TEMA # 1: CONCEPTOS GENERALES

1.1. DEFINICION

Conocida también como teoría de la toma de decisiones o programación matemática. La

Investigación Operativa es una rama de las matemáticas que consiste en el uso de modelos
matemáticos, estadística y algoritmos con objeto de realizar un proceso de toma de decisiones.
Frecuentemente trata del estudio de complejos sistemas reales, con la finalidad de mejorar u
optimizar su funcionamiento.
La investigación de operaciones permite el análisis de la toma de decisiones teniendo en cuenta la
escasez de recursos, para determinar cómo se puede optimizar un objetivo definido, como la
maximización de los beneficios o la minimización de costos.

1.2. HISTORIA

La historia no se escribe con exactitud, pero si se pueden recopilar hechos que describan de alguna
manera la evolución conocida de acuerdo con escritos, estudios e investigaciones encontradas. Las
técnicas utilizadas en la aplicación de la Investigación de Operaciones conducen al pasado siglo XX,
pero también al pasado remoto de siglos como antecedentes. Para ello es conveniente fijarse en la
idea fundamental de la Investigación de Operaciones que es el método científico cuyo origen exacto
se desconoce.
En escritos hace milenios como es el Antiguo Testamento se menciona a Jetro, suegro de Moisés,
como autor de un tratado de principios de organización y más recientemente, en el antepasado siglo
XIX, Charles Babbage es autor del trabajo On the Economy of Machinery and Manufactures. Al
ingeniero Frederick Winslow Taylor, norteamericano de origen, se le reconoce la paternidad de la
Administración Científica debido a sus investigaciones sobre las obligaciones y tareas de los jefes de
taller, así como también de la producción diaria individual según la capacidad del obrero para tareas
específicas, definiendo así la división del trabajo mediante capacitación, selección y adiestramiento
de los trabajadores. Además, Taylor aplicó el análisis científico a los problemas de manufactura,
estableciendo normas de trabajo y la especialización. Por su parte Henry L. Gant, planeó las tareas
de las máquinas para evitar demoras de producción. Así es posible fijar fechas de entrega con más
seguridad. También contribuyó al enfoque científico incluyendo el aspecto humano como integrante.
Con el inicio del siglo XX, los investigadores también utilizaron procedimientos científicos para
analizar problemas localizados fuera de las ciencias puras como son la Física, la Química, la Biología,
entre otras más, pero en la década que se inicia en 1910, Taylor se dedicó a buscar la eficiencia para
las tareas haciendo valer los estudios de tiempos y movimientos de Frank y Lillian Gilbreth eliminando
movimientos innecesarios y desperdicios en cada tarea. En la misma década durante la 1ª. Guerra
Mundial, se le confió a Thomas A. Edison el averiguar las maniobras más eficaces de los barcos
mercantes para disminuir los embarques perdidos por ataques de los submarinos enemigos. Edison
empleó un "tablero táctico" como modelo para simular las operaciones reales.
Un ingeniero danés A. K. Erlang hizo experimentos relacionados con las fluctuaciones de la demanda
telefónica en equipo automático quedando estos trabajos como fundamento de muchos modelos
matemáticos que se usan actualmente en los estudios de Teoría de Colas o Líneas de Espera. En
1937, a punto de empezar la Segunda Guerra Mundial, se juntó en el Reino Unido a un equipo de
matemáticos, ingenieros y científicos en áreas básicas, para estudiar los problemas estratégicos y
tácticos asociados con la defensa del país. Se formó un equipo cuyo objetivo era determinar la
utilización más efectiva de los limitados recursos militares. En consecuencia, a las actividades de este
grupo se le llamó Investigación Operacional, que es terminología común en el medio militar. Primero
se les pidió ayuda para los militares en la utilización eficiente del radar para localizar aviones
enemigos; después en 1940 se reunió otro grupo, el circo de Blackett encabezado por el distinguido
físico inglés P. Blackett para estudiar la actuación del equipo de control de cañones en el campo;
había tres fisiólogos, cuatro matemáticos, un físico, un astrofísico, un oficial militar y un agrimensor.
En los Estados Unidos de Norteamérica se motivaron por los éxitos alcanzados por los grupos
británicos, en Abril de 1942 se decidió introducir la Investigación de Operaciones a nivel superior,
emprendiendo también estudios tales como: problemas logísticos complejos, el desarrollo de
patrones de vuelo para aviones y la planeación de maniobras navales. En la Fuerza Aérea se le dio el
nombre de Análisis de Operaciones y en el Ejército y la Marina los de Investigación de Operaciones y
Evaluación de Operaciones, respectivamente. Cuando terminó la guerra, la necesidad de reconstruir
en la Gran Bretaña, dio lugar al surgimiento de otros problemas de administración en sectores de
gobierno e industria los cuales demandaron la actuación de los mismos científicos especializados en
la Investigación de Operaciones.
También en los Estados Unidos de Norteamérica, en la década de 1950 con el desarrollo y
comercialización de las computadoras, los investigadores de operaciones y la gente asociada con las
operaciones de la última guerra, se percataron que los estudios realizados en la misma eran de gran
utilidad, aplicados a los problemas industriales. La computadora y el desarrollo de la Investigación de
Operaciones motivaron a los ejecutivos industriales y a los especialistas de esta disciplina para
reunirse y provocar su rápido crecimiento.
La Programación Lineal (PL) tuvo un gran impulso para la investigación industrial dando entrada las
empresas a muchos especialistas; las técnicas Pert, control de inventarios, y la simulación,
empezaron a emplearse con éxito; en vez de los simples promedios, se incluyeron la probabilidad y la
estadística tan útiles en cualquier estudio moderno.
Actualmente el uso de la Investigación de Operaciones es extenso en áreas de: contabilidad,
compras, planeación financiera, mercadotecnia, planeación de producción, transporte y muchas otras
más, convirtiéndose en importante instrumento de competencia para los presupuestos y contratos.

1.3. TIPOS DE MODELOS

Los modelos utilizados en la Investigación de Operaciones son eminentemente matemáticos y se

pueden clasificar de acuerdo a los valores y características de sus variables, en: deterministas y
estocásticos, y cada uno de ellos a su vez, en estáticos y dinámicos.
Modelos deterministas: En los modelos deterministas, ni las variables exógenas, ni las endógenas,
se obtienen por medio del azar, debido a que se suponen relaciones exactas para las características
de operación, en lugar de funciones de densidad de probabilidad. Son variables con valores
preestablecidos.
Modelos estocásticos: Son aquellos modelos en los que, por lo menos una de las características de
operación está dada por una función de probabilidad. Los valores de ésta o éstas variables, se
obtienen al azar.
Modelos estáticos: Son aquellos modelos que no toman en cuenta, explícitamente, a la variable
tiempo.
Modelos dinámicos: Los modelos matemáticos que tratan de las interacciones que varían con el
tiempo, se denominan modelos dinámicos.
Los modelos que se han considerado como propios de la Investigación de Operaciones, por ser los
que en esencia se aplican con mayor frecuencia de estudio son:
 Programación lineal
 Programación entera
 Redes de optimización
 Programación dinámica
 Modelos de inventarios
 Líneas de espera
 Cadenas de Markov
 Programación no lineal
 Análisis de decisiones
 Simulación

1.3.1. PROGRAMACION LINEAL

La programación lineal es un conjunto de técnicas racionales de análisis y de resolución de

problemas que tiene por objeto ayudar a los responsables en las decisiones sobre asuntos en los que
interviene un gran número de variables.

El nombre de programación lineal no procede de la creación de programas de ordenador, sino de un

término militar, programar, que significa 'realizar planes o propuestas de tiempo para el
entrenamiento, la logística o el despliegue de las unidades de combate'.

Aunque parece ser que la programación lineal fue utilizada por G. Monge en 1776, se considera a L.
V. Kantoróvich uno de sus creadores. La presentó en su libro Métodos matemáticos para la
organización y la producción (1939) y la desarrolló en su trabajo Sobre la transferencia de masas
(1942). Kantoróvich recibió el premio Nobel de economía en 1975 por sus aportaciones al problema
de la asignación óptima de recursos humanos.

La investigación de operaciones en general y la programación lineal en particular recibieron un gran

impulso gracias a los ordenadores. Uno de momentos más importantes fue la aparición del método
del simplex. Este método, desarrollado por G. B. Dantzig en 1947, consiste en la utilización de un
algoritmo para optimizar el valor de la función objetivo teniendo en cuenta las restricciones
planteadas. Partiendo de uno de los vértices de la región factible, por ejemplo el vértice A, y aplicando
la propiedad: si la función objetivo no toma su valor máximo en el vértice A, entonces existe una arista
que parte del vértice A y a lo largo de la cual la función objetivo aumenta. se llega a otro vértice.

El procedimiento es iterativo, pues mejora los resultados de la función objetivo en cada etapa hasta
alcanzar la solución buscada. Ésta se encuentra en un vértice del que no parta ninguna arista a lo
largo de la cual la función objetivo aumente. Para resolver un modelo de programación lineal se utiliza
el método grafico si son solo 2 variables, para 2 o más variables el método Simplex.
1.3.2. PROGRAMACION ENTERA

En algunos casos se requiere que la solución óptima se componga de valores enteros para algunas
de las variables. La resolución de este problema se obtiene analizando las posibles alternativas de
valores enteros de esas variables en un entorno alrededor de la solución obtenida considerando las
variables reales. Muchas veces la solución del programa lineal truncado está lejos de ser el óptimo
entero, por lo que se hace necesario usar algún algoritmo para hallar esta solución de forma exacta.

Algunos casos especiales de programación lineal, tales como los problemas de flujo de redes y
problemas de flujo de mercancías se consideraron en el desarrollo de las matemáticas lo
suficientemente importantes como para generar por si mismos mucha investigación sobre algoritmos
especializados en su solución como son los problemas de transporte y asignación.

1.3.3. REDES O GRAFOS DE OPTIMIZACION

El origen de la teoría de grafos se remonta al siglo XVIII con el problema de los puentes de
Königsberg, el cual consistía en encontrar un camino que recorriera los siete puentes del río Pregel
en la ciudad de Königsberg, actualmente Kaliningrado, de modo que se recorrieran todos los puentes
pasando una sola vez por cada uno de ellos. El trabajo de Leonhard Euler sobre el problema titulado
La solución de un problema relativo a la geometría de la posición en 1736, es considerado el primer
resultado de la teoría de grafos. También se considera uno de los primeros resultados topológicos en
geometría que ilustra la profunda relación entre la teoría de grafos y la topología.
Luego, en 1847, Gustav Kirchhoff utilizó la teoría de grafos para el análisis de redes eléctricas
publicando sus leyes de los circuitos para calcular el voltaje y la corriente en los circuitos eléctricos,
conocidas como leyes de Kirchhoff, considerado la primera aplicación de la teoría de grafos a un
problema de ingeniería.
En 1852 Francis Guthrie planteó el problema de los cuatro colores el cual afirma que es posible,
utilizando solamente cuatro colores, colorear cualquier mapa de países de tal forma que dos países
vecinos nunca tengan el mismo color. Este problema, que no fue resuelto hasta un siglo después por
Kenneth Appel y Wolfgang Haken en 1976, puede ser considerado como el nacimiento de la teoría de
grafos. Al tratar de resolverlo, los matemáticos definieron términos y conceptos teóricos
fundamentales de los grafos.
En 1857, Arthur Cayley estudió y resolvió el problema de enumeración de los isómeros, compuestos
químicos con idéntica composición (fórmula) pero diferente estructura molecular. Para ello representó
cada compuesto, en este caso hidrocarburos saturados CnH2n+2, mediante un grafo árbol donde los
vértices representan átomos y las aristas la existencia de enlaces químicos.
El término «grafo», proviene de la expresión «graphic notation» usada por primera vez por Edward
Frankland y posteriormente adoptada por Alexander Crum Brown en 1884, y hacía referencia a la
representación gráfica de los enlaces entre los átomos de una molécula.
Gracias a la teoría de grafos se pueden resolver diversos problemas como por ejemplo la síntesis de
circuitos secuenciales, contadores o sistemas de apertura. Se utiliza para diferentes áreas por
ejemplo, Dibujo computacional, en todas las áreas de Ingeniería, se utilizan también para modelar
trayectos como el de una línea de autobús a través de las calles de una ciudad, en el que podemos
obtener caminos óptimos para el trayecto aplicando diversos algoritmos como puede ser el algoritmo
de Floyd.
Para la administración de proyectos, utilizamos técnicas como técnica de revisión y evaluación de
programas (PERT) en las que se modelan los mismos utilizando grafos y optimizando los tiempos
para concretar los mismos.

1.3.4. PROGRAMACIÓN DINÁMICA

Existe una serie de problemas cuyas soluciones pueden ser expresadas recursivamente en términos
matemáticos, y posiblemente la manera más natural de resolverlos es mediante un algoritmo
recursivo. Sin embargo, el tiempo de ejecución de la solución recursiva, normalmente de orden
exponencial y por tanto impracticable, puede mejorarse substancialmente mediante la Programación
Dinámica.
En el diseño Divide y Vencerás permite resolver un problema si lo dividíamos en subproblemas
independientes, los cuales se resolvían de manera recursiva para combinar finalmente las soluciones
y así resolver el problema original. El inconveniente se presenta cuando los subproblemas obtenidos
no son independientes sino que existe solapamiento entre ellos; entonces es cuando una solución
recursiva no resulta eficiente por la repetición de cálculos que conlleva. En estos casos es cuando la
Programación Dinámica nos puede ofrecer una solución aceptable. La eficiencia de esta técnica
consiste en resolver los subproblemas una sola vez, guardando sus soluciones en una tabla para su
futura utilización.
La Programación Dinámica no sólo tiene sentido aplicarla por razones de eficiencia, sino porque
además presenta un método capaz de resolver de manera eficiente problemas cuya solución ha sido
abordada por otras técnicas y ha fracasado.

1.3.5. MODELOS DE INVENTARIOS

Un inventario es un recurso empleado pero útil que posee valor económico. El problema se plantea
cuando una empresa expendedora o productora de bienes y servicios no produce en un momento
determinado la cantidad suficiente para satisfacer la demanda, por lo que debe realizar un
almacenamiento protector contra posibles inexistencias.

El objetivo radica en definir el nivel de inventario. Estas decisiones consisten en dar normas que nos
precisen en que instante se deben efectuar los pedidos del producto considerado y la cantidad que se
debe pedir.
En términos generales un inventario es un conjunto de recursos útiles que se encuentran ociosos en
algún momento. El objetivo de los problemas de inventario es minimizar los costes (totales o
esperados) del sistema sujetos a la restricción de satisfacer la demanda (conocida o aleatoria). Entre
los diferentes costos que puede haber en un problema de inventario están:
 Costos de fabricación.
 Costos de mantenimiento o almacenamiento.
 Costos de penalización o rotura por no satisfacer la demanda.
 Rendimientos o ingresos. (Puede o no incluirse en el modelo).
 Costos de recuperación o salvamento. (El valor de recuperación representa el valor de
desecho del artículo para la empresa, quizá a través de una venta con descuento).
  Tasa de descuento. La tasa de descuento toma en cuenta el valor del dinero en el tiempo.
Cuando una empresa compromete capital en inventarios, no puede usar este dinero para
otros fines.
Existen varios modelos de inventarios como ser: Cantidad económica de pedido (EOQ) con unidades
faltantes, sin unidades faltantes, por descuento, por lote de producción, probabilístico.

1.3.6. LÍNEAS DE ESPERA

La teoría de colas aparece a principios del presente siglo para estudiar los problemas de con-gestión
de tráfico que se presentaban en las recientemente inventadas comunicaciones telefónicas. Entre
1903 y 1905, Erlang es el primero en tratar el tráfico telefónico de forma científica, y establece la
unidad de tráfico telefónico, que recibe su nombre. Posteriormente esta teoría se ha aplicado a
multitud de problemas de la vida real, como el tráfico de automóviles, la regulación de semáforos en
una ciudad, la determinación del número de cajeros en los bancos, supermercados, control de los
tiempos de espera de los pedidos que acceden a una orden de trabajo, etc.
Lo elementos más importantes de un sistema de colas son: las llegadas de los clientes, la cola que
realizan los clientes, el servicio al cliente y la salida del cliente.

LLEGADAS SALIDAS
COLA SERVIDOR /ES

Un sistema de colas consiste en uno o varios servidores que prestan un servicio a uno o varios
usuarios que acceden al sistema. El proceso de llegadas lo regula una fuente generadora de usuarios
y, en general, estas llegadas serán de forma aleatoria. Esta fuente generadora de usuarios puede ser
finita o infinita.

1.3.7. CADENAS DE MARKOV

Las cadenas de Markov son modelos probabilísticos que se usan para predecir la evolución y el
comportamiento a corto y largo plazo de determinados sistemas. Deben su nombre al matemático
ruso Andrei Markov.
Una cadena de Markov es un proceso estocástico con un número finito de estados con
probabilidades de trancisión estacionarias, es decir, si se conoce la historia del sistema hasta su
instante actual, su estado presente resume toda la información relevante para describir en
probabilidad su estado futuro.

Una cadena de Markov es una secuencia X1, X2, X3,..., de variables aleatorias. El rango de estas
variables, es llamado espacio estado, el valor de Xn es el estado del proceso en el tiempo n. Si la
distribución de probabilidad condicional de Xn+1 en estados pasados es una función de Xn por si
sola, entonces:
Prob {Xn+1=j / X0=k0, X1=k1, ..., Xn-1=kn-1, Xn=i} = Prob {Xn+1=j / Xt=1}
1.3.8. PROGRAMACIÓN NO LINEAL

La Programación no Lineal (PNL) es una parte de la Investigación Operativa cuya misión es

proporcionar una serie de resultados y técnicas tendentes a la determinación de puntos óptimos para
una función (función objetivo) en un determinado conjunto (conjunto de oportunidades), donde tanto
la función objetivo, como las que intervienen en las restricciones que determinan el conjunto de
oportunidades pueden ser no lineales.
Evidentemente, la estructura del problema puede ser muy variada, según las funciones que en él
intervengan (a diferencia de la Programación Lineal (PL) donde la forma especial del conjunto de
oportunidades y de la función objetivo permite obtener resultados generales sobre las posibles
soluciones y facilitan los tratamientos algorítmicos de los problemas).
Ello ocasiona una mayor dificultad en la obtención de resultados, que se refleja también en la
dificultad de la obtención numérica de las soluciones. En este sentido, hay que distinguir entre las
diversas caracterizaciones de óptimo, que sólo se emplean como técnicas de resolución en
problemas sencillos, y los métodos numéricos iterativos, cuyo funcionamiento se basa en estas
caracterizaciones, para la resolución de problemas más generales.

1.3.9. ANÁLISIS DE DECISIONES

La Teoría de Decisiones es el proceso durante el cual la persona debe escoger entre dos o más
alternativas. Todos y cada uno de nosotros pasamos los días y las horas de nuestra vida teniendo
que tomar decisiones. Algunas decisiones tienen una importancia relativa en el desarrolla de nuestra
vida, mientras otras son gravitantes en ella. Para los administradores, el proceso de toma de decisión
es sin duda una de las mayores responsabilidades.

Con frecuencia se dice que las decisiones son algo así como el motor de los negocios y en efecto, de
la adecuada selección de alternativas depende en gran parte el éxito de cualquier organización.
Una decisión puede variar en trascendencia y connotación las cuales pueden ser: toma de decisión
bajo certeza, bajo incertidumbre y bajo riesgo.
 PRACTICO # 1
RESPONDER LAS SIGUIENTES PREGUNTAS
1. Defina investigación operativa.
2. Describa el aporte de Taylor.
3. Describa el aporte de Erlang.
4. Describa el aporte de la investigación de operaciones en la segunda guerra mundial.
5. Actualmente la investigación de operaciones en que áreas se aplica.
6. Esplique la diferencia entre los modelos deterministas y estocásticos.
7. Esplique la diferencia entre los modelos estáticos y dinámicos.
8. Defina el modelo de programación lineal
9. Que métodos existe para resolver un modelo de programación lineal.
10. Que algoritmo se utiliza para resolver un modelo de programación entera.
11. Defina redes o grafos y describir su aplicación.
12. Defina el concepto de programación dinámica.
13. Qué tipo de costos se manejan en un sistema de inventario.
14. Describa los modelos de inventario.
15. Defina Teoría de cola y cuál es su aplicación.
16. Defina cadena de Markov.
17. Defina un modelo de programación no lineal.