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.

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 Smplex 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.

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).

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.

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 ala 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. Programacin Lineal. Es un mtodo determinstico de anlisis para elegir la mejor entre muchas alternativas. Es un medio matemtico para determinar la mejor manera de distribuir una cantidad de recursos limitados en pos de un objetivo. la Programacin Lineal es una de las herramientas ms utilizadas en la Investigacin Operativa debido a que por su naturaleza se facilitan los clculos y en general permite una buena aproximacin de la realidad.

Restricciones. Es Las restricciones pueden ser de dos tipos: 1. Limitaciones 2. Requerimientos

Estructura General Bsica.

Es Variables de decisin

Funcin objetivo Interrelacin entre variables

 Restricciones .

Formulacin de las Restricciones

Es Para formular un problema en forma numrica, deben expresarse afirmaciones lgicas en trminos matemticos Cada restriccin debe ser una suma de variables con exponente 1. Los cuadrados, las races cuadradas, ni los productos de variables son aceptables

Aplicaciones:

1. Problema de la Dieta: (Stigler, 1945). Consiste en determinar una dieta de manera eficiente, a partir de un conjunto dado de alimentos, de modo de satisfacer requerimientos nutricionales. La cantidad de alimentos a considerar, sus caractersticas nutricionales y los costos de stos, permiten obtener diferentes variantes de este tipo de modelos. Por ejemplo: Leche Legumbre NaranjasRequerimientos (lt) (1 porcin) (unidad) Nutricionales Niacina 3,2 4,9 Tiamina 1,12 1,3 Vitamina C32 0 Costo 2 0,2 0,8 0,19 93 0,25 13 15 45

Variables de Decisin:

X1: Litros de Leche utilizados en la Dieta X2: Porciones de Legumbres utilizadas en la Dieta X3: Unidades de Naranjas utilizadas en la Dieta

Funcin Objetivo: (Minimizar los Costos de la Dieta) Min 2X1 + 0,2X2 + 0,25X3 Restricciones: Satisfacer los requerimientos nutricionales

Niacina: 3,2X1 + 4,9X2 + 0,8X3 >= 13

Tiamina: 1,12X1 + 1,3X2 + 0,19X3 >=15 Vitamina C: 32X1 + 0X2 + 93X3 >= 45 No Negatividad: X1>=0; X2>=0; X3>=0

2. Problema de Dimensionamiento de Lotes: (Wagner y Whitin, 1958). Consiste en hallar una poltica ptima de produccin para satisfacer demandas fluctuantes en el tiempo, de modo de minimizar los costos de produccin e inventario, considerando la disponibilidad de recursos escasos. Considere que una fabrica puede elaborar hasta 150 unidades en cada uno de los 4 periodos en que se ha subdividido el horizonte de planificacin y se tiene adicionalmente la siguiente informacin: Periodos 1 2 3 4 Costo Prod. Demandas (US$/unidad (unidades) ) 130 6 80 4 125 8 195 9 Costo de Inventario (US$/unidad) 2 1 2.5 3

Adicionalmente considere que se dispone de un Inventario Inicial de 15 unidades y no se acepta demanda pendiente o faltante, es decir, se debe satisfacer toda la demanda del perodo. Variables de Decisin:

Xt: Unidades elaboradas en el perodo t (Con t =1,2,3,4) It: Unidades en inventario al final del perodo t (Con t =1,2,3,4)

Funcin Objetivo: (Minimizar los Costos de Produccin e Inventarios) Min 6X1 + 4X2 + 8X3 + 9X4 + 2I1 + 1I2 + 2,5I3+ 3I4 Restricciones:

Capacidad de Produccin por Perodo: Xt <= 150 (Con t =1,2,3,4) Satisfacer Demanda Perodo 1: X1 + I0 - I1 = 130 (I0 = 15) Satisfacer Demanda Perodo 2: X2 + I1 - I2 = 80 Satisfacer Demanda Perodo 3: X3 + I2 - I3 = 125 Satisfacer Demanda Perodo 4: X4 + I3 - I4 = 195 No Negatividad: Xt >=0, It >=0

Forma Estndar de un Modelo de Programacin Lineal :

Consideremos un modelo de Programacin Lineal en su forma estandar, que denotaremos en lo que sigue por:

Min sa

c1x1 + c2x2 + ... + cnxn a11x1 + a12x2 + ... + a1nxn = b1 a21x1 + a22x2 + ... + a2nxn = b2 ... ... ... m <= n am1x1 + am2x2 + ... + amnxn = bm xi >= 0, i = 1, 2, ..., n y

Matricialmente escrito como: Min cTx s.a Ax = b x >= 0 No existe prdida de generalidad en asumir que un modelo de PL viene dado en su forma estndar:

EJEMPLO P) Max sa 9u + 2v + 5z 4u + 3v + 6z <= 50 u + 2v - 3z >= 8 2u - 4v + z = 5 u,v >= 0 z e IR f(x) es la funcin objetivo a maximizar y x* es la solucin ptima f(x*) >= f(x), para todo x factible. -f(x*) <= - f(x), para todo x factible. En consecuencia: x* es tambin mnimo de -f(x)

1. Siempre es posible llevar un problema de maximizacin a uno de minimizacin. Si

2. Cada restriccin del tipo <= puede ser llevada a una ecuacin de igualdad usando

una (nueva) variable de holgura no negativa, con coeficiente nulo en la funcin objetivo.
3. Cada restriccin del tipo >= puede ser llevada a una ecuacin de igualdad usando

una (nueva) variable de exceso no negativa, con coeficiente nulo en la funcin objetivo. 4. Siempre es posible escribir una variable libre de signo como la diferencia de dos variables no negativas. Considerando la siguiente notacin: u = x1, v = x2, z = x3 - x4, s1 = x5 (holgura), s2 = x6 (exceso), el problema P) puede ser escrito en forma equivalente como:

Min sa:

- 9x1 - 2x2 - 5x3 + 5x4 + 0x5 + 0x6 4x1 + 3x2 + 6x3 - 6x4 + x1 + 2x2 - 3x3 + 3x4 x5 = 50 - x6 = 8

2x1 - 4x2 + x3 - x4 xi >= 0, i=1,2,3,4,5,6.

= 5

Programacin Lineal utilizando el Mtodo Simplex Ejemplo:

Resolver el siguiente problema de Programacin Lineal utilizando el Mtodo Simplex: Max s.a. 40*X1 + 60*X2 2*X1 + 1*X2 <= 70 1*X1 + 1*X2 <= 40 1*X1 + 3*X2 <= 90 X1 >= 0 X2 >= 0 Para poder aplicar el Mtodo Simplex, es necesario llevar el modelo a su formato estndar, para lo cual definimos X3, X4, X5 >= 0 como las respectivas variables de holgura para la restriccin 1, 2 y 3. De esta forma queda definida la tabla inicial del mtodo de la siguiente forma: X1 2 1 1 -40 X2 1 1 3 -60 X3 1 0 0 0 X4 0 1 0 0 X5 0 0 1 0 70 40 90 0

En esta situacin, las variables de holgura definen una solucin bsica factible inicial, condicin necesaria para la aplicacin del mtodo. Luego, se verifican los costos reducidos de las variables no bsicas (X1 y X2 en la tabla inicial) y se escoge como variable que entra a la base aquella con el costo reducido "ms negativo". En este caso, X2. Luego, para escoger que variable bsica deja la base debemos buscar el mnimo cuociente entre el lado derecho y los coeficientes asociados a la variable entrante en cada fila (para aquellos coeficientes > 0 marcados en rojo en la tabla anterior). El mnimo se alcanza en Min {70/1, 40/1, 90/3} = 30 asociado a la tercera fila, el cual corresponde a la variable bsica actual X5, en consecuencia, X5 deja la base. En la posicin que se alcanza el mnimo cuociente lo llamaremos "Pivote" (marcado con rojo) el cual nos servir para realizar las respectivas operaciones filas, logrando la siguiente tabla al cabo de una iteracin: X1 5/3 2/3 1/3 -20 X2 0 0 1 0 X3 1 0 0 0 X4 0 1 0 0 X5 -1/3 -1/3 1/3 20 40 10 30 1800

El valor de la funcin objetivo luego de una iteracin ha pasado de 0 a 1.800. Se recomienda al lector hacer una representacin grfica del problema y notar como las soluciones factibles del mtodo corresponden a vrtices del dominio de puntos factibles. La actual tabla no corresponde a la solucin ptima del problema P) debido a que existe una variable no bsica con costo reducido negativo, por tanto X1 entra a la base. Posteriormente, mediante el criterio del mnimo cuociente calculamos la variable que debe dejar la base: Min {40/(5/3), 10/(2/3), 30/(1/3)} = 15, asociado a la fila 2 (variable bsica actual X4), por tanto X4 deja la base. Obtenido lo anterior se aplica una iteracin del mtodo: X1 0 1 0 0 X2 0 0 1 0 X3 1 0 0 0 X4 -5/2 3/2 -1/2 30 X5 1/2 -1/2 1/2 10 15 15 25 2100

Finalmente se alcanza la solucin ptima del problema P) y se verifica que los costos reducidos asociados a las variables no bsicas (X4 y X5 son mayores o iguals que cero). Notse que la existencia de un costo reducido igual a cero para una variable no bsica en esta etapa define un problema con "infinitas soluciones". La solucin alcanzada es X1* = 15, X2* = 25 con V(P*) = 2.100. Adicionalmente, los costos reducidos asociados a las variables no bsicas definen el precio sombra asociado a las restricciones 1, 2 y 3, respectivamente, lo cual es equivalente a la obtencin del precio sombra mediante el mtodo grfico. Dejaremos para una posterior presentacin, la forma de calcular el intervalo de variacin para el lado derecho que permite la validez del precio sombra, utilizando la tabla final del Mtodo Simplex.

Mtodo Simplex de 2 Fases.

Esta estrategia se utiliza cuando no es inmediata una solucin bsica factible inicial en las variables originales del modelo. Fase 1: Se considera un problema auxiliar que resulta de agregar tantas variables auxiliares a las restricciones del problema, de modo de obtener una solucin bsica factible. Resolver por Simplex un problema que considera como funcin objetivo la suma de las variables auxiliares. Si el valor ptimo es cero, seguir a la Fase II, en caso contrario, no existe solucin factible. Fase 2: Resolver por Simplex el problema original a partir de la solucin bsica factible inicial hallada en la Fase I.

P)

Max sa

2X1 + X2 10X1 + 10X2 <= 9 10X1 + 5X2 >= 1 X1, X2 >= 0

Se debe agregar X3 como variable de holgura de la restriccin 1, X4 como variable de exceso de la restriccin 2 y X5 variable auxiliar para poder comenzar la Fase 1. (Ntese que solo agregando X3 como variable de holgura a la restriccin 1 y X4 como variable de exceso a las segunda restriccin no se obtiene una solucin bsica factible inicial, en particular X4<0).

F1) sa

Min X5 ...............10X1 + 10X2 + X3 10X1 + 5X2 X1, X2, X3, X4, X5 >= 0 X1 10 10 0 X2 10 5 0 X3 1 0 0 X4 0 -1 0

= 9

- X4 + X5 = 1

La tabla inicial asociada a la Fase I queda en consecuencia definida de la siguiente forma: X5 0 1 1 9 1 0

Luego, se debe hacer 0 el costo reducido de X5, obteniendo la siguiente tabla inicial para hacer el uso de Simplex: X1 10 10 -10 X2 10 5 -5 X3 1 0 0 X4 0 -1 1 X5 0 1 0 9 1 -1

Se escoge X1 como variable que entra a la base al tener el costo reducido ms negativo. Posteriormente, mediante el criterio del mnimo cuociente se selecciona la variable que sale de la base: Min {9/10; 1/10} = 1/10, X5 sale de la base: X1 0 1 0 X2 5 1/2 0 X3 1 0 0 X4 1 -1/10 0 X5 -1 1/10 1 8 1/10 0

Se obtiene la solucin ptima de la Fase I, con valor ptimo cero. Luego iniciamos la Fase II del mtodo tomando X1 y X3 como variables bsicas iniciales. FASE 2: Resolver por Simplex el problema original a partir de la solucin bsica factible inicial hallada en la Fase I. X1 0 1 -2 X1 0 1 0 X2 5 1/2 -1 X2 5 1/2 0 X3 1 0 0 X3 1 0 0 X4 1 -1/10 0 X4 1 -1/10 -1/5 8 1/10 0

Hacemos cero los costos reducidos de las variables bsicas: 8 1/10 1/5

X4 entra a la base. Por el criterio del mnimo cuociente, el pivote se encuentra en la fila 1, por tanto X3 sale de la base: X1 0 1 0 X2 5 1 1 X3 1 1/10 1/5 X2=0 X4 1 0 0 8 9/10 9/5

Donde la solucin ptima es: X1=9/10

Con valor ptimo V(P) = 9/5.

BIBLIOGRAFA
Mc Graw Hill FISICA TOMO II

Cuarta Edicin

ENCICLOPEDIA ENCARTA 2007