad correcta de aplicarlo en la planeacin.
Clasificacin de los modelos de pronsticos
SEGN EL MARCO DE TIEMPO AL QUE ATIENDEN SE CLASIFICAN EN:
De corto plazo.
Se usan para disear estrategias inmediatas, son empleados entre mandos

medios y gerencias de primera lnea.
De mediano plazo.
Conjunta al corto y al largo plazo, til para decisiones de todos los niveles.
Pronsticos de largo plazo.
Requeridos para establecer el rumbo general de la organizacin, generalmente

se hacen para que la alta direccin los use en los procesos de planeacin
estratgica.
Metalurgia
26
MODELO DE INVENTARIOS
Un inventario es un recurso empleado pero til que posee valor econmico. El problema
se plantea cuando una empresa expendedora o productora de bienes y servicios no
produce en un momento determinado la cantidad suficiente para satisfacer la demanda,
por lo que debe realizar un almacenamiento protector contra posibles inexistencias.
El objetivo radica en definir el nivel de inventario. Estas decisiones consisten en dar

normas que nos precisen en que instante se deben efectuar los pedidos del producto
considerado y la cantidad que se debe pedir.
En trminos generales un inventario es un conjunto de recursos tiles que se encuentran

ociosos en algn momento. El objetivo de los problemas de inventario es minimizar los
costes (totales o esperados) del sistema sujetos a la restriccin de satisfacer la demanda
(conocida o aleatoria). Entre los diferentes costes que puede haber en un problema de
inventario estn:
1.- Costes de fabricacin.

2.- Costes de mantenimiento o almacenamiento.
3.- Costes de penalizacin o rotura por no satisfacer la demanda.
4.- Rendimientos o ingresos. (Puede o no incluirse en el modelo).
5.- Costes de recuperacin o salvamento. (El valor de recuperacin representa el valor
de desecho del artculo para la empresa, quiz a travs de una venta con descuento).
6.- Tasa de descuento. La tasa de descuento toma en cuenta el valor del dinero en el
tiempo. Cuando una empresa compromete capital en inventarios, no puede usar este
dinero para otros fines.
PORQUE TENER INVENTARIOS?
Se da la existencia de inventarios debido a que los proveedores que abastecen los

insumos a las empresas no pueden dar respuesta inmediata a los requerimientos de
esta; puesto que hay una diferencia entre el tiempo de abastecimiento y la demanda
interna. Es por esta razn que las empresas mantienen inventarios como colchn de
seguridad o un STOCK para que al momento de una necesidad se satisfaga la demanda.
INVENTARIO SEGN LA DEMANDA
Existen dos tipos de demanda:
DEMANDA PROBABILSTICA:
Demanda de un artculo que est sujeta a una cantidad significativa de variabilidad.

Ejemplo en un hospital no se sabe cuntos y que tipos de pacientes entraran en la
semana que entra, lo que ocasiona una demanda incierta de los suministros mdicos.
Metalurgia
27
(Demanda independiente: dos o ms artculos en los que la demanda de un artculo no
afecta la demanda cualquiera de los otros artculos).
DEMANDA DETERMINSTICA:
Demanda de un artculo que se conoce con certeza. Ejemplo en un proceso de

fabricacin automatizada, sabe que una maquina inserta 20 chips por minuto en un
tablero de circuitos integrados, por lo tanto los chips son los artculos a mantenerse en
el inventario y la demanda determinstica es 20 chips por minuto. (Demanda
dependiente: dos o ms artculos en los que la demanda de un artculo determina o
afecta la demanda de uno o ms de los otros artculos).
REGLAS O PRINCIPIOS
1) Todo tem debe estar debidamente codificado y localizado
2) Todo movimiento de inventario ya sea de entrada, de salida o consolidad de datos

deben estar documentados (firmados y autorizados)
3) Los documentos de entrada deben diferenciarse de los documentos de salida (se

utilizan colores)
4) En cuanto sea posible, el lugar fsico de entrada debe ser diferente al lugar fsico
locativo de salida
5) Los tem de un mismo cdigo deben estar almacenados en un mismo lugar
6) Si es posible se debe marcar lo contado e inventariado
7) En una auditoria todo tem debe ser contado tres veces por personas diferentes,
consignndolos en tarjetas diferentes y estableciendo las siguientes reglas de registro:
Si dos tarjetas coinciden en la cantidad se registra ese valor o cantidad

Si las tarjetas no coinciden se vuelve a contar con otro auditor
Hay una tarjeta de conteo de inventario y una fsica
8) Los tems de mayor peso deben ubicarse en los niveles inferiores y los de menor peso
en los niveles superiores
9) Los tems que tuvieron movimientos en el da deben verificarse sus saldos antes de
cerrar el da, es decir verificar la existencia fsica con la existencia lgica.
Metalurgia
28
10) Nadie del personal de inventario se va antes que no est cuadrado el movimiento
de los tems de ese da
11) No se debe recibir premios o comisiones de los proveedores
12) Los recortes de inventario mximo son de tres das, despus de finalizado el mes
deben estar los informes.
MODELOS CLSICO DE CONTROL DE INVENTARIOS
Los modelos de control de inventarios los podemos clasificar en:
MODELO EOQ (cantidad econmica de produccin)

Es una tcnica de administracin de inventarios para determinar el tamao optimo de
pedido de un articulo; este modelo considera varios costos de inventario y luego
determina que tamao de pedido minimiza el costo total del inventario. Los costos que
se determinan son el costo de mantener inventario y el costo de pedir. el modelo se
clasifica en:
1.1 MODELO EOQ SIN FALTANTES
Supuestos:
Demanda conocida y constante.

Tiempo de reposicin son instantneos
Existencia de dos costos: Costo de pedir y Costo de mantenimiento del
inventario
No se admiten faltantes
Los costos no varan en el tiempo
Relacin directa costo volumen Metalurgia
29
MODELO EOQ CON FALTANTES

Metalurgia
Supuestos:
30
*Demanda conocida y constante.

*Tiempo de reposicin son instantneos
*Se aceptan faltantes
*Existencia de tres costos: Costo de pedir, Costo de mantenimiento del inventario y
Costo de faltante
*No se admiten faltantes
*Los costos no varan en el tiempo
*Relacin directa costo - volumen
Metalurgia
31
MODELO EOQ CON DESCUENTOS POR CANTIDAD
Este modelo es idntico al modelo EOQ anterior, excepto que el artculo en el inventario
se puede comprar con un descuento si el volumen de pedido excede un lmite dado, es
decir el precio de compra por unidad.
EJERCICIO
Un proveedor le ofrece la siguiente tabla de descuento para la adquisicin de su

principal producto, cuya demanda anual usted ha estimado en 5.000 unidades. El costo
de emitir una orden de pedido es de $49 y adicionalmente se ha estimado que el costo
anual de almacenar una unidad en inventario es un 20% del costo de adquisicin del
producto. Cul es la cantidad de la orden que minimiza el costo total del inventario?
Metalurgia
32
Para dar respuesta a esta situacin se propone seguir los siguientes pasos:
PASO 1: Determinar el tamao ptimo de pedido (Q*) para cada nivel o quiebre de
precios.
PASO 2: Ajustar la cantidad a pedir en cada quiebre de precio en caso de ser necesario.
En nuestro ejemplo para el tramo 1 Q(1)=700 unidades esta en el intervalo por tanto se
mantiene; para el tramo 2 Q(2)=714 est por debajo de la cota inferior del intervalo, por
tanto se aproxima a esta cota quedando Q(2)=1.000; finalmente en el tramo 3 Q(3)=718
que tambin est por debajo de la cota inferior del intervalo, por tanto se aproxima a
esta cota quedando Q(3)=2.000
PASO 3: Calcular el costo asociado a cada una de las cantidades determinadas (utilizando
la frmula de costo total presentada anteriormente)
Se concluye que el tamao ptimo de pedido que minimiza los costos totales es 1.000
Metalurgia
unidades, con un costo total anual de $24.725.
33
MODELO LEP (lote econmico de produccin)
Este modelo de inventario sugiere que se la empresa lleve a cabo operaciones hasta
llegar a un nivel mximo de produccin (Inventario mximo), despues de esto se dispone
a detener la produccin hasta agotar las existencias, y luego que esto suceda deben
volver a empezar el proceso de produccin.
Este modelo se clasifica en:
MODELO LEP SIN FALTANTES

Metalurgia
34
MODELO LEP CON FALTANTES
Metalurgia
35
MODELO PROBABILISTICO (EOQ CON DEMANDA VARIABLE)
Este modelo permite faltantes en la demanda, la poltica requiere ordenar la cantidad y

siempre que el inventario caiga al nivel R. Como en el caso determinista, el nivel de
reordena R es una funcin del tiempo de entrega, entre colocar y recibir un pedido. Los
valores ptimos de R, se determinan minimizando el costo esperado por unidad de
tiempo que incluye la suma de los costos de preparacin, conservacin y faltante.
El modelo tiene 3 suposiciones
*la demanda no satisfecha durante el tiempo de entrega se acumula.

*no se permite ms de una orden pendiente.
*la distribucin de la demanda durante el tiempo de entrega permanece estacionaria

(sin cambio) con el tiempo.
Metalurgia
36
PROGRAMACION LINEAL.
GENERALIDADES
En los problemas de programacin lineal (PL) se tiene una funcin objetivo lineal y
restricciones lineales. En general se exige tambin la positividad de las variables. Un
problema general de PL se puede escribir en la forma siguiente:
La regin factible de un problema de PL es un conjunto polidrico. En un espacio

tridimensional, un poliedro es un conjunto limitado por superficies planas como lo
muestra el ejemplo de la figura
El mtodo predominante para la resolucin de problemas de PL es el llamado mtodo

simplex, el cual utiliza una estrategia active set, que en este caso implica que se
recorran las aristas de la regin factible, de vrtice en vrtice.
El mtodo simplex exige que se haya formulado el problema en su forma standard, en

la que slo se tienen restricciones de igualdad (y la exigencia de positividad de las
variables). Sin embargo, la formulacin ms usual en el contexto terico es la forma
Metalurgia
cannica, en que se tienen solamente restricciones de desigualdad (y condiciones de
37
positividad de las variables). Cualquier problema de PL se puede formular tanto en
forma cannica como en forma standard.
La forma cannica es la ms adecuada para razonamientos tericos relacionados con la

dualidad:
Utilizando notacin vectorial y matricial se obtiene una forma ms compacta de escribir

el problema (PLc):
El problema dual del problema dual (PDc) es el problema primal (PLc).
PRUEBA:
Se sugiere hacer la relajacin lagrangeana de (PDc) y continuar de la misma forma que

en el Teorema 13.
Se pueden construir problemas duales de problemas cuyas restricciones sean de

igualdad o desigualdad, y cuyas variables tengan o no restriccin de signo.
Debido a que las variables duales se interpretan por medio de relajacin lagrangeana,
se observa que restricciones de desigualdad conducen a variables duales restringidas en
su signo, en tanto que restricciones de igualdad conducen a variables duales sin
limitacin de signo.
Metalurgia
38
Adems, como las variables primalas son variables duales para el problema dual, se
concluye que variables primales con restriccin de signo conducen a restricciones de
desigualdad en el dual, mientras que las variables primalas no restringidas respecto al
signo se relacionan con restricciones de igualdad en el problema dual.
Todo lo que precede se formula en el siguiente teorema, en un modo ms general.
MTODO SIMPLEX
ESTANDARIZACIN
Cuando se plantea un modelo de LP pueden existir igualdades y desigualdades. De la

misma forma pueden existir variables que deben ser no negativas o bien sin restriccin
de signo (srs). Antes de emplear el mtodo Simplex para resolver un LP, el problema
debe ser convertido en uno equivalente en el cual todas las restricciones son ecuaciones
y todas las variables son no negativas. Esta versin equivalente se denomina forma
estndar del LP.
Para convertir un LP en su forma estndar cada desigualdad debe ser transformada en

una igualdad.
Para ilustrar la tcnica consideremos el siguiente ejemplo:

Ejemplo 1 Una fbrica de zapatos de cuero produce dos lneas: modelos de lujo y
modelos regulares.
Cada tipo modelo requiere un pie cuadrado de cuero. Un modelo regular necesita 1 hora
de mano de obra, mientras que un modelo de lujo requiere 2 horas de mano de obra.
Cada semana se dispone de
40 pies cuadrados de cuero y de 60 horas de mano de obra. Cada zapato regular genera
una utilidad de 30 mil y cada modelo de lujo representa una utilidad de 40 mil.
Para plantear el modelo se emplearan las variables:
Metalurgia
39
MODELO DE REDES.
ALCANCE Y DEFINICIN DE MODELOS DE REDES
Muchas situaciones de investigacin de operaciones pueden modelarse y resolverse

como redes (nodos conectados por ramas); a continuacin tenemos algunos ejemplos
de aplicacin:
1. Diseo de una red de oleoductos para gas natural a una determinada distancia de la
costa para conectar los cabezales de los pozos en el Golfo de Mxico a un punto de
distribucin costero con el objetivo de minimizar el costo de construccin de los
oleoductos.
2. Determinacin de la ruta ms corta entre dos ciudades en una red existente de

carreteras
.
3. Determinacin de la capacidad mxima (en toneladas por ao) de una red de
oleoductos para lodos de carbn que unen minas de carbn en Wyoming con plantas
elctricas en Houston (los oleoductos para lodos transportan carbn al bombear agua a
travs de tuberas especialmente diseadas).
4. Determinacin del cronograma (fechas de inicio y terminacin) para las actividades

de un proyecto de construccin.
5. Determinacin del itinerario de flujo de costo mnimo desde campos petroleros hasta
refineras a travs de una red de oleoductos.
La solucin de estas situaciones se logra por medio de varios algoritmos de optimizacin

de redes. Este captulo presenta cuatro de estos algoritmos.
1. rbol de mnima expansin (situacin 1)
2. Algoritmo de la ruta ms corta (situacin 2)
3. Algoritmo de flujo mximo (situacin 3)
4. Algoritmo de la ruta crtica (CPM) (situacin 4)
Definiciones de red. Una red se compone de un conjunto de nodos unidos por arcos (o
ramas). La notacin para describir una red es (N, A), donde N es el conjunto de nodos, y
A es el conjunto de arcos. Aguisa de ilustracin, la red de la figura 6.1, se describe como
Metalurgia
40
N = {1, 2, 3, 4, 5}
A = {(1, 2), (1, 3), (2, 3), (2, 5), (3, 4), (3, 5), (4, 2), (4, 5)}
Asociado con cada red hay un flujo (por ejemplo, los productos de petrleo fluyen por
un oleoducto y el trfico de automviles fluye por las carreteras). El flujo mximo en una
red puede ser finito o infinito, segn la capacidad de sus arcos.
Se dice que un arco est dirigido u orientado si permite el flujo positivo slo en una
direccin. Una red dirigida tiene todos los arcos dirigidos.
Una ruta es un conjunto de arcos que unen dos nodos distintos, y que pasan a travs de
otros nodos en la red. Por ejemplo, en la figura 6.1 los arcos (1,2), (2,3), (3,4) y (4,5)
forman una ruta entre los nodos 1 y 5. Una ruta forma un ciclo o un bucle si conecta un
nodo de vuelta a s mismo a travs de otros nodos. En la figura 6.1, los arcos (2,3), (3,4)
y (4,2) forman un ciclo.
Se dice que una red est conectada si cada dos nodos distintos estn conectados en al
menos una ruta. La red en la figura 6.1 muestra este tipo de red. Un rbol es una red
conectada libre de ciclos compuesta de un subconjunto de todos los nodos, y un rbol
de expansin es un rbol que une todos los nodos de la red. La figura 6.2 proporciona
ejemplos de un rbol y un rbol de expansin de la red.
Ejemplo
La ciudad prusiana de Knigsberg (actualmente Kaliningrado en Rusia) fue fundada en

1254 en las riberas del ro Pregel con siete puentes que conectan sus cuatro secciones
(designadas A, B, C, y D) como se muestra en la figura 6.3. Surgi una pregunta sobre si
podra construirse un viaje redondo para visitar las cuatro secciones de la ciudad,
cruzando cada puente exactamente una vez. Una seccin podra ser visitada varias
veces, si fuese necesario.
Metalurgia
41
A mediados del siglo XVIII, el afamado matemtico Leonhard Euler desarroll un
argumento de construccin de rutas para demostrar que s era posible construir
semejante viaje. Ms tarde, a principios del siglo XIX, el mismo problema se resolvi
presentando de nuevo la situacin como una red con nodos que representan las
secciones y arcos (distintos) que representan los puentes, como se muestra en la figura
6.4.
La representacin en forma de red implica el hallazgo de una respuesta a la pregunta
planteada. El nmero de arcos incidentes en cada nodo es impar. Esto hace posible
entrar y salir de todas las secciones utilizando puentes distintos. Por consiguiente, el
viaje redondo deseado no puede construirse.
Metalurgia
42
CONJUNTO DE PROBLEMAS
1. Para cada red de la figura 6.5, determine (a) una ruta, (b) un ciclo, (c) un rbol, y (d)
un rbol de expansin.
2. Determine los conjuntos N y A para las redes de la figura 6.5.
3. Trace la red definida por
N = {1, 2, 3, 4, 5, 6}
A = {(1, 2), (1, 5), (2, 3), (2, 4), (3, 4), (3, 5), (4, 3), (4, 6), (5, 2), (5, 6)}
4. especifique la cantidad mnima y las ubicaciones de los puentes adicionales que se

requieren para construir un viaje redondo. Construya la red resultante, y determine los
tramos del viaje.
5. Considere ocho cuadrados iguales dispuestos en tres filas, con dos cuadrados en la
primera fila, cuatro en la segunda, y dos en la tercera. Los cuadrados de cada fila estn
acomodados simtricamente alrededor del eje vertical. Marque los cuadros con
nmeros distintos del 1 al 8, de modo que dos cuadrados adyacentes verticales,
horizontales o diagonales no tengan nmeros consecutivos. Use una representacin de
red para hallar una solucin de una forma sistemtica.
6. Tres reclusos escoltados por dos guardias deben ser transportados por un bote desde
tierra firme hasta una isla penitenciaria para que cumplan sus sentencias. El bote no
puede transferir ms de dos personas en ambas direcciones. Es seguro que los reclusos
dobleguen a los guardias si los superan en nmero en cualquier parte y en cualquier
momento. Desarrolle un modelo de red que disee los viajes del bote de modo que
garantice el traslado seguro de los reclusos.
Metalurgia
43
ALGORITMO DEL RBOL DE MNIMA EXPANSIN
Este rbol vincula los nodos de una red valindose de la longitud mnima total de las
ramas de conexin. Una aplicacin comn se presenta en la pavimentacin de carrete-
ras que unen poblaciones, o de forma directa, o que pasan por otras poblaciones. La so-
lucin del rbol de mnima expansin proporciona el diseo del sistema de carreteras.
Sea N = {1, 2,, n} el conjunto de nodos de la red y defina
Ck = Conjunto de nodos que han estado conectados de manera permanente en la

iteracin k
Ck = Conjunto de nodos que se construirn permanentemente despus de la iteracin

k.
Los siguientes pasos describen al algoritmo del rbol de mnima expansin:
Paso 0. Establezca C0 = y C0 = N.
Paso 1. Inicie con cualquier nodo i en el conjunto no conectado C0 y establezca
C1 = {i}, lo que produce C1 = N - {i}. Establezca k = 2.

Paso general k. Seleccione un nodo, j*, en el conjunto no conectado Ck - 1, que
produzca el arco ms corto a un nodo en el conjunto Ck-1 conectado. Vincule j*
Permanentemente a Ck21 y elimnelo de
Ck - 1
Para obtener
Ck y Ck,
Respectivamente. Detngase si Ck est vaco; de lo contrario, establezca k 5 k

+ 1 y repita el paso.
.
Metalurgia
44
Ejemplo 2
Midwest TV Cable Company va a proporcionar servicio de cable a cinco desarrollos

habitacio- nales. La figura 6.6 ilustra las posibles conexiones de TV a las cinco reas, con
las millas de cable anexadas a cada arco. El objetivo es determinar la red de cables ms
econmica.
El algoritmo se inicia en el nodo 1 (en realidad, cualquier otro nodo puede ser un punto
de inicio), el cual da por resultado.
C1 = {1} y C1 = {2, 3, 4, 5, 6}
Las iteraciones del algoritmo se resumen en la figura 6.7. Los arcos delgados
proporcionan todos los candidatos entre C y C. Los arcos gruesos son los vnculos
permanentes del conjunto conectado C, y el arco de rayas es el nuevo vnculo
(permanente) agregado en cada iteracin. Por ejemplo, en la iteracin 1, la rama (1, 2)
es el vnculo ms corto (5 1 milla) entre todas las ramas candidatas del nodo 1 a los
nodos 2, 3, 4, 5 y 6 en el conjunto no conectado C1 . De ah que el vnculo (1, 2) se hace
permanente y j* 5 2, de lo cual resulta
C2 = {1, 2}, C2 = {3, 4, 5, 6}
El rbol de mnima expansin que se muestra en la iteracin 6 de la figura 6.7 da la

solucin. Las millas de cable mnimas resultantes que se necesitan para proporcionar el
servicio de cable deseado son 1 1 3 1 4 1 3 1 5 5 16 millas.
Comentarios. En teora, un rbol de mnima expansin puede formularse y resolverse

como un programa lineal. Sin embargo, la PL no es una opcin prctica porque deben
agregarse numerosas restricciones para excluir todos los ciclos y el resultado es una PL
enorme, aun para redes pequeas.
Metalurgia
45
Metalurgia
46
CONJUNTO DE PROBLEMAS
1. iniciando en el nodo 5 (en lugar de en el nodo 1), y demuestre que el algoritmo

produce la misma solucin.
2. Determine el rbol de mnima expansin de la red del conforme cada una de las
siguientes condiciones distintas:
*(a) Los nodos 5 y 6 estn unidos por un cable de 2 millas.
(b) Los nodos 2 y 5 no pueden unirse.
(c) Los nodos 2 y 6 estn unidos por un cable de 4 millas. (d) El cable entre los nodos
1 y 2 es de 8 millas de largo. (e) Los nodos 3 y 5 estn unidos por un cable de 2 millas.
(f) El nodo 2 no puede unirse directamente a los nodos 3 y 5.
3. En el transporte intermodal, los camiones de remolque cargados se transportan entre

terminales ferroviarias sobre plataformas especiales. La figura 6.8 muestra la ubicacin
de las principales terminales ferroviarias en los Estados Unidos y las vas de ferrocarril
existentes. El objetivo es decidir qu vas deben ser revitalizadas para manejar el
trfico in- terminal. En particular, la terminal de Los ngeles (LA) debe vincularse
directamente a Chicago (CH) para acomodar el trfico pesado esperado. Aparte de esa,
todas las terminales restantes pueden vincularse directa o indirectamente, de modo que
la longitud total (en millas) de las vas seleccionadas se minimice. Determine los
segmentos de las vas ferroviarias que deben incluirse en el programa de revitalizacin.
4. La figura 6.9 da la distancia en millas de los vnculos factibles que conectan nueve
cabezales de pozos de gas natural localizados a una cierta distancia de la costa con un
punto de distribucin costero. Como el cabezal del pozo 1 es el ms cercano a la costa,
dispone de una suficiente capacidad de bombeo y almacenamiento para bombear la
produccin de los ocho pozos restantes al punto de distribucin. Determine la red de
oleoductos mnima que vincule los cabezales de los pozos al punto de distribucin.
5. En la figura 6.9 del problema 4, suponga que los cabezales de los pozos pueden
dividirse en dos grupos segn la presin del gas: un grupo de alta presin que incluye
los pozos 2, 3, 4 y 6, y un grupo de baja presin que incluye los pozos, 5, 7, 8 y 9. Debido
a la diferencia de presin, no es posible vincular los pozos de los dos grupos. Al mismo
tiempo. Metalurgia
47
Metalurgia
48

Investigacion de Operaciones

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Investigacion de Operaciones

Caricato da

Copyright:

Formati disponibili

Fundamentos Y Aplicaciones De

UNIVERSIDAD NACIONAL DANIEL ALCIDES CARRIN

Fundamentos Y Aplicaciones De Investigacin De

Las primeras actividades formales de investigacin de operaciones (IO) se iniciaron en

FUNDAMENTOS Y APLICACIONES DE INVESTIGACIN

Es una rama de las Matemticas que consistente en el uso de modelos matemticos,

La investigacin de operaciones admite el anlisis de la toma de decisiones

La investigacin de operaciones es la aplicacin, por grupos interdisciplinarios,

La Investigacin de Operaciones o Investigacin Operativa es una disciplina donde las

Una de las reas principales de la Investigacin de Operaciones es la Optimizacin o

esta metodologa en las diferentes disciplinas, la creciente complejidad de los

La naturaleza de la organizacin es esencialmente inmaterial y, de hecho, la

Modelos de investigacin de Operaciones de la ciencia de la administracin:

Los cientficos de la administracin trabajan con modelos cuantitativos de decisiones.

Se usan para resolver problemas cuantitativos de decisin en el mundo real. Algunos

Aquel modelo cuyos smbolos representan en su mayora a Cualidades no numricas.

Corresponde a aquel modelo cuantitativo que no contiene consideraciones

Corresponde al modelo ideado para seleccionar entre varias alternativas, de acuerdo a

que afectar en forma significativa la relevancia de las conclusiones del estudio.

MODELOS DE INVESTIGACIN DE OPERACIONES

Imagine que tiene un compromiso de negocios que requiere 5 semanas de traslado

Podemos considerar la situacin como un problema de toma de decisiones, cuya

1. Cules son las alternativas de decisin?

Se consideran tres alternativas razonables:

1. Comprar cinco boletos normales FYV-DEN-FYV para salir el lunes y regresar el

2. Comprar un boleto FYV-DEN, cuatro DEN-FYV-DEN que abarquen fines de semana, y

3. Comprar un boleto FYV-DEN-FYV para el lunes de la primera semana y el mircoles

Un criterio objetivo obvio para evaluar la alternativa propuesta es el precio de los

o Costo de la alternativa 1 5 5 3 400 5 $2000

o Costo de la alternativa 2 5 .75 3 400 1 4 3 (.8 3 400) 1 .75 3 400 5 $1880

o Costo de la alternativa 3 5 5 3 (.8 3 400) 5 $1600

La alternativa 3 es la mejor porque es la ms econmica.

Aunque el ejemplo anterior ilustra los tres componentes principales de un modelo de

En contraste con el ejemplo de los boletos, el nmero de alternativas en este ejemplo

o w 5 ancho del rectngulo en pulgadas,

2. El ancho y la altura no pueden ser negativos.

Estas restricciones se traducen de manera algebraica como sigue

Ahora el nico componente restante es el objetivo del problema; es decir, maximizar el

Utilizando clculo diferencial, la mejor solucin de este modelo es w = h = L, la cual

Maximizar o minimizar Funcin objetivo

Aunque los modelos de IO estn diseados para optimizar un criterio objetivo

ejemplo, el modelo de los boletos. Si no se identifican todas las alternativas dominantes

SOLUCIN DEL MODELO DE IO

En la investigacin de operaciones no se cuenta con una tcnica general nica para

MODELOS DE COLAS Y SIMULACIN

EL ARTE DEL MODELADO

Los modelos desarrollados en la seccin 1.1 son representaciones exactas de situaciones

Externos. Una vez que se completa un lote de produccin, el departamento de ventas

1. Departamento de produccin: Capacidad de produccin expresada en funcin de las

2. Departamento de materiales: Existencias disponibles de materias primas, programas

3. Departamento de ventas: Pronstico de ventas, capacidad de las instalaciones de

La determinacin de la tasa de produccin implica variables como la capacidad de

MS QUE SLO MATEMTICAS

Debido a la naturaleza matemtica de los modelos de IO, tendemos a pensar que un

1. Al atender quejas sobre la lentitud de los elevadores en un gran edificio de oficinas,

2. En un estudio de los mostradores de documentacin en un gran aeropuerto ingls,

De estos ejemplos se pueden sacar tres conclusiones:

1. Antes de aventurarse en un complicado modelado matemtico, el equipo de IO debe

2. Las soluciones se originan en las personas y no en la tecnologa. Cualquier so- lucin

3. Un estudio de IO no debe iniciar con el prejuicio de utilizar una herramienta

Los estudios de investigacin de operaciones se basan en la labor de equipo, donde los

1. Definicin del problema.

Decidir sobre un modelo matemtico especfico antes de justificar su uso es como

demasiado complejas como para permitir la determinacin de una solucin analtica, el