Alumno: Frank Uzziel Rodriguez Gonzalez

Profesor: Roberto R. Gonzalez Castillo

1.1 Definicin, Desarrollo y tipos de modelos de

Investigacin de Operaciones.
INTRODUCCIN
Las races de la investigacin de operaciones se remonta a cuando se hicieron los
primeros intentos para emplear el mtodo cientfico en la administracin de una
empresa. Sin embargo, el inicio de esta disciplina se atribuye a los servicios
militares prestados a principios de la segunda guerra mundial.
La investigacin de operaciones se aplica a problemas que se refieren a la
conduccin y coordinacin de operaciones (o actividades) dentro de una
organizacin.
La

investigacin

de

operaciones

intenta

encontrar

una mejor solucin,

(llamada solucin ptima) para el problema bajo consideracin.

Una de las principales razones de la existencia de grupos de investigacin de
operaciones es que la mayor parte de los problemas de negocios tienen mltiples
aspectos es perfectamente razonable que las fases individuales de un problema
se comprendan y analicen mejor por los que tienen el adiestramiento necesario en
los campos apropiados.
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.
El objetivo del curso es que el estudiante aprenda a reconocer los problemas tipo
de la Investigacin de Operaciones de modo que sepa a qu tcnico recurrir en
cada caso, para un adecuado estudio y solucin del mismo. Como su nombre lo
indica, la Investigacin de Operaciones (IO), o Investigacin Operativa, es la
investigacin de las operaciones a realizar para el logro ptimo de los objetivos de
un sistema o la mejora del mismo. Esta disciplina brinda y utiliza la metodologa

cientfica en la bsqueda de soluciones ptimas, como apoyo en los procesos de

decisin, en cuanto a lo que se refiere a la toma de decisiones ptimas y en
sistemas que se originan en la vida real. Antecedentes histricos El trmino IO se
utiliza por primera vez en el ao 1939 durante la 2da Guerra Mundial,
especficamente cuando surge la necesidad de investigar las operaciones tcticas
y estratgicas de la defensa area, ante la incorporacin de un nuevo radar, en
oportunidad de los ataques alemanes a Gran Bretaa. El avance acelerado de la
tecnologa militar hace que los ejecutivos y administradores militares britnicos
deban recurrir a los cientficos, en pos de apoyo y orientacin en la planificacin
de su defensa.
El xito de un pequeo grupo de cientficos que trabajaron en conjunto con el
ejecutivo militar a cargo de las operaciones en la lnea, deriv en una mayor
demanda de sus servicios y la extensin del uso de la metodologa a USA,
Canad y Francia entre otros. Sin embargo, el origen de la Investigacin Operativa
puede considerarse como anterior a la Revolucin Industrial, aunque fue durante
este perodo que comienzan a originarse los problemas tipo que la Investigacin
Operativa trata de resolver.

Definicin
La Investigacin de Operaciones se ocupa de la toma de decisiones ptima a
partir del modelado y solucin de sistemas determinsticos y probabilsticos que se
originan en la vida real.
Estas aplicaciones que ocurren en el gobierno, en los negocios, en las industrias,
en la ingeniera econmica y en las ciencias naturales y sociales se caracterizan
en gran parte por la necesidad de asignar escasos recursos. En estas situaciones
se puede obtener un conocimiento profundo del problema a partir del anlisis
cientfico que proporciona la Investigacin de Operaciones. El enfoque de la
Investigacin de Operaciones proviene principalmente de:

La estructuracin de una situacin de la vida real como un modelo matemtico,

logrando una abstraccin de los elementos esenciales para que pueda buscarse
una solucin que concuerde con los objetivos del tomador de decisiones.
El anlisis de la estructura de tales situaciones y el desarrollo de procedimientos
sistemticos para obtenerlas.
El desarrollo de una solucin, incluyendo la teora matemtica, si es necesario,
que lleva al valor ptimo de la medida que se espera del sistema.

Desarrollo de I.O.
Avance de la Investigacin de Operaciones:

Despus de la guerra, el xito de los equipos militares atrajo la atencin de

las empresas industriales, quienes buscaban soluciones a sus problemas

complejos.
Aunque Gran Bretaa fue quien inici el estudio de la Investigacin de

Operaciones, los Estados Unidos tomaron pronto el liderazgo.

La primera tcnica matemtica aceptada fue el mtodo simplex de
programacin

lineal,

desarrollado

en

1947

por

el

matemtico

norteamericano George B. Dantzing.

La Investigacin de Operaciones actualmente
En la actualidad el impacto de la investigacin de operaciones se nota en

muchas reas.
Muchas universidades la ensean en todos los niveles.
Muchas organizaciones que se dedican a dar consultora

comprometidas con ella.

Las aplicaciones han ido ms all del mbito empresarial y militar, para
incluir

hospitales,

restaurantes,

aeropuertos,

bancos,

estn

bibliotecas,

planeacin urbana, sistemas de transporte y estudios de investigacin

criminalgica.
El desarrollo de decisin consiste en seleccionar una o varias alternativas o
cursos de accin para minimizar los riesgos de prdidas financieras.

La toma de decisiones puede hacerse bajo:

Riesgo
Certeza
Conflicto
Incertidumbre

Una toma de decisin bajo completa certeza llamada tambin determinstica, se

caracteriza porque el grupo decisor conoce perfectamente cul va a ser el estado
de la naturaleza relativo a sus objetivos y por lo tanto selecciona aquella accin
que de acuerdo al criterio del lder lograr acercar ms rpido a la meta
preestablecida.
En el caso de riesgo, tambin conocida como estocstico, no se conoce
perfectamente el estado que adoptar la naturaleza pero se asocia a este una
distribucin de probabilidad (discreta, continua), en funcin de esta ltima el grupo
decisor selecciona aquella accin que maximiza la esperanza de acercarse a la
meta propuesta.
En el caso conflictivo, los estados de la naturaleza obligan a que el logro de las
metas de un grupo de decisores reduzca simultneamente las posibilidades de
que otro grupo alcance las suyas.
Cuando hay total incertidumbre se desconoce la verosimilitud asociada a la
ocurrencia de posibles estados de la naturaleza, es decir, no se tiene una idea
sobre la distribucin de probabilidad o funcin de densidad asociada a los
diferentes entornos.
En el caso determinstico, los procesos de decisin, generalmente son dos:
1.

Maximizar, utilidades, beneficios

2.

Minimizar, costos, tiempo, distancia

Para el caso estocstico, se optimizan (maximizar o minimizar) los valores

esperados correspondientes.

En el conflicto se minimizan las mximas prdidas, que equivale a maximizar las

mnimas ganancias del oponente, este criterio se utiliza con menor frecuencia.
Cuando existe incertidumbre los procesos de decisin que pueden presentarse
son:

Maximizar la mnima ganancia

Minimizar la mxima prdida
Coeficiente optimista-pesimista
Minimizar el arrepentimiento mximo
Estrategias mixtas

Tipos de modelos de I.O.

Un modelo es una representacin simplificada e idealizada de la realidad, o
tambin, un modelo es una abstraccin selectiva de la realidad. Dentro de la
Investigacin de Operaciones los tipos de modelos generalmente son numricos.
Los tipos de modelos son:

Icnicos

Analgicos

Matemticos

Un modelo icnico es una representacin de la realidad pero a diferente escala, ya

sea aumentada o disminuida, por ejemplo:

Una maqueta
Un mapa
La representacin de la clula

Los modelos analgicos generalmente requieren la sustitucin de una propiedad

por otra con el fin de permitir la manipulacin del modelo, despus de resolver el
problema la solucin se reinterpreta de acuerdo al sistema original, por ejemplo:
Un sistema de redes elctricas se pude utilizar en forma anloga para un sistema
de transporte vial

El sistema lgico de la inteligencia humana se utiliza en forma anloga para la

operacin de un programa de computadoras.
Los modelos simblicos o matemticos emplean un conjunto de smbolos
matemticos y funciones para representar las variables de decisin y sus
relaciones para describir el comportamiento del sistema. La solucin de problemas
se obtiene aplicando tcnicas matemticas, como programacin lineal.
En investigacin de operaciones los modelos casi siempre son matemticos y por
consiguiente son aproximaciones a la realidad, por ejemplo:
La ecuacin general de la lnea recta: y=mx + b
La cantidad ptima en compra de inventarios
La ecuacin bsica en contabilidad: A= P + C

1.2 Fases de estudio de I.O.

En qu consiste un estudio de Investigacin de Operaciones?
Un estudio de Investigacin de Operaciones consiste en construir un modelo de un
sistema de la vida real, existente o no existente.
Si el sistema existe, el objetivo ser analizar el comportamiento de ste a fin de
mejorar su funcionamiento.
Si el sistema no existe, el objetivo ser encontrar la mejor estructura del sistema
futuro.

El arte de modelar en la Investigacin de Operaciones

La estructura de los modelos matemticos:
1.

Variables de decisin.

Son las incgnitas que deben determinarse con la solucin del modelo.
Ejemplo:
X1= Nmero de unidades a producir en el primer turno
X2=Nmero de unidades a producir en el segundo turno

2.

Restricciones.

Para tomar en cuenta las limitaciones fsicas del sistema, el modelo debe incluir
restricciones que limitan las variables de decisin a valores factibles (permisibles)
X1 + X2 200

3.

Funcin objetivo

Define la medida de efectividad del sistema como una funcin matemtica de sus
variables de decisin.
Por ejemplo, si el objetivo del sistema es maximizar el beneficio total, la funcin
objetivo debe especificar el beneficio en funcin de las variables de decisin.
Ejemplo: Maximizar Z=5X1 + 7X2

PASOS:
1.

Definicin del problema

A. Definir el objetivo del estudio

B.
2.

Reconocimiento de las restricciones y variables del sistema.

Construccin del modelo

A. Modelo matemtico
B.

Modelo de simulacin. Se usa cuando las relaciones matemticas son muy

complejas.
3.

Solucin del modelo

A. Si el modelo es matemtico se usar alguna tcnica de optimizacin bien

definida, produciendo el modelo una solucin ptima.
B.

Si el modelo es de simulacin se buscarn alternativas para mejorar el

desempeo del sistema.

Se deber realizar un anlisis de sensibilidad cambiando ciertos parmetros del
sistema.
4.

Validacin del modelo

Un modelo es vlido si puede dar una prediccin confiable del funcionamiento del
sistema. Para probar la validez de un modelo se comparan los resultados del
modelo con datos histricos del sistema real.
5.

Implantacin de resultados finales.

1.3 Principales aplicaciones de la I.O.

Los modelos para la solucin de problemas se pueden agrupar en distintas
formas, las ms importantes son:
1. Problemas estocsticos o probabilsticos: son tiles al tener que enfrentarse a
un ambiente incierto, la estadstica de Bayes desarrolla un mtodo poderoso para
tomar decisiones cuando se tiene informacin limitada.
2. Pronsticos: 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 pronsticos se tienen:

Promedios simples
Promedios mviles
Promedios dobles
Suavizacin exponencial
Regresin
Correlacin
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 l, tambin analiza y evala los descuentos ofrecidos por
proveedores, as como la compra de artculos mltiples a un mismo proveedor.
4. Programacin lineal: es de valor cuando se debe de escoger entre alternativas
numerosas para evaluarlas con los mtodos convencionales. Al usar la
programacin lineal, se pueden determinar combinaciones ptimas de los recursos
de una firma para alcanzar ciertos objetivos.
5. Problemas de asignacin y transporte: son los enfoques tiles cuando la
gerencia se enfrenta a problemas que tienen que ver con la mejor alternativa de
distribucin o el mtodo ptimo de asignar operarios a las mquinas, etc.
6. Teora de redes: permite a los gerentes hacer frente a las complejidades
involucradas en los grandes proyectos, el uso de esta tcnica ha disminuido
notablemente el tiempo necesario para planear y producir productos complejos,
las tcnicas ms usuales son:
PERT (Tcnica de Evaluacin y Revisin de Proyectos)
CPM (Mtodo de la Ruta Crtica)

PERT/COSTO (Tcnica de programacin con limitacin de recursos tanto en costo

como en tiempo)
7. Teora de colas o lneas de espera: estudia las llegadas aleatorias a una
estacin de servicio o proceso de capacidad limitada, los modelos le permiten a la
gerencia calcular a futuro las longitudes de las lneas de espera, el tiempo
promedio gastado en la lnea por una persona que espera el servicio y la
necesidad de agregar estaciones de servicio. Esta tcnica se estudia
primeramente mediante el uso de frmulas y posteriormente por simulacin con
computadora.

1.4 Metodologa para modelacin, investigacin de

operaciones.
La modelacin
Es el proceso completo de abstraccin del sistema real al modelo cuantitativo y
tiene como resultado un modelo matemtico del sistema real bajo estudio. Incluye
actividades como la definicin del sistema y la determinacin de sus fronteras, la
identificacin de las actividades ms importantes para el logro del objetivo, es
decir la conceptualizacin del sistema simplificado y finalmente la elaboracin del
modelo.
Es quizs la parte ms importante de la Investigacin de Operaciones y se le
considera como una mezcla de arte y de ciencia. La modelacin no puede
ensearse, sino motivarse, se aprende con la prctica y con la experimentacin.
Puede dividirse en dos fases: Subjetiva y la objetiva. La parte subjetiva consiste en
la definicin del sistema supuesto o simplificado. Mientras que la objetiva es
la construccin del modelo a partir del sistema simplificado.
La formulacin
Es la componente objetiva de la modelacin y consiste en convertir el sistema
simplificado en un modelo cuantitativo que lo describa. En esta seccin

ahondaremos un poco en la actividad de formulacin, para lo cual supondremos

que ya se realiz la tapa previa que nos permiti definir el sistema simplificado.
Debe tenerse en cuenta que en la vida profesional el estudiante si se vera
afrontado a la necesidad de derivar sus propios sistemas supuestos, a partir de los
problemas reales que se le presenten. El xito obtenido depender de factores
tales como su capacitacin general, su habilidad y experiencia en la modelacin y
la comprensin que tenga del rea particular del problema a modelar.
Una buena metodologa para construir modelos matemticos de los problemas, a
partir del problema simplificado (problema supuesto), parece ser la siguiente:
Leer atentamente el enunciado de la situacin con el fin de comprender sus
principales caractersticas. Como resultado de la lectura estaremos en capacidad
de realizar los dos pasos siguientes.
Organizar en cuadros o tablas toda la informacin cuantitativa que suministra el
enunciado del problema.
De esta manera ser ms fcil identificar, interpretar y utilizar la informacin.
Debe prestarse especial atencin a las unidades de todos los datos utilizados.
Dibujar un esquema de la situacin.
Este nos permitir visualizar y comprender mejor las caractersticas del problema.
En especial el diagrama es til para llevar a cabo los tres pasos siguientes.
Identificar los elementos del problema.
Los elementos son las entradas (recursos), las salidas (productos) y las
actividades (variables de decisin) del proceso al cual se reduce el problema. La
grafica o esquema del paso tres, es de gran ayuda en esta tarea.
Las actividades son las que convierten una o ms entradas en una o ms salidas.
La esencia del problema de P.L. es la determinacin del sub conjunto de
actividades que deben llevarse a cabo para optimizar el logro del objetivo.

Expresar el objetivo relacionado con el problema, indicando las unidades en las

cuales se medir.
Recordemos que en los problemas de programacin lineal el objetivo ser
maximizar o minimizar alguna medida de eficiencia, que puede ser un costo,
un tiempo, una probabilidad, un nmero de personas o de elementos, etc. En
todos los casos se deben dar explcitamente las unidades de medicin.
Definir las variables de decisin.
A cada una de las actividades que pueden realizarse se le asocia una variable que
indicara el nivel o medida de su ejecucin. Por ejemplo, si una actividad es fabricar
el producto P3, entonces al asociarle v. gr. la variable de decisin X3, definiremos
esta como el nmero de productos P3 que se deben fabricar.
En algunos problemas las variables de decisin se pueden tomar en ms de una
forma posible. Una buena gua para determinar la ms conveniente es buscar que
las variables correspondan a aquellas actividades que permiten medir el grado de
logro de la funcin objetivo.
Formular la funcin del objetivo y las funciones de las restricciones del modelo
matemtico.
Teniendo una correcta comprensin del objetivo y definidas las variables que
cuantifican las actividades que conforman el proceso, podemos escribir una
funcin matemtica que mida el logro del objetivo. Es la expresin que nos
permitir conocer la eficiencia de la decisin que se tome.

1.5 Formulacin de problemas lineales

La programacin lineal son modelos destinados a la asignacin eficiente de los
recursos limitados en actividades conocidas con el objetivo de satisfacer las metas
deseadas (maximizar beneficios o minimizar costos).

La caracterstica distintiva de los modelos es que las funciones que representan el

objetivo y las restricciones son lineales. (No se permite multiplicacin de variables
ni variables elevadas a potencias). Algunas de las siguientes restricciones no se
pueden emplear en un modelo de programacin lineal.

Un modelo de programacin lineal se define usualmente como sigue:

Maximizar o minimizar

Sujeto a:

EJEMPLO 1.

Un fabricante de muebles tiene 6 unidades de maderas y 28 horas disponibles,

durante las cuales fabricar biombos decorativos. Con anterioridad, se han
vendido bien 2 modelos, de manera que se limitar a producir estos 2 tipos.
Estima que el modelo uno requiere 2 unidades de madera y 7 horas de tiempo
disponible, mientras que el modelo 2 requiere una unidad de madera y 8 horas.
Los precios de los modelos son 120 dls. y 80 dls., respectivamente. Cuntos
biombos de cada modelo debe fabricar si desea maximizar su ingreso en la venta?

OBJETIVO : Maximizar el ingreso por ventas

RESTRICCIONES : Unidades de madera

Tiempo disponible

VARIABLE DE DECISION:

X1 = Cantidad de biombos tipo I a fabricar

X2 = Cantidad de biombos tipo II a fabricar

Maximizar
Sujeto a:

PROBLEMA 2

Una firma de contadores pblicos especializados en preparar liquidaciones y pago

de impuestos y tambin auditoras en empresas pequeas. El inters es saber
cuantas auditoras y liquidaciones pueden realizar mensualmente, de tal manera
que obtengan los mximos ingresos. Se dispone de 800 horas para trabajo directo
y direccin y 320 horas para revisin. Una auditora en promedio requiere de 40
horas de trabajo directo y direccin y 10 horas de revisin, adems aporta un
ingreso de 300 dls. Una liquidacin de impuestos requiere de 8 horas de trabajo
directo y direccin y 5 horas de revisin y produce un ingreso de 100 dls. Se
pueden realizar tantas auditoras como se desee, pero el mximo de liquidaciones
mensuales disponibles es de 60.

OBJETIVO : Maximizar los ingresos totales

VARIABLE DE DECISION:

X1 = Cantidad de auditoras
X2 = Cantidad de liquidaciones

RESTRICCIONES : Tiempo disponible para trabajo directo

Tiempo disponible para trabajo de revisin
Nmero mximo de liquidaciones

Maximizar
Sujeto a:

PROBLEMA 3

Un expendio de carnes acostumbra preparar carne para hamburguesa con una

combinacin de carne molida de res y carne molida de cerdo. La carne de res
contiene 80 % de carne y 20 % de grasa y le cuesta a la tienda 80 centavos por
libra. La carne de cerdo contiene 68 % de carne y 32 % de grasa y cuesta 60
centavos por libra. Qu cantidad de cada tipo de carne debe emplear la tienda
por cada libra de carne para hamburguesa si desea minimizar el costo y mantener
el contenido de grasa no mayor de 25 %?

OBJETIVO : Minimizar el costo

VARIABLE DE DECISION: Cantidad de carne de res. (X 1).

Cantidad de carne de cerdo (X2).

RESTRICCIONES : Contenido de grasa no mayor de 25 %

Contenido de carne molida a producir

Minimizar

Sujeto a:

PROBLEMA 4

Formule una dieta para pollos. Suponga que el lote diaria requerido de la mezcla
son 100 lbs. La dieta debe contener:

1.- Al menos 0.8 % pero no ms de 1.2 % de calcio

2.- Al menos 22 % de protenas

3.- a lo ms 5 % de fibras crudas

Suponga, adems, que los principales ingredientes utilizados incluyen maz, soya
y caliza. El contenido nutritivo de estos ingredientes se resume a continuacin.

LIBRAS POR LIBRA DE INGREDIENTE

Ingrediente

Calcio

Protena

Fibra

Costo($)

por

libra
Caliza

.380

.00

.00

.0164

Maz

.001

.09

.02

.0463

Soya

.002

.50

.08

.1250

Minimice el costo total para la dieta, determinando la cantidad de cada ingrediente

que debe utilizarse.

OBJETIVO : Minimizar el costo total de la dieta (100 lbs.)

VARIABLE DE DECISION: Contenido de caliza. (X1).

Contenido de maz (X2).
Contenido de soya (X3).

RESTRICCIONES : Contenidos nutritivos (4 restricciones).

Contenido de la mezcla de 100 lbs. (1 restriccin)

Minimizar
Sujeto a:

PROBLEMA 5

Una compaa distribuidora de agua tiene 3 depsitos con entrada diaria estimada
de 15, 20 y 25 millones de litros de agua respectivamente. Diariamente tiene que
abastecer 4 reas A, B, C y D, las cuales tienen una demanda esperada de 8, 10,
12 y 15 millones de litros de agua, respectivamente. El costo de bombeo por milln
de litros de agua es como sigue:

DEPSITO

REA
A

Minimice el costo total de suministro de agua de los depsitos a las reas.

OBJETIVO : Minimizar el costo total de suministro de agua de los depsitos a las

reas.

VARIABLES DE DECISION: Cantidad de agua que se enva de cada depsito a

cada rea.

RESTRICCIONES : Entradas de agua disponible. (3 restricciones)

Necesidades de agua de las reas. (4 restricciones)

Minimizar

Sujeto a:

1.6 Conceptos del Mtodo grfico y su aplicacin.

El mtodo grfico es una forma fcil y rpida para la solucin de problemas de
Programacin Lineal, siempre y cuando el modelo conste de dos variables. Para
modelos con tres o ms variables, el mtodo grfico es imposible.
Consiste en representar geomtricamente las restricciones, condiciones tcnicas
y funcin objetivo objetivo.
Los pasos necesarios para realizar el mtodo son:
hallar las restricciones del problema
Las restricciones de no negatividad Xi 0 confan todos los valores posibles.
sustituir y por (=) para cada restriccin, con lo cual se produce la ecuacin de
una lnea recta.
trazar la lnea recta correspondiente a cada restriccin en el plano. La regin en
cual se encuentra cada restriccin, el rea correspondiente a cada restriccin lo
define el signo correspondiente a cada restriccin ( ) se evala un punto antes
y despus de la recta trazada, el punto que cumpla con la inecuacin indicara el
rea correspondiente
el espacio en el cual se satisfacen las tres restricciones es el rea factible

Cada punto situado en la frontera del espacio del rea factible, es decir que
satisfacen todas las restricciones, representa un punto factible.
Las lneas paralelas que representan la funcin objetivo se trazan mediante la
asignacin de valores arbitrarios a fin de determinar la pendiente y la direccin en
la cual crece o decrece el valor de la funcin objetivo.
la solucin ptima puede determinarse al observar la direccin en la cual aumenta
la funcin objetivo, se procede a graficar la funcin objetivo, si es un problema de
minimizacin la solucin optima es el primer punto factible que toque la funcin Z,
y si por lo contrario es un problema de maximizacin, ser entonces el ltimo de
los puntos factibles que toque la funcin Z
Hay principalmente cuatro tipos de problemas, de nica solucin, multiples
soluciones, solucin no acotada y no factible, a continuacin hay un ejemplo de
cada caso, en el cual se puede observar la comparacin de la solucin obtenida
con el mtodo grafico, y la solucin obtenida con el mtodo simplex.