Вы находитесь на странице: 1из 7

Investigación de operaciones (IO)

Trabajo
sobre la investigación de operaciones, historia y autores

Docente
Wilfredo Berrio Blanco

Dicentes
Osvaldo Oyaga Gulloso
Camilo Pérez Jiménez

Universidad de Cartagena
Cartagena – Bolívar
24/04/19
Docente Wilfredo Berrio Blanco
Dicentes: Osvaldo Oyaga Gulloso, Camilo Pérez Jiménez

Que es la investigación de operaciones


La Investigación de Operaciones es la aplicación por grupos interdisciplinarios del método
científico 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 organización.
Capítulo 1.
1. Programación lineal: La programación lineal se aplica a modelos de optimización en
los que las funciones objetivo y restricción son estrictamente lineales. La técnica se
aplica en una amplia variedad de casos, en los campos de agricultura, industria,
transporte, economía, salud, ciencias sociales y de la conducta, y militar. También
produce algoritmos eficientes de cómputo para problemas con miles de
restricciones y variables. En realidad, debido a su tremenda eficiencia de cálculo, la
programación lineal forma la columna vertebral de los algoritmos de solución para
otros modelos de investigación de operaciones, como las programaciones entera,
estocástica y no lineal.

2. El modelo de transporte es una clase especial de programación lineal que tiene que
ver con transportar un artículo desde sus fuentes (es decir, fábricas) hasta sus
destinos (es decir, bodegas). El objetivo es determinar el programa de transporte
que minimice el costo total del transporte y que al mismo tiempo satisfaga los
límites de la oferta y la demanda. En el modelo se supone que el costo de transporte
es proporcional a la cantidad de unidades transportadas en determinada ruta. En
general, se puede ampliar el modelo de transporte a otras áreas de operación, entre
otras el control de inventarios, programación de empleos y asignación de personal.
Aunque el modelo de transporte se puede resolver como una programación lineal
normal, su estructura especial permite desarrollar un algoritmo de cómputo, basado
en el símplex, que usa las relaciones primal-dual para simplificar los cálculos. En este
capítulo se presenta el algoritmo “nuevo” y se demuestra su estrecha relación con
el método símplex.
Capítulo 2.
1. El estudio de las líneas de espera trata de cuantificar el fenómeno de esperar
formando colas, mediante medidas representativas de eficiencia, como la longitud
promedio de la cola, el tiempo promedio de espera en ella, y la utilización promedio
de las instalaciones. El ejemplo que sigue demuestra cómo se usan esas medidas
para diseñar una instalación de servicio

Página 2 de 7
Docente Wilfredo Berrio Blanco
Dicentes: Osvaldo Oyaga Gulloso, Camilo Pérez Jiménez

2. la programación dinámica a la solución de un proceso estocástico de decisión con


una cantidad finita de estados. Las probabilidades de transición entre los estados se
describen con una cadena de Markov.1 La estructura de recompensa del proceso se
describe con una matriz que representa el ingreso (o el costo) asociado con el
movimiento de un estado a otro. Las matrices de transición e ingreso dependen de
las alternativas de decisión disponibles para quien toma decisiones. El objetivo del
problema es determinar la política óptima que maximice el ingreso esperado
durante una cantidad finita o infinita de etapas.
3. En el análisis de decisiones se usa un proceso racional para seleccionar la mejor de
varias alternativas. La “bondad” de una alternativa seleccionada depende de la
calidad de los datos que se usen para describir el caso de la decisión. Desde este
punto de vista, un proceso de toma de decisión puede caer en una de las tres
categorías siguientes:
1. Toma de decisiones bajo certidumbre, en la que los datos se conocen en forma
determinista.
2. Toma de decisiones bajo riesgo, en la que los datos se pueden describir con
distribuciones de probabilidades.
3. Toma de decisiones bajo incertidumbre, en donde a los datos no se les puede
asignar pesos o factores de ponderación que representen su grado de importancia
en el proceso de decisión.
De hecho, bajo certidumbre, los datos están bien definidos y bajo incertidumbre, los
datos son ambiguos. La toma de decisiones bajo riesgo representa entonces el caso
de “la mitad del camino”.
4. La teoría de juegos maneja situaciones de decisión en las que hay dos oponentes
inteligentes que tienen objetivos contrarios. Entre los ejemplos característicos están
lanzamientos de campañas de publicidad para productos que compiten, y la
planeación de estrategias bélicas de los ejércitos contrarios. Estas situaciones
contrastan con las que hemos estudiado hasta ahora, en las que no se considera que
la naturaleza sea un oponente malévolo. En un conflicto de juego hay dos
oponentes, llamados jugadores, y cada uno tiene una cantidad (finita o infinita) de
alternativas o estrategias. Asociada con cada par de estrategias hay una recompensa
que paga un jugador al otro. A esos juegos se les llama juegos entre dos personas
con suma cero, porque la ganancia de un jugador es igual a la pérdida del otro. Si se
representan los dos jugadores con A y B, con m y n estrategias, respectivamente, el
juego se suele representar con la matriz de recompensa para el jugador A, que es la
siguiente:

Página 3 de 7
Docente Wilfredo Berrio Blanco
Dicentes: Osvaldo Oyaga Gulloso, Camilo Pérez Jiménez

La representación indica que si A usa la estrategia i y B usa la estrategia j, la


recompensa para A es aij, y entonces la recompensa para B es.
5. En la toma de decisiones se elaboran planes para el futuro. Entonces, los datos que
describen la situación de la decisión deben representar lo que sucederá en el futuro.
Por ejemplo, en el control de inventarios, las decisiones se basan en la naturaleza
de la demanda del artículo controlado durante determinado horizonte de
planeación. También, en la planeación financiera, se necesita pronosticar la pauta
del flujo de efectivo a través del tiempo. En este capítulo se presentan tres técnicas
para pronosticar cambios futuros en el valor de determinada variable en función del
tiempo. Son promedio móvil, suavización exponencial y regresión. También se
presentan cálculos de esas técnicas, basados en hoja de cálculo Excel.
Capítulo 3.
1. La simulación es la mejor alternativa de la observación de un sistema. Nos
permite recopilar información pertinente acerca del comportamiento del
sistema al paso del tiempo. La simulación no es una técnica de optimización. Más
bien se usa para estimar las mediciones del desempeño de un sistema
modelado. La simulación moderna suele manejar situaciones que se pueden
describir en el contexto de una línea de espera o cola. La simulación no se limita
a eso, porque casi cualquier situación de funcionamiento se puede considerar
como alguna forma de línea de espera. Ésta es la razón por la que la simulación
ha gozado de aplicaciones tan tremendas en las redes de comunicaciones,
manufactura, control de inventario, comportamiento del cliente, pronósticos
económicos, sistemas biomédicos y estrategias y tácticas bélicas. Un precursor
de la simulación de nuestros días es la técnica de Monte Carlo, esquema dirigido
hacia la estimación de parámetros estocásticos o determinísticos con base en el
muestreo aleatorio. La diferencia principal entre las dos técnicas es que en el
método de Monte Carlo el elemento tiempo no es factor pertinente. Como
ejemplos de las aplicaciones Monte Carlo está la estimación del área de una
curva o, en forma más general, la evaluación de integrales múltiples, la
estimación de la constante, y la inversión de matrices

Página 4 de 7
Docente Wilfredo Berrio Blanco
Dicentes: Osvaldo Oyaga Gulloso, Camilo Pérez Jiménez

Capítulo 4.
1. Los métodos CPM (método de la ruta crítica o del camino crítico, critical path
method) y PERT (técnica de evaluación y revisión de programa, program evaluation
and review technique) se basan en redes, y tienen por objeto auxiliar en la
planeación, programación y control de proyectos. Se define un proyecto como
conjunto de actividades interrelacionadas, en la que cada actividad consume tiempo
y recursos. El objetivo del CPM y del PERT es contar con un método analítico para
programar las actividades. En la figura 6.50 se resumen los pasos de estas técnicas.
Primero se definen las actividades del proyecto, sus relaciones de precedencia

y sus necesidades de tiempo. A continuación, el proyecto se traduce en una red que


muestre las relaciones de precedencia entre las actividades. El tercer paso implica
cálculos específicos de redes, que forman la base del desarrollo del programa del
proyecto en función del tiempo. Durante la ejecución del proyecto, podría no
cumplirse el programa que estaba planeado, causando que algunas de las
actividades se adelanten o se atrasen. En este caso será necesario actualizar el
programa para que refleje la realidad. Ésta es la razón de incluir un bucle, lazo o ciclo
de retroalimentación entre la fase de programa y la fase de red, como se ve en la
figura 6.50. Las dos técnicas, CPM y PERT, que se desarrollaron en forma
independiente, difieren en que en el CPM se supone duraciones determinísticas de
actividad, mientras que en PERT se suponen duraciones probabilísticas. Esta
presentación comenzará con el CPM y después se presentarán los detalles del PERT.

Historia de la investigación de operaciones


La primera actividad de Investigación de Operaciones se dio durante la Segunda Guerra
Mundial en Gran Bretaña, donde la Administración Militar llamó a un grupo de científicos
de distintas áreas del saber para que estudiaran los problemas tácticos y estratégicos
asociados a la defensa del país. El nombre de Investigación 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 británicos, los administradores militares de Estados Unidos comenzaron a realizar
investigaciones similares. Para eso reunieron a un grupo selecto de especialistas, los cuales

Página 5 de 7
Docente Wilfredo Berrio Blanco
Dicentes: Osvaldo Oyaga Gulloso, Camilo Pérez Jiménez

empezaron a tener buenos resultados y en sus estudios incluyeron problemas logísticos


complejos, la planeación de minas en el mar y la utilización efectiva del equipo electrónico.
Al término de la guerra y atraídos por los buenos resultados obtenidos por los estrategas
militares, los administradores industriales empezaron a aplicar las herramientas de la
Investigación de Operaciones a la resolución de sus problemas que empezaron a originarse
debido al crecimiento del tamaño y la complejidad de las industrias. Aunque se ha
acreditado a Gran Bretaña la iniciación de la Investigación de Operaciones como una nueva
disciplina, los Estados Unidos tomaron pronto el liderazgo en este campo rápidamente
creciente. La primera técnica matemática ampliamente aceptada en el medio de
Investigación de Operaciones fue el Método Símplex de Programación Lineal, desarrollado
en 1947 por el matemático norteamericano George B. Dantzig. Desde entonces las nuevas
técnicas se han desarrollado gracias al esfuerzo y cooperación de las personas interesadas
tanto en el área académica como en el área industrial. Un segundo factor en el progreso
impresionante de la Investigación de Operaciones fue el desarrollo de la computadora
digital, que con sus tremendas capacidades de velocidad de cómputo y de almacenamiento
y recuperación de información, permitieron al tomador de decisiones rapidez y precisión.
Si no hubiera sido por la computadora digital, la Investigación de Operaciones con sus
grandes problemas de computación no hubiera crecido al nivel de hoy en día. Actualmente
la Investigación de Operaciones se está aplicando en muchas actividades. Estas actividades
han ido más allá de las aplicaciones militares e industriales, para incluir hospitales,
instituciones financieras, bibliotecas, planeación urbana, sistemas de transporte y sistemas
de comercialización.

Autores y personajes de la investigación de operaciones


 Francois Quesnay  Ralph Gomory
 Léon Walras  Ford Y Fulkerson
 Wilhelm Jordan  Lester Randolph Ford
 Hermann Minkowski  Delbert Ray Fulkerson
 Gyula Farkas  Harry Max Markowitz
 Andrei Andreyevich Markov  Arrow, Korlin, Scasrff, Within
 Dénes Konig  Howard Raiffa
 Jeno Egerváry  Ronald Arthur Howard
 Agner Krarup Erlang  Frederick William Lanchester
 Leonid V. Kantoróvich  Jean-Baptiste Joseph Fourier
 John Von Neumann  Gaspard Monge
 Oskar Morgenstern  Tjalling Charles Koopmans
 George Bernart Dantzig  George Joseph Stigler
 Richard Ernest Bellman  Charles Babbage
 Kuhn Y Tucker

Página 6 de 7
Docente Wilfredo Berrio Blanco
Dicentes: Osvaldo Oyaga Gulloso, Camilo Pérez Jiménez

Jean-Baptiste Joseph Fourier

Auxerre, Francia, 21 de marzo de 1768 - París, 16 de mayo de 1830, matemático y


físico francés conocido por sus trabajos sobre la descomposición de funciones
periódicas en series trigonométricas convergentes llamadas Series de Fourier,
método con el cual consiguió resolver la ecuación del calor. La transformada de
Fourier recibe su nombre en su honor. Fue el primero en dar una explicación
científica al efecto invernadero en un tratado.
Campo de aplicación: Théorie analytique de la chaleur (Teoría analítica del calor),
tratado en el cual estableció la ecuación diferencial parcial que gobierna la difusión
del calor solucionándolo mediante el uso de series infinitas de funciones
trigonométricas
Aporte: Métodos de la actual programación lineal
Ralph Gomory
Nacido el 07 de mayo 1929, es un americano matemático aplicado y ejecutivo.
Gomory trabajó en IBM como investigador y luego como un ejecutivo. Durante ese
tiempo, su investigación condujo a la creación de nuevas áreas de las matemáticas
aplicadas. Gomory es el hijo de Andrew L. Gomory y Schellenberg Marian. Se graduó
de la Escuela George en Newtown, Pensilvania, en 1946. Recibió su BA de la
universidad de Williams en 1950, estudió en la Universidad de Cambridge, y recibió
su doctorado en matemáticas de la Universidad de Princeton en 1954.
Campo de aplicación: método de los planos de corte es un procedimiento para
encontrar soluciones enteras de un problema lineal. Funciona resolviendo un
programa lineal no entero, después comprobando si la optimización encontrada es
también una solución entera
Aporte: Programación Entera
Bibliografía:
 INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES
https://dudasytareas.files.wordpress.com/2017/05/hillier_lieberman.pdf
 INVESTIGACION DE OPERACIONES 1 UNIVERSIDAD HISPANOAMERICANA ESCUELA DE INGENIERÍA
INDUSTRIAL http://ing.sanchez.tripod.com/documentos/folleto.pdf
 AUTORES QUE APORTARON AL DESARROLLO DE LA INVESTIGACION DE OPERACIONES
file:///C:/Users/ACER1/Downloads/288961296-Autores-y-Aportes-a-La-Investigacion-de-
Operaciones-Imp.pdf
 INVESTIGACIÓN DE OPERACIONES Hamdy A. Taha University of Arkansas, Fayetteville
https://vagosuatfis.files.wordpress.com/2012/07/thaja-investigacion-de-operaciones-by-k9.pdf

Página 7 de 7