UNIVERSIDAD TÉCNICA DEL NORTE

FACULTAD DE INGENIERÍA EN CIENCIAS AGROPECUARIAS

Y AMBIENTALES
INGENIERÍA AGROINDUSTRIAL
INVESTIGACIÓN OPERATIVA

INTEGRANTE:
 MUÑOZ SERGIO

NIVEL: 6TO SEMESTRE

Naturaleza de la Investigación de
Operaciones

La investigación de operaciones se aplica a

problemas que se refieren a la conducción y
coordinación de operaciones (o actividades)
dentro de una organización.
La investigación de operaciones intenta
encontrar una mejor solución, (llamada solución
óptima) para el problema bajo consideración.
 Enfoque de la Investigación de
Operaciones
VARIABLES RELACIONES
RELEVANTES RELEVANTES
SISTEMA SISTEMA MODELO
REAL ASUMIDO CUANTITATIVO

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”.

Jorge Alvarez:“Es un procedimiento o un

enfoque para resolver problemas
relacionados con la toma de decisiones”

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.

MEMORIA A CORTO PLAZO

Hechos, casos, reglas,
conclusiones
 Sistema experto
BASE DE CONOCIMIENTOS
Conocimiento en el dominio,
experiencia, expertisia.

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)

Estadística: fenómenos de espera

Erlang,Markov (años 20)

Economía: Quesnay (x.XVIII),

Walras (s.XIX),
Von Neumann (años 20)
 El origen de la I.O. moderna se
sitúa en la II Guerra Mundial para
resolver problemas de organización
militar: Despliegue de radares,
manejo de operaciones de
bombardeo, colocación de minas.
 La Fuerza Aérea Británica formó el
primer grupo de investigación
operacional.
 La Fuerza Armada Estadounidense
formó un grupo similar, 5 de los
cuales ganaron el Premio Nóbel.
Después de la II Guerra Mundial, las
Empresas reconocieron el valor de
aplicar las técnicas en:

-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

Objetivos: función objetivo

alternativas: variables de
decisión limitaciones del
sistema: restricciones
Paso 1.- Identificar las variables de
decisión
¿Sobre qué tengo control?
¿Qué es lo que hay que decidir?
¿Cuál sería una respuesta válida del caso?
Paso 2.- Identificar la función objetivo
¿Qué pretendemos conseguir?
¿qué me interesaría más?
Paso 3.- Identificar las restricciones o factores que
limitan la decisión, recursos disponibles
(trabajadores, máquinas, material), fechas límite,
naturaleza de las variables (no negatividad,
enteras, binarias).
Paso 4.- Traducción de los elementos básicos a un
modelo matemático.
Resolución del modelo
Es resolver el modelo usando una
técnica adecuada, es decir
obtener valores numéricos para la
variable de decisión.
Es determinar los valores de las
variables de decisión de modo
que la solución sea óptima (o
satisfactoria) sujeta a las
restricciones
Puede haber distintos algoritmos y
formas de aplicarlos.En esta parte
se usa el Software LINDO, que
puede resolver modelos de hasta
200,000 variables y
50,000 restricciones.
Paso 1.- Elegir la técnica de resolución
adecuada, creación o heurísticos.
Paso 2.- Generar las soluciones del
modelo usando programas de ordenador,
hojas de cálculo.
Paso 3.- Comprobar/validar los resultados
Probar la solución en el entorno real
Paso 4.- Si los resultados son inaceptables,
revisar el modelo, comprobar exactitud,
revisar restricciones.
Paso 5.- Realizar análisis de sensibilidad.
Analizar adaptaciones en la solución
propuesta frente a posibles cambios.
Verificación y validación
Eliminación de errores comprobación de
que el modelo se adapta a la realidad
Interpretación y análisis
Robustez de la solución
óptima obtenida:
 Análisis de sensibilidad
 Detección de soluciones cuasi-
óptimas atractivas
Implementación de resultados
 Sistema de ayuda y
mantenimiento
 Documentación
 Formación de usuarios
 Usos de los modelos
DECISIONES ESTRATEGICAS:
¿Debería remplazarse un sistema existente con
un nuevo sistema propuesto?
¿Debería cambiarse su política de administracion.

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

Modelos descriptivos - simulación

 Analizan una alternativa cada vez
 Modelos para situaciones específicas
 Más simples de desarrollar
 Adecuados con incertidumbre
 Aplicación muy sencilla
Modelos incluyen errores
Importante conocer su magnitud causas de
inexactitudes:
 Selección de aspectos de la realidad
 Inviable considerar todo el sistema
 Errores en modelos matemáticos
 Modelos sencillos y aproximados
Construcción de modelos:
 Especificación de los componentes
 Recogida y análisis de datos
 Desarrollo del modelo
 Verificación y validación
 Obtención y análisis de resultados
 Técnicas de IO

Ejemplos de técnicas (i)

o Optimización
o Programación lineal, entera, no lineal
o Programación multiobjetivo
o Procesos de decisión (prog. dinámica)
o Simulación
o Determinista
o Estocástica
Ejemplos de técnicas (ii)
 Teoría de colas
 Colas simples
 Redes de colas
 Teoría de juegos
 J. simples
deterministas/estocásticos)
 J. repetitivos
 Teoría de decisión
Ejemplos de problemas:
Planificación de la producción
Optimización de carteras
Análisis de riesgo
Planificación de redes de comunicaciones
Generación de ofertas en merados competitivos
Diseño de productos financieros
Diseño de nuevosproductos (préstamos,
operaciones de leasing, derivados)

Modelado de diferentes alternativas con

información incierta: tasas de interés
mercado de valores, precios futuros
Planificación de la generación eléctrica
Aprovechamiento de recursos disponibles a
largo plazo: agua, contratos de fuel, intercambios
de energía eléctrica.

Generación de ofertas en mercados competitivos:

cantidades y precios para maximizar beneficios
Resumen:
Dado un modelo matemático, determinar
algunos valores asociados al modelo valores de
interés: asociados a decisiones
alternativas

Técnicas:
Qué sucede con una alternativa (simulación)
Selección de mejor alternativa (optimización)
 Bibliografía:

- Allende Alonso , S. M. (25 de Enero de 2005). Modelos y Métodos

para la Toma de Decisiones aplicando las Investigaciones de
Operacion. LAORS.
- O Campo , A. (2013). APLICACION A LAS INVESTIGACIONES
OPERATIVAS (¿QUE ES ?). (H. Mora , Ed.) Medellin, Colombia: IO.
- Torre , A. (2010). INVESTIGACION DE OPERACIONES. Cali ,
Colombia.