El método simplex , fue creado en el año de 1947 por el matemático George

Dantzing, con el fin de resolver problemas de programación lineal

1. PRIMEROS 50 AÑOS DE LA INVESTIGACIÓN DE OPERACIONES Proyecto

SCOOP1947 Primeros cursos sobre IO 1948 Primer ciclo de conferencias “University
College of London” 1949 Primera Conferencia sobre IO en la industria. 1951 Scientific
Computation Of Optima Programs Método simplex, inicio a la Programación Lineal. G.
B. Dantzig Método simplex :método más conocido de resolución de problemas de
programación lineal. La Investigación Operativa tarda en desarrollarse en el campo de
la administración industrial. El uso de la metodología científica en la industria se
incorpora al principiar los años 50, a partir de la 2da Revolución Industrial, propiciada
por los avances de las Comunicaciones, y la Computación. 06/09/2013 ALEJANDRA
ALTAMIRANO 3
2. 4. PRIMEROS 50 AÑOS DE LA INVESTIGACIÓN DE OPERACIONES Fundación de
ORSA1952 Fundación de TIMS, ORS en Inglaterra 1954 Primeros Doctores de
IO1957 Primeros resultados en Programación Lineal Entera 1960 06/09/2013
ALEJANDRA ALTAMIRANO 4
En 1947, el matemático George Dantzig desarrolla un algoritmo para la solución eficiente de
problemas de programación lineal, esta herramienta se conoce como el método símplex. Su
implementación inicial se registra en el ordenador UNIVAC para la solución de problemas lineales
grandes.

También hay que resaltar los trabajos de Markowitz (año 1957) en el marco de la simulación y la
programación discreta, los cuales tienen bastante aplicación hoy en día con el uso de los sistemas
computacionales.

Para el 1958, se registran los aportes de Bellman Richard en cuanto a la programación dinámica.
En donde por la cantidad de escenarios que plantean estos problemas ya no es posible utilizar de
forma directa la programación lineal que conocemos. También en ese mismo año, aparecen los
estudios de Gomory relacionados con la programación entera.

En su mayoría, las herramientas para la solución de problemas de IO, tales como programación
lineal, programación entera, programación dinámica, teoría de inventarios, método de transporte,
teoría de cola fueron desarrolladas entre los años 1950 y 1960. Sin embargo, hay que reconocer
que los avances de la tecnología a través del uso de la computadora han impulsado la creación de
paquetes de software que facilitan la solución de problemas grandes que requieren un gran
número de cálculos e iteraciones.
 La Investigación de Operaciones (IO) es una rama de las matemáticas que emplea modelos
matemáticos y algoritmos con el objetivo de sustentar el proceso de toma de decisión, cuyas
mayores aplicaciones se encuentran dentro de la industria y los negocios a través de la Ingeniería
Industrial. La IO permite de manera sistemática obtener soluciones más eficientes, ya sea para
lograr mayores beneficios, ahorros en la utilización del tiempo y/o recursos, u obtener menores
costos, que los que se obtendrían si las decisiones se toman por intuición o basados simplemente
en consideraciones particulares sin previo análisis.

Principales aplicaciones de la investigación de operaciones.

Se han desarrollado muchos métodos de investigación de operaciones que se aplican a

los problemas de los negocios, aunque al mismo tiempo se presentan en muchas
industrias distintas. Los modelos para la solución de problemas se pueden agrupar en
distintas formas, las más importantes son:
1. Problemas estocásticos o probabilísticos: son útiles al tener que enfrentarse a un
ambiente incierto, la estadística de Bayes desarrolla un método poderoso para tomar
decisiones cuando se tiene información limitada.
2. Pronósticos: es una responsabilidad ineludible de la gerencia el pronosticar,
enfrentando a la incertidumbre respecto al futuro, la conducta pasada como un
indicador de lo que va a venir. Dentro de los temas que ven pronósticos se tienen:
 Promedios simples
 Promedios móviles
 Promedios dobles
 Suavización exponencial
 Regresión
 Correlación
 Tendencia
3. Modelos de inventarios: ayudan al control de los costos totales de inventarios, estos
enfoque pueden reducir el costo total de compra, de almacenar, de llevar el inventario y
quedarse sin él, también analiza y evalúa los descuentos ofrecidos por proveedores, así
como la compra de artículos múltiples a un mismo proveedor.
4. Programación lineal: es de valor cuando se debe de escoger entre alternativas
numerosas para evaluarlas con los métodos convencionales. Al usar la programación
lineal, se pueden determinar combinaciones óptimas de los recursos de una firma para
alcanzar ciertos objetivos.
5. Problemas de asignación y transporte: son los enfoques útiles cuando la gerencia
se enfrenta a problemas que tienen que ver con la mejor alternativa de distribución o el
método óptimo de asignar operarios a las máquinas, etc.
6. Teoría de redes: permite a los gerentes hacer frente a las complejidades involucradas
en los grandes proyectos, el uso de esta técnica ha disminuido notablemente el tiempo
necesario para planear y producir productos complejos, las técnicas más usuales son:
 PERT (Técnica de Evaluación y Revisión de Proyectos)
 CPM (Método de la Ruta Crítica)
 PERT/COSTO (Técnica de programación con limitación de recursos tanto en costo
como en tiempo)
7. Teoría de colas o líneas de espera: estudia las llegadas aleatorias a una estación
de servicio o proceso de capacidad limitada, los modelos le permiten a la gerencia
calcular a futuro las longitudes de las líneas de espera, el tiempo promedio gastado en la
línea por una persona que espera el servicio y la necesidad de agregar estaciones de
servicio. Esta técnica se estudia primeramente mediante el uso de fórmulas y
posteriormente por simulación con computadora.

MODELOS DE PROGRAMACION LINEAL

Para formular un problema de programación lineal se debe tener presente que la función
objetivo y todas las restricciones deben ser lineales y todas las variables deben ser continuas
(pueden asumir valores fraccionales).

Tipos de Modelos de Investigación de Operaciones.

Modelo Matemático: 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.

Modelo 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 o elementales que después se enlazan entre si
vía relaciones lógicas bien definidas. Por lo tanto, las operaciones de cálculos pasaran 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 esta libre de
inconvenientes. La elaboración de este modelo suele ser costoso en tiempo y recursos. Por otra
parte, los modelos matemáticos óptimos suelen poder manejarse en términos de cálculos.

Modelos de Investigación de Operaciones de la ciencia de la administración: Los científicos de la

administración trabajan con modelos cuantitativos de decisiones.

Modelos Formales: Se usan para resolver problemas cuantitativos de decisión en el mundo real.
Algunos modelos en la ciencia de la administración son llamados modelos deterministicos. Esto
significa que todos los datos relevantes (es decir, los datos que los modelos utilizarán o evaluarán)
se dan por conocidos. En los modelos probabilísticos (o estocásticos), alguno de los datos
importantes se consideran inciertos, aunque debe especificarse la probabilidad de tales datos.

En la siguiente tabla se muestran los modelos de decisión según su clase de incertidumbre y su uso
en las corporaciones. (D, determinista; P, probabilista; A, alto; B, bajo)1.1