INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES (I.O.

Historia - Antecedentes
• Primeros intentos de uso detectados: ciencias económicas. Mediados
del siglo XVIII (P. Quesnay – 1759) – (K. Walras – 1874)
• Inicio formalmente aceptado: II Guerra Mundial
• En general, como antecedente se ha aceptado cualquier intento por
usar el método científico como apoyo a los procesos de toma de
decisiones.

Factores de Impulso a Surgimiento

• Revolución Industrial: paso de talleres artesanales a grandes
compañías.
• Rápida identificación de similitudes entre problemas del ambiente de
las “operaciones industriales” y los problemas propios del ambiente
productivo de las nuevas empresas.
• Rápido desarrollo gracias a la pronta dedicación de grandes grupos
de eminentes científicos.

… INTRODUCCIÓN A LA I.O.

… Factores de Impulso a Surgimiento

• Al final de la década de 1950 ya se habían desarrollado casi
totalmente muchas de las técnicas típicas de la I.O: Programación
lineal, programación dinámica, teoría de colas, teoría de inventarios,
entre otras.
• En 1947 G. Dantzig publica el método SIMPLEX para solución de
modelos de PL.
• Segunda revolución industrial: automatización y surgimiento de la
computadora electrónica.
• En 1952 se funda ORSA (Operations Research Society of America).
Para 1872 ya contaba con más de 8.000 miembros activos alrededor
del mundo.
• ORSA se fusiona con el American Institute for Management
Sciences, para formar INFORMS (Institute for Operations Research
and Management Sciences).
• Otras Miles de asociaciones y practicantes (SOCIO). Cientos de
programas de maestría y doctorado….

1
 … INTRODUCCIÓN A LA I.O.

Naturaleza de la I.O.
• Aplica el método científico para al estudio de diversas situaciones,
también el enfoque se sistemas: identificación y análisis de
componentes, interrelaciones y factores significativos del ambiente
bajo análisis.
• Debe apoyar el proceso de toma de decisiones en ambientes
complejos.
• Punto de vista de la I.O al enfrentar problemas del mundo real es
muy amplio: “operación” puede ser, de hecho, cualquier actividad en
sistemas muy discímiles.
• La I.O busca, normalmente, el mejor curso de acción, la mejor
solución, en una pareja sistema – problema. – Optimalidad.
• Soluciones de I.O deben ser fácilmente interpretables por las
personas sobre quines recae la responsabilidad de adoptar las
decisiones.
• I.O es necesariamente de carácter interdisciplinario cuando se aplica
a ambientes reales.

… INTRODUCCIÓN A LA I.O.

Algunos campos de acción

• Control y predicción del crecimiento económico
• Planeación urbana
• Diseño y optimización de cadenas de abastecimiento
• Planeación agregada de la producción
• Tratamiento óptimo de tumores cancerosos
• Entrenamiento de personal
• Optimización de procesos asociados a refinerías
• Distribución de fuerzas navales y aéreas
• Estudios de factores de criminalidad
• Planeación y control de proyectos
• Evaluación de inversiones en bonos y acciones
• Estudio de la propagación de epidemias
• Mantenimiento y reemplazo de equipos
• Políticas de control óptimo de inventarios
• Planeación y estrategias de empresas de transporte aéreo

2
 MODELOS Y PROCESO DE DISEÑO EN INGENIERÍA

Diagrama de flujo del Proceso de Diseño

Formulación del Implementación,

Problema Evaluación y Control

Análisis problema Especificar las

Recolección Datos soluciones

Generar Alternativas Evaluación y selección Formulación y

de Solución de alternativa(s) Validación

… MODELOS Y PROCESO DE DISEÑO EN INGENIERÍA

Una definición:
Representaciones abstractas del mundo real, o una porción del mundo
real de nuestro interés, más simple y manipulable a efectos del
análisis, y que necesariamente debe ser representativo del sistema
bajo estudio según el objetivo de éste último.

Clasificación de Modelos
• Según su naturaleza: Físicos, analógicos, matemáticos.

• Según su alcance: Descriptivos, normativos u optimizables

• Según incertidumbre: Determinísticos, estocásticos.

3
 … MODELOS Y PROCESO DE DISEÑO EN INGENIERÍA

Ventajas Desventajas
• Consideración de aspectos • Necesidad de muchos datos
fundamentales difíciles de de alta precisión (costosos)
abordar sin un modelo. • Necesidad de conocimientos
• Definición precisa: objetivos, especializados: formulación,
estructura y restricciones del solución y análisis de resultados
sistema. • Se requiere sistemas de
• Evaluación sistemática de computación y programas
alternativas complejos y costosos
• Rápido análisis de sensibilidad • Tiempos de solución largos

Tips
• Modelo realista vs. Modelo con tiempo de solución aceptable
• Diseño de abajo hacia arriba: de modelos sencillos hacia modelos más
elaborados.
• MODELOS SON SOPORTE, NO DECISIONES!!!!!

ALGORITMOS DE SOLUCIÓN
Tipos de Algoritmos
• Experiencia e intuición
• Hojas electrónicas Exigencias claves
• Simulación
• Eficiencia
• Optimización
• Efectividad
• Métodos Heurísticos
• Algoritmos Exactos
• Sistemas expertos

Tiempo de Solución de un Algoritmo – Algoritmos tipo P, NP

T (n ) = ak n k + ak −1n k −1 + ak −2 n k −2 + ... + a1n + a0

• n es un indicador del tamaño del problema: número de variables
o número de restricciones, entre otros.

4
 MODELOS DE PROGRAMACIÓN LINEAL
Importancia
• Ciertos problemas se describen fácilmente a través de la
programación lineal.
• Muchos problemas pueden aproximarse a modelos lineales.
• La salida generada por el programa que resuelve el modelo de
programación lineal entrega información útil para responder nuevas
condiciones sobre el “qué pasa si”.

Naturaleza
• PL busca la MEJOR forma de asignar recursos limitados a diferentes
actividades que compiten por esos recursos.
• Los recursos disponibles pueden generar “muchas” combinaciones de
actividades, pero solo una ó unas será(n) óptima(s), es decir,
alcanzarán el mejor beneficio deseado.
• Programación = planeación, de recursos, no está relacionado con la
“programación” de computadores.
• El término lineal se refiere a la naturaleza de las variables y
relaciones entre esas variables

… MODELOS DE PROGRAMACIÓN LINEAL

Esquema de un Modelo de PL

P Problema Objetivo
a
r Función
á Objetivo
m Variables de
Actividades
e Decisión
t
r
o Consumo de
s Recursos Restricciones
Recursos

10

5
 … MODELOS DE PROGRAMACIÓN LINEAL

Supuestos de un Modelo de PL
• Proporcionalidad
• Aditividad
• Certeza y divisibilidad

El Problema de la Industria de Juguetes Galaxia

Galaxia produce dos tipos de juguetes:

„ Space Ray
„ Zapper

Los recursos están limitados a:

„ 1200 libras de plástico especial.
„ 40 horas de producción semanalmente.

11

… MODELOS DE PROGRAMACIÓN LINEAL

… El Problema de la Industria de Juguetes Galaxia

„ Requerimientos de Marketing.

„ La producción total no puede exceder de 800 docenas.

„ El número de docenas de Space Rays no puede exceder al
número de docenas de Zappers por más de 450.

„ Requerimientos Tecnológicos.

„ Space Rays requiere 2 libras de plástico y 3 minutos de

producción por docena.
„ Zappers requiere 1 libra de plástico y 4 minutos de producción
por docena.

12

6
 … MODELOS DE PROGRAMACIÓN LINEAL
… El Problema de la Industria de Juguetes Galaxia
Plan común de producción para:

„ Fabricar la mayor cantidad del producto que deje mejores

ganancias, el cual corresponde a Space Ray ($8 de utilidad por
docena).
„ Usar la menor cantidad de recursos para producir Zappers, porque
estos dejan una menor utilidad ($5 de utilidad por docena).

„ El plan común de producción consiste en:

Space Rays = 550 docenas

Zappers = 100 docenas

Utilidad = $4900 por semana

13

… MODELOS DE PROGRAMACIÓN LINEAL

Solución al Problema de la Industria de Juguetes Galaxy
Variables de decisión

„ X1 = Cantidad producida de Space Rays (en docenas por semana).

„ X2 = Cantidad producida de Zappers (en docenas por semana).

Función objetivo

„ Maximizar la ganancia semanal.

Modelo de PL
Máx. 8X1 + 5X2 (ganancia semanal)

Sujeto a: 2X1 + 1X2 <= 1200 (Cantidad de plástico)

3X1 + 4X2 <= 2400 (Tiempo de producción)
X1 + X2 <= 800 (Limite producción total)
X1 - X2 <= 450 (Producción en exceso)
Xj >= 0 , j= 1, 2. (Resultados positivos)

14