MTODOS CUANTITATIVOS I

UNIDAD I INTRODUCCIN A LOS MTODOS CUANTITATIVOS.

1.1 Historia de la Investigacin de Operaciones (IO)
La toma de decisiones es un proceso que se inicia cuando una persona observa un problema y determina que es necesario resolverlo procediendo a definirlo, a formular un objetivo, reconocer las limitaciones o restricciones, a generar alternativas de solucin y evaluarlas hasta seleccionar la que le parece mejor, este proceso puede se cualitativo o cuantitativo. El enfoque cualitativo se basa en la experiencia y el juicio personal, las habilidades necesarias en este enfoque son inherentes en la persona y aumentan con la prctica. En muchas ocasiones este proceso basta para tomar buenas decisiones. El enfoque cuantitativo requiere habilidades que se obtienen del estudio de herramientas matemticas que le permitan a la persona mejorar su efectividad en la toma de decisiones. Este enfoque es til cuando no se tiene experiencia con problemas similares o cuando el problema es tan complejo o importante que requiere de un anlisis exhaustivo para tener mayor posibilidad de elegir la mejor solucin. La investigacin de operaciones proporciona a los tomadores de decisiones bases cuantitativas para seleccionar las mejores decisiones y permite elevar su habilidad para hacer planes a futuro. En el ambiente socioeconmico actual altamente competitivo y complejo, los mtodos tradicionales de toma de decisiones se han vuelto inoperantes e inadmisibles ya que los responsables de dirigir las actividades de las empresas e instituciones se enfrentan a situaciones complicadas y cambiantes con rapidez que requieren de soluciones creativas y prcticas apoyadas en una base cuantitativa slida. En organizaciones grandes se hace necesario que el tomador de decisiones tenga un conocimiento bsico de las herramientas cuantitativas que utilizan los especialistas para poder trabajar en forma estrecha con ellos y ser receptivos a las soluciones y recomendaciones que se le presenten. En organizaciones pequeas puede darse que el tomador de decisiones domine las herramientas cuantitativas y l mismo las aplique para apoyarse en ellas y as tomar sus decisiones. Desde al advenimiento de la Revolucin Industrial, el mundo ha sido testigo de un crecimiento sin precedentes en el tamao y la complejidad de las organizaciones. Los pequeos talleres artesanales se convirtieron en las corporaciones actuales de miles de millones de pesos. Una parte integral de este cambio revolucionario fue el gran aumento en la divisin del trabajo y en la separacin de las responsabilidades administrativas en estas organizaciones. Los resultados han sido espectaculares. Sin embargo, junto con los beneficios, el aumento en el grado de especializacin creo nuevos problemas que ocurren hasta la fecha en muchas empresas. Uno de estos problemas es la tendencia de muchas de las componentes de una organizacin a convertirse en imperios relativamente autnomos, con sus propias metas y sistemas de valores, perdiendo con esto la visin de la forma en que encajan sus actividades y objetivos con los de toda la organizacin. Lo que es mejor para una componente, puede ir en detrimento de otra, de manera que pueden terminar trabajando con objetivos opuestos. Un problema relacionado con esto es que, conforme la complejidad y la especializacin crecen, se vuelve ms difcil asignar los recursos disponibles a las diferentes actividades de la manera ms eficaz para la organizacin como un todo. Este tipo de problemas, y la necesidad de encontrar la mejor forma de resolverlos, proporcionaron el ambiente adecuado para el surgimiento de la INVESTIGACIN DE OPERACIONES (IO).

Las races de la investigacin de operaciones se remontan a muchas dcadas, cuando se hicieron los primeros intentos para emplear el mtodo cientfico en la administracin de una empresa. Sin embargo, el inicio de la actividad llamada investigacin de operaciones, casi siempre se atribuye a los servicios militares prestados a principios de la segunda guerra mundial. Debido a los esfuerzos blicos, exista una necesidad urgente de asignar recursos escasos a las distintas operaciones militares y a las actividades dentro de cada operacin, en la forma ms efectiva. Por esto, las administraciones militares americana e inglesa hicieron un llamado a un gran nmero de cientficos para que aplicaran el mtodo cientfico a ste y a otros problemas estratgicos y tcticos. De hecho, se les pidi que hicieran investigacin sobre operaciones (militares). Estos equipos de cientficos fueron los primeros equipos de IO. Con el desarrollo de mtodos efectivos para el uso del nuevo radar, estos equipos contribuyeron al triunfo del combate areo ingls. A travs de sus investigaciones para mejorar el manejo de las operaciones antisubmarinas y de proteccin, jugaron tambin un papel importante en la victoria de la batalla del Atlntico Norte. Esfuerzos similares fueron de gran ayuda en una isla de campaa en el pacfico. Al terminar la guerra, el xito de la investigacin de operaciones en las actividades blicas gener un gran inters en sus aplicaciones fuera del campo militar. Como la explosin industrial segua su curso, los problemas causados por el aumento en la complejidad y especializacin dentro de las organizaciones pasaron de nuevo a primer plano. Comenz a ser evidente para un gran nmero de personas, incluyendo a los consultores industriales que haban trabajado con o para los equipos de IO durante la guerra, que estos problemas eran bsicamente los mismos que los enfrentados por la milicia, pero en un contexto diferente. Cuando comenz la dcada de 1950, estos individuos haban introducido el uso de la investigacin de operaciones en la industria, los negocios y el gobierno. Desde entonces, esta disciplina se ha desarrollado con rapidez. Se pueden identificar por lo menos otros dos factores que jugaron un papel importante en el desarrollo de la investigacin de operaciones durante este perodo. Uno es el gran progreso que ya se haba hecho en el mejoramiento de las tcnicas disponibles en esta rea. Despus de la guerra, muchos cientficos que haban participado en los equipos de IO o que tenan informacin sobre este trabajo, se encontraban motivados a buscar resultados sustanciales en este campo; de esto resultaron avances importantes. Un ejemplo sobresaliente es el mtodo simplex para resolver problemas de programacin lineal, desarrollado en 1947 por George Dantzing. Muchas de las herramientas caractersticas de la investigacin de operaciones, como programacin lineal, programacin dinmica, lneas de espera y teora de inventarios, fueron desarrolladas casi por completo antes del trmino de la dcada de 1950. Un segundo factor que dio mpetu al desarrollo de este campo fue el advenimiento de las computadoras. Para manejar de una manera efectiva los complejos problemas inherentes a esta disciplina, por lo general se requiere un gran nmero de clculos. Llevarlos a cabo a mano puede resultar casi imposible. Por lo tanto, el desarrollo de la computadora electrnica digital, con su capacidad para realizar clculos aritmticos, miles o tal vez millones de veces ms rpido que los seres humanos, fue una gran ayuda para la investigacin de operaciones. Un avance ms tuvo lugar en la dcada de 1980 con el desarrollo de las computadoras personales cada vez ms rpidas, acompaado de buenos paquetes de software para resolver problemas de IO, esto puso las tcnicas al alcance de un gran nmero de personas. Hoy en da, literalmente millones de individuos tienen acceso a estos paquetes. En consecuencia, por rutina, se usa toda una gama de computadoras, desde las grandes hasta las porttiles, para resolver problemas de investigacin de operaciones.

1.2 Caractersticas esenciales de la IO. 1.2.1 Mtodo cientfico

Como su nombre lo dice, la investigacin de operaciones significa "hacer investigacin sobre las operaciones". Entonces, 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 naturaleza de la organizacin es esencialmente inmaterial y, de hecho, la investigacin de operaciones se ha aplicado de manera extensa en reas tan diversas como la manufactura, el transporte, la construccin, las telecomunicaciones, la planeacin financiera, el cuidado de la salud, la milicia y los servicios pblicos, por nombrar slo unas cuantas. As, la gama de aplicaciones es extraordinariamente amplia. La parte de investigacin en el nombre significa que la investigacin de operaciones usa un enfoque similar a la manera en que se lleva a cabo la investigacin en los campos cientficos establecidos. En gran medida, se usa el mtodo cientfico para investigar el problema en cuestin. (De hecho, en ocasiones se usa el trmino ciencias de la administracin como sinnimo de investigacin de operaciones.) En particular, el proceso comienza por la observacin cuidadosa y la formulacin del problema incluyendo la recoleccin de los datos pertinentes. El siguiente paso es la construccin de un modelo cientfico (por lo general matemtico) que intenta abstraer la esencia del problema real. En este punto se propone la hiptesis de que el modelo es una representacin lo suficientemente precisa de las caractersticas esenciales de la situacin como para que las conclusiones (soluciones) obtenidas sean vlidas tambin para el problema real. Despus, se llevan a cabo los experimentos adecuados para probar esta hiptesis, modificarla si es necesario y eventualmente verificarla. (Con frecuencia este paso se conoce como validacin del modelo.) Entonces, en cierto modo, la investigacin de operaciones incluye la investigacin cientfica creativa de las propiedades fundamentales de las operaciones.

1.2.2 Modelos: definicin y clasificacin

MODELO: ES EL CUERPO DE INFORMACIN RELATIVA A UN SISTEMA PARA FINES DE ESTUDIARLO.

Ejemplo de un modelo de supermercado: Los clientes que necesitan varios artculos de consumo llegan a un supermercado, toma un carrito si lo hay disponible, realizan sus compras y luego forman una cola para salir por una de las distintas cajas. Despus de pagar devuelven el carrito y salen del lugar. ENTIDAD Clientes Carrito caja ATRIBUTO Nmeros de artculos Disponibilidad Cantidad, ocupacin ACTIVIDAD Llegar ,obtener Comprar, formar cola Devolver, salir

La parte innovadora de la IO es sin duda alguna su enfoque modelstico, producto de sus creadores aunado a la presin de supervivencia de la guerra o la sinergia generada al combinarse diferentes disciplinas, una descripcin del enfoque es la siguiente.

1. Se define el sistema real en donde se presenta el problema. Dentro del sistema interactan normalmente un gran nmero de variables. 2. Se seleccionan las variables que norman la conducta o el estado actual del sistema, llamadas variables relevantes, con las cuales se define un sistema asumido del sistema real. 3. Se construye un modelo cuantitativo del sistema asumido, identificando y simplificando las relaciones entre las variables relevantes mediante la utilizacin de funciones matemticas. 4. Se obtiene la solucin al modelo cuantitativo mediante la aplicacin de una o mas de las tcnicas desarrolladas por la IO. 5. Se adapta e imprime la mxima realidad posible a la solucin terica del problema real obtenida en el punto 4, mediante la consideracin de factores cualitativos o no cuantificables, los cuales no pudieron incluirse en el modelo. Adems se ajusta los detalles finales va el juicio y la experiencia del tomador de decisiones. 6. Se implanta la solucin en el sistema real.

SISTEMA ASUMIDO VARIABLES RELEVANTES SISTEMA REAL MODELO CUANTITATIVO RELACIONES RELEVANTES JUICIOS Y EXPERIENCIAS SOLUCIN AL MODELO SOLUCIN AL PROBLEMA DEL SISTEMA REAL INTERPRETACIN DECISIONES MTODO DE SOLUCIN

LA INVESTIGACIN DE OPERACIONES OBTIENE LA SOLUCIN DEL PROBLEMA REAL INDIRECTAMENTE, Y NO COMO NORMALMENTE SE INTENTARA PASANDO DIRECTAMENTE DEL PROBLEMA REAL A LA SOLUCIN REAL.

Clasificacin de los modelos de investigacin de operaciones:

MODELOS ESPECFICOS DE LA INVESTIGACIN DE OPERACIONES Planeacin de la Produccin Asignacin de personal Transporte Control de inventarios Planeacin de dietas Abastecimientos de mercados Estrategias de Inversin Lneas de espera . . Etc.

1.2.3 Grupos interdisciplinarios

Son grupos de estudio o de otra actividad que incluye la cooperacin de varias disciplinas para resolver problemas de gran escala. La investigacin de operaciones ha tenido un impacto impresionante en el mejoramiento de la eficiencia de numerosas organizaciones en todo el mundo. En el proceso, la investigacin de operaciones ha hecho contribuciones significativas al incremento de la productividad dentro de la economa de varios pases. Hay ahora ms de 30 pases que son miembros de la International Federation of Operational Research Societies (IFORS), en la que cada pas cuenta con una sociedad de investigacin de operaciones. Sin duda, el impacto de la investigacin de operaciones continuar aumentando. Por ejemplo, al inicio de la dcada de los 90, el U.S. Bureau of Labor Statistics predijo que la IO sera el rea profesional clasificada como la tercera de ms rpido crecimiento para los estudiantes universitarios en Estados Unidos, graduados entre 1990 y 2005. Pronostic tambin que, para el ao 2005, habra 100 000 personas trabajando como analistas de investigacin de operaciones.

1.3. Definicin.
Que es la investigacin de operaciones? Puede describirse como un procedimiento cientfico para tomar decisiones que comprenden en forma sistemtica las diversas operaciones de los sistemas de las organizaciones. QU ES LA INVESTIGACIN DE OPERACIONES? Como toda disciplina en desarrollo, la investigacin de operaciones ha ido evolucionando no slo en sus tcnicas y aplicaciones sino en la forma como la conceptualizan los diferentes autores, en la actualidad no existe solamente una definicin sino muchas, algunas demasiado generales, otras demasiado engaosas, aqu seleccionamos dos de las mas aceptadas y representativas.

LA DEFINICIN DE CHURCHMAN, ACKOFF Y ARNOFF: LA INVESTIGACIN DE OPERACIONES ES LA APLICACIN, POR GRUPOS INTERDISCIPLINARIOS, DEL MTODO CIENTFICO A PROBLEMAS RELACIONADOS CON EL CONTROL DE LAS ORGANIZACIONES O SISTEMAS (HOMBRE-MQUINA), A FIN DE QUE SE PRODUZCAN SOLUCIONES QUE MEJOR SIRVAN A LOS OBJETIVOS DE LA ORGANIZACIN. De sta definicin se pueden destacar los siguientes conceptos: 1. Una organizacin es un sistema formado por componentes que se interaccionan, unas de estas interacciones pueden ser controladas y otras no. 2. En un sistema la informacin es una parte fundamental, ya que entre las componentes fluye informacin que ocasiona la interaccin entre ellas. Tambin dentro de la estructura de los sistemas se encuentran recursos que generan interacciones. Los objetivos de la organizacin se refieren a la eficacia y eficiencia con que las componentes pueden controlarse, el control es un mecanismo de autocorreccin del sistema que permite evaluar los resultados en trminos de los objetivos establecidos. 3. La complejidad de los problemas que se presentan en las organizaciones ya no encajan en una sola disciplina del conocimiento, se han convertido en multidisciplinario por lo cual para su anlisis y solucin se requieren grupos compuestos por especialistas de diferentes reas del conocimiento que logran comunicarse con un lenguaje comn. 4. La investigacin de operaciones es la aplicacin de la metodologa cientfica a travs modelos matemticos, primero para representar al problema y luego para resolverlo. La definicin de la sociedad de investigacin de operaciones de la Gran Bretaa es la siguiente: La investigacin de operaciones es el ataque de la ciencia moderna a los complejos problemas que surgen en la direccin y en la administracin de grandes sistemas de hombres, mquinas, materiales y dinero, en la industria, en los negocios, en el gobierno y en la defensa. Su actitud diferencial consiste en desarrollar un modelo cientfico del sistema tal, que incorpore valoraciones de

factores como el azar y el riesgo y mediante el cual se predigan y comparen los resultados de decisiones, estrategias o controles alternativos. Su propsito es el de ayudar a la gerencia a determinar cientficamente sus polticas y acciones. EN RELACIN A STA DEFINICIN DEBEN DESTACARSE LOS SIGUIENTES ASPECTOS: 1. Generalmente se asocian los conceptos de direccin y administracin a las empresas de tipo lucrativo, sin embargo, una empresa es un concepto ms amplio, es algo que utiliza hombres, mquinas, materiales y dinero con un propsito especfico; desde ste punto de vista, se considera como empresa desde una universidad hasta una armadora de automviles. 2. Para tratar de explicar el comportamiento de un sistema complejo, el cientfico debe representarlo en trminos de los conceptos que maneja, lo hace expresando todos los rasgos principales del sistema por medio de relaciones matemticas. A esta representacin formal se le llama modelo. 3. La esencia de un modelo es que debe ser predictivo, lo cual no significa predecir el futuro, pero si ser capaz de indicar muchas cosas acerca de la forma en que se puede esperar que un sistema opere en una variedad de circunstancias, lo que permite valorar su vulnerabilidad. Si se conocen las debilidades del sistema se pueden tomar cursos de accin agrupados en tres categoras: A) Efectuar cambios que lleven a la empresa o parte de ella a una nueva ruta; B) Realizar un plan de toma de decisiones; C) Instalar estrategias que generen decisiones. Cuando se aplica alguno de estos remedios, la investigacin de operaciones nos ayuda a determinar la accin menos vulnerable ante un futuro incierto. 4. El objetivo global de la investigacin de operaciones es el de apoyar al tomador de decisiones, en cuanto ayudarlo a cumplir con su funcin basado en estudios cientficamente fundamentados.

1.4. Proceso de solucin de modelos. 1.4.1 Algoritmos

Estructura de los algoritmos Paso de inicializacin Paso iterativo Regla de detencin NO SI Detenerse. Arreglo para iniciar las iteraciones. Reptase tantas veces como se necesite. Se ha obtenido el resultado que se desea?

El mtodo simplex.- Es el procedimiento general para resolver problemas de programacin lineal y en realidad es un algoritmo, de los cuales ustedes ya habrn observado muchos en cursos anteriores y an cuando es posible que no hayan escuchado jams ese nombre, sin duda se han encontrado muchos algoritmos con anterioridad. Por ejemplo, el conocido procedimiento para la divisin larga es un algoritmo. Tambin lo es el procedimiento para obtener races cuadradas. De hecho cualquier procedimiento iterativo de solucin es un algoritmo. Por consiguiente, un algoritmo es sencillamente un proceso en el que se repite (se itera) un procedimiento sistemtico una y otra vez hasta que se obtiene el resultado que se desea, como consecuencia, un algoritmo reemplaza un problema difcil por una serie de problemas ms sencillos.

1.4.2. Mtodos heursticos

Muchos problemas de optimizacin no pueden ser abordados por mtodos exactos, ya sea, por su alto grado combinatorio o por la dificultad de generar un modelo basado en programacin matemtica que represente exactamente una situacin real. Para situaciones de sta naturaleza se han venido generando desde la dcada de los sesenta mtodos conocidos como heursticos, capaces de encontrar soluciones de buena calidad pero en muchos casos aproximada a la solucin ptima. En el primer tiempo se generaron mtodos orientados especficamente a la resolucin de cada problema, gran parte de estos mtodos fueron generados inspirndose en la resolucin de problemas de fcil representacin pero de muy difcil solucin como lo son: el Problema del Vendedor Viajero; el Problema de la Mochila; el Problema de los Conjuntos de Cobertura; etc. Por la naturaleza diferente de estos problemas los mtodos que se generaron eran tiles apenas para el problema en el cual haban sido inspirados, a partir de los aos 80` se han generado una familia de mtodos conocidos como meta-heursticos que ahora tienen la capacidad de ser aplicables a problemas de diversa naturaleza. Es decir, una misma plantilla algortmica puede ser utilizada para resolver problemas que provienen de diversos sectores. Los mtodos meta-heursticos ms conocidos son: Bsqueda Tab Simulated Annealing Algoritmos Genticos Redes Neuronales Mtodos basados en Trayectoria de Hormiga Mtodos basados en Inteligencia Artificial

El formato general del problema de optimizacin abordable mediante mtodos heursticos es el siguiente:

La funcin f(x), es una funcin matemtica que se desea minimizar y las soluciones posibles deben pertenecer a un espacio W,los mtodos de bsqueda heurstica recorren el espacio W tratando de identificar la solucin que genera el mejor valor para f(x), el menor en la caso de minimizacin o el mayor en el caso de maximizacin.

PROGRAMACIN ENTERA La Programacin Entera surge por considerar el mismo formato descrito para la programacin lineal pero considerando que las variables del problema se restringen a asumir exclusivamente nmeros enteros, o sea, en el problema de programacin entera se trata de optimizar una funcin lineal cuyas variables deben tener nmeros enteros sujetos a un espacio de bsqueda W determinada por igualdades que tambin contienen en sus variables nmeros enteros. BSQUEDA TAB El mtodo de Bsqueda Tab se basa en utilizar memoria de corto y largo plazo, para recorrer el espacio W. En cada etapa el mtodo genera la mejor solucin perteneciente a una vecindad predefinida, y verificando el cumplimiento de ciertas restricciones de memoria y ciclaje, dirige la bsqueda hasta sta nueva solucin generada a partir de la cual inicia una nueva etapa. Trabajando de sta manera el algoritmo gradualmente mejora la calidad de la solucin etapa a etapa, hasta que se detiene con la mejor solucin encontrada durante este proceso de bsqueda; algunas veces esta es la solucin ptima en otros casos apenas es una solucin aproximada a la solucin ptima. SIMULATED ANNEALING El mtodo Simulated Annealing se gener a partir de una analoga entre el fenmeno de enfriamiento de sustancias puras y un problema de optimizacin. Se puede decir que el enfriamiento de una sustancia corresponde a un proceso de optimizacin cuyo objetivo es minimizar la energa del sistema. El mtodo realiza una bsqueda local al generar una solucin vecina de manera aleatoria, si la solucin es mejor que la solucin actual se actualiza sta y se reinicia el proceso de bsqueda a partir de esta nueva solucin, en caso contrario, es decir en el caso que la solucin vecina generada es peor que la solucin actual se le da una oportunidad probabilstica al mtodo, para que acepte una solucin de peor calidad que la de la solucin actual. Esta oportunidad obedece a las leyes naturales que se presenta en el fenmeno del enfriamiento de las sustancias puras en trminos matemticos, obedece con la distribucin de probabilidad de Bolzman. Este proceso de bsqueda se repite hasta que el algoritmo ya no es capaz de generar soluciones de mejor calidad que la actual, tpicamente es un proceso que se detiene despus de haber realizado un gran conjunto de iteraciones sin que se haya mejorado la calidad de la mejor solucin que se tiene hasta el momento. ALGORITMOS GENTICOS Los Algoritmos Genticos son mtodos de bsqueda que recorren el espacio de posibilidades de W en forma paralela y aleatoria, obedecen a una analoga con la evolucin de las especies Darwiniana. En cada etapa, se tiene una poblacin de soluciones posibles para el problema a partir de sta se genera una nueva poblacin de soluciones mediante operadores que emulan la seleccin entre las especies del cruzamiento y la mutacin. El mtodo trabaja, generacin tras generacin, mejorando la calidad de la mejor solucin de cada poblacin hasta que algn criterio de deteccin se cumpla, por ejemplo que el esfuerzo computacional que se ha invertido en la solucin del problema ha superado el lmite predefinido.

10

REDES NEURONALES Las redes neuronales son modelos matemticos que representan la interaccin entre las neuronas que ocurren en el cerebro humano, son ampliamente utilizadas en diversas reas de la Inteligencia Artificial como reconocimiento de formas, patrones, imgenes, clasificacin, etc. Su uso en optimizacin se origina a partir de la idea que la ejecucin de un algoritmo de aprendizaje de una red neuronal simultneamente minimiza una funcin energtica de la red. Al tener un problema de optimizacin se realiza un mapeamiento de la funcin objetivo del problema sobre la funcin energtica de la red y ejecutando el mtodo de aprendizaje se obtiene simultneamente la solucin para un problema de optimizacin. INTELIGENCIA ARTIFICIAL Los mtodos basados en inteligencia artificial, conocidos como mtodos de bsqueda exhaustiva, generan de manera constructiva caminos hacia la solucin ptima de un determinado problema. Estos mtodos son A*, AO*. Aunque existen pocos estudios en la literatura abordando estos tipos de mtodos para la resolucin de problemas combinatoriales, se han mostrado muy eficientes en la resolucin de algunos tipos de problemas. Tienen la habilidad de desdoblarse entre lo heurstico y lo exacto, de acuerdo a la definicin que se adopte para una funcin de evaluacin de cada uno de los nodos durante el proceso de construccin (funcin heurstica).

1.4.3 Simulacin
La tcnica de la simulacin ha sido, con mucho, una importante herramienta del proyectista, ya sea que est simulando el vuelo de un avin en un tnel de viento, la distribucin de una planta con modelos a escala de mquinas, o bien lneas de comunicacin con un diagrama de organizacin. Con la llegada de las computadoras de alta velocidad, con las cuales conducir los experimentos simulados tiene gran facilidad, esta tcnica ha incrementado tambin su importancia para el investigador de operaciones. En consecuencia, la simulacin se ha convertido en la rama experimental de la investigacin de operaciones. Hasta ahora se ha hecho hincapi en que si es posible se construyan modelos matemticos que sean una idealizacin razonable de los problemas, y a la vez, tratables para su solucin, este enfoque analtico por lo comn es superior a la simulacin. Sin embargo, muchos problemas son tan complejos que no se pueden resolver analticamente. En consecuencia, aun cuando tiende a ser un procedimiento relativamente caro, la simulacin suministra a menudo el nico enfoque prctico para un problema. Tpicamente la simulacin no es otra cosa ms que la tcnica de efectuar experimentos de muestreo sobre el modelo del sistema. Los experimentos se realizan sobre el modelo, en lugar de hacerlo sobre el propio sistema real, nicamente porque esto ltimo sera demasiado inconveniente, tardado y costoso. Ejemplo: Supngase que se tiene la oportunidad de participar en un juego en el que se lanzara repetidamente una moneda legal hasta que la diferencia entre el nmero de caras y el nmero de cruces que se obtengan sea tres. Se pedira pagar $1 por cada lanzamiento de la moneda, pero se recibiran $8 al final de cada jugada. No se permite abandonar durante una jugada; Por lo tanto, se gana dinero si el nmero de lanzamientos requeridos es menor que ocho, pero se pierde sise requieren ms de ocho lanzamientos. Cmo se tomara la decisin de participar o no en este juego?

11

Muchas personas basaran esta decisin en la simulacin, aunque seguramente no le daran ese nombre.

1.5. Metodologa de la IO.

DEFINICIN DEL PROBLEMA Y RECOLECCIN DE DATOS La mayor parte de los problemas prcticos con los que se enfrenta el equipo IO estn descritos inicialmente de una manera vaga. Por consiguiente, la primera actividad que se debe realizar es el estudio del sistema relevante y el desarrollo de un resumen bien definido del problema que se va a analizar. Esto incluye determinar los objetivos apropiados, las restricciones sobre lo que se puede hacer, las interrelaciones del rea bajo estudio con otras reas de la organizacin, los diferentes cursos de accin posibles, los lmites de tiempo para tomar una decisin, etc. Este proceso de definir el problema es crucial ya que afectar en forma significativa la relevancia de las conclusiones del estudio. Es difcil extraer una respuesta "correcta" a partir de un problema "equivocado"! Por su naturaleza, la investigacin de operaciones se encarga del bienestar de toda la organizacin, no slo de algunos de sus componentes. Un estudio de IO busca soluciones ptimas globales y no soluciones subptimas aunque sean lo mejor para uno de los componente. Entonces, idealmente, los objetivos que se formulan deben coincidir con los de toda la organizacin. Sin embargo, esto no siempre es conveniente. Muchos problemas interesan nada ms a una parte de la organizacin, de manera que el anlisis

12

sera innecesariamente besado si los objetivos fueran muy generales y si se prestara atencin especial a todos los efectos secundarios sobre el resto de la organizacin. En lugar de ello, los objetivos usados en un estudio deben ser tan especficos como sea posible, siempre y cuando contemplen las metas principales del tomador de decisiones y mantengan un nivel razonable de consistencia con los objetivos de los altos niveles. Las condiciones fundamentales para que exista un problema es que se establezca una diferencia entre lo que es (situacin actual) y lo que debe ser (situacin deseada u objetivo) y adems exista cuando menos una forma de eliminar o disminuir esa diferencia. Los componentes de un problema son: a) el tomador de decisiones o ejecutivo; b) los objetivos de la organizacin; c) el sistema o ambiente en el que se sita el problema; d) Los cursos de accin alternativos que se pueden tomar para resolverlo. Para formular un problema se requiere; a) identificar las componentes y variables controlables y no controlables del sistema; b) identificar los posibles cursos de accin, determinados por las componentes controlables; c) definir el marco de referencia dado por las componentes no controlables; d) definir los objetivos que se busca alcanzar y clasificarlos por orden de importancia; e) identificar las interpelaciones importantes entre las diferentes partes del sistema y encontrar las restricciones que existen.

FORMULACIN DE UN MODELO MATEMTICO Una vez definido el problema del tomador de decisiones, la siguiente etapa consiste en reformularlo de manera conveniente para su anlisis. La forma convencional en que la investigacin de operaciones realiza esto es construyendo un modelo matemtico que represente la esencia del problema. Antes de analizar como formular los modelos de este tipo, se explorar la naturaleza general de los modelos y, en particular, la de los modelos matemticos. El modelo matemtico est constituido por relaciones matemticas (ecuaciones y desigualdades) establecidas en trminos de variables, que representa la esencia del problema que se pretende solucionar. Para construir un modelo es necesario primero definir las variables en funcin de las cuales ser establecido. Luego, se procede a determinar matemticamente cada una de las dos partes que constituyen un modelo: a) la medida de efectividad que permite conocer el nivel de logro de los objetivos y generalmente es una funcin (ecuacin) llamada funcin objetivo; b) las limitantes del problema llamadas restricciones que son un conjunto de igualdades o desigualdades que constituyen las barreras y obstculos para la consecucin del objetivo. Un modelo siempre debe ser menos complejo que el problema real, es una aproximacin abstracta de la realidad con consideraciones y simplificaciones que hacen ms manejable el problema y permiten evaluar eficientemente las alternativas de solucin. Los modelos matemticos tienen muchas ventajas sobre una descripcin verbal del problema. Una ventaja obvia es que el modelo matemtico describe un problema en forma mucho ms concisa. Esto tiende a hacer que toda la estructura del problema sea ms comprensible y ayude a revelar las relaciones importantes entre causa y efecto. De esta manera, indica con ms claridad que datos adicionales son importantes para el anlisis. Tambin facilita simultneamente el manejo del problema en su totalidad y el estudio de todas sus interpelaciones. Por ltimo, un modelo matemtico forma un puente para poder emplear tcnicas matemticas y computadoras de alto poder, para analizar el problema. Sin duda, existe una amplia disponibilidad de paquetes de software para

13

muchos tipos de modelos matemticos, para micro y minicomputadoras. Por otro lado, existen obstculos que deben evitarse al usar modelos matemticos. Un modelo es, necesariamente, una idealizacin abstracta del problema, por lo que casi siempre se requieren aproximaciones y suposiciones de simplificacin si se quiere que el modelo sea manejable (susceptible de ser resuelto). Por lo tanto, debe tenerse cuidado de que el modelo sea siempre una representacin vlida del problema. El criterio apropiado para juzgar la validez de un modelo es el hecho de si predice o no con suficiente exactitud los efectos relativos de los diferentes cursos de accin, para poder tomar una decisin que tenga sentido. En consecuencia, no es necesario incluir detalles sin importancia o factores que tienen aproximadamente el mismo efecto sobre todas las opciones. Ni siquiera es necesario que la magnitud absoluta de la medida de efectividad sea aproximadamente correcta para las diferentes alternativas, siempre que sus valores relativos (es decir, las diferencias entre sus valores) sean bastante precisos. Entonces, todo lo que se requiere es que exista una alta correlacin entre la prediccin del modelo y lo que ocurre en la vida real. Para asegurar que este requisito se cumpla, es importante hacer un nmero considerable de pruebas del modelo y las modificaciones consecuentes. Aunque esta fase de pruebas se haya colocado despus en el orden del libro, gran parte del trabajo de validacin del modelo se lleva a cabo durante la etapa de construccin para que sirva de gua en la obtencin del modelo matemtico.

OBTENCIN DE UNA SOLUCIN A PARTIR DEL MODELO Resolver un modelo consiste en encontrar los valores de las variables dependientes, asociadas a las componentes controlables del sistema con el propsito de optimizar, si es posible, o cuando menos mejorar la eficiencia o la efectividad del sistema dentro del marco de referencia que fijan los objetivos y las restricciones del problema. La seleccin del mtodo de solucin depende de las caractersticas del modelo. Los procedimientos de solucin pueden ser clasificados en tres tipos: a) analticos, que utilizan procesos de deduccin matemtica; b) numricos, que son de carcter inductivo y funcionan en base a operaciones de prueba y error; c) simulacin, que utiliza mtodos que imitan o, emulan al sistema real, en base a un modelo. Muchos de los procedimientos de solucin tienen la caracterstica de ser iterativos, es decir buscan la solucin en base a la repeticin de la misma regla analtica hasta llegar a ella, si la hay, o cuando menos a una aproximacin.

PRUEBA DEL MODELO El desarrollo de un modelo matemtico grande es anlogo en algunos aspectos al desarrollo de un programa de computadora grande. Cuando se completa la primera versin, es inevitable que contenga muchas fallas. El programa debe probarse de manera exhaustiva para tratar de encontrar y corregir tantos problemas como sea posible. Eventualmente, despus de una larga serie de programas mejorados, el programador (o equipo de programacin) concluye que el actual da, en general, resultados razonablemente vlidos. Aunque sin duda quedarn algunas fallas ocultas en el programa (y quiz nunca se detecten, se habrn eliminado suficientes problemas importantes como para que sea confiable utilizarlo.

14

De manera similar, es inevitable que la primera versin de un modelo matemtico grande tenga muchas fallas. Sin duda, algunos factores o interpelaciones relevantes no se incorporaron al modelo y algunos parmetros no se estimaron correctamente. Esto no se puede eludir dada la dificultad de la comunicacin y la compresin de todos los aspectos y sutilezas de un problema operacional complejo, as como la dificultad de recolectar datos confiables. Por lo tanto, antes de usar el modelo debe probarse exhaustivamente para intentar identificar y corregir todas las fallas que se pueda. Con el tiempo, despus de una larga serie de modelos mejorados, el equipo de IO concluye que el modelo actual produce resultados razonablemente vlidos. Aunque sin duda quedarn algunos problemas menores ocultos en el modelo (y quiz nunca se detecten), las fallas importantes se habrn eliminado de manera que ahora es confiable usar el modelo. Este proceso de prueba y mejoramiento de un modelo para incrementar su validez se conoce como validacin del modelo. Debido a que el equipo de IO puede pasar meses desarrollando todas las piezas detalladas del modelo, es sencillo "no ver el bosque por buscar los rboles". Entonces, despus de completar los detalles ("los rboles") de la versin inicial del modelo, una buena manera de comenzar las pruebas es observarlo en forma global ("el bosque") para verificar los errores u omisiones obvias. El grupo que hace esta revisin debe, de preferencia, incluir por lo menos a una persona que no haya participado en la formulacin. Al examinar de nuevo la formulacin del problema y comprarla con el modelo pueden descubrirse este tipo de errores. Tambin es til asegurarse de que todas las expresiones matemticas sean consistentes en las dimensiones de las unidades que emplean. Adems, puede obtenerse un mejor conocimiento de la validez del modelo variando los valores de los parmetros de entrada y/o de las variables de decisin, y comprobando que los resultados del modelo se comporten de una manera factible. Con frecuencia, esto es especialmente revelador cuando se asignan a los parmetros o a las variables valores extremos cercanos a su mximo o a su mnimo. Un enfoque ms sistemtico para la prueba del modelo es emplear una prueba retrospectiva. Cuando es aplicable, esta prueba utiliza datos histricos y reconstruye el pasado para determinar si el modelo y la solucin resultante hubieran tenido un buen desempeo, de haberse usado. La comparacin de la efectividad de este desempeo hipottico con lo que en realidad ocurri, indica si el uso del modelo tiende a dar mejoras significativas sobre la prctica actual. Puede tambin indicar reas en las que el modelo tiene fallas y requiere modificaciones. Lo que es ms, el emplear las alternativas de solucin y estimar sus desempeos histricos hipotticos, se pueden reunir evidencias en cuanto a lo bien que el modelo predice los efectos relativos de los diferentes cursos de accin. Cuando se determina que el modelo y la solucin no son vlidos, es necesario iniciar nuevamente el proceso revisando cada una de las fases de la metodologa de la investigacin de operaciones. ESTABLECIMIENTO DE CONTROLES SOBRE LA SOLUCION Una solucin establecida como vlida para un problema, permanece como tal siempre y cuando las condiciones del problema tales como: las variables no controlables, los parmetros, las relaciones, etc., no cambien significativamente. Esta situacin se vuelve ms factible cuando algunos de los parmetros fueron estimados aproximadamente. Por lo anterior, es necesario generar informacin adicional sobre el comportamiento de la solucin debido a cambios en los parmetros del modelo. Usualmente esto se conoce

15

como anlisis de sensibilidad. En pocas palabras, esta fase consiste en determinar los rangos de variacin de los parmetros dentro de los cuales no cambia la solucin del problema. IMPLANTACION DE LA SOLUCION El paso final se inicia con el proceso de "vender" los hallazgos que se hicieron a lo largo del proceso a los ejecutivos o tomadores de decisiones. Una vez superado ste obstculo, se debe traducir la solucin encontrada a instrucciones y operaciones comprensibles para los individuos que intervienen en la operacin y administracin del sistema. La etapa de implantacin de una solucin se simplifica en gran medida cuando se ha propiciado la participacin de todos los involucrados en el problema en cada fase de la metodologa. Preparacin para la aplicacin del modelo. Esta etapa es crtica, ya que es aqu, y slo aqu, donde se cosecharn los beneficios del estudio. Por lo tanto, es importante que el equipo de IO participe, tanto para asegurar que las soluciones del modelo se traduzcan con exactitud a un procedimiento operativo, como para corregir cualquier defecto en la solucin que salga a la luz en este momento. El xito de la puesta en prctica depende en gran parte del apoyo que proporcionen tanto la alta administracin como la gerencia operativa. Es ms probable que el equipo de IO obtenga este apoyo si ha mantenido a la administracin bien informada y ha fomentado la gua de la gerencia durante el estudio. La buena comunicacin ayuda a asegurar que el estudio logre lo que la administracin quiere y por lo tanto merezca llevarse a la prctica. Tambin proporciona a la administracin el sentimiento de que el estudio es suyo y esto facilita el apoyo para la implantacin. La etapa de implantacin incluye varios pasos. Primero, el equipo de investigacin de operaciones de una cuidadosa explicacin a la gerencia operativa sobre el nuevo sistema que se va a adoptar y su relacin con la realidad operativa. En seguida, estos dos grupos comparten la responsabilidad de desarrollar los procedimientos requeridos para poner este sistema en operacin. La gerencia operativa se encarga despus de dar una capacitacin detallada al personal que participa, y se inicia entonces el nuevo curso de accin. Si tiene xito, el nuevo sistema se podr emplear durante algunos aos. Con esto en mente, el equipo de IO supervisa la experiencia inicial con la accin tomada para identificar cualquier modificacin que tenga que hacerse en el futuro. A la culminacin del estudio, es apropiado que el equipo de investigacin de operaciones documento su metodologa con suficiente claridad y detalle para que el trabajo sea reproducible. Poder obtener una rplica debe ser parte del cdigo de tica profesional del investigador de operaciones. Esta condicin es crucial especialmente cuando se estudian polticas gubernamentales en controversia.

1.6. Aplicaciones de la IO en el campo administrativo.

Las aplicaciones de la investigacin de operaciones son diversas y a continuacin se muestra una lista de dichas aplicaciones. Planeacin de la produccin Con programacin lineal Planeacin financiera con programacin lineal Administracin de proyectos con PERT y CPM Balance de costo y servicio en lneas de espera Balance de costo y servicio en inventarios Planeacin de personal con anlisis de Markov Planeacin de y evaluacin de campaas de publicidad con anlisis de Markov

16

Planeacin financiera mediante simulacin

1.7. Restricciones para implementar la IO

Al aplicar la I de O al estudio de sistemas y a la resolucin de problemas se corre el riesgo de tratar de manipular los problemas para buscar que se ajusten a las diferentes tcnicas, modelos de algoritmos establecidos en lugar de analizar los problemas y buscar resolverlos obteniendo las soluciones mejores, utilizando los mtodos apropiados, es decir resolver el problema utilizando los mtodos que proporcionan las mejoras soluciones y no buscar ajustar el problema a un mtodo especfico. Para llegar a hacer un uso apropiado de la I de O, es necesario primero comprender la metodologa para resolver los problemas, as como los fundamentos de las tcnicas de solucin para de esta forma saber cundo utilizarlas o no en las diferentes circunstancias. I TRABAJO DE EVALUACIN DE LA UNIDAD .. VALOR 60% 1. Qu eventos histricos ocurran durante el nacimiento de la investigacin de operaciones?

2. Que es un modelo de investigacin de operaciones? 3. Como se clasifican los modelos? 4. 5. 6. 7. Que es un grupo interdisciplinario? Como define la investigacin de operaciones? Que es un algoritmo? Mencione algunos algoritmos utilizados en investigacin de operaciones?

8. Que es un mtodo heurstico? 9. Que es la simulacin? 10. Mencione algunos ejemplos de aplicacin de la simulacin?

11. Visite la pagina http://www.imaginethatinc.com/ y bajar EXTEND Demo o en su

defecto acuda al laboratorio de computo y localice Extend Demo. 12. Imprima los modelos del supermercado y el banco 13. Cules son los pasos de la metodologa de la investigacin de operaciones?

17

14. Mencione tres aplicaciones de la IO en el campo administrativo 15. Mencione una limitacin de la investigacin de operaciones

16. Mencione tres mtodos metaheursticos. 17. Explique el siguiente paso de la metodologa de la investigacin de operaciones:
ESTABLECIMIENTO DE CONTROLES SOBRE LA SOLUCION

18. Mtodo desarrollado en 1947 por George Dantzing

19. Mencione los pasos para la creacin de un modelo de investigacin de operaciones

18