Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Io Guia Tema 1 PDF
Io Guia Tema 1 PDF
“FRANCISCO DE MIRANDA”
ÁREA DE TECNOLOGÍA
DEPARTAMENTO DE GERENCIA
INVESTIGACIÓN DE OPERACIONES
PROFESOR: Dr. JUAN LUGO MARÍN
Tema No. 1
Introducción a la Investigación de operaciones y Modelación
Introducción
La programación matemática es una potente técnica de modelado
usada en el proceso de toma de decisiones. Cuando se trata de resolver un
problema de esta naturaleza, la primera etapa consiste en identificar las
posibles decisiones que pueden tomarse; esto lleva a identificar las
variables del problema concreto. Normalmente, las variables son de
carácter cuantitativo y se buscan los valores que optimizan el objetivo. La
segunda etapa supone determinar que decisiones resultan admisibles; esto
conduce a un conjunto de restricciones que se determinan teniendo
presente la naturaleza del problema en cuestión. En la tercera etapa, se
calcula el costo/beneficio asociado a cada decisión admisible; esto supone
determinar una función objetivo que asigna, a cada conjunto posible de
valores para las variables que determinan una decisión, un valor de
costo/beneficio. El conjunto de todos estos elementos define el problema de
optimización.
La programación lineal (PL), que trata exclusivamente con funciones
objetivos y restricciones lineales, es una parte de la programación
matemática, y una de las áreas más importantes de la matemática aplicada.
Se utiliza en campos como la ingeniería, la economía, la gestión, y muchas
otras áreas de la ciencia, la técnica y la industria. En el presente tema se
introduce la programación lineal por medio de los aspectos teóricos que la
definen y determinan para luego ilustrarla con varios ejemplos
seleccionados. Para empezar nuestra exposición se hace notar que cualquier
problema de programación lineal requiere identificar cuatro componentes
básicos:
1. El conjunto de datos.
1
2. El conjunto de variables involucradas en el problema, junto con sus
dominios respectivos de definición.
3. El conjunto de restricciones lineales del problema que definen el conjunto
de soluciones admisibles.
4. La función lineal que debe ser optimizada (minimizada o maximizada).
2
complejidad organizacional, los múltiples problemas generados por esta así
como la necesidad de encontrar la mejor forma de resolverlos, proporcionaron
el ambiente adecuado para el surgimiento de la Investigación de Operaciones
(IO).
Las raíces de la Investigación de Operaciones se remontan a muchas
décadas, cuando se hicieron los primeros intentos para emplear el método
científico en la administración de una empresa. Sin embargo, el surgimiento
formal de la actividad llamada Investigación de Operaciones, está relacionada
con los servicios militares prestados a principios de la segunda guerra
mundial. Debido a los esfuerzos bélicos, existía una necesidad urgente de
asignar recursos escasos a las distintas operaciones militares y a las
actividades dentro de cada operación, en la forma más efectiva. Por esto, las
administraciones militares americana e inglesa hicieron un llamado a un gran
número de científicos para que aplicaran el método científico a éste y a otros
problemas estratégicos y tácticos. De hecho, se les pidió que hicieran
investigación sobre operaciones (militares). Estos equipos de científicos
fueron los primeros equipos de IO. Con el desarrollo de métodos efectivos
para el uso del nuevo radar, estos equipos contribuyeron al triunfo del
combate aéreo inglés. A través de sus investigaciones para mejorar el manejo
de las operaciones antisubmarinas y de protección, jugaron también un papel
importante en la victoria de la batalla del Atlántico Norte.
Al terminar la guerra, el éxito de la Investigación de Operaciones en las
actividades bélicas generó un gran interés en sus aplicaciones fuera del
campo militar. Como la explosión industrial seguía su curso, los problemas
causados por el aumento en la complejidad y especialización dentro de las
organizaciones pasaron de nuevo a 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 IO durante la guerra, que
estos problemas eran básicamente los mismos que los enfrentados por la
milicia, pero en un contexto diferente. Así que los estudiosos de este nuevo
enfoque encontraron el ambiente propicio para extrapolar los principios
teórico – prácticos de la Investigación de Operaciones del ámbito de la milicia
al ámbito de las organizaciones, y cuando se habla de organizaciones nos
referimos a estas en su definición más amplia: empresas manufactureras,
refinerías, hospitales, universidades, hoteles, etc.
3
Es así como, cuando comienza la década de 1950, estos individuos
habían introducido el uso de la investigación de operaciones en la industria,
los negocios y el gobierno. Desde entonces, esta disciplina se ha desarrollado
con rapidez. Aunque se ha acreditado a Gran Bretaña el inicio de la
Investigación de Operaciones como una nueva disciplina, los Estados Unidos
tomaron pronto el liderazgo en este campo rápidamente creciente. La
primera técnica matemática ampliamente aceptada en el medio de
Investigación de Operaciones fue el Método Símplex de Programación
Lineal, desarrollado en 1947 por el matemático norteamericano George B.
Dantzig. Desde entonces las nuevas técnicas se han desarrollado gracias al
esfuerzo y cooperación de las personas interesadas tanto en el área
académica como en el área industrial.
Otro factor que dio gran empuje al desarrollo de este campo fue el
advenimiento de la computadoras. Para manejar de una manera efectiva los
complejos problemas inherentes a esta disciplina, por lo general se requiere
un gran número de cálculos. Llevarlos a cabo manualmente puede resultar
casi imposible. Por lo tanto, el desarrollo de la computadora, con su enorme
capacidad para realizar cálculos aritméticos, miles o tal vez millones de veces
más rápido que los seres humanos, fue una gran ayuda para la investigación
de operaciones. Un avance más tuvo lugar en la década de 1980 con el
desarrollo de las computadoras personales cada vez más rápidas,
acompañado de buenos paquetes de software para resolver problemas de IO,
esto puso las técnicas al alcance de un gran número de personas. Hoy en día,
literalmente millones de individuos tienen acceso a estos paquetes, lo que ha
generalizado el empleo de esta disciplina a las distintas empresas en todo el
mundo.
4
puede dar una decisiva ventaja al contrario en este mundo de alta
competencia.
La palpable dificultad de tomar decisiones ha hecho que el hombre
se aboque en la búsqueda de una herramienta o método que le permita
tomar las mejores decisiones de acuerdo a los recursos disponibles y a los
objetivos que persigue. Tal herramienta recibió el nombre de Investigación
de Operaciones.
Cuando nos referimos a la Investigación de Operaciones, es
importante resaltar los siguientes términos: organización, sistema, grupos
interdisciplinarios, objetivo y metodología científica.
Una organización puede entenderse como un sistema, en el cual
existen componentes; canales que comunican tales componentes e
información que fluye por dichos canales. En todo sistema los componentes
interactúan unos con otros y tales interacciones pueden ser controlables e
incontrolables. En un sistema grande, los componentes se relacionan de
muchas maneras, pero no todas son importantes, o mejor dicho, no todas
las interacciones tienen efectos importantes en las componentes del sistema
visto como un todo.
Por lo tanto es necesario que exista un procedimiento sistemático que
identifique a quienes toman decisiones y a las interacciones que tengan
importancia para los objetivos de la organización o sistema. Uno de esos
procedimientos es precisamente la Investigación de Operaciones.
La Investigación de Operaciones desde sus inicios siempre ha estado
ligada a aceptar el fenómeno de la complejidad en los distintos niveles
organizacionales, partiendo del paradigma sistémico para estudiar los
problemas organizacionales, por esta razón es fácil inferir que los problemas
que se presentan en las organizaciones no fácilmente se pueden resolver
por un sólo especialista. Por el contrario son problemas multidisciplinarios,
cuyo análisis y solución requieren de la participación de varios
“especialistas”. Estos grupos interdisciplinarios, multidisciplinarios y más
recientemente transdisciplinarios, necesariamente requieren de un lenguaje
común para poder entenderse y comunicarse, donde la Investigación de
Operaciones viene a ser ese puente de comunicación.
Ya se había mencionado que el enfoque de la Investigación de
Operaciones, es sistemático y científico, se dice que es científico puesto que
5
su concepción misma está inspirada en método científico. En particular, el
proceso de la Investigación de Operaciones comienza por la observación
cuidadosa y la formulación del problema y sigue con la construcción de un
modelo científico (por lo general matemático) que intenta abstraer la
esencia del problema real. En este punto se propone la hipótesis de que el
modelo es una representación lo suficientemente precisa de las
características esenciales de la situación real estudiada como para que las
conclusiones (soluciones) obtenidas a través del modelo sean válidas
también para el problema real. Esta hipótesis se verifica y modifica
mediante las pruebas adecuadas. Entonces, en cierto modo, la Investigación
de Operaciones incluye la investigación científica creativa de las
propiedades fundamentales de las operaciones. Sin embargo, existe más
que esto. En particular, la Investigación de Operaciones se ocupa también
de la administración práctica de la organización. Así, para tener éxito,
deberá también proporcionar conclusiones positivas y claras que pueda usar
el tomador de decisiones cuando las necesite.
La contribución del enfoque de Investigación de Operaciones proviene
principalmente de:
1. La estructuración de una situación de la vida real como un modelo
matemático, logrando una abstracción de los elementos esenciales para que
pueda buscarse una solución que concuerde con los objetivos del tomador
de decisiones. Esto implica tomar en cuenta el problema dentro del contexto
del sistema completo.
2. El análisis de la estructura de tales soluciones y el desarrollo de
procedimientos sistemáticos para obtenerlas.
3. El desarrollo de una solución, incluyendo la teoría matemática si es
necesario, que lleva al valor óptimo de la medida de lo que se espera del
sistema (o quizá que compare los cursos de acción opcionales evaluando
esta medida para cada uno).
6
La toma de decisiones es un proceso que se inicia cuando una persona
observa un problema y determina que es necesario resolverlo procediendo a
definirlo, a formular un objetivo, reconocer las limitaciones o restricciones, a
generar alternativas de solución y evaluarlas hasta seleccionar la que le
parece mejor entre el conjunto de alternativas factibles disponibles, este
proceso puede se cualitativo o cuantitativo.
El enfoque cualitativo se basa en la experiencia y el juicio personal, las
habilidades necesarias en este enfoque son inherentes en la persona y
aumentan con la práctica. En muchas ocasiones este proceso basta para
tomar buenas decisiones. El enfoque cuantitativo requiere habilidades que se
obtienen del estudio de herramientas matemáticas que le permitan a la
persona mejorar su efectividad en la toma de decisiones. Este enfoque es útil
cuando no se tiene experiencia con problemas similares o cuando el problema
es tan complejo o importante que requiere de un análisis exhaustivo para
tener mayor posibilidad de elegir la mejor solución.
La investigación de operaciones proporciona a los tomadores de
decisiones bases cuantitativas para seleccionar las mejores decisiones y
permite elevar su habilidad para hacer planes a futuro.
En el ambiente socioeconómico, complementado con el enorme auge
de las tecnologías de información y comunicación, hacen que el escenario de
los negocios hoy por hoy sean altamente competitivo y complejo, en ese
contexto los métodos tradicionales de toma de decisiones se han vuelto
inoperantes e inadmisibles ya que los responsables de dirigir las actividades
de las empresas e instituciones se enfrentan a situaciones complicadas,
inestables y cambiantes con rapidez, que requieren de soluciones creativas y
prácticas apoyadas en una base cuantitativa sólida.
En organizaciones grandes se hace necesario que el tomador de
decisiones tenga un conocimiento básico de las herramientas cuantitativas
que utilizan los especialistas para poder trabajar en forma estrecha con ellos y
ser receptivos a las soluciones y recomendaciones que se le presenten.
En organizaciones pequeñas puede darse que el tomador de decisiones
domine las herramientas cuantitativas y él mismo las aplique para apoyarse
en ellas y así tomar sus decisiones.
7
Como toda disciplina en desarrollo, la investigación de operaciones ha
ido evolucionando no sólo en sus técnicas y aplicaciones sino en la forma
como la conceptualizan los diferentes autores, en la actualidad no existe
solamente una definición sino muchas, algunas demasiado generales, otras
demasiado engañosas, aquí se han seleccionado algunas de las más
aceptadas y representativas.
Ladefinición de Churchman, Ackoff y Arnoff, plantean que la
Investigación de operaciones es la aplicación, por grupos interdisciplinarios,
del método científico a problemas relacionados con el control de las
organizaciones o sistemas (hombre-máquina), a fin de que se produzcan
soluciones que mejor sirvan a los objetivos de la organización.
De ésta definición se pueden destacar los siguientes aspectos:
1. Una organización es un sistema formado por componentes que
se interaccionan, unas de estas interacciones pueden ser controladas y
otras no.
2. En un sistema la información es una parte fundamental, ya que
entre las componentes fluye información que ocasiona la interacción entre
ellas. También dentro de la estructura de los sistemas se encuentran
recursos que generan interacciones. Los objetivos de la organización se
refieren a la eficacia y eficiencia con que las componentes pueden
controlarse, el control es un mecanismo de autocorrección del sistema que
permite evaluar los resultados en términos de los objetivos establecidos.
3. La complejidad de los problemas que se presentan en las
organizaciones ya no encajan en una sola disciplina del conocimiento, se
han convertido en multidisciplinario por lo cual para su análisis y solución
se requieren grupos compuestos por especialistas de diferentes áreas del
conocimiento que logran comunicarse con un lenguaje común.
4. La investigación de operaciones es la aplicación de la
metodología científica a través modelos matemáticos, primero para
representar al problema y luego para resolverlo.
La definición de la sociedad de investigación de operaciones de la
Gran Bretaña es la siguiente: La investigación de operaciones es el
abordaje de la ciencia moderna a los complejos problemas que surgen en la
dirección y en la administración de grandes sistemas de hombres,
máquinas, materiales y dinero, en la industria, en los negocios, en el
8
gobierno y en la defensa. Su actitud diferencial consiste en desarrollar un
modelo científico del sistema tal, que incorpore valoraciones de factores
como el azar y el riesgo y mediante el cual se predigan y comparen los
resultados de decisiones, estrategias o controles alternativos. Su propósito
es el de ayudar a la gerencia a determinar científicamente sus políticas y
acciones.
9
La Investigación de Operaciones también se puede definir como la
aplicación por grupos interdisciplinarios del método científico 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 toda la
organización, esto se logra a través del modelado de sistemas
probabilísticos o determinísticos a situaciones reales que se suceden en las
organizaciones.
10
La Investigación de Operaciones tiende a representar el problema
cuantitativamente para poder analizarlo y evaluar un criterio común.
11
Formulación de un modelo matemático: Una vez definido el
problema, la siguiente etapa consiste en formularlo de manera conveniente
para su análisis. La forma convencional en que la investigación de operaciones
realiza esto es construyendo un modelo matemático que represente la esencia
del problema. Antes de analizar como formular los modelos de este tipo, se
explorará la naturaleza general de los modelos y, en particular, la de los
modelos matemáticos.
El modelo matemático está constituido por relaciones matemáticas
(ecuaciones y desigualdades) establecidas en términos de variables, que
representa la esencia el problema que se pretende solucionar.
Para construir un modelo es necesario primero definir las variables en
función de las cuales será establecido. Luego, se procede a determinar
matemáticamente cada una de las dos partes que constituyen un modelo: a)
la medida de efectividad que permite conocer el nivel de logro de los objetivos
y generalmente es una función (ecuación) llamada función objetivo; b) las
limitantes del problema llamadas restricciones que son un conjunto de
igualdades o desigualdades que constituyen las barreras y obstáculos para la
consecución del objetivo.
Un modelo siempre debe ser menos complejo que el problema real, es
una aproximación abstracta de la realidad con consideraciones y
simplificaciones que hacen más manejable el problema y permiten evaluar
eficientemente las alternativas de solución.
Los modelos matemáticos tienen muchas ventajas sobre una
descripción verbal del problema. Una ventaja obvia es que el modelo
matemático describe un problema en forma mucho más concisa. Esto tiende a
hacer que toda la estructura del problema sea más comprensible y ayude a
revelar las relaciones importantes entre causa y efecto. Es decir, existen
obstáculos que deben evitarse al usar modelos matemáticos. Un modelo es,
necesariamente, una idealización abstracta del problema, por lo que casi
siempre se requieren aproximaciones y suposiciones de simplificación si se
quiere que el modelo sea manejable (susceptible de ser resuelto).
12
con el propósito 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 selección del método de solución depende de las características del
modelo. Muchos de los procedimientos de solución tienen la característica de
ser iterativos, es decir buscan la solución en base a la repetición de la misma
regla analítica hasta llegar a ella, si la hay, o cuando menos a una
aproximación.
13
Un enfoque bastante sistemático y usual para la prueba del modelo es
emplear una prueba retrospectiva. Cuando es aplicable, esta prueba utiliza
datos históricos y reconstruye el pasado para determinar si el modelo y la
solución resultante hubieran tenido un buen desempeño, de haberse usado.
La comparación de la efectividad de este desempeño hipotético con lo que en
realidad ocurrió, indica si el uso del modelo tiende a dar mejoras significativas
sobre la práctica actual. Puede también indicar áreas en las que el modelo
tiene fallas y requiere modificaciones. Lo que es más, el emplear las
alternativas de solución y estimar sus desempeños históricos hipotéticos, se
pueden reunir evidencias en cuanto a lo bien que el modelo predice los
efectos relativos de los diferentes cursos de acción.
Cuando se determina que el modelo y la solución no son válidos, es
necesario iniciar nuevamente el proceso revisando cada una de las fases de la
metodología de la investigación de operaciones.
14
También proporciona a la administración el sentimiento de que el estudio es
suyo y esto facilita el apoyo para la implantación.
La etapa de implantación incluye varios pasos. Primero, el equipo de
investigación de operaciones de una cuidadosa explicación a la gerencia
operativa sobre el nuevo sistema que se va a adoptar y su relación con la
realidad operativa. En seguida, estos dos grupos comparten la responsabilidad
de desarrollar los procedimientos requeridos para poner este sistema en
operación. La gerencia operativa se encarga después de dar una capacitación
detallada al personal que participa, y se inicia entonces el nuevo curso de
acción. Si tiene éxito, el nuevo sistema se podrá emplear durante algunos
años. Con esto en mente, el equipo de IO supervisa la experiencia inicial con
la acción tomada para identificar cualquier modificación que tenga que
hacerse en el futuro.
A la culminación del estudio, es apropiado que el equipo de
investigación de operaciones documente su metodología con suficiente
claridad y detalle para que el trabajo sea reproducible. Poder obtener una
réplica debe ser parte del código de ética profesional del investigador de
operaciones.
15
investigación de operaciones.) En particular, el proceso comienza por la
observación cuidadosa y la formulación del problema incluyendo la recolección
de los datos pertinentes. El siguiente paso es la construcción de un modelo
científico (por lo general matemático) que intenta abstraer la esencia del
problema real. En este punto se propone la hipótesis de que el modelo es una
representación lo suficientemente precisa de las características esenciales de
la situación como para que las conclusiones (soluciones) obtenidas sean
válidas también para el problema real. Después, se llevan a cabo los
experimentos adecuados para probar esta hipótesis, modificarla si es
necesario y eventualmente verificarla. (Con frecuencia este paso se conoce
como validación del modelo.) Entonces, en cierto modo, la investigación e
operaciones incluye la investigación científica creativa de las propiedades
fundamentales de las operaciones. Sin embargo, existe más que esto. En
particular, la IO se ocupa también de la administración práctica de la
organización. Así, para tener éxito, deberá también proporcionar conclusiones
claras que pueda usar el tomador de decisiones cuando las necesite.
Una característica más de la investigación de operaciones es su amplio
punto de vista. Como se ha planteado ya anteriormente, la IO adopta un
punto de vista organizacional, de esta manera, intenta resolver los conflictos
de intereses entre las componentes de la organización de forma que el
resultado sea el mejor para la organización completa. Esto no significa que el
estudio de cada problema deba considerar en forma explícita todos los
aspectos de la organización sino que los objetivos que se buscan deben ser
consistentes con los de toda ella.
Una característica adicional es que la investigación de operaciones
intenta encontrar una mejor solución, (llamada solución óptima) para el
problema bajo consideración. (Decimos una mejor solución y no la mejor
solución porque pueden existir muchas soluciones que empaten como la
mejor.) En lugar de contentarse con mejorar el estado de las cosas, la meta
es identificar el mejor curso de acción posible. Aun cuando debe interpretarse
con todo cuidado en términos de las necesidades reales de la administración,
esta "búsqueda de la optimidad" es un aspecto importante dentro de la
investigación de operaciones.
Todas estas características llevan de una manera casi natural a otra. Es
evidente que no puede esperarse que un solo individuo sea un experto en
16
todos lo múltiples aspectos del trabajo de investigación de operaciones o de
los problemas que se estudian; se requiere un grupo de individuos con
diversos antecedentes y habilidades. Entonces, cuando se va a emprender un
estudio de investigación de operaciones completo de un nuevo problema, por
lo general es necesario emplear el empleo de equipo. Este debe incluir
individuos con antecedentes firmes en matemáticas, estadística y teoría de
probabilidades, al igual que en economía, administración de empresas,
ciencias de la computación, ingeniería, ciencias físicas, ciencias del
comportamiento y, por supuesto, en las técnicas especiales de investigación
de operaciones. El equipo también necesita tener la experiencia y las
habilidades necesarias para permitir la consideración adecuada de todas las
ramificaciones del problema a través de la organización.
La investigación de operaciones ha tenido un impacto impresionante en
el mejoramiento de la eficiencia de numerosas organizaciones en todo el
mundo. En el proceso, la investigación de operaciones ha hecho
contribuciones significativas al incremento de la productividad dentro de la
economía de varios países. Hay ahora más de 30 países que son miembros de
la International Federation of Operational Research Societies (IFORS), en la
que cada país cuenta con una sociedad de investigación de operaciones.
Sin duda, el impacto de la investigación de operaciones continuará
aumentando. Por ejemplo, al inicio de la década de los 90, el U.S. Bureau of
Labor Statistics predijo que la IO sería el área profesional clasificada como la
tercera de más rápido crecimiento para los estudiantes universitarios en
Estados Unidos, graduados entre 1990 y 2005. Pronosticó también que, para
el año 2005, habría 100 000 personas trabajando como analistas de
investigación de operaciones.
17
De la misma manera la Investigación de Operaciones es considerada,
ella misma como una herramienta al servicio de otras disciplinas. Es bien
conocido que la Administración de Negocios se ha estado beneficiando
enormemente de la Investigación de Operaciones ahora que se ha iniciado
toda una revolución con el uso de Planificación Estratégica, Reingeniería y
los programas de Calidad Total, para mencionar algunos.
A continuación presentamos una lista, no exhaustiva, de diferentes
tipos de modelos que se podrían considerar como herramientas de la
Investigación de Operaciones, sugerimos al lector revisarla y compararla
con los contenidos de libros clásicos de I.O:
1. Modelos gráficos de programación lineal.
2. Modelos algebraicos de programación lineal.
3. Redes y programación lineal para transporte.
4. Modelos de toma de decisión en condiciones de incertidumbre.
5. Modelos de toma de decisión en condiciones de certeza.
6. Modelos Bayesianos.
7. Procesos estocásticos con cadenas de Markov.
8. Líneas de espera (Teoría de colas).
9. Modelos de optimización con redes para la planeación, ejecución
y control de proyectos.
10. Cadenas de Markov para el reemplazo de activos fijos.
11. Modelos de inventarios determinísticos.
12. Modelos de inventarios probabilísticos.
13. Modelos de programación dinámica y teoría de juegos.
14. Modelos de simulación para la obtención de información experta.
15. Modelos heurísticos de autoaprendizaje y autocorrección.
Modelos
Un modelo de decisión debe considerarse como un vehículo para
resumir un problema de decisión en forma tal que haga posible la
identificación y evaluación sistemática de todas las alternativas de decisión
del problema. Después se llega a una decisión seleccionando la alternativa
que se juzgue sea la mejor entre todas las opciones disponibles.
18
Una definición simple pero que toma la esencia de lo que es un
Modelo, es que éste es una abstracción selectiva de la realidad. Es decir que
un modelo es una representación que idealiza simplifica y abstrae la
realidad. En otras palabras podemos decir que un modelo es producto de
una abstracción de un sistema real, en el cual se eliminan las complejidades
y se hacen suposiciones pertinentes, llevando al mismo tiempo aplicaciones
de técnicas matemáticas, lo que conlleva a la obtención de una
representación simbólica del mismo, tal como se muestra en la siguiente
figura.
Modelos de Decisión
El modelo de decisión debe contener tres elementos:
Alternativas de decisión, de las cuales se hace una
selección.
Restricciones, para excluir alternativas infactibles.
Criterios para evaluar y clasificar alternativas factibles.
Modelos Matemáticos
19
Se emplea cuando la función objetivo y las restricciones del modelo
se pueden expresar en forma cuantitativa o matemática como funciones de
las variables de decisión.
Modelos de Simulación
Los modelos de simulación difieren de los matemáticos en que las
relación entre la entrada y la salida no se indican en forma explícita. En
cambio, un modelo de simulación divide el sistema representado en
módulos básicos estructurados que después se enlazan entre si vía
relaciones lógicas bien definidas. Por lo tanto, las operaciones de cálculos
pasarán de un módulo a otro hasta que se obtenga un resultado de salida.
Los modelos de simulación cuando se comparan con modelos
matemáticos; ofrecen mayor flexibilidad al representar sistemas complejos,
pero esta flexibilidad no está libre de inconvenientes. La elaboración de
este modelo suele ser costoso en tiempo y recursos.
20
Un modelo matemático comprende principalmente tres conjuntos
básicos de elementos. Estos son: 1) variables y parámetros de decisión, 2)
restricciones y 3) función objetivo.
1. Variables y parámetros de decisión. Las variables de
decisión son las incógnitas (o decisiones) que deben determinarse
resolviendo el modelo. Los parámetros son los valores conocidos que
relacionan las variables de decisión con las restricciones y función
objetivo. Los parámetros del modelo pueden ser determinísticos o
probabilísticos.
2. Restricciones. Para tener en cuenta las limitaciones
tecnológicas, económicas y otras del sistema, el modelo debe incluir
restricciones (implícitas o explícitas) que restrinjan los valores de las
variables de decisión a un rango de valores factibles.
3. Función objetivo. La función objetivo define la medida de
efectividad del sistema como una función matemática de las variables
de decisión.
21
Después, los niveles de actividad elegidos dictan la cantidad de cada recurso
que consumirá cada una de ellas. La variedad de situaciones a las que se
puede aplicar esta descripción es sin duda muy grande, y va desde la
asignación de instalaciones de producción a los productos, hasta la asignación
de los recursos nacionales a las necesidades de un país; desde la selección de
una cartera de inversiones, hasta la selección de los patrones de envío; desde
la planeación agrícola, hasta el diseño de una terapia de radiación, etc. No
obstante, el ingrediente común de todas estas situaciones es la necesidad de
asignar recursos a las actividades eligiendo los niveles de las mismas.
La programación lineal utiliza un modelo matemático para describir el
problema. El adjetivo lineal significa que todas las funciones matemáticas del
modelo deber ser funciones lineales. En este caso, las palabra programación
no se refiere a programación en computadoras; en esencia es un sinónimo de
planeación. Así, la programación lineal trata la planeación de las actividades
para obtener un resultado óptimo, esto es, el resultado que mejor alcance la
meta especificada (según el modelo matemático) entre todas las alternativas
de solución.
Aunque la asignación de recursos a las actividades es la aplicación más
frecuente, la programación lineal tiene muchas otras posibilidades, de hecho,
cualquier problema cuyo modelo matemático se ajuste al formato general del
modelo de programación lineal es un problema de programación lineal. Aún
más, se dispone de un procedimiento de solución extraordinariamente
eficiente llamado método simplex, para resolver estos problemas, incluso los
de gran tamaño. Estas son algunas causas del tremendo auge de la
programación lineal en las últimas décadas.
Los términos clave en los Modelos de Programación Lineal son recursos
y actividades. Algunos ejemplos de recursos son dinero y tipos especiales de
maquinaria, equipo, vehículos y personal. Los ejemplos de actividades
incluyen inversión en proyectos específicos, publicidad en un medio
determinado y el envío de bienes de cierta fuente a cierto destino. En
cualquier aplicación de programación lineal, puede ser que todas las
actividades sean de un tipo general (como cualquiera de los ejemplos), y
entonces cada una correspondería en forma individual a las alternativas
específicas dentro de esta categoría general.
22
El tipo más usual de aplicación de programación lineal involucra la
asignación de recursos a ciertas actividades. La cantidad disponible de cada
recurso está limitada, de forma que deben asignarse con todo cuidado. La
determinación de esta asignación incluye elegir los niveles de las actividades
que lograrán el mejor valor posible de la medida global de efectividad.
23
solución. En el apartado siguiente veremos como se determina la
región factible.
• La solución óptima del problema será un par de valores
(x0, y0) del conjunto factible que haga que f(x,y) tome el valor
máximo o mínimo.
24
un Modelo Mental) leyendo detenidamente una y otra vez el enunciado del
problema. Mientras trata de comprender el problema, formúlese las
siguientes preguntas generales:
1. ¿Cuáles son las variables de decisión? Es decir, ¿cuáles
son las entradas controlables? Defina las variables de decisión con
precisión utilizando nombres descriptivos. Recuerde que las entradas
controlables también se conocen como actividades controlables,
variables de decisión y actividades de decisión.
2. Cuáles son los parámetros? Vale decir ¿cuáles son las
entradas no controlables? Por lo general, son los valores numéricos
constantes dados. Defina los parámetros con precisión utilizando
nombres descriptivos.
3. ¿Cuál es el objetivo? ¿Cuál es la función objetivo? Es
decir, ¿qué quiere el dueño del problema? ¿De qué manera se
relaciona el objetivo con las variables de decisión del dueño del
problema? ¿Es un problema de maximización o minimización? El
objetivo debe representar la meta del decisor.
4. ¿Cuáles son las restricciones? Es decir, ¿qué
requerimientos se deben cumplir? ¿Debería utilizar un tipo de
restricción de desigualdad o igualdad? ¿Cuáles son las conexiones
entre las variables? Escríbalas con palabras antes de volcarlas en
forma matemática.
Recuerde que la región factible tiene poco o nada que ver con la
función objetivo (minim. o maxim.). Estas dos partes en cualquier
formulación de PL generalmente provienen de dos fuentes distintas. La
función objetivo se establece para cumplir con el deseo (objetivo) del
decisor mientras que las restricciones que forman la región factible
generalmente provienen del entorno del decisor que fija algunas
limitaciones / condiciones para lograr su objetivo.
25
pueden variar. El primer ejemplo es un problema de mix de productos y el
segundo es un problema de mezcla.
Maximizar 5 X1 + 3 X2
26
Sujeta a:
2 X1 + X2 <= 40 restricción de mano de obra
X1 + 2 X2 <= 50 restricción de materiales
27
minutos de trabajo y $8 de insumos. Una regulación toma una hora de
trabajo y gasta $15 en insumos. LUBEOIL paga a los mecánicos $10 por
hora de trabajo y emplea actualmente a dos de ellos, cada uno de los
cuales labora 40 horas por semana. Las compras de insumos no pueden
alcanzar un valor mayor de $1.750 semanales. LUBEOIL desea maximizar
el beneficio total. Formule el problema.
Esto es una pregunta de programación linear. Una porción de un
cambio del aceite o del ajuste no es factible.
Sujeta a:
X1 >= 30 Cuenta De la Flota
20X1 + 60X2 <= 4800 Tiempo de Trabajo
8X1 + 15X2 <= 1750 Costo de Materias Primas
X1 >=0, X2 >= 0.
28
independientemente de cuantas computadoras Desktop se producen. Este
es un Supuesto de Adición.
Análogamente, ya que cada restricción es lineal, la
contribución de cada variable al lado izquierdo de cada restricción es
proporcional al valor de la variable e independiente de los valores de
cualquier ora variable.
Estas suposiciones son bastante restrictivas. Veremos, sin
embargo, que ser claros y precisos en la formulación del modelo puede
ayudar a manejar situaciones que parecen en un comienzo como lejanos a
estos supuestos.
El siguiente supuesto es la Suposición de ser Divisible. Es
posible tomar una fracción de cualquier variable. Por ejemplo, en un
problema de marketing, qué significa comprar 2.67 avisos en la televisión?.
Es posible que la suposición de ser divisible sea insatisfecha en este
ejemplo. O puede ser que tales unidades de 2.67 avisos correspondan a
2,666.7 minutos de avisos, en cuyo caso redondeando la solución serían
2,667 minutos con una mínima duda que esté cercana a la solución óptima.
Si la suposición de divisible no es válida, entonces se usará la técnica de
Programación Lineal Entera.
La última suposición es el Supuesto de Certeza. La
Programación Lineal no permite incertidumbre en los valores.
Será difícil que un problema cumpla con todas las
suposiciones de manera exacta. Pero esto no negará la factibilidad de uso
del modelo. Un modelo puede ser aún útil aunque difiera de la realidad, si
se es consistente con los requerimientos más estrictos dentro del modelo y
se tiene claras sus limitaciones al interpretar los resultados.
29
conocer todas las compras posibles que pueden realizarse (éstas serían las
variables), además de cada restricción como sabor, número de comidas,
vitaminas y proteínas. Es obvio que el costo de obtener todos estos datos
excede lo que se podría ahorrar si se hicieran las compras óptimas. Antes
de emprender una aplicación de PL, debe considerarse la disponibilidad y el
costo de los datos necesarios.
30
Solución:
Identificación de las variables de decisión.
Como cada libra de Airtex produce una ganancia de $7, A libras de Airtex
produce $7 A. De manera similar, Extendex y Resistex contribuyen con $7E
y $6R, respectivamente, a la ganancia total. En términos de las variables de
decisión y de los datos de ganancia, la función objetivo es:
Maximizar 7A+7E+6R
31
3. Restricciones lógicas para especificar que todas las cantidades de
producción son no negativas.
RESTRICCIONES DE RECURSOS
Este grupo consiste en cuatro restricciones: una para cada uno de los
tres polímeros y una para la base. Para la disponibilidad limitada de 500
libras del polímero A:
4 A + 3 E + 6 R ≤ 500
32
unidades de cualquier lada a las del otro lado. Por ejemplo, al convertir las
500 libras disponibles del polímero A a 800 onzas (1 libra es igual a 16
onzas) se obtiene la siguiente restricción:
4 A + 3 E + 6 R ≤ 8000 (polímero A)
Siguiendo una lógica similar para los tres resultados de recursos restantes
en estas restricciones:
2 A + 2 E + 3 R ≤ 6800 (polímero B)
4 A + 2 E + 5 R ≤ 10400 (polímero C)
6 A + 9 E + 2 R ≤ 17600 (base)
RESTRICCIONES DE DEMANDA
Este grupo consiste en tres restricciones: una para el requerimiento mínimo
sobre la cantidad de cada uno de los tres productos. Estas restricciones son
A ≥ 1000 (Airtex)
E ≥ 500 (Extendex)
R ≥ 400 (Resistex)
RESTRICCIONES LÓGICAS
Como todas las cantidades de producción deben ser no negativas, se
necesitan las siguientes restricciones lógicas:
A, E, R ≥ 0
Formulación completa y solución del problema de mezcla de
productos de BlubberMaid, Inc.
Maximizar 7A+7E+6R
Dependiendo de
33
RESTRICCIONES DE RECURSOS
A ≥ 1000 (Airtex)
E ≥ 500 (Extendex)
R ≥ 400 (Resistex)
RESTRICCIONES LÓGICAS
A E R ≥ 0
Maximizar 7A+7E+6R
Dependiendo de
RESTRICCIONES DE RECURSOS
A ≥ 1000 (Airtex)
E ≥ 500 (Extendex)
R ≥ 400 (Resistex)
RESTRICCIONES LÓGICAS
A E R ≥ 0
34
MTV Steel Company produce tres tamaños de tubos: A, B y C, que son
vendidos, respectivamente en $10, $12 y $9 por pie. Para fabricar cada pie
del tubo A se requieren 0.5 minutos de tiempo de procesamiento sobre un
tipo particular de máquina de modelado. Cada pie del tubo B requiere 0.45
minutos y cada pie del tubo C requiere 0.6 minutos. Después de la
producción, cada pie de tubo, sin importar el tipo, requiere 1 onza de
material de soldar. El costo total se estima en $3, $4 y $4 por pie de los
tubos A, B y C, respectivamente.
Para la siguiente semana, MTV Steel ha recibido pedidos excepcionalmente
grandes que totalizan 2000 pies del tubo A, 4000 pies del tubo B y 5000
pies del tubo C. Como sólo se disponen de 40 horas de tiempo de máquina
esta semana y sólo se tienen en inventario 5500 onzas de material de
soldar, el departamento de producción no podrá satisfacer esta demanda,
que requiere un total de 97 horas de tiempo de máquina y 11000 onzas de
material de soldar.
No se espera que continúe este alto nivel de demanda. En vez de expandir
la capacidad de las instalaciones de producción, la gerencia de MTV Steel
está considerando la compra de algunos de estos tubos a pro-veedores de
Japón a un costo de entrega de $6 por pie del tubo A, $6 por pie del tubo B
y $7 por pie del tubo C. Estos diversos datos se resumen en la tabla 2.
Como gerente del departamento de producción, se le ha pedido hacer
recomendaciones respecto a la cantidad de producción de cada tipo de tubo
y la cantidad de compra a Japón para satisfacer la demanda y maximizar las
ganancias de la compañía.
Solución:
35
En este problema, tiene libertad para elegir cuántos pies de cada tipo de
tubo producir y cuántos pies comprar a Japón. Esto da como resultado las
siguientes seis variables de decisión:
36
Ganancias de los productos comprados a Japón= 4 AJ+ 6 BJ+ 2
CJ
Como esperaría, cada pie de tubo producido tiene como resultado una
ganancia más alta que cada pie de tubo comprado del proveedor externo.
La combinación de estos dos componentes de ganancia resulta en la
siguiente función objetivo global:
Recuerde de la tabla 2 que cada pie del tubo A requiere 0.5 minutos de
tiempo de máquina. Por tanto, para producir AP pies se requiere 0.5AP
minutos. De manera análoga, cada pie de tubo B requiere 0.45 minutos y
cada pie de tubo C requiere 0.6 minutos. La restricción es:
37
El material para soldar total no debe exceder las 5500 onzas
Aplicando la descomposición:
RESTRICCIONES LÓGICAS
La única restricción lógica en este problema es que todas las variables
deben ser no negativas.
38
Formulación completa y solución del problema de fabricación o
compra de MTV Steel Company
Una vez que se unen todas las piezas, da por resultado el modelo de
programación lineal siguiente para el problema de MTV Steel Company:
RESTRICCIONES DE DEMANDA
AP + AJ = 2000 (demanda del
tipo A)
BP + BJ = 4000 (demanda del
tipo B)
CP +CJ = 5500 (demanda del
tipo C)
RESTRICCIONES DE RECURSOS
RESTRICCIONES LÓGICAS
AP , BP , CP , AJ , BJ , CJ ≥ 0
39
Con una ganancia neta de $55000. En otras palabras, MTV Steel debería
producir 2000 pies de tubo de tipo A y 2333.333 pies de tubo C e importar
4000 pies de tubo de tipo B y 2666.667 pies de tubo de tipo C de Japón.
NUTRIENTE (mg/100g)
PROTEÍNAS HIERRO TIACINA TIAMINA VITAMINA C GRASA
Espagueti 5000 1.1 1.4 0.18 0.0 5000
Pavo 29300 1.8 5.4 0.06 0.0 5000
Papas 5300 0.5 0.9 0.06 10.0 7900
Espinacas 3000 2.2 0.5 0.07 28.0 300
Pastel de manzana 4000 1.2 0.6 0.15 3.0 14300
Solución:
40
En este problema, usted puede controlar la cantidad de cada uno de los
cinco alimentos que incluir en la comida, lo que lo lleva a definir las
siguientes cinco variables:
41
1. Restricciones de nutrientes para asegurar que la comida proporciona
la cantidad mínima de cada nutriente.
2. Restricciones de límite para asegurar que no se incluya demasiada
cantidad de un tipo de comida (por ejemplo, solicitar a un paciente
que coma 1000 gramos de espinacas).
3. Restricciones lógicas para asegurar que todas las variables sean no
negativas.
REQUERIMIENTOS DE NUTRIENTES
Este grupo consiste en cinco restricciones, una para asegurar la cantidad
mínima de cada uno de los cinco nutrientes. Considere el requerimiento de
proteínas:
42
Usando las siguientes cuatro columnas de datos de la tabla 3 obtenemos las
siguientes restricciones similares para cada uno de los siguientes cuatro
nutrientes:
RESTRICCIONES DE LÍMITE
Estas restricciones limitan la cantidad máxima de cada tipo de alimento en
la comida. Teniendo en mente que las unidades de las variables están en
cientos de gramos, surgen las siguientes restricciones de límite:
SPAG ≤ 3
PAVO ≤ 3
PAPA ≤ 2
SPIN ≤ 1
MANZ ≤ 1
RESTRICCIONES LÓGICAS
La única restricción lógica en este problema es que todas las variables son
no negativas.
Minimizar
5000SPAG+ 5000PAVO+ 7900PAPA+ 300SPIN+
14300MANZ
43
Dependiendo de
REQUERIMIENTOS DE NUTRIENTES
5000SPAG+ 29300PAVO+ 5300PAPA+ 3000SPIN+ 4000MANZ ≥ 63000
(proteínas)
1.1SPAG+ 1.8PAVO+ 0.5PAPA+ 2.2SPIN+ 1.2MANZ ≥ 10
(hierro)
1.4SPAG+ 5.4PAVO+ 0.9PAPA+ 0.5SPIN+ 0.6MANZ ≥ 15
(niacina)
0.18SPAG+ 0.06PAVO+ 0.06PAPA+ 0.07SPIN+ 0.15MANZ ≥ 1
(tiamina)
10PAPA+ 28SPIN+ 3MANZ ≥
50 (vitamina C)
SPAG ≤
3
PAVO ≤
3
PAPA ≤
2
SPIN ≤
1
MANZ ≤
1
RESTRICCIONES LÓGICAS
44
Con un contenido de grasa de 54800 miligramos. En otras palabras, la
comida debería consistir en 300 gramos de espagueti, 283.3 gramos de
pavo, 200 gramos de papas, 100 gramos de espinacas y 66.7 gramos de
pastel de manzana.
FONDO
1 2 3 4 5 6
Precio ($/acción) 45 76 110 17 23 22
Devolución esperada (%) 30 20 15 12 10 7
Categoría de riesgo Alto Alto Alto Mediano Mediano Bajo
45
Con estas pautas, ¿qué cartera debería usted, gerente de cartera,
recomendar para maximizar la tasa esperada de retorno?
Solución:
En este problema, usted puede controlar cuánto invertir en cada uno de los
seis fondos mutuos, dando así origen a seis variables de decisión. Como
siempre, debe especificar las unidades asociadas con cada variable. Por
ejemplo, para el fondo 1, podría definir cualquiera de las siguientes
variables:
46
F1 + F2 + F3 ≥ 0.50 (mínimo en alto
riesgo)
F1 + F2 + F3 ≥ 0.75 (máximo en alto
riesgo)
47
F4+ F5 ≥ 0.30 (máximo en mediano
riesgo)
F6 ≥ 0.05 (mínimo en bajo riesgo)
RESTRICCIONES DE DIVERSIFICACIÓN
RESTRICCIONES LÓGICAS
F1 + F2 + F3 + F4 + F5 + F6 = 1.0 (cartera
total)
F1 + F2 + F3 + F4 + F5 + F6 ≥ 0
48
con una tasa de rendimiento esperado de 16. 86% (o $ 168 600).
Recuerde que las variables de decisión se definen como la fracción de la
cartera a invertir, en vez de la cantidad de dólares. Este enfoque tiene una
ventaja clara. Si la cantidad de dólares de la cartera cambia, un evento
probable, el modelo actual permanece inalterado. Simplemente necesita
multiplicar las fracciones obtenidas en la solución anterior por el nuevo
tamaño de la cartera para determinar las nuevas cantidades a invertir en
cada uno de los seis fondos.
49
Como gerente de producción, determine un plan de mezclado que produzca
una gasolina aceptable al mínimo costo.
Aplicando la descomposición,
50
Sin embargo, de la restricción de producción anterior, la cantidad total de la
mezcla es precisamente 1 galón, así que lo único que se necesita calcular es
la cantidad de azufre en la mezcla. Aplicando la descomposición,
51
0.025 A1 + 0.02 A2 ≥ 0.0025 (límite inferior en fósforo)
RESTRICCIONES DE PRODUCIÓN
52
A1 + A2 ≤ 0.19 (límite superior en
aditivos)
RESTRICCIÓN LÓGICA
XM , XN , XT , A1 , A2 ≥ 0
La solución óptima a este problema, que resulta de usar cualquier paquete
de software de programación lineal, es
XM = 0.0000
XN = 1.3750
XT = 0.8667
A1 = 0.1400
A2 = 0.0500
con una valor de función objetivo de 0.94945. En otras palabras, cada galón
de producto final se fabrica mezclando y procesando 1.3750 galones de
petróleo crudo de Nuevo México y 0.8667 de galón de petróleo crudo de
Texas con 0.14 de galón de aditivo 1 y 0.05 de galón de aditivo 2, a un
costo total de 94.945 centavos.
53
necesita en un mes determinado y que almacene el exceso. La capacidad de
producción, sin embargo, no puede exceder las 4000 toneladas en ningún
mes. La producción mensual se termina al final del mes, cuando la demanda
se satisface. Cualquier acero remanente se almacena en inventario a un
costo de $120 por tonelada por cada mes que permanece allí. Estos datos
se resumen en la tabla 6
MES
1 2 3 4
Demanda (tons) 2400 2200 2700 2500
Costo de producción ($/ton) 7400 7500 7600 7650
Costo de inventario
($/ton/mes) 120 120 120 120
Solución:
Identificación de las variables de decisión
54
X4 = el número de toneladas de acero por producir durante el mes 4
A primera vista, usted podría pensar que éstas son todas las variables que
se requieren. Con estas variables, siempre puede determinar la cantidad en
inventario. Por ejemplo, del diagrama esquemático de la figura 1, el
inventario al final del primer mes es
55
I5 = inventario en toneladas al principio del mes 5
COSTOS DE PRODUCCIÓN
Aplicando nuevamente la descomposición se identifican los costos de
producción como la suma de los costos de producción en cada uno de los 4
meses. Usando las variables de producción X1, X2, X3, X4, junto con los
costos de producción por toneladas de la tabla 6, llegamos a
COSTOS DE INVENTARIO
Una descomposición similar produce un costo de inventario total como la
suma de los costos de inventario durante cada uno de los cuatro meses.
Como los niveles de inventario cambian solamente al final del mes, todos
los inventarios al principio del mes incurren en un costo de $120 por
tonelada para ese mes. Usando las variables I1, I2, I3, I4 llegamos a
56
Para determinar los costos del cambio en la producción de un mes al
siguiente, trabaje con un ejemplo específico en el que, digamos X1 = 100 y
X2 = 300. En este caso, existe un incremento de 300 – 100 = 200
toneladas de acero del mes 1 al mes 2. Por tanto, a un costo de $50 por
tonelada de incremento,
Costo del cambio en la producción = (300 – 100) * 50 = $10 000
Usando este ejemplo, podría escribir la siguiente expresión general:
Sin embargo, ¿qué sucede si X1=300 y X2=100? Esto es, ¿qué pasa si el
nivel de producción disminuye? En este caso, la expresión anterior resulta
en un costo de (100 – 300) * 50= -$10 000, es decir, una ganancia de $10
000, que no tiene sentido. En vez de esto, a un costo de $30 por tonelada
de decremento, la expresión correcta es
57
Una forma de abordar esto es creando variables de decisión adicionales
cuyos valores son precisamente las cantidades de producción incrementada
y decrementada de un mes al siguiente. Esto es,
58
La combinación de los tres componentes de costo da como resultado la
siguiente función objetivo global:
59
Como I1 e I5 representan los inventarios inicial y final al principio y final del
período de planeación de 4 meses, respectivamente, estas restricciones
son:
60
Bibliografía
Anderson, D.; Sweeney, D.; Williams, T. (2004). Métodos cuantitativos para los
negocios. México. Editorial Thomson.
Eppen, G.; Gould, F. J.; Moore, J.; Schmidt. C.; Weatherford, L. (1998). Investigación
de Operaciones en la Ciencia Administrativa. México. Editorial Prentice Hall
61