Investigacin de Operaciones

La Investigacin de Operaciones o Investigacin Operativa es una rama de las matemticas que hace uso de modelos matemticos y algoritmos con el objetivo de ser usado como apoyo a la toma de decisiones, por eso es conocida como la ciencia de la toma de decisiones. Se busca que las soluciones obtenidas sean significativamente ms eficientes (en tiempo, recursos, beneficios, costos, etc.) en comparacin a aquellas decisiones tomadas en forma intuitiva o sin el apoyo de una herramienta para la toma de decisiones. Los modelos de Investigacin de Operaciones son frecuentemente usados para abordar una gran variedad de problemas de naturaleza real en ingeniera y ciencias sociales, lo que ha permitido a empresas y organizaciones importantes beneficios y ahorros asociados a su utilizacin. Ya que esta rama es empleada por diversas reas para un fin especfico, se debe de hacer uso de una tcnica fundamental muy relacionada y de gran importancia: el modelamiento matemtico o programacin matemtica. Cuando se trata de resolver un problema involucrando esta tcnica se deben tomar en cuenta tres etapas. La primera etapa consiste en identificar las posibles decisiones que pueden tomarse; esto lleva a identicar las variables del problema concreto. Normalmente, las variables son de carcter 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 cuestin. En la tercera etapa, se calcula el coste/benecio asociado a cada decisin admisible; esto supone determinar una funcin objetivo que asigna, a cada conjunto posible de valores para las variables que determinan una decisin, un valor de coste/benecio. El conjunto de todos estos elementos dene el problema de optimizacin. Dentro de la programacin matemtica encontramos a la programacin lineal (PL), que trata exclusivamente con funciones objetivos y restricciones lineales y es una de las reas ms importantes de la matemtica aplicada. Se utiliza en campos como la ingeniera, la economa, la gestin, y muchas otras reas de la ciencia, la tcnica y la industria. Notar que cualquier problema de programacin lineal requiere identicar cuatro componentes bsicos: 1. El conjunto de datos. 2. El conjunto de variables involucradas en el problema, junto con sus dominios respectivos de denicin. 3. El conjunto de restricciones lineales del problema que denen el conjunto de soluciones admisibles. 4. La funcin lineal que debe ser optimizada (minimizada o maximizada).

Joel Isaac Zamora Morales

Investigacin de Operaciones II

Dentro de la investigacin de operaciones cuyo objetivo es la toma de decisiones buscando el ahorro optimo y los mejores resultados hacemos uso de los modelos de Programacin matemtica, que involucran a la programacin Lineal y que juntos son ampliamente utilizados como herramienta de apoyo tanto por sus propiedades que facilitan su resolucin, como as tambin su pertinencia a distintos problemas de naturaleza real.

Mtodos estocsticos o probabilsticos

En los problemas de toma de decisiones, con frecuencia surge la necesidad de tomar decisiones basadas en fenmenos que tienen incertidumbre asociada a ellos. Esta incertidumbre proviene de la variacin inherente a fuentes de esa variacin que eluden control o de la inconsistencia de los fenmenos naturales. En lugar de manejar esta variabilidad como cualitativa, que puede incorporarse al modelo matemtico y manejarse en forma cuantitativa. Por lo general, este tratamiento se puede lograr si el fenmeno natural muestra un cierto grado de regularidad, de manera que la variacin se puede describir mediante un concepto probabilstico. Procesos estocsticos Son aquellos modelos en los que, por lo menos una de las caractersticas de operacin est dada por una funcin de probabilidad. Los valores de sta o stas variables se obtienen a azar. Tambin son definidos como problemas en los cuales algo (o toda) la informacin relevante no se conoce con certeza en el momento en que se debe de tomar la decisin. En estadstica, y especficamente en la teora de la probabilidad, un proceso estocstico es un concepto matemtico que sirve para caracterizar una sucesin de variables aleatorias (estocsticas) que evolucionan en funcin de otra variable, generalmente el tiempo. Cada una de las variables aleatorias del proceso tiene una propia funcin de distribucin de probabilidad y entre ellas, pueden estar correlacionadas. Un proceso estocstico se define como una coleccin indizada de variables aleatorias (Xt), en donde el subndice t toma valores de un conjunto T dado. Con frecuencia T se toma como el conjunto de enteros no negativos y Xt representa una caracterstica de inters medible en el tiempo t. Por ejemplo, el proceso estocstico, X1, X2, X3,, puede representar la coleccin de niveles de inventario semanales (o mensuales) de un producto dado, o puede representar la coleccin de demandas semanales (o mensuales) de este producto. Existen muchos procesos interesantes. Un estudio del comportamiento de un sistema en operacin durante algn periodo suele llevar al anlisis de un proceso estocstico con la siguiente estructura. En puntos especficos del tiempo t etiquetados 0,1,, el sistema se encuentra exactamente en una de un nmero finito de categoras o estados mutuamente excluyentes y exhaustivos, etiquetados 0,1,, M. Los puntos en el tiempo pueden encontrarse a intervalos iguales o su espaciamiento puede depender del comportamiento general del sistema fsico en el que se encuentra sumergido el proceso estocstico, por ejemplo, el tiempo entre ocurrencias de algn fenmeno de inters. Aunque los estados pueden constituir una caracterizacin tanto Joel Isaac Zamora Morales Investigacin de Operaciones II

cualitativa como cuantitativa del sistema, no hay prdida de generalidad con las etiquetas numricas 0,1,, M, que se usarn en adelante para denotar los estados posibles del sistema. As, la representacin matemtica del sistema fsico es la de un proceso estocstico (X t) en donde las variables aleatorias se observan en t=0,1, 2,, y en donde cada variable aleatoria puede tomar el valor de cualquiera de los (M+1) enteros 0,1,, M. Estos enteros son una caracterizacin de lo (M +1) estados del sistema. Como ejemplo, considrese el siguiente problema de inventarios Una tienda de cmaras tienen en almacn un modelo especial de cmara que se puede ordenar cada semana. Sean D1, D2,, las demandas de esta cmara durante la primavera segunda semana, as respectivamente. Se supone que Di son variables aleatorias independientes e idnticamente distribuidas que tienen una distribucin de probabilidad conocida. Sea X0 el nmero de cmaras que se tiene en el momento de iniciar el proceso, X1 el nmero de cmaras que se tienen al final de la semana uno, X2 el nmero de cmaras al final de la semana dos, etc. Supngase que X0= 3. El sbado en la noche la tienda hace un pedido que le entregan en el momento de abrir la tienda el lunes. La tienda usa la siguiente poltica (s,S)1para ordenar: si el nmero de cmaras en inventario al final de la semana es menor que s=1 (no hay cmaras), ordena (hasta) S=3. De otra manera, no coloca la orden (si se cuenta con una o ms cmaras en el almacn, no se hace el pedido). Se supone que las ventas se pierden cuando la demanda excede el inventario. Entonces, (Xt) para t= 0,1,, es un proceso estocstico de la forma que se acaba de describir. Los estados posibles del proceso son los enteros 0, 1, 2,3 que representan el nmero posible de cmaras en inventario al final de la semana.

Se consult
HILLIER Frederick., LIEBERMAN G. Introduccin a la Investigacin de Investigaciones. Mc. Graw Hill, 4ta edicin (Segunda edicin al espaol). Mxico, 1989. MEYER Paul. Probabilidad y aplicaciones estadsticas. Fondo Educativo Interamericano, S.A. 1973. Mxico. http://www.investigaciondeoperaciones.net/ http://matematicas.uclm.es/ita-cr/web_matematicas/trabajos/248/Programacion_lineal.pdf http://mate.dm.uba.ar/~gduran/docs/charlas/junaeb_willy_8.pdf

Joel Isaac Zamora Morales

Investigacin de Operaciones II