1. INTRODUCCIN A LA INVESTIGACIN DE OPERACIONES.

1.1. HISTORIA DE LA INVESTIGACIN DE OPERACIONES.

La primera actividad de Investigacin de Operaciones se dio durante la Segunda Guerra Mundial en Gran
Bretaa, donde la Administracin Militar llam a un grupo de cientficos de distintas reas del saber para que
estudiaran los problemas tcticos y estratgicos asociados a la defensa del pas.
El nombre de Investigacin de Operaciones fue dado aparentemente porque el equipo estaba llevando a
cabo la actividad de investigar operaciones (militares).
Motivados por los resultados alentadores obtenidos por los equipos britnicos, los administradores militares
de Estados Unidos comenzaron a realizar investigaciones similares. Para eso reunieron a un grupo selecto
de especialistas, los cuales empezaron a tener buenos resultados y en sus estudios incluyeron problemas
logsticos complejos, la planeacin de minas en el mar y la utilizacin efectiva del equipo electrnico.
Al trmino de la guerra y atrados por los buenos resultados obtenidos por los estrategas militares, los
administradores industriales empezaron a aplicar las herramientas de la Investigacin de Operaciones a la
resolucin de sus problemas que empezaron a originarse debido al crecimiento del tamao y la complejidad
de las industrias.
Aunque se ha acreditado a Gran Bretaa la iniciacin de la Investigacin de Operaciones como una nueva
disciplina, los Estados Unidos tomaron pronto el liderazgo en este campo rpidamente creciente. La primera
tcnica matemtica ampliamente aceptada en el medio de Investigacin de Operaciones fue el Mtodo
Simplex de Programacin Lineal, desarrollado en 1947 por el matemtico norteamericano George B.
Dantzig. Desde entonces las nuevas tcnicas se han desarrollado gracias al esfuerzo y cooperacin de las
personas interesadas tanto en el rea acadmica como en el rea industrial.
Un segundo factor en el progreso impresionante de la Investigacin de Operaciones fue el desarrollo de la
computadora digital, que con sus tremendas capacidades de velocidad de cmputo y de almacenamiento y
recuperacin de informacin, permitieron al tomador de decisiones rapidez y precisin.
Si no hubiera sido por la computadora digital, la Investigacin de Operaciones con sus grandes problemas
de computacin no hubiera crecido al nivel de hoy en da.
Actualmente la Investigacin de Operaciones se est aplicando en muchas actividades. Estas actividades
han ido ms all de las aplicaciones militares e industriales, para incluir hospitales, instituciones financieras,
bibliotecas, planeacin urbana, sistemas de transporte y sistemas de comercializacin.

1.2. CARACTERSTICAS DE LA INVESTIGACIN DE OPERACIONES.

Es muy notable el rpido crecimiento del tamao y la complejidad de las organizaciones (empresas)
humanas que se ha dado en estos ltimos tiempos. Tal tamao y complejidad nos hace pensar que una sola
decisin equivocada puede repercutir grandemente en los intereses y objetivos de la organizacin y en
ocasiones pueden pasar aos para rectificar tal error. Tambin el ritmo de la empresa de hoy implica que las
DECISIONES se tomen ms rpidamente que nunca, pues el hecho de posponer la accin puede dar una
decisiva ventaja al contrario en este mundo de la competencia.
La palpable dificultad de tomar decisiones ha hecho que el hombre se aboque en la bsqueda de una
herramienta o mtodo que le permita tomar las mejores decisiones de acuerdo a los recursos disponibles y
a los objetivos que persigue. Tal herramienta recibi el nombre de Investigacin de Operaciones.
De la definicin de Investigacin de Operaciones, como veremos en el siguiente apartado, podemos resaltar
los siguientes trminos: organizacin, sistema, grupos interdisciplinarios, objetivo y metodologa cientfica.
Una organizacin puede entenderse como un sistema, en el cual existen componentes; canales que
comunican tales componentes e informacin que fluye por dichos canales. En todo sistema las
componentes interactan unas con otras y tales interacciones pueden ser controlables e incontrolables. En

un sistema grande, las componentes se relacionan de muchas maneras, pero no todas son importantes, o
mejor dicho, no todas las interacciones tienen efectos importantes en las componentes del sistema.
Por lo tanto es necesario que exista un procedimiento sistemtico que identifique a quienes toman
decisiones y a las interacciones que tengan importancia para los objetivos de la organizacin o sistema. Uno
de esos procedimientos es precisamente la Investigacin de Operaciones.
Una estructura por la que no fluye informacin, no es dinmica, es decir, no podemos considerarla como un
sistema. Por lo tanto podemos decir que la informacin es lo que da vida a las estructuras u
organizaciones humanas.
Los objetivos de toda organizacin sern siempre alcanzar el liderato en su rama, controlando la eficiencia y
efectividad de todas sus componentes por medio de mtodos que permitan encontrar las relaciones ptimas
que mejor operen el sistema, dado un objetivo especfico.
Ante el tremendo avance que se ha dado en casi todas las ciencias en las ltimas dcadas, ya no es factible
querer saber un poco de todo, sino ms bien especializarse en alguna rama de la ciencia. Los problemas
que se presentan en las organizaciones no fcilmente se pueden resolver por un slo especialista. Por el
contrario son problemas multidisciplinarios, cuyo anlisis y solucin requieren de la participacin de varios
especialistas. Estos grupos interdisciplinarios necesariamente requieren de un lenguaje comn para poder
entenderse y comunicarse, donde la Investigacin de Operaciones viene a ser ese puente de comunicacin.
El enfoque de la Investigacin de Operaciones es el mismo del mtodo cientfico. En particular, el proceso
comienza por la observacin cuidadosa y la formulacin del problema y sigue con 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. Esta hiptesis se verifica y modifica mediante las pruebas
adecuadas. Entonces, en cierto modo, la Investigacin de Operaciones incluye la investigacin cientfica
creativa de las propiedades fundamentales de las operaciones. Sin embargo, existe ms que esto. En
particular, la Investigacin de Operaciones se ocupa tambin de la administracin prctica de la
organizacin. As, para tener xito, deber tambin proporcionar conclusiones positivas y claras que pueda
usar el tomador de decisiones cuando las necesite.

La contribucin del enfoque de Investigacin de Operaciones proviene principalmente de:

1. 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. Esto implica tomar en cuenta el problema dentro del contexto del sistema completo.
2. El anlisis de la estructura de tales soluciones y el desarrollo de procedimientos sistemticos para
obtenerlas.
3. El desarrollo de una solucin, incluyendo la teora matemtica si es necesario, que lleva al valor ptimo
de la medida de lo que se espera del sistema (o quiz que compare los cursos de accin opcionales
evaluando esta medida para cada uno).

1.3. DEFINICIN.
Investigacin de Operaciones o Investigacin Operacional. Se puede definir de la siguiente manera: 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 toda la organizacin.

1.4. METODOLOGA DE LA INVESTIGACIN DE OPERACIONES.

El proceso de la Investigacin de Operaciones comprende las siguientes fases:

1.
2.
3.
4.
5.

Formulacin y definicin del problema.

Construccin del modelo.
Solucin del modelo.
Validacin del modelo.
Implementacin de resultados.

Demos una explicacin de cada una de las fases:

1.

2.

3.

4.

5.

Formulacin y definicin del problema. En esta fase del proceso se necesita: una descripcin de los
objetivos del sistema, es decir, qu se desea optimizar; identificar las variables implicadas, ya sean
controlables o no; determinar las restricciones del sistema. Tambin hay que tener en cuenta las
alternativas posibles de decisin y las restricciones para producir una solucin adecuada.
Construccin del modelo. En esta fase, el investigador de operaciones debe decidir el modelo a utilizar
para representar el sistema. Debe ser un modelo tal que relacione a las variables de decisin con los
parmetros y restricciones del sistema. Los parmetros (o cantidades conocidas) se pueden obtener ya
sea a partir de datos pasados o ser estimados por medio de algn mtodo estadstico. Es
recomendable determinar si el modelo es probabilstico o determinstico. El modelo puede ser
matemtico, de simulacin o heurstico, dependiendo de la complejidad de los clculos matemticos
que se requieran.
Solucin del modelo. Una vez que se tiene el modelo, se procede a derivar una solucin matemtica
empleando las diversas tcnicas y mtodos matemticos para resolver problemas y ecuaciones.
Debemos tener en cuenta que las soluciones que se obtienen en este punto del proceso, son
matemticas y debemos interpretarlas en el mundo real. Adems, para la solucin del modelo, se
deben realizar anlisis de sensibilidad, es decir, ver cmo se comporta el modelo a cambios en las
especificaciones y parmetros del sistema. Esto se hace, debido a que los parmetros no
necesariamente son precisos y las restricciones pueden estar equivocadas.
Validacin del modelo. La validacin de un modelo requiere que se determine si dicho modelo puede
predecir con certeza el comportamiento del sistema. Un mtodo comn para probar la validez del
modelo, es someterlo a datos pasados disponibles del sistema actual y observar si reproduce las
situaciones pasadas del sistema. Pero como no hay seguridad de que el comportamiento futuro del
sistema contine replicando el comportamiento pasado, entonces siempre debemos estar atentos de
cambios posibles del sistema con el tiempo, para poder ajustar adecuadamente el modelo.
Implementacin de resultados. Una vez que hayamos obtenido la solucin o soluciones del modelo, el
siguiente y ltimo paso del proceso es interpretar esos resultados y dar conclusiones y cursos de
accin para la optimizacin del sistema. Si el modelo utilizado puede servir a otro problema, es
necesario revisar, documentar y actualizar el modelo para sus nuevas aplicaciones.

1.5. ESTRUCTURA DE LOS MODELOS EMPLEADOS EN LA INVESTIGACIN DE

OPERACIONES.
El enfoque de la Investigacin de Operaciones es el modelaje. Un modelo es una herramienta que nos sirve
para lograr una visin bien estructurada de la realidad. As, el propsito del modelo es proporcionar un
medio para analizar el comportamiento de las componentes de un sistema con el fin de optimizar su
desempeo. La ventaja que tiene el sacar un modelo que represente una situacin real, es que nos permite
analizar tal situacin sin interferir en la operacin que se realiza, ya que el modelo es como si fuera un
espejo de lo que ocurre.
Para aumentar la abstraccin del mundo real, los modelos se clasifican como 1) icnicos, 2) anlogos, 3)
simblicos.
Los modelos icnicos son la representacin fsica, a escala reducida o aumentada de un sistema real.
Los modelos anlogos esencialmente 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.
Los modelos ms importantes para la investigacin de operaciones, son los modelos simblicos o
matemticos, que emplean un conjunto de smbolos y funciones para representar las variables de decisin y
sus relaciones para describir el comportamiento del sistema. El uso de las matemticas para representar el
modelo, el cual es una representacin aproximada de la realidad, nos permite aprovechar las computadoras
de alta velocidad y tcnicas de solucin con matemticas avanzadas.

Un modelo matemtico comprende principalmente tres conjuntos bsicos de elementos. Estos son:
1) variables y parmetros de decisin, 2) restricciones y 3) funcin objetivo.
1. Variables y parmetros de decisin. Las variables de decisin son las incgnitas (o decisiones) que
deben determinarse resolviendo el modelo. Los parmetros son los valores conocidos que relacionan
las variables de decisin con las restricciones y funcin objetivo. Los parmetros del modelo pueden
ser determinsticos o probabilsticos.
2. Restricciones. Para tener en cuenta las limitaciones tecnolgicas, econmicas y otras del sistema, el
modelo debe incluir restricciones (implcitas o explcitas) que restrinjan las variables de decisin a un
rango de valores factibles.
3. Funcin objetivo. La funcin objetivo define la medida de efectividad del sistema como una funcin
matemtica de las variables de decisin.
La solucin ptima ser aquella que produzca el mejor valor de la funcin objetivo, sujeta a las restricciones.

1.6. CONCEPTO DE OPTIMIZACIN.

Una caracterstica adicional, que se mencion como de pasada, es que la Investigacin de
Operaciones intenta encontrar la mejor solucin, o la solucin ptima, al problema bajo consideracin. En
lugar de contentarse con slo mejorar el estado de las cosas, la meta es identificar el mejor curso de accin
posible. An cuando debe interpretarse con todo cuidado, esta bsqueda de la optimalidad es un aspecto
muy importante dentro de la Investigacin de Operaciones.

1.7 REAS DE APLICACIN DE LA INVESTIGACIN DE OPERACIONES.

Como su nombre lo dice, Investigacin de Operaciones significa hacer investigacin sobre las
operaciones. Esto dice algo del enfoque como del rea de aplicacin. 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 en los negocios, la industria, la milicia, el gobierno,
los hospitales, etc. As, la gama de aplicaciones es extraordinariamente amplia. Casi todas las
organizaciones ms grandes del mundo (alrededor de una docena) y una buena proporcin de las industrias
ms pequeas cuentan con grupos bien establecidos de Investigacin de Operaciones. Muchas industrias,
incluyendo la area y de proyectiles, la automotriz, la de comunicaciones, computacin, energa elctrica,
electrnica, alimenticia, metalrgica, minera, del papel, del petrleo y del transporte, han empleado la
Investigacin de Operaciones. Las instituciones financieras, gubernamentales y de salud estn incluyendo
cada vez ms estas tcnicas.
Para ser ms especficos, se consideran algunos problemas que se han resuelto mediante algunas tcnicas
de Investigacin de Operaciones. La programacin lineal se ha usado con xito en la solucin de problemas
referentes a la asignacin de personal, la mezcla de materiales, la distribucin y el transporte y las carteras
de inversin. La programacin dinmica se ha aplicado con buenos resultados en reas tales como la
planeacin de los gastos de comercializacin, la estrategia de ventas y la planeacin de la produccin. La
teora de colas ha tenido aplicaciones en la solucin de problemas referentes al congestionamiento del
trfico, al servicio de mquinas sujetas a descomposturas, a la determinacin del nivel de la mano de obra,
a la programacin del trfico areo, al diseo de presas, a la programacin de la produccin y a la
administracin de hospitales. Otras tcnicas de Investigacin de Operaciones, como la teora de inventarios,
la teora de juegos y la simulacin, han tenido exitosas aplicaciones en una gran variedad de contextos.

ORGENES DE LA INVESTIGACIN DE OPERACIONES

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 a 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 la 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 tiene acceso a estos paquetes. En consecuencia, por rutina, se usa toda
una gama e computadoras, desde las grandes hasta las porttiles, para resolver problemas de investigacin
de operaciones.

NATURALEZA DE LA INVESTIGACIN DE OPERACIONES

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 constitucin, 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 e operaciones incluye la investigacin cientfica creativa de las
propiedades fundamentales de las operaciones. Sin embargo, existe ms que esto. En particular, la IO se
ocupa tambin de la administracin prctica de la organizacin. As, para tener xito, deber tambin
proporcionar conclusiones claras que pueda usar el tomador de decisiones cuando las necesite.
Una caracterstica ms de la investigacin de operaciones es su amplio punto de vista. Como qued
implcito en la seccin anterior, la IO adopta un punto de vista organizacional. de esta manera, intenta
resolver los conflictos de intereses entre las componentes de la organizacin de forma que el resultado sea
el mejor para la organizacin completa. Esto no significa que el estudio de cada problema deba considerar
en forma explcita todos los aspectos de la organizacin sino que los objetivos que se buscan deben ser
consistentes con los de toda ella.
Una caracterstica adicional es que la investigacin de operaciones intenta encontrar una mejor solucin,
(llamada solucin ptima) para el problema bajo consideracin. (Decimos una mejor solucin y no la mejor
solucin porque pueden existir muchas soluciones que empaten como la mejor.) En lugar de contentarse
con mejorar el estado de las cosas, la meta es identificar el mejor curso de accin posible. Aun cuando debe
interpretarse con todo cuidado en trminos de las necesidades reales de la administracin, esta "bsqueda
de la optimidad" es un aspecto importante dentro de la investigacin de operaciones.

Todas estas caractersticas llevan de una manera casi natural a otra. Es evidente que no puede esperarse
que un solo individuo sea un experto en todos lo mltiples aspectos del trabajo de investigacin de
operaciones o de los problemas que se estudian; se requiere un grupo de individuos con diversos
antecedentes y habilidades. Entonces, cuando se va a emprender un estudio de investigacin de
operaciones completo de un nuevo problema, por lo general es necesario emplear el empleo de equipo.
Este debe incluir individuos con antecedentes firmes en matemticas, estadstica y teora de probabilidades,
al igual que en economa, administracin de empresas, ciencias de la computacin, ingeniera, ciencias
fsicas, ciencias del comportamiento y, por supuesto, en las tcnicas especiales de investigacin de
operaciones. El equipo tambin necesita tener la experiencia y las habilidades necesarias para permitir la
consideracin adecuada de todas las ramificaciones del problema a travs de la organizacin.

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.
2.

3.

4.

Una organizacin es un sistema formado por componentes que se interaccionan, unas de estas
interacciones pueden ser controladas y otras no.
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.
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.
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.

2.
3.

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.
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.
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

4.

investigacin de operaciones nos ayuda a determinar la accin menos vulnerable ante un futuro
incierto.
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.

ENFOQUE DE LA INVESTIGACIN DE OPERACIONES:

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. (Ver la figura 11).
1.
2.
3.
4.
5.

6.

Se define el sistema real en donde se presenta el problema. Dentro del sistema interactan
normalmente un gran nmero de variables.
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.
Se construye un modelo cuantitativo del sistema asumido, identificando y simplificando las relaciones
entre las variables relevantes mediante la utilizacin de funciones matemticas.
Se obtiene la solucin al modelo cuantitativo mediante la aplicacin de una o ms de las tcnicas
desarrolladas por la IO.
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.
Se implanta la solucin en el sistema real.

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.

METODOLOGA DE LA INVESTIGACION DE OPERACIONES

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 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 el 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 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 preciso.
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.
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 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.

IMPLANTACIN DE LA SOLUCIN
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.

INTRODUCCIN A LA PROGRAMACIN LINEAL

Muchas personas clasifican el desarrollo de la programacin lineal entre los avances cientficos ms
importantes de mediados del siglo XX, su impacto desde 1950 ha sido extraordinario. En la actualidad es
una herramienta de uso normal que ha ahorrado miles o millones de pesos a muchas compaas o
negocios, incluyendo empresas medianas en los distintos pases industrializados del mundo; su aplicacin a
otros sectores de la sociedad se est ampliando con rapidez. Una proporcin muy grande de los clculos
cientficos en computadoras est dedicada al uso de la programacin lineal.
Cul es la naturaleza de esta notable herramienta y qu tipos de problemas puede manejar. Expresado
brevemente, el tipo ms comn de aplicacin abarca el problema general de asignar recursos limitados
entre actividades competitivas de la mejor manera posible (es decir, en forma ptima). Con ms precisin,
este problema incluye elegir el nivel de ciertas actividades que compiten por recursos escasos necesarios
para realizarlas. Despus, los niveles de actividad elegidos dictan la cantidad de cada recurso que
consumir cada una de ellas. La variedad de situaciones a las que se puede aplicar esta descripcin es sin
duda muy grande, y va desde la asignacin de instalaciones de produccin a los productos, hasta la
asignacin de los recursos nacionales a las necesidades de un pas; desde la seleccin de una cartera de
inversiones, hasta la seleccin de los patrones de envo; desde la planeacin agrcola, hasta el diseo de

una terapia de radiacin, etc. No obstante, el ingrediente comn de todas estas situaciones es la necesidad
de asignar recursos a las actividades eligiendo los niveles de las mismas.
La programacin lineal utiliza un modelo matemtico para describir el problema. El adjetivo lineal significa
que todas las funciones matemticas del modelo deber ser funciones lineales. En este caso, las palabra
programacin no se refiere a programacin en computadoras; en esencia es un sinnimo de planeacin.
As, la programacin lineal trata la planeacin de las actividades para obtener un resultado ptimo, esto es,
el resultado que mejor alcance la meta especificada (segn el modelo matemtico) entre todas las
alternativas de solucin.
Aunque la asignacin de recursos a las actividades es la aplicacin ms frecuente, la programacin lineal
tiene muchas otras posibilidades. de hecho, cualquier problema cuyo modelo matemtico se ajuste al
formato general del modelo de programacin lineal es un problema de programacin lineal. An ms, se
dispone de un procedimiento de solucin extraordinariamente eficiente llamado mtodo simplex, para
resolver estos problemas, incluso los de gran tamao. Estas son algunas causas del tremendo auge de la
programacin lineal en las ltimas dcadas.

MODELO DE PROGRAMACIN LINEAL

Los trminos clave son recursos y actividades, en donde m denota el nmero de distintos tipos de recursos
que se pueden usar y n denota el nmero de actividades bajo consideracin. Algunos ejemplos de recursos
son dinero y tipos especiales de maquinaria, equipo, vehculos y personal. Los ejemplos de actividades
incluyen inversin en proyectos especficos, publicidad en un medio determinado y el envo de bienes de
cierta fuente a cierto destino. En cualquier aplicacin de programacin lineal, puede ser que todas las
actividades sean de un tipo general (como cualquiera de los ejemplos), y entonces cada una correspondera
en forma individual a las alternativas especficas dentro de esta categora general.
El tipo ms usual de aplicacin de programacin lineal involucra la asignacin de recursos a ciertas
actividades. La cantidad disponible de cada recurso est limitada, de forma que deben asignarse con todo
cuidado. La determinacin de esta asignacin incluye elegir los niveles de las actividades que lograrn el
mejor valor posible de la medida global de efectividad.
Ciertos smbolos se usan de manera convencional para denotar las distintas componentes de un modelo de
programacin lineal. Estos smbolos se enumeran a continuacin, junto con su interpretacin para el
problema general de asignacin de recursos a actividades.
Z =

valor de la medida global de efectividad

xj =

nivel de la actividad j (para j = 1,2,...,n)

cj =

incremento en Z que resulta al aumentar una unidad en el nivel de la actividad j

bi =

cantidad de recurso i disponible para asignar a las actividades (para i = 1,2,...,m)

aij =

cantidad del recurso i consumido por cada unidad de la actividad j

El modelo establece el problema en trminos de tomar decisiones sobre los niveles de las actividades, por
lo que x1,x2,....,xn se llaman variables de decisin. Los valores de cj, bi y aij (para i = 1,2,....,m y j =
1,2,....,n) son las constantes de entrada al modelo. Las cj, bi y aij tambin se conocen como parmetros del
modelo.

Forma estndar del modelo

Ahora se puede formular al modelo matemtico para este problema general de asignacin de recursos a
actividades. En Datos necesarios para un modelo de programacin lineal que maneja la asignacin de
recursos a actividades particular, este modelo consiste en elegir valores de x1,x2,....,xn para:
Optimizar (maximizar o minimizar) Z = c1x1 + c2x2 +....+ cnxn,

Sujeta a las restricciones:

a11x1 + a12x2 +....+ a1nxn < b1
a21x1 + a22x2 +....+ a2nxn < b2
.
.
.
am1x1 + am2x2 +....+ amnxn < bm
X1 0,

X2 0,

...,

Xn 0.

SUPOSICIONES DEL MODELO DE PROGRAMACIN LINEAL

Proporcionalidad
La contribucin de cada actividad al valor de la funcin objetivo Z es proporcional al nivel de actividad xj,
como lo representa el trmino cjxj en la funcin objetivo. De manera similar, la contribucin de cada
actividad al lado izquierdo de cada restriccin funcional es proporcional al nivel de la actividad xj, en la forma
en que lo representa el trmino aijxj en la restriccin. En consecuencia, esta suposicin elimina cualquier
exponente diferente a 1 para las variables en cualquier trmino de las funciones (ya sea la funcin objetivo o
la funcin en el lado izquierdo de las restricciones funcionales) en un modelo de programacin lineal.

Actividad
Establece que la entrada y salida de un recurso en particular al conjunto de actividades, deben ser la misma
cantidad; o sea, que las actividades transforman los recursos y no los crean o destruyen. Esta suposicin
garantiza que la contribucin total tanto a la funcin objetivo como a las restricciones, es igual a la suma de
las contribuciones individuales. Cuando en un problema dado no se tenga la aditividad puede recurrirse al
empleo de otras tcnicas de la programacin matemtica, dependiendo de cada caso en particular.

Aditividad
Cada funcin en un modelo de programacin lineal (ya sea la funcin objetivo o el lado izquierdo de las
restricciones funcionales) es la suma de las contribuciones individuales de las actividades respectivas.

Divisibilidad
Las variables de decisin en un modelo de programacin lineal pueden tomar cualquier valor, incluyendo
valores no enteros, que satisfagan las restricciones funcionales y de no negatividad. As, estas variables no
estn restringidas a slo valores enteros. Como cada variable de decisin representa el nivel de alguna
actividad, se supondr que las actividades se pueden realizar a niveles fraccinales.

LIMITACIONES DEL MODELO DE PROGRAMACIN LINEAL

Modelo Determinstico
El modelo de PL involucra nicamente tres tipos de parmetros: Cj, aij y bi; de ah su sencillez y gran
aplicacin. Sin embargo, el valor de dichos parmetros debe ser conocido y constante. Cuando el valor de
los parmetros tiene un cierto riesgo o incertidumbre, pude utilizarse la programacin paramdica, la
programacin estocstica, o realizarse un anlisis de sensibilidad.

Modelo Esttico

En algunos modelos matemticos se han empleado con xito las ecuaciones diferenciales, para inducir la
variable tiempo en ellos. En este sentido, puede decidirse que la PL utiliza un modelo esttico, ya que la
variable tiempo no se involucra formalmente. Adquiriendo un poco de experiencia en la formulacin de
modelos de PL, puede imbuirse la temporabilidad mencionada, con el uso de subndices en las variables.

Modelo que no suboptimiza

Debido a la forma que se plantea el modelo de PL, o encuentra la solucin ptima o declara que sta no
existe. Cuando no es posible obtener una solucin ptima y se debe obtener alguna, se recurre a otra
tcnica ms avanzada que la PL, la cual se denomina programacin lineal por metas.

IMPACTO DE LA INVESTIGACIN DE OPERACIONES

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.

RIESGO AL APLICAR LA INVESTIGACIN DE OPERACIONES

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.

LIMITACIONES DE LA INVESTIGACIN DE OPERACIONES

1.
2.
3.

4.

Frecuentemente es necesario hacer simplificaciones del problema original para poder manipularlo y
detener una solucin.
La mayora de los modelos slo considera un solo objetivo y frecuentemente en las organizaciones se
tienen objetivos mltiples.
Existe la tendencia a no considerar la totalidad de las restricciones en un problema prctico, debido a
que los mtodos de enseanza y entrenamiento dan la aplicacin de esta ciencia centralmente se
basan en problemas pequeos para razones de ndole prctico, por lo que se desarrolla en los
alumnos una opinin muy simplista e ingenua sobre la aplicacin de estas tcnicas a problemas
reales.
Casi nunca se realizan anlisis costo-beneficio de la implantacin de soluciones definidas por medio
de la I de O, en ocasiones los beneficios potenciales se van superados por los costos ocasionados
por el desarrollo e implantacin de un modelo.

INTRODUCCIN A LA INVESTIGACIN DE OPERACIONES

Los cambios revolucionarios originaron gran aumento en la divisin de trabajo y la separacin de las
responsabilidades administrativas en las organizaciones. Sin embargo esta revolucin creo nuevos

problemas que ocurren hasta la fecha en muchas empresas. Uno de estos problemas es la tendencia de
muchos de los componentes a convertirse en imperios relativamente autnomos, con sus propias metas y
sistemas de valores. Este tipo de problemas, y la necesidad de encontrar la mejor forma de resolverlos,
proporcionaron el surgimiento de la Investigacin de Operaciones.
La Investigacin de Operaciones aspira determinar la mejor solucin (optima) para un problema de decisin
con la restriccin de recursos limitados.
En la Investigacin de Operaciones utilizaremos herramientas que nos permiten tomar una decisin a la
hora de resolver un problema tal es el caso de los modelos e Investigacin de Operaciones que se emplean
segn sea la necesidad.
Para llevar a cabo el estudio de Investigacin de Operaciones es necesario cumplir con una serie de etapas
o fases. Las principales etapas o fases de las que hablamos son las siguientes:

Definicin del problema.

Construccin del modelo.
Solucin del modelo.
Validacin del modelo.
Implantacin de los resultados finales.

ORGENES DE LA INVESTIGACIN DE OPERACIONES.

El inicio de la Investigacin de Operaciones se remonta a la poca de la Segunda Guerra Mundial en donde
surgi la necesidad urgente de asignar recursos escasos a las diferentes operaciones militares y a las
actividades dentro de cada operacin, en la forma mas efectiva, es por esto, que las administraciones
militares americana e inglesa hicieron un llamado a un gran nmero de cientficos para que aplicaran el
mtodo cientfico a los problemas estratgicos y tcticos, a dichos cientficos se les pidi que hicieran
investigaciones sobre las operaciones militares. Todo el esfuerzo de este equipo de cientficos (que fueron el
primer equipo de Investigacin de Operaciones) lograron el triunfo de muchas batallas.
Luego de 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.
Desde la dcada de 1950, se haba 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.
Un factor importante de la implantacin de la Investigacin de Operaciones en este periodo es el
mejoramiento de las tcnicas disponibles en esta rea. Muchos de los cientficos que participaron en la
guerra, se encontraron a buscar resultados sustanciales en este campo; un ejemplo sobresaliente es el
mtodo Simplex para resolucin de problemas de Programacin Lineal, desarrollado en 1947 por George
Dantzing. Muchas de las herramientas utilizadas en la Investigacin de Operaciones como la Programacin
Lineal, la Programacin Dinmica, Lneas de Espera y Teora de Inventarios fueron desarrollados al final de
los aos 50.
Un segundo factor importante para el desarrollo de este campo fue el advenimiento de la revolucin de las
computadoras. Para manejar los complejos problemas relacionados con esta disciplina, generalmente se
requiere un gran nmero de clculos que llevarlos a cabo a mano es casi imposible. Por lo tanto el
desarrollo de la computadora digital, fue una gran ayuda para la Investigacin de Operaciones.
En la dcada de los 80 con la invencin de computadoras personales cada vez ms rpidas y acompaadas
de buenos paquetes de Software para resolver problemas de Investigacin de Operaciones esto puso la
tcnica al alcance de muchas personas. Hoy en da se usa toda una gama de computadoras, desde las
computadoras de grandes escalas como las computadoras personales para la Investigacin de
Operaciones.

DEFINICIN Y SIGNIFICADO DE INVESTIGACIN DE OPERACIONES.

La Investigacin de Operaciones aspira a determinar el mejor curso de accin, o curso ptimo, de un

problema de decisin con la restriccin de recursos limitados.
Como tcnica para la resolucin de problemas, investigacin de operaciones debe visualizarse como una
ciencia y como un arte.
Como Ciencia radica en ofrecer tcnicas y algoritmos matemticos para resolver problemas de decisin
adecuada.
Como Arte debido al xito que se alcanza en todas las fases anteriores y posteriores a la solucin de un
modelo matemtico, depende de la forma apreciable de la creatividad y la habilidad personal de los
analistas encargados de tomar las decisiones.
En un equipo de Investigacin de Operaciones es importante la habilidad adecuada en los aspectos
cientficos y artsticos de Investigacin de Operaciones. Si se destaca un aspecto y no el otro
probablemente se impedir la utilizacin efectiva de la Investigacin de Operaciones en la prctica.
La Investigacin de Operaciones en la Ingeniera de Sistemas se emplea principalmente en los aspectos de
coordinacin de operaciones y actividades de la organizacin o sistema que se analice, mediante el empleo
de modelos que describan las interacciones entre los componentes del sistema y de ste con este con su
medio ambiente
En la Investigacin de Operaciones la parte de "Investigacin" se refiere a que aqu se usa un enfoque
similar a la manera en la que se lleva a cabo la investigacin en los campos cientficos establecidos. La
parte de "Operaciones" es porque en ella se resuelven problemas que se refieren a la conduccin de
operaciones dentro de una organizacin.

CARACTERSTICAS DE LA INVESTIGACIN DE OPERACIONES.

La Investigacin de Operaciones usa el mtodo cientfico para investigar el problema en cuestin. En
particular, el proceso comienza por la observacin cuidadosa y la formulacin del problema incluyendo la
recoleccin de datos pertinentes.
La Investigacin de Operaciones adopta un punto de vista organizacional. De esta manera intenta resolver
los conflictos de inters entre los componentes de la organizacin de forma que el resultado sea el mejor
para la organizacin completa.
La Investigacin de Operaciones intenta encontrar una mejor solucin (llamada solucin optima), para el
problema bajo consideracin. En lugar de contentarse con mejorar el estado de las cosas, la meta es
identificar el mejor curso de accin posible.
En la Investigacin de Operaciones es necesario emplear el enfoque de equipo. Este equipo debe incluir
personal con antecedentes firmes en matemticas, estadsticas y teora de probabilidades, economa,
administracin de empresas ciencias de la computacin, ingeniera, etc. El equipo tambin necesita tener la
experiencia y las habilidades para permitir la consideracin adecuada de todas las ramificaciones del
problema.
La Investigacin de Operaciones ha desarrollado una serie de tcnicas y modelos muy tiles a la Ingeniera
de Sistemas. Entre ellos tenemos: la Programacin No Lineal, Teora de Colas, Programacin Entera,
Programacin Dinmica, entre otras.
La Investigacin de Operaciones tiende a representar el problema cuantitativamente para poder analizarlo y
evaluar un criterio comn.

DEFINICIN DE MODELOS.
Un modelo de decisin debe considerarse como un vehculo para resumir un problema de decisin en forma
tal que haga posible la identificacin y evaluacin sistemtica de todas las alternativas de decisin del
problema. Despus se llega a una decisin seleccionando la alternativa que se juzgue sea la mejor entre
todas las opciones disponibles.

Un modelo es una abstraccin selectiva de la realidad.

El modelo se define como una funcin objetivo y restricciones que se expresan en trminos de las variables
(alternativas) de decisin del problema.
Una solucin a un modelo, no obstante, de ser exacta, no ser til a menos que el modelo mismo ofrezca
una representacin adecuada de la situacin de decisin verdadera.
El modelo de decisin debe contener tres elementos:
Alternativas de decisin, de las cuales se hace una seleccin.
Restricciones, para excluir alternativas infactibles.
Criterios para evaluar y clasificar alternativas factibles.

TIPOS DE MODELOS DE INVESTIGACIN DE OPERACIONES.

(a) Modelo Matemtico: Se emplea cuando la funcin objetivo y las restricciones del modelo se pueden
expresar en forma cuantitativa o matemtica como funciones de las variables de decisin.
(b) Modelo de Simulacin: Los modelos de simulacin difieren de los matemticos en que las relaciones
entre la entrada y la salida no se indican en forma explcita. En cambio, un modelo de simulacin divide el
sistema representado en mdulos bsicos o elementales que despus se enlazan entre si va relaciones
lgicas bien definidas. Por lo tanto, las operaciones de clculos pasaran de un mdulo a otro hasta que se
obtenga un resultado de salida.
Los modelos de simulacin cuando se comparan con modelos matemticos; ofrecen mayor flexibilidad al
representar sistemas complejos, pero esta flexibilidad no esta libre de inconvenientes. La elaboracin de
este modelo suele ser costoso en tiempo y recursos. Por otra parte, los modelos matemticos ptimos
suelen poder manejarse en trminos de clculos.
Modelos de Investigacin de Operaciones de la ciencia de la administracin: Los cientficos de la
administracin trabajan con modelos cuantitativos de decisiones.
Modelos Formales: Se usan para resolver problemas cuantitativos de decisin en el mundo real. Algunos
modelos en la ciencia de la administracin son llamados modelos deterministicos. Esto significa que todos
los datos relevantes (es decir, los datos que los modelos utilizarn o evaluarn) se dan por conocidos. En
los modelos probabilsticos (o estocsticos), alguno de los datos importantes se consideran inciertos,
aunque debe especificarse la probabilidad de tales datos.
En la siguiente tabla se muestran los modelos de decisin segn su clase de incertidumbre y su uso en las
corporaciones. (D, determinista; P, probabilista; A, alto; B, bajo)
Tipo de Modelo
Programacin Lineal
Redes (Incluye PERT/CPM)
Inventarios, produccin y programacin
Econometra, pronstico y simulacin
Programacin Entera
Programacin Dinmica
Programacin Estocstica
Programacin No Lineal
Teora de Juegos
Control Optimo
Lneas de Espera
Ecuaciones Diferenciales

Clase de
Incertidumbre
D
D,P
D,P
D,P
D
D,P
P
D
P
D, P
P
D

Frecuencia de uso
en corporaciones
A
A
A
A
B
B
B
B
B
B
B
B

Modelo de Hoja de Clculo Electrnica: La hoja de clculo electrnica facilita hacer y contestar preguntas
de "que si" en un problema real. Hasta ese grado la hoja de clculo electrnica tiene una representacin
selectiva del problema y desde este punto de vista la hoja de clculo electrnica es un modelo.
En realidad es una herramienta ms que un procedimiento de solucin.

ETAPAS DE LA INVESTIGACIN DE OPERACIONES.

Las etapas de un estudio de Investigacin de Operaciones son las siguientes:

Definicin del problema de inters y recoleccin de los datos relevantes.

Formulacin de un modelo matemtico que represente el problema.
Desarrollo de un procedimiento basado en computadora para derivar una solucin al problema a partir
del modelo.
Prueba del modelo y mejoramiento segn sea necesario.
Preparacin para la aplicacin del modelo prescrito por la administracin.
Puesta en marcha.

DEFINICIN DEL PROBLEMA Y RECOLECCIN DE DATOS.

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.
Determinar los objetivos apropiados viene a ser un aspecto muy importante en la formulacin del problema.
Para hacerlo, es necesario primero identificar a la persona o personas de la administracin que de hecho
tomarn las decisiones concernientes al sistema bajo estudio, y despus escudriar los pensamientos de
estos individuos respecto a los objetivos pertinentes. (Incluir al tomador de decisiones desde el principio es
esencial para obtener su apoyo al realizar el estudio.)
Es comn que los equipos de Investigacin de Operaciones pasen mucho tiempo recolectando los datos
relevantes sobre el problema. Se necesitan muchos datos como para lograr un entendimiento exacto del
problema como para proporcionar el insumo adecuado para el modelo matemtico que se formular en la
siguiente etapa del estudio.
Tomar un tiempo considerable al equipo de Investigacin de Operaciones recabar la ayuda de otros de
otros individuos clave de la organizacin para recolectar todos los datos importantes. Muchas veces, el
equipo de Investigacin de Operaciones pasar mucho tiempo intentando mejorar la precisin de los datos y
al final tendr que trabajar con lo que pudo obtener.
Aplicacin: El Departamento de Salud de New Haven, Connecticut utiliz un equipo de Investigacin de
Operaciones para disear un programa efectivo de intercambio de agujas para combatir el contagio del virus
que causa el SIDA (HIV), y tuvo xito en la reduccin del 33% de la tasa de infeccin entre los clientes del
programa. La parte central de este estudio fue un innovador programa de recoleccin de datos para obtener
los insumos necesarios para los modelos matemticos de transmisin del SIDA. Este programa barco un
rastreo completo de cada aguja (y cada jeringa), con la identificacin, localizacin y fecha de cada persona
que reciba una aguja y cada persona que la regresaba durante un intercambio, junto con la prueba de si la
condicin de la aguja era HIV - positivo o HIV negativo.

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. El modelo matemtico
puede expresarse entonces como el problema de elegir los valores de las variables de decisin de manera
que se maximice la funcin objetivo, sujeta a las restricciones dadas. Un modelo de este tipo, y algunas
variaciones menores sobre l, tipifican los modelos analizados en investigacin de operaciones.

Un paso crucial en la formulacin de un modelo de Investigacin de Operaciones es la construccin de la

funcin objetivo. Esto requiere desarrollar una medida cuantitativa de la efectividad relativa a cada objetivo
del tomador de decisiones identificado cuando se estaba definiendo el problema. Si en el estudio se
contemplan ms de un objetivo, es necesario transformar y combinar las medidas respectivas en una
medida compuesta de efectividad llamada medida global de efectividad. A veces esta medida compuesta
puede ser algo tangible (por ejemplo, ganancias) y corresponder a una meta ms alta de la organizacin, o
puede ser abstracta (como "utilidad"). En este ltimo caso la tarea para desarrollar esta medida puede ser
compleja y requerir una comparacin cuidadosa de los objetivos y su importancia relativa.
Aplicacin: La Oficina responsable del control del agua y los servicios pblicos del Gobierno de Holanda, el
Rijkswaterstatt, asign un importante estudio de Investigacin de Operaciones para guiarlo en el desarrollo
de una importante poltica de administracin del agua. La nueva poltica ahorro cientos de millones de
dlares en gastos de inversin y redujo el dao agrcola en alrededor de 15 millones de dlares anuales, al
mismo tiempo que disminuyo la contaminacin trmica y debida a las algas. En lugar de formular un modelo
matemtico, este estudio de Investigacin de Operaciones desarroll un sistema integrado y comprensible
de 50 modelos! Ms an, para alguno de los modelos, se desarrollan versiones sencillas y complejas. La
versin sencilla se us para adquirir una visin bsica incluyendo el anlisis de trueques. La versin
compleja se us despus en las corridas finales del anlisis o cuando se deseaba mayor exactitud o ms
detalles en los resultados. El estudio completo de Investigacin de Operaciones involucr directamente a
mas de 125 personas ao de esfuerzo (ms de un tercio de ellas en la recoleccin de datos), cre varias
docenas de programas de computacin y estructur una enorme cantidad de datos.

OBTENCIN DE UNA SOLUCIN A PARTIR DEL MODELO.

Una vez formulado el modelo matemtico para el problema bajo estudio, la siguiente etapa para un estudio
de Investigacin de Operaciones consiste en desarrollar un procedimiento (por lo general basado en
computadora) para derivar una solucin al problema a partir de este modelo. Esta es una etapa
relativamente sencilla, en la que se aplican uno de los algoritmos de investigacin de operaciones en una
computadora.
Un tema comn en Investigacin de Operaciones es la bsqueda de una solucin ptima, es decir, la mejor.
Se han desarrollado muchos procedimientos para encontrarla en cierto tipo de problemas, pero es necesario
reconocer que estas soluciones son ptimas slo respecto al modelo que se est utilizando.
La meta de un estudio de Investigacin de Operaciones debe ser llevada a cabo el estudio de manera
ptima, independientemente de si implica o no encontrar una solucin ptima para el modelo. Al reconocer
este concepto, los equipos de Investigacin de Operaciones en ocasiones utilizan slo procedimientos
heursticos (es decir, procedimientos de diseo intuitivo que no garantizan una solucin ptima) para
encontrar una buena solucin subptima. Esto ocurre con ms frecuencia en los casos en que el tiempo o el
costo que se requiere para encontrar una solucin ptima para un modelo adecuado del problema son muy
grandes.
Si la solucin se implanta sobre la marcha, cualquier cambio en el valor de un parmetro sensible advierte
de inmediato la necesidad de cambiar la solucin.
El anlisis posptimo tambin incluye la obtencin de un conjunto de soluciones que comprende una serie
de aproximaciones, cada vez mejores, al curso de accin ideal. As, las debilidades aparentes de la solucin
inicial se usan para sugerir mejoras al modelo, a sus datos de entrada y quiz al procedimiento de solucin.
Se obtiene entonces una nueva solucin, y el ciclo se repite. Este proceso sigue hasta que las mejoras a
soluciones sucesivas sean demasiado pequeas para justificar su solucin.
Aplicacin: Considere el nuevo estudio de Investigacin de Operaciones para el Rijkswaterstatt sobre la
poltica de administracin de agua en Holanda, que se introdujo en el concepto anterior. Este estudio no
concluy con la recomendacin de una sola solucin. Ms bien, se identificaron, analizaron y compararon
varias alternativas atractivas. La eleccin final se dejo al proceso poltico de gobierno de Holanda que
culmino con la aprobacin del Parlamento. El anlisis de sensibilidad jug un papel importante en este
estudio. Por ejemplo, ciertos parmetros de los modelos representaron estndares ecolgicos. El anlisis de
sensibilidad incluy la evaluacin del impacto en los problemas de agua si los valores de estos parmetros
se cambiaran de los estndares ecolgicos a otros valores razonables. Se us tambin para evaluar el
impacto de cambios en las suposiciones de los modelos, por ejemplo, la suposicin sobre el efecto de
tratados internacionales futuros sobre la contaminacin que pudiera llegar. Tambin se analizaron varios
escenarios (como aos secos o hmedos extremosos), asignando las probabilidades adecuadas.

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.
Este proceso de prueba y mejoramiento de un modelo para incrementar su validez se conoce como
validacin del modelo.
Un enfoque ms sistemtico para la prueba del modelo es emplear una prueba retrospectiva. Cuando es
apacible, 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. Al emplear 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.
Aplicacin: En un estudio de Investigacin de Operaciones para IBM se realizo con el fin de integrar su red
nacional de inventarios de refacciones para mejorar el servicio a los clientes, al mismo tiempo que reducir el
valor de los inventarios de IBM en ms de 250 millones de dlares y ahorrar otros 20 millones de dlares
anuales a travs del mejoramiento de la eficiencia operacional. Un aspecto en particular interesante de la
etapa de validacin del modelo en este estudio fue la manera en que se incorporaron el proceso de prueba
los usuarios futuros del sistema de inventarios. Debido a que estos usuarios futuros (los administradores de
IBM en las reas funcionales responsables de la implantacin del sistema de inventarios) dudaban del
sistema que se estaba desarrollando, se asignaron representantes a un equipo de usuarios que tendra la
funcin de asesorar al equipo de Investigacin de Operaciones. Una vez desarrollada la versin preliminar
del nuevo sistema (basada en el sistema de inventarios de multiniveles) se lleva a cabo una prueba
preliminar de implantacin. La extensa retroalimentacin por parte del equipo de usuarios llevo a mejoras
importantes en el sistema propuesto.

PREPARACIN PARA LA APLICACIN DEL MODELO.

El siguiente paso es instalar un sistema bien documentado para aplicar el modelo segn lo establecido por
la administracin.
Este sistema casi siempre est diseado para computadora. De hecho, con frecuencia se necesita un
nmero considerable de programas integrados. La base de datos y los sistemas de informacin
administrativos pueden proporcionar entrada actualizada para el modelo cada vez que se use, en cuyo caso
se necesitan programas de interfaz (de interaccin con el usuario). Despus de aplicar un procedimiento de
solucin (otro programa) al modelo, puede ser que los programas adicionales maneje la implantacin de los
resultados de manera automtica. En otros casos se instala un sistema interactivo de computadora llamado
sistema de soporte de decisiones, para ayudar a la gerencia a usar datos y modelos para apoyar (no para
sustituir) su toma de decisiones cuando lo necesiten. Otro programa puede generar informes gerenciales
(en el lenguaje administrativo) que interpretan la salida del modelo y sus implicaciones en la prctica.
Aplicacin: Un sistema de computo grande para aplicar un modelo a las operaciones de control de una red
nacional. Este sistema, llamado SYSNET, fue desarrollado como resultado de un estudio de Investigacin
de Operaciones realizado para la Yellow Freight System, Inc. Esta compaa maneja anualmente mas 15
millones de envos de mensajera a travs de una red de 630 terminales en todo estados Unidos. SYSNET
se usa tanto para optimizar tanto para optimizar las rutas de los envos como el diseo de la red . Debido al
que sistema requiere mucha informacin sobre los flujos y pronsticos de carga, los costos de transporte y
manejo, etc.; una parte importante del estudio de Investigacin de Operaciones est dedicada a la
integracin de SYSNET al sistema de informacin administrativo de la corporacin. Esta integracin permiti
la integracin peridica de la entrada al modelo. La implantacin de SYSNET dio como resultado el ahorro
anual de alrededor de 17.3 millones de dlares adems de un mejor servicio a los clientes.

IMPLANTACIN.
Una vez desarrollado un sistema para aplicar un modelo, la ltima etapa de un estudio de Investigacin de
Operaciones es implementarlo siguiendo lo establecido por la administracin.
La etapa de implantacin incluye varios pasos. Primero, el equipo de Investigacin de Operaciones da una
cuidadosa explicacin a la gerencia operativa sobre el nuevo sistema que se va a adoptar y su relacin con
la realidad operativa. Enseguida, 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 Investigacin de Operaciones supervisa la experiencia inicial con la accin tomada para identificar
cualquier modificacin que tenga que hacerse en el futuro.
Aplicacin: Este ltimo punto sobre la documentacin de un estudio Investigacin de Operaciones se
ilustra con el caso de la poltica nacional de administracin del agua de Rijkswaterstatt en Holanda. La
administracin deseaba documentacin mas extensa que lo normal, tanto para apoyar la nueva poltica
como para utilizarla en la capacitacin de nuevos analistas o al realizar nuevos estudios. Completar esta
documentacin requiri varios aos y quedo contenida en 4000 pginas a espacio sencillo encuadernadas
en 21 volmenes!

DEFINICIN DE SISTEMAS DE PRODUCCIN.

La produccin es el acto intencional de producir algo til. La definicin de produccin se modifica para incluir
el concepto de sistema, diciendo que u sistema de produccin es el proceso especifico por medio del cual
los elementos se transforman en productos tiles. Un proceso es un procedimiento organizado para lograr la
conversin de insumos en resultados.
Cualquier sistema es una coleccin de componentes interactuantes. Cada componente podra ser un
sistema en si mismo en un orden descendente de sencillez. Los sistemas se distinguen por sus objetivos; el
objetivo de un sistema podra ser producir un componente que se va a ensamblar con otros componentes
para alcanzar el objetivo que es un sistema mayor. Se requieren tcnicas ms elaboradas para tratar con
sistemas ms complejos. Es una carrera de relevos entre el desarrollo de sistemas cada vez ms complejos
y el desarrollo de mtodos mas eficientes de direccin para controlarlos.

Tipos de Modelos de los Sistemas de Produccin.

El modelo fsico: Los modelos, por semejanza, derivan su utilidad de un cambio en la escala. Los patrones
microscpicos pueden amplificarse para su investigacin, y las enormes estructuras pueden hacerse a una
escala ms pequea, hasta una magnitud que sea manipulable. Necesariamente, algunos detalles se
pierden en los modelos. En las replicas fsicas, esta prdida puede ser una ventaja, cuando la consideracin
clave, es un factor, tal como la distancia, pero puede ser intil un estudio si la influencia predominante se
desvirta en la construccin del modelo.
El modelo esquemtico: Los modelos de dos dimensiones son la delicia de quienes disfrutan de las
grficas. Los aspectos grficos son tiles para propsitos de demostracin. Algunos ejemplos que se
encuentran comnmente incluyen los diagramas de la organizacin, diagramas de flujo del proceso y
grficas de barras. Los smbolos sobre tales diagramas pueden arreglarse fcilmente para investigar el
efecto de la reorganizacin.
El modelo matemtico: Las expresiones cuantitativas, es decir, los modelos ms abstractos, generalmente
son los ms tiles. Cuando un modelo matemtico puede construirse para representar en forma exacta la
situacin de un problema, suministra una poderosa arma para el estudio; es fcil de manipular, el efecto de
las variables interactuantes se aprecia claramente y, sobre todo, es un modelo preciso. Por lo general,
cualquier definicin debida al empleo de los modelos matemticos se origina por algn error cometido en las
suposiciones bsicas y en las premisas sobre las cuales estn basados.

DEFINICIONES DE LA INVESTIGACIN DE OPERACIONES

INTRODUCCIN
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 las 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 a 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 la 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 tiene acceso a estos paquetes. En consecuencia, por rutina, se usa toda
una gama e computadoras, desde las grandes hasta las porttiles, para resolver problemas de investigacin
de operaciones.

NATURALEZA DE LA INVESTIGACIN DE OPERACIONES

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 constitucin, 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 e operaciones incluye la investigacin cientfica creativa de las
propiedades fundamentales de las operaciones. Sin embargo, existe ms que esto. En particular, la IO se
ocupa tambin de la administracin prctica de la organizacin. As, para tener xito, deber tambin
proporcionar conclusiones claras que pueda usar el tomador de decisiones cuando las necesite.
Una caracterstica ms de la investigacin de operaciones es su amplio punto de vista. Como qued
implcito en la seccin anterior, la IO adopta un punto de vista organizacional. de esta manera, intenta
resolver los conflictos de intereses entre las componentes de la organizacin de forma que el resultado sea
el mejor para la organizacin completa. Esto no significa que el estudio de cada problema deba considerar
en forma explcita todos los aspectos de la organizacin sino que los objetivos que se buscan deben ser
consistentes con los de toda ella.
Una caracterstica adicional es que la investigacin de operaciones intenta encontrar una mejor solucin,
(llamada solucin ptima) para el problema bajo consideracin. (Decimos una mejor solucin y no la mejor
solucin porque pueden existir muchas soluciones que empaten como la mejor.) En lugar de contentarse
con mejorar el estado de las cosas, la meta es identificar el mejor curso de accin posible. Aun cuando debe
interpretarse con todo cuidado en trminos de las necesidades reales de la administracin, esta "bsqueda
de la optimidad" es un aspecto importante dentro de la investigacin de operaciones.
Todas estas caractersticas llevan de una manera casi natural a otra. Es evidente que no puede esperarse
que un solo individuo sea un experto en todos lo mltiples aspectos del trabajo de investigacin de
operaciones o de los problemas que se estudian; se requiere un grupo de individuos con diversos

antecedentes y habilidades. Entonces, cuando se va a emprender un estudio de investigacin de

operaciones completo de un nuevo problema, por lo general es necesario emplear el empleo de equipo.
Este debe incluir individuos con antecedentes firmes en matemticas, estadstica y teora de probabilidades,
al igual que en economa, administracin de empresas, ciencias de la computacin, ingeniera, ciencias
fsicas, ciencias del comportamiento y, por supuesto, en las tcnicas especiales de investigacin de
operaciones. El equipo tambin necesita tener la experiencia y las habilidades necesarias para permitir la
consideracin adecuada de todas las ramificaciones del problema a travs de la organizacin.

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.
2.

3.

4.

Una organizacin es un sistema formado por componentes que se interaccionan, unas de estas
interacciones pueden ser controladas y otras no.
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.
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.
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.

2.
3.

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.
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.
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

4.

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.
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.

ENFOQUE DE LA INVESTIGACIN DE OPERACIONES:

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. (Ver la figura 11).
1. Se define el sistema real en donde se presenta el problema. Dentro del sistema interactuan
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 las 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.
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.

IMPACTO DE LA INVESTIGACIN DE OPERACIONES

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.

RIESGO AL APLICAR LA INVESTIGACIN DE OPERACIONES

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.

LIMITACIONES DE LA INVESTIGACIN DE OPERACIONES

1. Frecuentemente es necesario hacer simplificaciones del problema original para poder manipularlo y
detener una solucin.
2. La mayora de los modelos slo considera un solo objetivo y frecuentemente en las organizaciones se
tienen objetivos mltiples.
3. Existe la tendencia a no considerar la totalidad de las restricciones en un problema prctico, debido a
que los mtodos de enseanza y entrenamiento dan la aplicacin de esta ciencia centralmente se
basan en problemas pequeos para razones de ndole prctico, por lo que se desarrolla en los alumnos
una opinin muy simplista e ingenua sobre la aplicacin de estas tcnicas a problemas reales.
4. Casi nunca se realizan anlisis costo-beneficio de la implantacin de soluciones definidas por medio de
la I de O, en ocasiones los beneficios potenciales se van superados por los costos ocasionados por el
desarrollo e implantacin de un modelo.

APLICACIONES DE LA INVESTIGACIN DE OPERACIONES

INVESTIGACIN DE OPERACIONES, PODEROSA HERRAMIENTA PARA EL USO PTIMO
DE LOS RECURSOS ESCASOS
Cul es la forma ms eficiente de asignar ciertos recursos escasos para conseguir la ms alta tasa de
retorno? Cul es la mejor manera de asignar rutas a una flotilla de transporte de bienes que deben ser
colocados en bodegas de distribuidores para que los costos sean ms bajos? Cuntas ventanillas deben
colocarse en un banco en las horas normales y en las horas y das pico para que los clientes no se
desesperen y se larguen al banco que est cruzando la calle?
Cuntas cajas registradoras deben habilitar un supermercado para que el largo de las colas no entorpezca
la circulacin de los clientes que an estn comprando y de los trabajadores que colocan mercadera,
etiquetan y dan atencin al pblico? De qu manera debe asignarse un presupuesto en una industria (o en
un sector de la economa de un pas), para que se satisfaga la demanda interna y externa del bien o servicio
que produce?
Cul ser la demanda de lneas telefnicas para el ao 2000, teniendo en cuenta el crecimiento natural de
la poblacin, el cambio de sus hbitos, la produccin, el nmero de profesionales, escuelas, comercios,
etctera, que habrn en ese entonces? Ser posible hacer predicciones (aproximadas por supuesto) de
cuntas escuelas, comercios, profesionales, etctera, habr en el ao 2000? Hermosa cantidad de
preguntas para comenzar un artculo sobre Investigacin de Operaciones (IO), pero definitivamente es muy
oportuno porque es en estos casos donde los especialistas en esta disciplina pueden apoyar a los dems.
Una pregunta ms: Qu es entonces la Investigacin de Operaciones? realmente es un poco difcil dar una
respuesta corta a esta ltima pregunta pero si la IO va a tratar de encontrar respuesta a las preguntas que
hemos planteado en el primer prrafo y a otra tonelada ms, debemos tratar de definir lo que es. Hillier,
Lieberman, Shamblin, Stevens, Taha, Tierauf, Grosse, Sasieni, por mencionar algunos de los grandes
especialistas en IO, dan una serie de definiciones que bien podra resumirse como:
Es un enfoque cientfico de la toma de decisin. Podemos decir que la IO utiliza un enfoque planeado
(mtodo cientfico) y un grupo interdisciplinario para representar, mediante modelos simblicos, las
relaciones funcionales que se dan en la realidad, lo cual suministra una base cuantitativa para la toma de
decisiones. Algo que es tan general como la definicin que acabamos de dar pero que da mucha claridad
sobre lo que hace la Investigacin de Operaciones es que, cuando se aplica alguna herramienta de la IO, se
busca obtener el ptimo resultado del uso de los recursos escasos.
Mucho se dice de la formacin previa que se debe tener para hacer Investigacin de Operaciones, incluso
hay autores que an dicen en sus libros, que no se requiere ningn conocimiento de matemtica para poder
leerlo, sin embargo, no advierten al ingenuo lector que tampoco podrn resolver problemas reales sino
solamente algunos ejemplos de juguete que se encuentran ah mismo. Nuestra experiencia en el campo de
la enseanza y la aplicacin de las herramientas de la IO, nos han hecho ver que para hacer IO en forma
profesional aceptable, se requiere de una slida preparacin en Estadstica Descriptiva e Inferencial,
conocimientos sobre las aplicaciones del Clculo Diferencial e Integral y del Algebra Lineal, y desde luego,
principios generales de Economa, de lo contrario, el estudioso de la Investigacin de Operaciones se
sentir decepcionado y el que debe aplicarla se frustrar a menudo.

CMO SE TRABAJA EN INVESTIGACIN DE OPERACIONES

Como dijimos en la revista anterior (primera parte de esta serie de artculos sobre el tema), la Investigacin
de Operaciones busca el ptimo resultado en la utilizacin de recursos escasos y usa el mtodo cientfico.
El orden habitual de las investigaciones que se realizan con este instrumental es el siguiente:
1. Se define el problema que se desea resolver en la forma ms completa y clara que sea posible.
2. Se construye un modelo apropiado que represente al sistema o al proceso en estudio (matematizacin
del problema).
3. Se deduce una o varias soluciones a partir del modelo construido.
4. Se hace una prueba del modelo y de la solucin obtenida, contrastando esto con la realidad, si es que
existe informacin suficiente, de lo contrario el contraste se hace con modelos secundarios.
5. Se ajusta el modelo y se monitorea el resultado.
6. Se implementa la solucin, esto es, se pone a trabajar al modelo y sus soluciones.
Veamos en detalle cada una de las partes que acabamos de enumerar:
1. Definicin del problema. No es posible iniciar la bsqueda de la solucin de un problema si no est
claro cul es el problema? Al investigador no le debe caber la menor duda de que sabe correctamente
lo que busca, de lo contrario cualquier cosa que encuentre est bien y est mal, lo cual es una
contradiccin. Siempre nos debemos responder cuestiones tales como: Cules son los objetivos?
Cules las acciones a tomar y cules sus alternativas? Cules son las restricciones? Cmo se
medirn los resultados? La definicin del problema debe ser clara, concisa y con palabras sencillas que
no dejen lugar a varias interpretaciones.
2. Construccin del modelo apropiado que represente al sistema o proceso en estudio. Un modelo, desde
el punto de la Investigacin de Operaciones, es una representacin de una realidad (o de una
idealidad). Estos pueden ser: Icnicos (representaciones fsicas como los aeromodelos, las maquetas,
los carritos, los muecos, etctera); anlogos, la mayora de los cuales son ms dinmicos que los
icnicos y pueden mostrar comportamientos derivados de acciones, como las superficies y las curvas
de oferta y demanda, los nomogramas de ingeniera que describen fenmenos de deformacin de
estructuras o comportamientos de todas las variables de una caldera, etctera; Redes grficas, como
las redes CPM-PERT, Project, Harvard y otras, que se utilizan para la planificacin, ejecucin y control
de proyectos; Matemticos o Simblicos, los cuales se describen generalmente por medio de sistemas
de m ecuaciones con n incgnitas o en forma matricial: A*x = b, donde A es un matriz, y, x y b son
vectores de los espacios vectoriales Rm y Rn, respectivamente.
Es habitual que la funcin llamada funcin objetivo y que es la que se desea optimizar, se escriba en
forma separada como f(x) = z. Existen otras clasificaciones pero consideramos que para los fines de
este artculo es suficientemente claro si nos referimos slo a estos cuatro. Por otro lado, se dice que los
modelos son Determinsticos, como los de Programacin Lineal y Transporte; y, Probabilsticos, como
las Cadenas de Markov, los de Teora de Juegos, Teora de Decisiones, las lneas de Espera y otros.
3. Deduccin de una o varias soluciones. Cuando el modelo ha sido bien escogido o construido, se
espera que la solucin del problema real sea terico. Algunas veces no es posible obtener soluciones
exactas para el problema original, entonces aceptaremos soluciones aproximadas o bien usamos
soluciones alternas en la construccin del modelo. Es posible y no es nada raro que podamos detectar
varias soluciones alternas.
4. Pruebas del modelo y contraste con la realidad. Comparaciones de soluciones con las de modelos
secundarios.
Usando informacin histrica, sta se mete al modelo y se observa si los resultados son coincidentes
con los resultados reales que fueron observados a travs del tiempo, luego se hace lo mismo con
informacin del perodo ex post (la informacin obtenida durante la poca de construccin) y se
compara con el funcionamiento real del proceso.
5. Ajustes del modelo y monitoreo de resultados. En este momento ya tenemos a nuestro modelo
dndonos resultados aceptables (parecidos, si no iguales a los observados), se hace un balance y se
ve si vale la pena hacer ajustes a los coeficientes y organizacin de la estructura del modelo para
obtener mejores resultados o si por el contrario es necesario hacer reingeniera.
Debe seguirse haciendo comparaciones con varias generaciones de resultados para lograr afinar el
modelo.
6. Implementacin de la solucin. Una vez pasadas todas las pruebas que dan seguridad sobre el
funcionamiento del instrumento, se da la capacitacin necesaria a las personas que tendrn a su cargo
la operacin del modelo, preparando todas las herramientas de cmputo para que se elaboren
automticamente los reportes que permitirn a los tomadores de decisin hacer su trabajo.(F)

LAS PRINCIPALES HERRAMIENTAS DE LA INVESTIGACIN DE OPERACIONES

Cuando hablamos de herramientas en IO, nos estamos refiriendo a los diferentes modelos tericos (como
por ejemplo, modelos de transporte y teora de colas), y a otras disciplinas (como matemtica,
administracin, economa, etctera), que se utilizan como instrumentos de trabajo habitual para el
profesional de la Investigacin de Operaciones. Debe quedar claro, sin embargo, que cada da se agregan
ms tipos de modelos y otras disciplinas imposibles de enumerar en este momento.
De la misma manera la Investigacin de Operaciones es considerada, ella misma como una herramienta al
servicio de otras disciplinas (tal como reza el ttulo de nuestros artculos). Es bien conocido que la
Administracin de Negocios se ha estado beneficiando grandemente de la Investigacin de Operaciones
ahora que se ha iniciado toda una revolucin con el uso de Planificacin Estratgica, Reingeniera y los
programas de Calidad Total, para mencionar algunos.
A continuacin presentamos una lista, no exhaustiva, de diferentes tipos de modelos que se podran
considerar como herramientas de la Investigacin de Operaciones, sugerimos al lector revisarla y
compararla con los contenidos de libros clsicos de I.O:
1. Modelos grficos de programacin lineal.
2. Modelos algebraicos de programacin lineal.
3. Redes y programacin lineal para transporte.
4. Modelos de toma de decisin en condiciones de incertidumbre.
5. Modelos de toma de decisin en condiciones de certeza.
6. Modelos Bayesianos.
7. Procesos estocsticos con cadenas de Markov.
8. Lneas de espera (Teora de colas).
9. Modelos de optimizacin con redes para la planeacin, ejecucin y control de proyectos.
10. Cadenas de Markov para el reemplazo de activos fijos.
11. Modelos de inventarios determinsticos.
12. Modelos de inventarios probabilsticos.
13. Modelos de programacin dinmica y teora de juegos.
14. Modelos de simulacin para la obtencin de informacin experta.
15. Modelos heursticos de autoaprendizaje y autocorreccin.
Los expertos Hillier y Lieberman dicen en su tratado (usado como texto durante varias generaciones de
estudiosos de la Investigacin de Operaciones) con la Revolucin Industrial se invent la divisin del trabajo
y esto trajo como consecuencia un crecimiento en la dimensin y complejidad de las organizaciones. Como
ya lo hemos comentado en otro artculo de esta revista, la superespecializacin de los individuos, los
departamentos de las industrias y an las mismas industrias, produjo un efecto de aparente desorden (a
veces aparente y a veces real) dentro de las organizaciones, ya que se intentaba armar rompecabezas con
todas las piezas que producan los especialistas. Sin las tcnicas y modelos de la I.O. la situacin hubiese
devenido en un caos, fue esta herramienta (o si lo queremos decir en trminos ms globales, las
herramientas) la que permiti organizar todos los cabos sueltos y al mismo tiempo la situacin hizo que la
I.O. creciera.
Nosotros sabemos que la reingeniera propone olvidarnos de la divisin del trabajo y regresar a una especie
de todologa ya que esto evita los pasos laterales que no agregan valor a los procesos y nos da la opcin de
atender directamente al beneficiario del proceso el cliente!. Las tcnicas de redes, teora de colas, modelos
de inventarios, programacin lineal, transporte, etctera, aunado a la capacitacin del personal y a la
tecnologa cambiante y agresiva son, en esta era de la Planificacin Estratgica, los instrumentos
indispensables para la Reingeniera y la Calidad Total.

INVESTIGACIN DE OPERACIONES PODEROSA HERRAMIENTA AL SERVICIO DE LA

ADMINISTRACIN, LA ECONOMA Y LAS INGENIERAS

En este artculo y en los prximos entraremos en detalles ms puntuales con relacin a los diferentes
modelos ms utilizados como herramientas dentro de la investigacin de operaciones. Los modelos de
redes tipo CPM-PERT y el MS-PROJET como mtodos gerenciales para la planificacin, ejecucin y control
de proyectos.
Pese a que para poder leer e interpretar adecuadamente una red CPM-PERT slo se necesita saber leer y
escribir, esta tcnica para la planificacin de proyectos es un instrumento gerencial por excelencia, ya que
permite al ejecutivo mantener un control muy preciso durante la ejecucin de los mismos.
Este ingenioso y elegante mtodo para la optimizacin de tiempos y minimizacin de costos es la mezcla de
dos instrumentos creados hace algunos aos; el CEMP (Crithical Path Method) y el PERT (Program
Evaluation on Review Technique).
El primero fue diseado en el segundo lustro de los aos 50, por los investigadores de Dupont: J.E. Kelly y
M.R. Walker y originalmente fue denominado CPPSM (Crithical Path Planing and Scheduling Method), se
us para la programacin y control de la factora qumica en Kentuky y demostr sus grandes ventajas
respecto a los mtodos clsicos por su aptitud de integrar modificaciones sin dificultad.
El segundo mtodo fue diseado en la misma poca por Naval Special Project Office, con la colaboracin
de la Lockhead Aircraft y de la firma Booz-Allen & Hamilton. Lo extraordinario es que habiendo sido
diseados por grupos diferentes que buscaban resultados diferentes (uno la minimizacin de costos y el otro
la optimizacin de los tiempos), y que el primero fuera de tipo determinstico y el segundo probabilstico, las
coincidencias grficas fueran tan notables en ambos mtodos. Puede decirse que a primera vista no existe
ninguna diferencia desde el punto de vista grfico.
Estos dos mtodos aportaron los elementos administrativos necesarios para formar el mtodo actual CPMPERT que definitivamente es de ms difcil lectura y ms elegante y poderoso que sus antecesores, se usa
para el control de los tiempos de ejecucin y los costos de operacin buscando que el proyecto sea
realizado en tiempo ptimo y al menor costo posible.
Los mtodos de redes, en general, haban estado siendo manejados como secretos militares por la NASA,
que como ahora sabemos haba tenido una serie de sonados fracasos en sus lanzamientos de satlites
artificiales. Fue en el momento de la desesperacin y angustia (1957), cuando los soviticos colocaron el
primer Sputnik en rbita, cuando dieron mayor abertura a otras personas e instituciones para que les
ayudaran a poner a punto a su cohete Polaris y a recuperar el tiempo perdido por haber trabajado aislados.
De ese momento en adelante toda la programacin de NASA se hizo usando redes y esto les permiti,
como lo hace con cualquier proyecto, manejar simultneamente la enorme cantidad de actividades
desarrolladas por subcontratistas ligadas entre s pero desarrolladas en lugares diferentes por personas que
no tenan relacin directa.
La administracin y las ingenieras fueron las grandes ganadoras ya que en forma casi natural comenzaron
a utilizar CPM y PERT como instrumentos.
Al principio el PERT se utiliz para evaluar la programacin de un proyecto de investigacin y desarrollo, en
la actualidad se usa para controlar el avance de otro tipo de proyectos como:
1. Programacin de proyectos de construccin de edificios, autopistas, puentes, etctera.
2. Programacin de la mudanza de grandes instituciones como bancos, hospitales, industrias, etctera.
3. Creacin de procedimientos para la cuenta regresiva y la suspensin del lanzamiento de los vuelos
espaciales (de todos los vuelos de todos los pases que compiten en la era espacial).
4. Instalaciones de sistema de cmputo, de maquinaria y equipo de grandes industrias.
5. Diseo y distribucin de productos nuevos.
6. Inicio, proceso y conclusin de fusiones de instituciones en corporaciones y de corporaciones mismas.
7. Construccin de equipo, maquinaria estacionaria y vehculos automotores.
8. Flujos de costos mnimos, etctera.
Caractersticas importantes a tener en cuenta para usar la metodologa CPM-PERT
A. El mtodo requiere de la participacin de expertos. Esto significa que para hacer una red sobre un rea
especial no se puede y sobre todo no se debe improvisar la informacin, la misma debe ser proveda
por alguien que haya tenido la experiencia previa.

Por ejemplo, para construir y colocar una puerta, es un experto en hacer y colocar puertas quien debe
proporcionar la informacin sobre tiempos y costos, preferiblemente una fbrica de puertas que un
carpintero. Para dar la informacin sobre el lanzamiento de un producto nuevo al mercado se necesita
de un experto que haya llevado a cabo lanzamientos de productos nuevos; y as para cualquier
actividad ya que dependeremos en grado sumo de esa experiencia para poder armar la red.
En caso que no se cuente con alguien que haya tenido la vivencia previa, como podra ser el caso del
lanzamiento de una nave tripulada a Jpiter, se construye un modelo experto de simulacin, el cual nos
permitir generar, por esta va, informacin con cierto grado de confianza.
B. El proyecto que se planifica es nico. Esto significa que una red hecha para una casa no se puede usar
para otra casa, aunque sea muy semejante (o igual, como se dice en el lenguaje corriente). Hacer
varias casas iguales es un proyecto que es diferente de un proyecto para hacer una casa y luego
repetirlo varias veces.
C. El proyecto que se planifica debe tener claramente establecidas las limitaciones. No debe haber
ninguna duda en cuanto a la definicin del proyecto y en cuanto a la disponibilidad de tiempo y dinero.
El clsico hgase sin contemplar el presupuesto disponible o el tiempo mximo que puede usarse,
que se da a veces cuando no hay prisas, es un veneno mortal para el mtodo CPM-PERT.

METODOLOGA DE LA INVESTIGACIN DE OPERACIONES

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 debe 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 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 el 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 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 preciso.
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.
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 SOLUCIN

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 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.

IMPLANTACIN DE LA SOLUCIN
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.

Mapa conceptual del rea de Operaciones

Alumnos capaces de definir un problema

Que el rea de sistemas lo proporcione

DIAGNOSTICO

TIPOS DE PROBLEMAS

Planeacin de la Produccin
Distribucin
Asignacin de recursos limitados
Inventarios
Programacin de Actividades
Pronsticos de Demanda
Medio Ambiente
Anlisis de Lneas
AnalisisdedeEspera
Sistemas de Produccin

Informacin Cuantitativa y Cualitativa del Sistema bajo estudio

Seleccionar el Modelo

Modelos Deterministicos

Modelos Estocsticos

Programacin
Programacin
Lineal Entera Lineal
Programacin
por metas Dinmica
Optimizacin de Control
Redes
Pronsticos
de Inventarios
Simulacin
Teorade
deSistemas
Colas
Programacin
Lineal
Comportamiento futuro sistemaEstimacin
basado en de
datos
las histricos
medidas de desempeo del sistema modelad
Soluciones
Soluciones en orden
Soluciones
de prioridad
en
Soluciones
Etapas continuas
orientadas a la distribucin
Soluciones por
ptima
Determinacin
etapas (n+1) de tiempos de espera y longitud de la cola promedio
Reales
Soluciones Enteras

HERRAMIENTAS

DE

INVESTIGACIN

DE

OPERACIONES

MODELIZACIN
2.1.- MODELOS: CLASIFICACIN
En numerosas ciencias, entre ellas la Economa, se hace necesario el estudio y anlisis de fenmenos del
mundo real, y por ello se hace necesaria la aplicacin del mtodo cientfico a este estudio. Como acabamos
de ver con anterioridad una de las fases de la aplicacin del mtodo cientfico se basa en la construccin de
modelos o formulacin de hiptesis. En nuestro caso nos centraremos en la construccin de modelos.
Aunque hay numerosas acepciones y definiciones de un modelo, hemos elegido la de Aracil (1): Un modelo
constituye una representacin abstracta de un cierto aspecto de la realidad, y tiene una estructura que esta
formada por los elementos que caracterizan el aspecto de la realidad modelada y por las relaciones entre
estos elementos".
A partir de este concepto de modelo se pueden obtener distintas clasificaciones (icnico, analgicos,
simblicos, etc.), sin embargo, solo estamos interesados en los modelos matemticos, es decir, los modelos
formales basados en la lgica matemtica, y se basan en un conjunto de relaciones matemticas (tales
como ecuaciones, inecuaciones, relaciones lgicas, etc.) que se corresponden con las relaciones del mundo
real (tales como relaciones tecnolgicas, leyes fsicas, restricciones del mercado, etc.). La importancia de la
construccin de los modelos matemticos en la Economa es evidente, no obstante vamos a enumerar
algunas de ellas (2):
1) La construccin de modelos revela, a veces, relaciones que no son evidentes a primera vista.
Este resultado se alcanza con el mejor conocimiento que se adquiere cuando se empieza a modelar, es
decir, cuando mejor se va conociendo la realidad del fenmeno que se intenta representar.
2) Una vez construido el modelo matemtico, es posible extraer de l propiedades y caractersticas de las
relaciones entre los elementos que de otra forma permaneceran ocultas. Tambin, es posible
representar situaciones complejas que no son admisibles en otro tipo de modelos, y no slo es esa
posibilidad de modelizacin, sino tambin la de resolucin del mismo, aunque no sea una solucin
analtica sino numrica (realizada por un ordenador).
3) En la mayora de las situaciones econmicas del mundo real, no es factible experimentar con la
realidad, ya que puede ser prohibitivamente caro, peligroso hasta, imposible. Por ejemplo, si se
intenta conocer el impacto de la puesta en prctica de una determinada accin de Poltica Econmica
en un determinado pas.
En este caso para evaluar las consecuencias se construye un modelo donde se puedan analizar los
resultados en diversas situaciones con un coste prcticamente nulo y sin riesgos sociales ni econmicos.
Es importante resaltar que un modelo esta realmente definido por las relaciones que incorpora.
Estas relaciones son independientes de los datos a introducir en el modelo, ya que un modelo puede ser
usado para diferentes ocasiones y en varios contextos diferentes.
Aunque acabamos de ver algunas de las ventajas de la modelizacin, sobre el uso de los modelos en la
economa hay posturas diferentes, por una parte estn las personas que ponen en tela de juicio la validez
de los modelos, en tanto en cuanto, no son capaces de cuantificar muchas instancias de los problemas
reales, por ejemplo, el coste o la utilidad social. Otros niegan su utilidad basndose en el grado de precisin
de los datos a incorporar al modelo matemtico. Pero frente a estos, en el otro extremo estn los fervientes
defensores de la modelizacin total para la toma de decisiones, en este caso convendra resaltar que la
calidad de las respuestas que produce el modelo, depende obviamente, de la seguridad de su estructura y
de los datos a l incorporados, y que una excesiva confianza en ellos es peligroso.
No vamos a entrar en esta polmica, sino que lo nico que queremos es poner de manifiesto que los
modelos deben usarse como una herramienta ms para la toma de decisiones y que deben valorarse en su
justa medida, ya que difcilmente es comprensible un problema complejo sin una mnima modelizacin,
aunque tambin hay que reconocer que no es posible modelar la totalidad de las situaciones reales.
Con anterioridad nos hemos referido a tipos de modelos basados en sus formas de representacin
(Icnico, analgicos, simblicos), no obstante podemos establecer otros tipos de clasificaciones de los
modelos matemticos:

Clasificados segn su funcin:

Modelos predictivos: Este tipo de modelos nos informan del comportamiento de la variable en un futuro,
es decir, lo que debera ser. A este tipo de modelos corresponden aquellos basados en tcnicas estadsticas
y/o economtricas, es decir, modelos de previsin.

Modelos evaluativos: Una tcnica evaluativa corresponde a medir las diferentes alternativas, y as poder
comparar los resultados de ellas. Este tipo de modelos se corresponden con los denominados arboles de
decisin.
Modelos de optimizacin: Se trata de modelos que tratan de identificar un ptimo (por lo general, el optimo
global) del problema, es decir, buscan la mejor de las alternativas posibles. Estos mtodos son los que
estn basados en las tcnicas de programacin matemtica.
Otra clasificacin de los modelos se basa en la realidad que pretender modelar, as podemos hablar de:
Modelos deterministas versus modelos estocsticos. En los modelos deterministas todos los datos del
problema se conocen con absoluta certeza, mientras que cuando esto no es as tenemos los modelos
estocsticos. Por lo general los modelos ms realistas son los modelos estocsticos, pero tienen la dificultad
de poderlos resolver adecuadamente, y muchas de las tcnicas aplicables a los modelos estocsticos tratan
de reducir el problema a su versin determinista para poderlo resolver.
Modelos estticos versus modelos dinmicos. En un modelo esttico la variable tiempo no desempea un
papel relevante, mientras que en los modelos dinmicos la variable fundamental, y de la que dependen las
restante variables relevantes. Adems, la variable tiempo se considera como una variable continua.
Una vez establecida una serie de clasificaciones de los modelos, es conveniente plantear una medida de su
solucin, ya que el objetivo de plantear el modelo es el poderlo resolver y extraer de la solucin los
resultados necesarios para la toma de decisiones. El nivel de resolubilidad de los problemas es funcin de
tres caractersticas fundamentales:
a)El tamao del problema: El numero de variables y ecuaciones que contiene. Cuanto mayor sea este
nmero, ms difcil de resolver es.
b)La clase del problema: Lineal, Entero y No lineal, y adems por ese orden, es decir, los problemas
lineales son "fcilmente" resolubles, mientras que los no lineales son "intrnsecamente" difciles de
resolver.
c)El tipo de instancias utilizadas: Ciertas o deterministas, con riesgo (conocemos las probabilidades de
ocurrencia),con incertidumbre (conocemos los resultamos posibles pero no las probabilidades de
ocurrencia) y turbulencia ( no conocemos nada).

2.2.- FASES DEL PROCESO DE MODELIZACIN

Acabamos de exponer algunas ideas generales sobre los modelos. Interesa, ahora, resaltar brevemente
cuales son, en general, las etapas a seguir para llegar a construir un buen modelo:
1. Fase de Conceptualizacin. Llegar a tener un profundo conocimiento de la realidad que se trata de
modelar, es decir, ser capaces de representar conceptualmente el problema sin ningn tipo de
contradicciones lgicas ni de errores de anlisis.
2. Fase de Formalizacin. Establecer de forma clara y correcta (desde el punto de vista matemtico) las
relaciones entre los elementos, de tal forma que, adems, sea fcilmente entendible y que puedan
detectar rpidamente los errores. El xito de esta fase depende, obviamente, de que se haya
establecido correctamente la fase anterior.
3. Fase de Evaluacin. En esta fase, adems de establecer la forma en la que debe ser el procedimiento
de resolucin a emplear, ser posible interpretarlo correctamente.
Para la aplicacin prctica para modelar un problema de optimizacin podemos seguir las siguientes reglas
basadas en la experiencia:
a)Anlisis del problema. Buscar o intuir los deseos del decisor ( a veces no es la misma persona) de
forma que se establezca claramente cul es el objetivo que se persigue, que limitaciones existen, etc.
Todo ello debe tenerse en cuenta aunque no est formalizado, sino simplemente una relacin de las
diferentes condiciones.
b)Definicin de las variables, es decir, identificar las posibles decisiones. Esta es una de las fases crticas
de la modelizacin, por ello es conveniente prestar mucha atencin a esta definicin.
Esta fase hay que identificar (e interpretar el significado) y denominar a las variables. Este segundo
aspecto, aunque puede parecer trivial es tambin de gran importancia. Hay que denominar a las
variables de forma que sean fcilmente reconocibles, es decir, que nos indique que quieren
representar. Muchas veces, se denominan a las variables, por sencillez, x1 , x2 , xb , etc., pero estos
nombre no nos informan de forma inmediata de su significado, por ello es conveniente denominarlas de
forma ms coherentes, por ejemplo, si queremos identificar la cantidad de madera necesaria para
producir mesas la podramos denominar MADMESA en lugar de x2. La eleccin del nombre debe
ajustarse a las caractersticas del decisor, y tambin a la longitud de caracteres admisibles por los
programas de ordenador que resuelven estos problemas, por lo general sera admisible un nombre de
hasta ocho caracteres. A la hora de identificar las variables tenemos que tomar en consideracin si las

variables son deterministas o estocsticas, si son endgenas o exgenas, etc., es decir, antes que
clase de variables vamos a tratar en el problema.
c)Identificacin y formalizacin de las restricciones. Esta es tambin una fase importante, posteriormente
realizaremos algunos comentarios sobre esta fase al hablar de los problemas no lineales. Se trata en
definitiva de identificar cules son las limitaciones a las que est sujeto el problema, y el plantearlas
matemticamente. A veces esto no resulta muy sencillo. En esta fase hay que denominar e identificar a
las restricciones con los nombre adecuados, de forma que sea fcil interpretar los resultados obtenidos.
d)Por ltimo, hay que identificar la funcin objetivo, es decir, la cuantificacin de los resultados que se
desean alcanzar. Aunque no en todos los problemas es inmediato definir el objetivo, siempre es posible
encontrar una funcin que permita evaluar los resultados de cada una de las acciones.
Para verificar estas condiciones, seguidamente abordaremos algunas consideraciones para llegar a
concretar las fases enumeradas anteriormente, estos pasos son simplemente una derivacin de las reglas
del sentido comn aplicadas a la construccin de los modelos.
En primer lugar, abordaremos algunos aspectos importantes sobre los modelos lineales, lo ms usuales en
el campo econmico, para posteriormente ir aumentando la complejidad va los modelos discretos y los
modelos no lineales.
No obstante, estos principios generales se concretaran para el caso ms general de los problemas no
lineales.

2.3.- REGLAS BSICAS DE MODELIZACIN

De curso anterior ya tenemos una serie de ideas bsicas sobre los modelos, aunque ahora nos interesa
profundizar en algunos aspectos que se trataron de una forma superficial. Los modelos lineales son aquellos
en los que tanto la funcin objetivo como las restricciones son funciones lineales y por tanto son
susceptibles de resolverse a travs de la programacin lineal. Estos modelos, son los ms conocidos y los
ms usados en las aplicaciones econmicas, y por tanto no vamos a extendernos mucho sobre este
aspecto, sino simplemente resaltaremos las hiptesis bsicas sobre las que se asientan este tipo de
modelos.
La primera hiptesis es la divisibilidad, es decir, todas las variables del modelo pueden tomar cualquier valor
real.
A efectos prcticos, si una variable no es infinitamente divisible, pero su nivel de actividad normal es muy
grande en trminos de sus unidades de medida, la suposicin de divisibilidad puede servir como
aproximacin conveniente.
La segunda hiptesis es la de linealidad, estos significa:
a) Proporcionalidad en las contribuciones. La contribucin individual de cada variable es estrictamente
proporcional a su valor, y el factor de proporcionalidad es constante para todo el rango de valores que
la variable puede tomar.
b) Aditividad de las contribuciones. La contribucin total de todas las variables es igual a la suma de las
contribuciones individuales independientemente de los valores de las variables.
La tercera hiptesis, aplicable fundamentalmente a los problemas econmicos, es la no negatividad de las
variables del problema. Esta hiptesis, no es en si absolutamente necesaria, ya que para problemas ms
generales donde las variables puedan tomar cualquier valor, es decir, lo que se conoce como variables
libres, estas pueden expresarse como diferencia de dos variables restringidas a tomar valores no negativos.
Al ir eliminando algunas de esta hiptesis bsicas de los modelos lineales aparecen los casos ms
generales, por una parte los modelos discretos o enteros que surgen al suprimir la hiptesis de divisibilidad,
y por otra parte los modelos no lineales, los cuales tienen su origen al relajar la condicin de linealidad de
las relaciones.
Los modelos enteros, como hemos dicho anteriormente, surgen al eliminar la hiptesis primera de los
modelos lineales, es decir, al exigir que las variables tomen solo valores enteros. En este caso aparece la
denominada programacin discreta o entera, y en el caso de mantener la hiptesis de linealidad, tenemos
su representacin ms caracterstica que son los modelos lineales y enteros,
Vamos a considerar una serie de reglas generales, aplicables tanto a los problemas lineales, enteros o no
lineales, y posteriormente se har hincapi en algunas reglas especificas para modelos particulares.
Vamos a enumerar algunas de las situaciones y condiciones que deben tenerse en cuanta a la hora de
construir modelos enteros (3) y modelos no lineales (4)
1. Formular, primero, un modelo sencillo e ir agregndole caractersticas en consonancia con la direccin
de optimizacin deseada.Un modelo a optimizar debe ser desarrollado buscando un equilibrio
razonable entre la seguridad en el modelo (lo que usualmente implica aadir complejidad a la
formulacin) y la facilidad de optimizacin.
Esto puede conseguirse utilizando un procedimiento de optimizacin sobre versiones cada vez ms
complejas del modelo, es decir, en forma de un refinamiento 'paso a paso'. Con ello se consigue que

los efectos sobre el modelo de la introduccin de mayor complejidad puedan ser de alguna forma
"visualizados", y poder as descubrir mucho antes las dificultades importantes que si el modelo se
plantea de forma directa en su versin ms completa.
Este procedimiento iterativo de la construccin de modelos esta especialmente indicado cuando
tenemos que modelar un sistema con algunos subsistemas interconectados, y en los cuales cada uno
de ellos requiere extensos clculos.En el caso particular de los modelos enteros, antes de decidir la
construccin de un modelo entero, debe hacerse una estimacin del tamao potencial, ya que si el
nmero de variables enteras es de algunos cientos y el modelo no tiene alguna estructura especial, es
probable entonces que el programa entero sea demasiado costoso de resolver.
(Conviene resaltar que los problemas enteros son no polinomiales, es decir, que el tiempo de
resolucin crece de forma exponencial con relacin al nmero de restricciones, pero especialmente con
relacin al nmero de variables enteras que contenga el modelo).
Vase a este respecto, el anexo de este captulo.Tambin en los problemas enteros, si el modelo
construido resulta demasiado difcil de resolver por los mtodos generales de programacin entera, es
posible a veces recurrir a los denominados mtodos heursticos que en determinadas ocasiones
pueden producir aproximaciones bastante buenas para los problemas de grandes dimensiones.
2. Evitar definir en un modelo funciones que sean el resultado de algn procedimiento iterativo (como la
solucin de una ecuacin diferencial o la resolucin de una integral).
Las funciones del modelo definidas por un procedimiento iterativo son, a menudo, una fuente de
discontinuidades que pueden impedir el avance de los procesos de optimizacin.
La solucin de estos subproblemas (aunque sea posible definirla con una precisin total) requiere un
considerable esfuerzo computacional, y esto puede considerarse como un despilfarro, dado que la
integral, la ecuacin diferencial, etc., solo es una aproximacin de algn fenmeno social ms
complicado.
Por ello, una estrategia a seguir en este caso consiste en discretizar el problema antes de aplicar el
procedimiento de optimizacin, ya que las soluciones exactas de los problemas continuos se
encuentran por refinamientos en la discretizacin entre las optimizaciones.
Como pone de manifiesto esta estrategia se ve, nuevamente, lo valioso de intercalar modelizacin y
optimizacin, puesto que la obtencin de un grado creciente de exactitud es simplemente un proceso
de modelizacin.
3. Tomar con precaucin la naturaleza de las restricciones.
Es importante analizar la naturaleza de las restricciones que intervienen en el problema con el fin de
extraer de ellas sus propiedades para mejorar la eficacia de los mtodos de optimizacin que debemos
usar.
A la hora de construir un modelo debemos separar las restricciones lineales, no lineales y de acotacin,
no solo para poder analizar mejor el modelo, sino tambin para servirnos de orientacin acerca del
software que debemos usar en cada caso concreto.
Debemos, evitar la transformacin de un tipo de restricciones en otro. La transformacin de un
problema de una forma a otra era en el pasado, a veces, inevitable cuando los algoritmos para la
optimizacin no restringida eran ms numerosos y ms efectivos que los algoritmos de optimizacin
restringida.
Era una practica comn, por ejemplo, en el caso de las restricciones de acotacin es el transformarlas
mediante un cambio de variable. No obstante, hoy por hoy, esta practica no es aconsejable y es ms
bien perjudicial, ya que los algoritmos para problemas con solamente restricciones de acotacin simple
o de cota generalizada son ms eficientes que los algoritmos para problemas no restringidos. Y
adems, en la actualidad se tiende a incorporar restricciones de acotacin sobre las variables con el fin
de acelerar el proceso.En el caso de problemas enteros, realizar un examen en profundidad de la
estructura del programa entero puede resultar muy valioso.
Puede ser, por ejemplo, un modelo de problema entero puro con una estructura unimodular, y en este
caso podra usarse la programacin lineal, la cual en un tiempo razonable resuelve un problema con
miles de variables y restricciones. Si el problema no tiene una estructura unimodular pero es parecida,
seria posible transformarlo, y en este caso siempre podra recurrirse a la literatura y a la experiencia
computacional para informarse acerca de la naturaleza y de las dificultades de los problemas con
estructura similar.
4. No evitar las restricciones de igualdad.
En este caso, no se trata tanto de convertir las restricciones lineales de igualdad en dos restricciones
de desigualdad con signos opuestos, sino que se trata ms bien de poner de manifiesto una prctica
que tambin era habitual antao.El procedimiento era el siguiente: las variables se dividan en dos
conjuntos, las variables "independientes" y las variables "dependientes", de tal modo que la
optimizacin se realizaba nicamente con las variables independientes y las variables dependientes se

determinaban al "resolver" las restricciones de igualdad, es decir encontrando la solucin a ese sistema
de ecuaciones no lineales formado por las variables dependientes una vez hallados los valores de las
otras variables.
Esta prctica, que como hemos dicho era habitual antao debido a las deficiencias del software, en la
actualidad es de todo punto inviable no solo por lo errneo del procedimiento sino tambin porque el
esfuerzo computacional que requiere no compensa la realizacin de la optimizacin completa.
5. Distinguir entre las restricciones "hard" y "soft".
Se denota, por lo general, restricciones "hard" a aquellas restricciones que no es posible violarlas, mientras
que por restricciones "soft" se denotan aquellas restricciones en las que esta permitido que puedan violarse,
si con ello se consigue una mejora sustancial, tanto en el modelo como en el procedimiento de optimizacin.
Por ejemplo, en un modelo de planificacin de la produccin la disponibilidad de espacio de la planta seria
una restriccin del tipo "hard", es decir que no puede violarse, mientras que las disponibilidades de mano
de obra no especializada seria una restriccin "soft", restriccin que podra violarse contratando a nuevos
trabajadores a corto plazo.
En general, las restricciones "soft" suponen un coste por la violacin, por tanto, se trata de evaluar el coste
de esa violacin en trminos de mejora de la funcin, y por ello, tambin se introducen variables de
desviacin para poder evaluar este impacto. Una consideracin sobre la introduccin de estas variables la
podremos ver en el capitulo dedicado a la optimizacin con objetivos mltiples.
6.- Evitar crear modelos que tengan restricciones de igualdad similares, es decir, que sean casi
dependientes.El plantear modelos con restricciones que sean muy similares puede provocar que al
introducir pequeas variaciones en los datos del modelo se produzca una distorsin muy grande en los
resultados esperados del modelo. Recurdese que los puntos factibles del modelo se obtienen de la
interseccin de todas las restricciones, cuando dos restricciones son casi dependientes se convierten en
casi paralelas, con lo que ello significa de alteracin de las posibles soluciones, para ilustrar este caso
consideremos el siguiente pequeo ejemplo, de un sistema lineal de dos ecuaciones con dos incgnitas:
Sea el sistema:
x+
y=2
x + 1,0001 y = 2
este sistema tiene como solucin : x = 2 e y = 0.
Pero consideremos ahora una pequea variacin en el termino independiente de la segunda restriccin, es
decir, que en lugar de ser 2 sea 2,0001, el nuevo sistema es:
x + y=2
x + 1,0001 y = 2,0001
este sistema tiene como solucin: x = 1 e y = 1, notablemente distinta de la anterior. Por tanto, en
la medida de lo posible debemos evitar el construir en el modelo este tipo de restricciones.
La razn est en que el determinante de la matiz esta muy prximo al valor cero, es decir, es una matriz
casi-singular.
7.- Usar toda la informacin disponible sobre el problema para el escalamiento de las variables y las
restricciones. La escala de un problema es la medida de la importancia de las variables y las restricciones,
es decir, es una magnitud que nos informa de que es "grande" o "pequeo" en el modelo, es decir, de lo
importante o no que puede resultar una variable o una restriccin en el conjunto del modelo.
Es importante resaltar la trascendencia respecto de la correcta resolucin del modelo, el que tanto las
variables como las restricciones estn perfectamente escaladas, es decir, este correctamente ponderada su
importancia.
Ello significa, tomando como ejemplo una variable, que si el valor que se espera pueda tomar al resolver el
modelo tenga un numero significativo de dgitos (por ejemplo, la variable representa varios miles de millones
de pesetas) en este caso seria conveniente que en lugar de expresar la variable en bolvares se expresase
en millones de bolvares, con ello se evita la perdida de significacin que se produce por la necesidad de
almacenamiento en los ordenadores.
Un caso similar, pero de significado opuesto ocurre cuando la magnitud de la variable es infinitesimal. Por
ejemplo, en un problema de mezcla cuando la magnitud de la variable es de orden de 10 (6), en este caso el
considerar la variable en su valor normal puede producir errores ya que el ordenador puede considerar este
valor, significativo para el anlisis, como cero si es inferior a la condicin de tolerancia de factibilidad
definida, y por ello seria conveniente amplificar su valor tomando el significado de la variable como
millonsimas partes. El obviar estas consideraciones puede repercutir negativamente en la exactitud de la
solucin. Hay que notar que estas transformaciones tendrn un efecto posterior sobre otras magnitudes del
la solucin , por ello hay que tener la precaucin de una vez resuelto el problema interpretar correctamente
los resultados y las posibles implicaciones.

Un ejemplo de este tipo de escalamiento, as como su correcta interpretacin lo analizaremos con

posterioridad al ver algunas aplicaciones de la programacin lineal.
8.- Verificar cuidadosamente todos los datos introducidos en el problema.
La introduccin de datos es la fuente de la mayora de los errores que se producen en la resolucin de los
problemas, por ello habr que revisar varias veces, y a ser posibles por persona distinta, todos los datos
introducidos en el problema, ya que se trata de los errores de ms difcil deteccin y con ello la generacin
de soluciones no adecuadas al fin perseguido es muy comn.
En el caso de los problemas no lineales, tendremos que aadir una serie de reglas adicionales a las
expuestas con anterioridad.
1. Intentar modelizar con funciones que sean diferenciables
Posiblemente, la propiedad ms importante de las funciones en los modelos con respecto a la facilidad
de optimizacin sea la diferenciabilidad, esto es importante ya que la mayora de los algoritmos estn
basados sobre el uso de la informacin disponible en un punto para deducir su comportamiento en
otros puntos. Si las funciones del modelo son de clase C (2), la capacidad de un algoritmo para
localizar las soluciones ptimas se ve muy favorecida en comparacin con los modelos similares,
donde las funciones son no diferenciables.
Otra de las ventajas de modelar funciones diferenciables, esta relacionada con la convergencia propia
de cada algoritmo, as como con la precisin tanto de la funcin como de la precisin relativa de las
maquinas sobre las que se va a resolver el problema.
2. Tratar de obtener la mayor cantidad de informacin posible sobre la funcin.
De forma que podamos tomar en consideracin la mayora de las propiedades importantes de cara al
proceso de optimizacin posterior. Como ya hemos dicho anteriormente, una de las propiedades
deseables es construir funciones que sean diferenciables, de forma que se puedan usar algoritmos
diferenciales en el proceso. Otra de las caractersticas importantes a conseguir seria que la funcin
verifique alguna propiedad relacionada con la convexidad para as poder tener un mayor numero de
elementos de juicio acerca de la naturaleza y calidad de la solucin.
3. Verificar cuidadosamente las funciones del problema, as como una correcta determinacin de un punto
de partida.Antes de empezar el proceso de optimizacin con el algoritmo especificado es
absolutamente necesario verificar la correcta introduccin de las funciones que haya definido el
usuario, ya que ello proporciona el error ms comn.
Tales errores no son nunca pequeos, y ningn algoritmo puede funcionar correctamente ente la presencia
de inexactitudes en la evaluacin de dichas magnitudes. As mismo, todos los algoritmos necesitan de un
punto de partida para iniciar la bsqueda del optimo, por ello es vital elegir un buen punto de partida, o
mejor dicho, no partir de un mal punto. Podemos denominar puntos de partida "malos" aquellos que
producen algn problema en la funcin, por ejemplo, puntos donde se anula alguna derivada, punto donde
no esta definida la funcin, etc.

2.4.- COMPLEJIDAD
Vamos a describir el tamao y el tiempo de resolucin en los problemas enteros-binarios. As, por ejemplo,
consideremos un problema con el siguiente nmero de variables:
Si hay una variable binaria el nmero de posibles soluciones es 2. Si tenemos dos variables el numero de
soluciones es 2^2 = 4. Si las variables son tres, las soluciones son 2^3 = 8, y as sucesivamente, de la
forma 2^n.
Muchas veces no somos conscientes de la numerabilidad de las soluciones, as como de su dificultad.
Por ejemplo, si tenemos un problema con 10 variables binarias, el numero de soluciones posibles es de
2^10 = 1.024.
Si duplicamos las variables, es decir, tenemos 20variables, el nmero de posibles soluciones es de 2^20 =
1.048.576.
Si observamos que el nmero de variables se ha multiplicado por 2 el nmero de posibles soluciones se ha
multiplicado por 1.024.
No obstante, creo que merece la pena analizar un poco mas el tema de la complejidad de los problemas.
Supongamos que tenemos un problema con 100 variables binarias (de tamao pequeo -medio). Como ya
sabemos, el nmero de posibles soluciones es de 2^100. Parece un nmero grande pero no sabemos
cunto, si lo transformamos en potencia de 10, tenemos: 1,26765E+30, es decir un numero con 30 cifras.
Parece grande, pero veamos realmente lo difcil que resulta analizar todas las soluciones. Para ello
supongamos que disponemos de un ordenador capaz de analizar todas las combinaciones posibles. Ese
ordenador ser un CRAY-1, se trata de un tipo de supercomputador que de manera informal se utiliza para

poder comparar la velocidad de las operaciones de los supercomputadores. Este ordenador es capaz de
analizar 1000 millones de operaciones por segundo, es decir, se trata de un ordenador capaz de evaluar
1000 millones de posibles soluciones del problema binario con 100 variables. La pregunta es cunto tiempo
tardara este superordenador en evaluar todas las posibles soluciones: 10 minutos, 15 das, 3 meses,
cuanto?. La respuesta son simples operaciones.
Si en un segundo es capaz de analizar 100 millones, es decir, 1E+9. Bastara con dividir el nmero de
posibles soluciones por 1E+9, y ver cuantos segundos son:
1,26765E+30 / 1E+9 = 1,26765E+22 segundos.
Si transformamos esos segundos en minutos tenemos: 1,26765E+22 / 60 = 2,11275E+20 minutos
Si transformamos los minutos en horas tenemos:
2,11275E+20 / 60 = 3,52125E+18 horas.
As sucesivamente, pero ya vemos que el nmero de horas es grande, pero hasta cuanto tiempo sera
necesario.
La respuesta es 4.075.523 millones de siglos. Si tenemos en cuanta que el Big Bang (origen del universo
fue entre 12.000 y 20.000 millones de siglos), podemos llegar a la conclusin que aun disponiendo de un
superodenador desde el comienzo de los tiempos, aun nos faltaran varios millones de millones de siglos
para poder evaluar todas las soluciones de un problema de 100 variables binarias.
Si mejoramos es ordenador y este es capaz de realizar 100 BILLONES de operaciones ( es decir
100 millones de millones de operaciones), es este caso la cosa mejora notablemente ya que en este caso
solamente son necesarios 4 millones de siglos.