Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
INTEGRANTE:
MUÑOZ SERGIO
MÉTODO
DE SOLUCIÓN
SOLUCIÓN AL
JUICIOS Y SOLUCIÓN
PROBLEMA DEL
EXPERIENCIAS AL MODELO
SISTEMA REAL
DECISIONES INTERPRETACIÓN
Modelos
Validados Realidad Problemas
Comercio
Industria
Salud Decisiones
Decisor
Gobierno
Operaciones en general
Problemas y
Problemas y Objetivos
Datos CIENCIAS
Modelos
A Modelos
Validar DSS
EIS
Investigación Operativa
Matemáticas
Estadística
Probabilidades
Métodos Cuant.
Cuant.formales
Modelos y soluciones
INFORMATICA
4
¿Qué es la investigación de
operaciones?
Kamblesh Mathur: “Es el uso de la
Matemática y computadoras para ayudar
a tomar decisiones racionales frente a
problemas de administración”.
Resumiendo: La Investigación de
Operaciones es el uso de la matemática
e informática para resolver problemas
del mundo real, tomando decisiones
acertadas que garanticen el éxito.
Lawrence y Pasternak, (1998) “Es
un enfoque científico para la toma
de decisiones ejecutivas, que
consiste en:
– El arte de modelar
situaciones complejas,
– La ciencia de
desarrollar técnicas de
solución para resolver dichos
modelos.
– La capacidad de
comunicar efectivamente los
resultados”.
– Es la aplicación del método
científico para asignar los recursos
o actividades de forma eficaz, en la
gestión y organización de sistemas
complejos.
– Es el conjunto de técnicas
matemáticas aplicadas
adecuadas para resolver
problemas reales de:
Planificación
Logística
Diseño de productos y procesos
Control de procesos, etc
Objetivo de la investigación
de operaciones
- Apoyar a la toma de decisiones sistemas
complejos.
- Estudiar la asignación óptima de recursos
escasos a determinada actividad.
- Evaluar el rendimiento de un sistema con
objeto de mejorarlo.
– Obtener información cuantitativa.
– Mejorar procedimientos tradicionales:
opiniones de expertos, reglas simples.
– Lograr flexibilidad y bajo coste.
– Hacer el tratamiento de la incertidumbre.
– Conocer las limitaciones de los modelos.
Proceso de toma de decisiones
MATEMATICA Éxito
APLICADA
MATEMATICA TOMA DE
DATOS INFORMACION DECISIONES
PURA ACERTADAS
Estadística, RAPIDEZ
PRECISION
Informática, GRANDES VOLUMENES
Mat. Financiera,
Investigación de
Operaciones Fracaso
ETAPAS DE LA INVESTIGACIÓN DE
OPERACIONES
La I.O. busca la experticia humana
Desempeño correcto y rápido dentro de
un dominio específico.
Capacidad para justificar un resultado y
explicar el proceso de razonamiento.
Capacidad para aprender de la
experiencia.
Capacidad para resolver casos únicos
basándose en principios, modelos,
experiencias, casos o reglas.
Capacidad para razonar bajo
condiciones de incertidumbre e
información incompleta y aplicar su
sentido común o conocimiento
general.
Experto humano
MEMORIA A LARGO PLAZO
Conocimiento en el dominio,
experiencia, expertisia.
ASESORIA
RAZONAMIENTO Recomendaciones,
APRENDIZAJE conclusiones, casos
resueltos.
USUARIO
MAQUINA DE INFERENCIA Recomendaciones,
conclusiones, casos
RED NEURONAL resueltos.
MEMORIA DE TRABAJO
(RAM) Hechos,
casos, reglas,
conclusiones
Árbol de conocimiento
Decisiones
Conocimiento
Información
Datos
Una breve historia de las I.O
Se aplica por primera vez en 1780
Antecedentes:
Matemáticas: modelos lineales
Farkas,Minkowski (s.XIX)
-Refinerías de petróleo,
-Distribución de productos,
-Planeación y control de la
producción,
-Estudio de mercado y Planeación de
Inversiones.
Sigue el desarrollo debido a:
competitividad industrial
progreso teórico
RAND (Dantzig)
Princeton (Gomory, Kuhn, Tucker)
Carnegie Institute of Technology
(Charnes, Cooper)
gran desarrollo de los ordenadores:
George B. Aumento de la capacidad de
Dantzig almacenamiento de datos
Incremento de la velocidad de
resolución de los problemas.
Sigue habiendo un gran desarrollo,
en muchos sectores, con grandes
avances sobre todo en el campo de
la Inteligencia Artificial.
Metodología de la I.O.
DEFINICION
DEL PROBLEMA
DESARROLLO RESOLUCION
MODELO MODELO
MODELO
¿VALIDA?
MODIFICADO
IMPLEMENTACION
Definición del problema
Es identificar, comprender y describir
en términos precisos, el problema
que la organización enfrenta. El
enunciado es la definición del
problema. Un problema no se
formula sino se define.
Consiste en identificar los
elementos de decisión, objetivos
(uno o varios, optimizar o
satisfacer), alternativas y
limitaciones del sistema
Hay que recoger información
relevante (los datos pueden ser
un grave problema)
Es la etapa fundamental para que
las decisiones sean útiles
Factores problemáticos
Datos incompletos, conflictivos, difusos
Diferencias de opinión
Presupuestos o tiempos limitados
Cuestiones políticas.
El decisorno tiene una idea firmede lo
que quiere realmente.
Plan de trabajo:
Observar y ser consciente
de las realidades políticas.
Decidir qué se quiere realmente.
Identificar las restricciones.
Búsqueda de información continua.
Metodología de la I.O.
Desarrollo de un modelo
I)Identificacion de las variables Xij matemático:
= # de consultores que viajan del
origen i al destino j Es la traducción del problema a
II)Identificacion de la funcion
objetivo
Max
términos matemáticos.
540X11+300X12+420X13+ Es formular un modelo matemático:
Identificando variables
500X21+330X22+330X23+
520X31+310X32+350X33
III)Identificacion de las
restricciones X11+X12+X13 Identificando la Función Objetivo
≤ 2 X21+X22+X23 ≤ 1
X31+X32+X33 ≤ 4 Identificando las restricciones.
X11+X21+X31 = 3
X12+X22+X32 = 2
X13+X23+X33 = 1
Xij ≥ 0 ; entero
DECISIONES OPERACIONALES:
¿Cómo programar la fuerza de trabajo?
¿Cuál es el plan de producción óptimo?
¿Cuál es plan de embarque más económico?
Ventajas de los modelos
Un método óptimo para lograr un objetivo.
Una forma de evaluar preguntas
de sensibilidad de la forma:
“¿Qué sucedería sí ...?”
Modelos de Sistemas
Utilidad de modelos:
Estudio de características de operación
Imposibilidad de hacer medidas
Predicción del comportamiento
Situaciones no experimentadas
Facilitar diseño de nuevos
productos/sistemas
Tipos de modelos
Normativos: modelos de optimización
Descriptivos: modelos de simulación
Modelos normativos - optimización
Ofrecen información sobre alternativas
Seleccionan entre ellas
Complejos y no triviales
Difíciles de tratar con incertidumbre
Requieren técnicas complejas de solución
Técnicas:
Qué sucede con una alternativa (simulación)
Selección de mejor alternativa (optimización)
Bibliografía: