CAPTULO lJ

Introduccion a los
modelos

y a Ice ciencia de Ice

administracion
INTRODUCCIN
EVOLUCIN DE LA CIENCIA DE LA
ADMINISTRACIN
CONSTRUCCIN DE MODELOS Y
CIENCIA DE LA ADMINISTRACIN

EL PROCESO DE SOLUCIN DE
PROBLEMAS EN CA/10

LA CIENCIA DE LA ADMINISTRACIN Y
LA COMF UTADORA
RESTRICCIONES EN EL CAMPO DE LA
CA/IO

LOS MODELOS MATEMTICOS Y LA

CIENCIA DE LA ADMINISTRACIN
n Modelos normativos comparados con
modelos descriptivos
M' GlasificacIB K de los modelo s'

PREGUNTAS DE REPASO

W ` P'ro^ei

PROPOSICIONES FALSO/VERDADERO

'de sotucin

GLOSARIO
BIBLIOGRAFA

4rF^

Captulo 1 Introduccin a los modelos y ala ciencia de la administracin

INTRODUCCIN
En los ltimos diez aos, la prctica de la administracin se ha visto muy afectada por
la ciencia de la administracin y la tecnologa de computadoras. Considere, por ejemplo,
lo siguiente.'
1. El Departamento de Control de Vuelos y de Administracin de Combustibles de Aerolneas Nacionales utiliza un modelo de administracin y asignacin de combustibles que,
en un periodo de cuatro aos, ha dado como resultado ahorros multimillonarios. El
modelo especifica cul es la mejor estacin para reabastecimiento de combustible y
cul es el mejor proveedor para cada vuelo, con base en precios, disponibilidad, consumo, datos de vuelos y costos de almacenamiento. El modelo utiliza tambin muchas
tcnicas de anlisis de sensibilidad para sealar a los administradores cundo es posible
que se requiera una nueva poltica.
2.

Cahill May Roberts, una compaa farmacutica grande (con ms de $35 millones de
ventas anuales), usa un sistema de planeacin de recursos e instalaciones que ha permitido ahorros en costos de entrega y transporte de 23.3 % y 20%, respectivamente, y ha
aumentado los niveles de servicio a clientes en 60%. Se utiliza el sistema de planeacin
para evaluar estrategias alternativas de administracin ante costos que fluctan y movimientos de poblacin. Aparte de definir territorios nicos para los centros de distribucin de la compaa y programas ptimos de servicio al cliente dentro de esos territorios,
puede utilizarse el sistema para evaluar ubicaciones alternativas para los centros de distribucin bajo la doble incertidumbre de los costos y la demanda.

3.

El personal encargado de la planeacin del condado Du Page en Wheaton, Illinois,

informa acerca de la utilizacin de un modelo de planeacin de uso del suelo para prepa-

' Estos casos son aplicaciones reales que se mencionaron en Interfaces, Vol. 9, No. 2, Pt. 2, febrero
de 1979. Caso 1: "Fuel Management and Allocation Model", D. Wayne Darnell y Carolyn Loffin, pp. 64-65;
Caso 2: "A Planning System for Facilities and Resources in Distribution Networks", H. Harrison, pp. 6-22; Caso
3: "Development of a Comprehensive Land Use Plan by Means of a Multiple Objective Mathematical Programming Model", Deepak Bammi y Dalip Bammi, pp. 50-63.

rar un plan exhaustivo para uso del suelo, en el que se consideran en forma simultnea
diversos objetivos y que tambin satisfaga restricciones sobre los patrones deseados
de crecimiento. El plan de uso del suelo recomendado por el modelo ha dado como
resultado una reduccin del 50% en el uso de terrenos de costo elevado que se requieren
de acuerdo con otros planes alternativos de uso del suelo. El modelo minimiza el con jlicto entre los usos de suelos adyacentes, ,nini'niza el tiempo de traslado, as como tambin
los costos fiscales, los impactos negativos sobre el medio ambiente y el costo de las
instalaciones comunitarias. Tambin puede utilizarse este modelo para evaluar el impacto del crecimiento de la poblacin y de cambios en los niveles de empleo.
Estos casos son slo unos cuantos de los muchos posibles que ilustran el impacto
que la ciencia de la administracin , puede tener y ha tenido sobre la administracin y
sobre la toma de decisiones. Definida en trminos amplios, la ciencia de la administracin
es la aplicacin de procedimientos, tcnicas y herramientas cientficos a problemas operativos, con el objeto de desarrollar y ayudar a evaluar soluciones. Como disciplina,
la ciencia de la administracin incluye todos los enfoques racionales que se aplican en la
toma de decisiones en administracin y que se basan en la aplicacin de una metodologa
cientfica.
La ciencia de la administracin se basa en la filosofa de que una gran parte de
la toma de decisiones consiste en (1) identificar y analizar problemas cuantificables, (2)
comprender las relaciones entre los factores interrelacionados y (3) aislar los factores
sobre los cuales tiene el control quien toma las decisiones. El objetivo de la ciencia de
la administracin es proporcionar procesos y procedimientos que ayuden a resolver problemas.
Dado que la ciencia de la administracin es un tema muy a,nplio, se restringir
la atencin a sus principales aspectos para que pueda lograrse una comprensin global
de los conceptos generales. En este texto, se presentan fundamentos tericos de las herramientas de la ciencia de la administracin; sin embargo, se pone nfasis en el planteamiento del problema, la interpretacin del resultado del modelo (algoritmo) y en el i mplante.
En este captulo se presentan los principales desarrollos de la ciencia de la adininistracin y su estructura. En especifico, en este captulo se examina: (1) la evolucin de
la ciencia de la administracin, (2) el papel de la construccin de modelos, (3) el proceso
de resolucin de problemas y, por ltimo, (4) la computacin y las ciencias de la administracin. Es evidente que existen factores histricos que desempean un papel en el desarrollo de cualquier campo; esto es cierto tambin para la ciencia de la administracin.
Sin embargo el objetivo principal del captulo no es el desarrollo histrico en s, sino,
ms bien, permitir al lector una comprensin bsica de cmo es que ha evolucionado
esta rea. El material ms importante de este captulo se incluye en las ltimas secciones.

EVOLUCIN DE LA CIENCIA DE LA ADMINISTRACIN

"Ciencia de la administracin" sigue siendo un trmino nuevo para muchas personas,
aun cuando el rea tuvo sus comienzos durante la Segunda Guerra Mundial y la primera
edicin de la revista titulada Management Science se public en octubre de 1954.
Durante la primera parte del siglo XX, los investigadores comenzaron a utilizar
procedimientos cientficos para investigar problemas que se encontraban fuera de las
ciencias puras, pero no fue sino hasta comienzos de la Segunda Guerra Mundial que

Capitulo 1 Introduccin a los modelos y a la ciencia de la administracin

esos esfuerzos se unificaron para perseguir un objetivo comn. En 1937, en Gran Bretaa, se reuni a un equipo de matemticos, ingenieros y cientficos en reas bsicas para
estudiar los problemas estratgicos y tcticos asociados con la defensa del pas. El objetivo del equipo era determinar la forma ms efectiva de utilizar recursos militares imita dos. Las actividades de este grupo, que se organiz como parte del Personal Operativo
de la organizacin militar britnica, no se denominaron ciencia de la administracin,
invesligaciti sino ms bien investigacin de operaciones, debido a que el equipo se dedicaba a analizar
de
operaciones (militares).
operaciones
Los xitos de los equipos de investigacin de operaciones britnicos en muchos de
sus esfuerzos de investigacin motivaron a los Estados Unidos de Norteamrica a emprender actividades similares. Algunas actividades exitosas de estos equipos en Estados
Unidos incluyeron el estudio de problemas logsticos complejos, el desarrollo de patrones
de vuelo para aviones, la planeacin de maniobras navales y la utilizacin efectiva de
recursos militares.
Despus de la guerra, muchas de las personas asociadas con la investigacin de
operaciones durante el conflicto blico se dieron cuenta de que muchos de los mtodos
y tcnicas que se aplicaron a los problemas militares podan aplicarse a problemas industriales. Sin embargo, estos conceptos e ideas comenzaron a aplicarse a la industria hasta
la dcada de 1950, cuando se desarrollaron y estuvieron disponibles comercialmente las
computadoras. Al principio, muchos de los problemas industriales que se estudiaron,
corno el control de inventarios y los sistemas de transporte, eran semejantes a problemas
militares. Pero, en la actualidad, es fcil encontrar numerosos casos en los que los conceptos de investigacin de operaciones/ciencia de la administracin se han aplicado a
compras, mercadotecnia, contabilidad, planeacin financiera y otras reas.
Aunque Gran Bretaa tiene el crdito del inicio de la investigacin de operaciones
como disciplina, los investigadores de los Estados Unidos de Norteamrica han hecho
contribuciones importantes a su desarrollo. Una de las tcnicas matemticas de rns
amplia aceptacin, el mtodo smplex de la programacin lineal, fue desarrollado en
1947 por un estadounidense, George B. Dantzig. Esta tcnica en particular ha tenido
amplias aplicaciones a muchos problemas operativos y es la base para muchas otras
tcnicas matemticas, como la programacin de metas y la programacin entera.
En Gran Bretaa se utilizaron los trminos investigacin de operaciones e investigacin operacional para describir desarrollos en esta rea. En Estados Unidos se han usado
en forma tradicional los trminos investigacin de operaciones (10) y ciencia de la admiThe
nistracin (CA). El trmino ciencia de la administracin recibi un estmulo inicial con
lnstitute Of el establecimiento de The Institute of Management Sciences (TIMS) en 1953.2
Management
Aunque numerosas aplicaciones de la ciencia de la administracin ocurrieron en
Sciences
los aos de 1950, no fue sino hasta principios de la dcada de 1960 que se establecieron
(llMS)
programas acadmicos que ponan nfasis en esta rea, y hasta mediados de esta misma
dcada comenzaron a salir de las universidades las primeras personas con una capacitacin formal. En consecuencia, los grupos de asesora formales de investigacin de operaciones/ciencia de la administracin no comenzaron a aparecer en las organizaciones industriales y en las operaciones gubernamentales sino hasta finales de la dcada de 1960.
Sin embargo, el desarrollo de grupos formales de asesora en CA/IO no condujo
a una utilizacin exitosa de las tcnicas. Por el contrario, muchos especialistas en ciencia
2

Se han hecho numerosos intentos de diferenciar CA e 10, pero es difcil hacer una distincin clara. En este
texto, utilizaremos ambos trminos en forma indistinta.

Construccin de modelos y ciencia de la administracin 5

de la administracin fueron acusados de estar ms interesados en manipular problemas

para que se ajustaran a las tcnicas que en trabajar en los administradores para analizar
problemas, desarrollar mtodos apropiados de solucin y desarrollar e implantar sistemas funcionales para producir las soluciones definidas. En retrospectiva, durante el crecimiento de los programas acadmicos en ciencia de la administracin se concentr la
atencin en el desarrollo de tcnicas y herramientas en vez de hacerlo en las aplicaciones
y estrategias para implantar esas tcnicas. Y, aunque los conocimientos avanzaron en
reas asociadas con tcnicas y modelos matemticos, la CA/lO experiment un xito
li mitado con la aplicacin de las tcnicas en sus aos de formacin.
Ahora la ciencia de la administracin ya ha madurado y una gran cantidad de los
problemas de implante que aparecieron a finales de la dcada de 1960 y principios de
la de 1970 se han superado, gracias a los progresos de la tecnologa de computadoras
y a cambios en los currcula acadmicos. Un mejor desarrollo de tcnicas y modelos,
nfasis en el implante y la aplicacin, y la disponibilidad de computadoras, han ampliado
en gran medida el alcance y la magnitud de los problemas que resulta posible analizar.
El desarrollo de sistemas computadorizados de tiempo compartido ha ayudado al rea
de implante al permitir que quienes toman las decisiones interacten en forma directa
con los modelos de la ciencia de la administracin. Como resultado, esto ha disminuido
la necesidad de que un experto en ciencia de la administracin acte como intermediario
entre el administrador y el modelo, y ha permitido que el administrador explore preguntas hipotticas con el objeto de comprender y apreciar mejor el potencial del modelo.
Los sistemas de tiempo compartido tambin han puesto el poder de las computadoras
grandes a disposicin de un gran nmero de empresas, ampliando de esta manera la
aplicacin potencial de las tcnicas de la ciencia de la administracin.
Es posible apreciar de alguna manera el alcance y la capacidad de la CA/IO, as
como tambin algunas de sus limitaciones, examinando al mismo tiempo aplicaciones
exitosas y fallidas. Sin embargo, para apreciar en forma completa los diferentes aspectos
de la CA/lO, es necesario comprender primero los fundamentos de las tcnicas y despus
determinar cmo utilizarlas o no en diversas circunstancias. Pero antes de examinar
algunas de las tcnicas, resulta conveniente comprender mejor los conceptos generales
de planteamiento y desarrollo de modelos, y la forma en que se relacionan con el rea de
la ciencia de la administracin.

CONSTRUCCIN DE MODELOS Y CIENCIA DE LA ADMINISTRACIN

Ya sea que se trate del sector privado o del pblico, una de las principales funciones
de un administrador es resolver problemas; es decir, los administradores son quienes
deben resolver los problemas. Ya sea que se d cuenta de ello o no, el administrador
aborda la tarea de resolver problemas principalmente a travs de la construccin de modelos, o planteamiento de modelos. La construccin de modelos es un medio que permite
a los administradores analizar y estudiar problemas, as como tambin examinar diferentes alternativas.
La construccin de modelos no es una idea nueva; el proceso se utiliza todos los
das, con frecuencia en forma inconsciente, en situaciones de problemas bsicos. Considere el problema de una anfitriona que desea redistribuir los muebles de la sala de su
casa. El objetivo es tener una disposicin apropiada que resulte atractiva pero tambin

Captulo 1 Introduccin a los modelos y a la ciencia de la administracin

funcional para el grupo de bridge que se reunir en la noche. Una forma de abordar
el problema consiste en visualizar diferentes disposiciones de los muebles y evaluar cada
modelo
alternativa; es decir, la anfitriona puede utilizar un modelo mental del problema. Un
iiu',rraa/
segundo mtodo consistira en que la afitriona pidiera a su esposo que moviera los muebles en la sala hasta que encontrara una forma de acomodarlos que le agradara. Es probable que este mtodo fera ms apropiado por diversas razones: el modelo mental simplemente no permite suficientes manipulaciones, existen demasiados elementos que deben
tenerse presentes, o tal vez la anfitriona no sea capaz de visualizar la apariencia de cada
una de las diferentes disposiciones. Se podra avanzar ms hacia un enfoque de ciencia
de la administracin al problema desarrollando un modelo a escala del cuarto y examinando diferentes disposiciones. Este ltimo mtodo puede utilizarse slo si la anfitriona
acepta que el modelo a escala es una representacin vlida del problema.
Considere ahora el problema que enfrenta un administrador a cargo del diseo de
una planta en una empresa manufacturera importante. De la misma manera que en
el caso del problema de la disposicin de los muebles, es difcil resolver mentalmente el
problema de la disposicin de la planta: la imagen que el administrador tiene de la planta
es demasiado vaga, existen demasiadas restricciones acerca de dnde deben ubicarse
ciertos equipos y piezas, etc. Hay una diferencia entre los dos problemas. El gerente
de planta no puede permitirse resolver el problema haciendo que un grupo de empleados
ensayen cuatro o cinco disposiciones diferentes, haciendo tina corrida de produccin
en cada una de ellas y observando la forma en que funcionan. Sin embargo, el administramodelo
dor podra basarse en un modelo a escala, tal como se sugiri para el problema de la
a escala
anfitriona. El administrador tiene tambin la opcin de utilizar un modelo matemtico,
en particular si sabe que existe un modelo general de diseo de plantas (CRAFT). 3 Es
probable que abordar el problema del administrador a travs de un modelo matemtico
resulte un medio ms econmico para evaluar diferentes alternativas.
Es evidente que la construccin de modelos ha existido durante muchos aos, en
particular en la forma de modelos mentales y modelos a escala, pero los modelos rnatemodelos
inaretnticos mticos son relativamente nuevos, en particular en relacin con la toma de decisiones
en la administracin. La mayora de los anlisis de ciencia de la administracin se llevan
a cabo utilizando modelos matemticos. Esos modelos se elaboran usando smbolos matemticos para representar los diferentes componentes del problema.
No todos los modelos matemticos son complejos. Por ejemplo, puede elaborarse
un modelo matemtico para determinar cul es el pago que un vendedor recibe por una
comisin de $20 por cada venta. En forma ms especfica, supngase que se tienen los
siguientes datos para describir la relacin entre la comisin del vendedor y el nmero
de ventas.
Nmero de ventas

dlares de ingresos por comisin

20

5 ...

40

60

80

1O0...

En vez de utilizar la tabla como un modelo descriptivo del problema, es posible elaborar
un modelo matemtico ms simblico al desarrollar una relacin funcional entre el nmero de ventas y los ingresos por comisin. Si utilizamos x para representar el nmero
3

CRAFT es un acrnimo de Computerized Relative Allocation of Facilities Technique (Tcnica Computadorizada de Asignacin Relativa de Instalaciones).

Los modelos matemticos y la ciencia de la administracin

de ventas, cualesquiera que sean, yy para representar la cantidad de ingresos en dlares,

entonces la funcin matemtica entre las ventas y los ingresos se expresa:
y=20.v

(1.1)

Esta relacin funcional puede visualizarse mentalmente pensando que representa

una operacin de p ocesain esto, de manera muy semejante a la forma en que visualizaramos una operacin de procesamiento de datos. Puede pensarse que los diversos valores de x (0, 1, 2, 3, ...) son entradas, y los correspondientes valores de y (0, 20, 40, 60,
...) salidas o resultados. A entradas y resultados se les denomina por lo general variables.
Una variable es slo una representacin de algo que puede asumir diversos valores numricos.
Utilizando la terminologa matemtica convencional, la variable de entrada se denomina variable independiente y la variable de salida es la variable dependiente. Por
ello, en la ecuacin (1.1) x es la variable independiente y y es la dependiente. El valor
numrico 20 se denomina de diversas formas: constalite, coeficiente y parinetro. Si,
en la relacin funcional, se designara la cantidad que se paga por ventas como "a dlares
por venta" en vez de "$20 por venta", la funcin se expresara:
y = aY

(1.2)

en donde se dice que a es el parmetro del modelo.

En el planteamiento de modelos matemticos en ocasiones resulta til expresar la
relacin funcional en trminos generales. En nuestro modelo especfico, si decimos que
y es una funcin no especificada del nmero de ventas x, entonces la representacin
simblica se expresa:

y = f( x )

(1.3)

Esta notacin no significa que y sea igual a f nitiltiplicada por x. Ms bien indica que
la variable y tiene un valor numrico determinado por una funcin (o una "regla de
procesarniento") f y por el valor numrico de la variable x.
Es evidente que la elaboracin de modelos en la ciencia de la administracin implica
algo ms que el desarrollo de relaciones abstractas o funcionales entre variables. En
la siguiente subseccin contemplaremos diferentes modelos que se utilizan en la ciencia
de la administracin y en los procesos de solucin que se aplican para identificar soluciones a estos modelos.

LOS MODELOS MATEMTICOS Y LA CIENCIA DE LA ADMINISTRACIN

Modelos normativos comparados con modelos descriptivos
Dentro de los modelos matemticos existen dos clases principales: los modelos descriptivos y los modelos normativos. Un modelo descriptivo es el que representa una relacin
pero que no indica ningn curso de accin. Un modelo normativo, que en ocasiones
modelos
normativos se denomina modelo de optimizacin, es prescriptivo porque seala el curso de accin

modelos
descriptivos

Captulo 1 Introduccin a los modelos y a la ciencia de la administracin

que el administrador (quien toma las decisiones) debe seguir para alcanzar un objetivo
definido. Los modelos descriptivos son tiles para pronosticar la conducta de sistemas
pero no pueden identificar el "mejor" curso de accin que debe tomarse. El modelo
que se desarroll en el ejemplo de la comisin por ventas [ecuacin (1.1)1 podra denominarse modelo descriptivo. Describe, o puede utilizarse para pronosticar, la comisin
por ventas, si se especifica el nmero de stas. Muchos modelos estadsticos son descriptivos. Por ejemplo, un modelo de regresin seala la relacin entre una variable dependiente y una o ms variables independientes. Los modelos de lneas de espera que se
analizan en el captulo 13 son descriptivos ya que permiten a quien toma las decisiones
pronosticar diversas caractersticas de situaciones de lneas de espera, suponiendo que
se tienen ciertos datos sobre las variables independientes.
Un modelo normativo puede contener submodelos descriptivos, pero difiere del
modelo descriptivo porque es posible determinar un curso de accin ptimo o mejor.
Esto implica que se incorpora un objetivo al modelo y que es posible identificar los
efectos que diferentes cursos de accin tienen sobre el objetivo. Puesto que muchos modelos de ciencia de la administracin caen bajo la clasificacin de modelos normativos,
resulta apropiado identificar las caractersticas claves de estos modelos. La mayora de
los modelos normativos estn constituidos por tres conjuntos bsicos de elementos: (1)

variables de decisin v parmetros, (2) restricciones, y (3) una o ms funciones objetivo.

1. Variables de decisin y parmetros. Las cantidades desconocidas que deben determinarse en la solucin del modelo son las variables de decisin. Un ejemplo de variable
variable
de decisin de decisin sera la cantidad de un determinado producto que debe elaborarse en una
operacin de produccin en la que podran fabricarse diversos productos a partir del
mismo recurso bsico. Los parmetros son los valores que describen la relacin entre
las variables de decisin. Los parmetros permanecen constantes para cada problema,
pero varan con problemas distintos. Un ejemplo seran las horas de mano de obra que
se requieren para fabricar una unidad de un producto determinado.
2. Restricciones. Para incluir las limitaciones fsicas que ocurren en el problema cuyo
modelo se plantea, dicho modelo debe incluir cualesquiera restricciones que limiten las
variables
a valores permisibles (factibles). Por lo general, las restricciones se expresan
restricciones
como funciones matemticas (submodelos descriptivos). Por ejemplo, si suponemos que
x 1 y x2 (variables de decisin) representan el nmero de unidades de dos productos que se
est considerando fabricar y a, y a 2 (parmetros) son los respectivos requerimientos
unitarios de materias primas para fabricar los productos, y si se seala que la cantidad
total disponible de materia prima es b, la funcin correspondiente de restriccin podra
expresarse como a,x, + a 2x2 <_ b.
funcin
objetivo

3. Funcin objetivo. La funcin objetivo define la efectividad del modelo como funcin
de las variables de decisin. Por ejemplo, si el objetivo es maximizar las utilidades totales,
entonces la funcin objetivo debe describir stas en trminos de las variables de decisin.
En forma matemtica, la funcin Z = 4x 1 + 5x, describe las utilidades en trminos
de las variables de decisin, suponiendo que se sabe que se obtiene una utilidad de $4.00
por cada x, y $5.00 por cada x 2 .- En general, se obtiene la solucin ptima del modelo
4

Hamdy A. Taha, Operations Research: An Introduction ( New York: Macmillan), p. 7.

Los modelos matemticos y la ciencia de la administracin 9

cuando los valores de las variables de decisin arrojan el mejor valor de la funcin objetivo, al mismo tiempo que se satisfacen todas las restricciones.
Es posible explicar con mayor detalle la relacin entre los modelos descriptivos y
los normativos utilizando un ejemplo especfico. Suponga que se tiene un proceso de
produccin en el que pueden fabricarse tres productos distintos. El nico recurso limitado para esa operacin es la mano de obra; existen disponibles 400 horas-hombre de
mano de obra por semana. De experiencias pasadas, se sabe que el producto No. 1 requiere 8 horas de mano de obra por unidad fabricada y el producto No. 2 requiere 4 horas
por unidad, y de la misma manera, el producto No. 3 requiere 2 horas por unidad. Si
se supone por un momento que existe una cantidad ilimitada de mano de obra, si utilizarnos x 1 para representar el nmero de unidades del producto No. 1 que se fabricarn,
x, para representar el nmero de unidades del producto No. 2 y x 3 el nmero de nidades del producto No. 3, entonces la expresin siguiente sera un modelo descriptivo de
los requerimientos totales de mano de obra:
L = 8x, + 4x, + 2x 3 (1.4)

Pero ya sabemos que slo hay disponibles 400 horas-hombre de mano de obra; por tanto,
la relacin funcional en realidad es,
8x, + 4x 2 + 2x 3 400

(1.5)

Puede hacerse alguna afirmacin acerca del problema con cualquier modelo; sin embargo, en este punto no hay manera de determinar cul es el mejor curso de accin. En
el primer caso, ecuacin (1.4), si se consideran ciertos valores de x,, x 2 y x 3 , entonces
es posible pronosticar el total de mano de obra que se requiere. En el segundo caso,
ecuacin (1.5), es fcil calcular el nmero mximo de unidades de cada producto que
podran fabricarse (50, 100, 200), suponiendo que no se fabrica ninguna unidad de los
otros dos productos.
Suponga que adems de los datos iniciales que se proporcionan, se seala que el
producto No. 1 contribuye con $12 por unidad a las utilidades, el producto No. 2 contribuye con $10 por unidad y el producto No. 3 contribuye con $8 por unidad. A partir
de estos datos, puede desarrollarse un modelo descriptivo para las utilidades totales,
Z; esto se expresa de la siguiente manera:
Z = 12X 1 + 1 OX 2 + 8X 3 (1.6)

Al igual que en el caso del modelo (1.4), puede emplearse este modelo para pronosticar las utilidades slo si se proporcionan ciertos valores de x,, x2 y x3 . Pero si se combinan los modelos (1.5) y (1.6), y se supone que el objetivo es maximizar las utilidades,
entonces se tiene un modelo normativo. El modelo sera:
MAXIMIZAR:
SUJETO A:

Z = 12x 1 + 10X 2 + 8X3

8x1

(1.7)

+ 4x, + 2X 3 400

Lo que se pretende en este punto es resolver el modelo para obtener los valores
de x,, x 2 y x3 que de como resultado el mayor valor de Z. Un poco ms adelante se

10

Captulo 1 Introduccin a los modelos y a la ciencia de la administracin

analizar este punto con detalle; sin embargo, antes de pasar a ese material, es necesario
realizar algunos comentarios adicionales acerca de los modelos matemticos y la ciencia
de la administracin.

Clasificacin de los modelos

Adems de la clasificacin de modelos descriptivos y normativos que se analiz antes,
con frecuencia se mencionan otras clasificaciones de los modelos en la literatura referente
a la ciencia de la administracin: modelos determint"sticos y estocsticos, lineales y no
lineales, estticos y dinmicos y, por ltimo, modelos de simulacin. Podra argumentarse que estas son clasificaciones distintas de los modelos. Pero, en realidad, son subclasificaciones de los modelos descriptivos y normativos, y puede clasificarse un modelo especfico aplicndole uno a varios de estos trminos. Un examen de cada uno de estos trminos
aclarar este punto.
modelo
En un modelo determinstico, las relaciones funcionales, es decir, los parmetros
determin i - del modelo, se conocen con certidumbre. El modelo (1.6) podra denominarse modelo
tico
determinstico porque los parmetros (los coeficientes de contribucin: $12, $10 y $8)
se conocen con certidumbre. De la misma manera, el modelo (1.5) podra denominarse
modelo determinstico.
Si en el modelo (1.5) no conociramos con seguridad que se requieren 8 horas de
mano de obra para fabricar una unidad del producto No. 1 (por ejemplo, suponiendo
que existe una probabilidad 0.60 de que se requieran 10 horas de mano de obra), entonces
modelo
elaboraramos un modelo estocstico para incorporar la incertidumbre. Un modelo estoestocstico cstico puede tener algunas relaciones funcionales que sean determinsticas y estocsticas
o todas pueden ser estocsticas. Pueden obtenerse soluciones para esos modelos si se est ructuran en forma de un modelo normativo, que proporcionen los mejores resultados esperados; es decir, se optimiza la funcin objetivo para obtener los resultados esperados
mximos o mnimos.
Otra subclasificacin de los modelos es la de modelos lineales o no lineales. Un
modelo lineal es en el que todas las relaciones funcionales implican que la variable depenmodelo
lineal
diente es proporcional a las variables indenendientes. (El concepto de linealidad se anamodelo no lizar con cierta profundidad en el captulo 2.) Por otra parte, los modelos no lineales
lineal
utilizan ecuaciones curvilneas o no proporcionales. Al igual que en el caso de los modelos
estocsticos, no es necesario que todas las relaciones funcionales del modelo sean no
lineales para clasificarlo como no lineal. Si una o ms de las relaciones son no lineales,
se clasifica al modelo dentro de esta categora. Los procesos de solucin (algoritmos)
que se requieren para resolver los modelos no lineales son mucho ms complejos que
los necesarios para un modelo lineal. En este texto se hace nfasis en el uso de los modelos
lineales en la toma de decisiones en la administracin.
Una tercera subclasificacin de los modelos es en modelos estticos y modelos dinmicos. Los modelos estticos se definen en un punto fijo del tiempo y se supone que
rnodelo
esttico
las condiciones del modelo no cambian para ese periodo especfico en el proceso de solucin del modelo. Se determina una decisin ptima o curso de accin ptimo sin hacer
modelo
referencia al curso de accin que se toma en periodos previos o futuros. Un modelo
dinmico
dinmico difiere de uno esttico en que el curso de accin mejor u ptimo se determina
examinando periodos mltiples. Los modelos dinmicos se utilizan en situaciones en
las que no puede determinarse el curso ptimo de accin para un nmero mltiple de

Los modelos matemticos y la ciencia de la administracin

11

periodos sin considerar en forma colectiva las acciones que se emprenden en cada periodo. En el captulo 10 se analizan los modelos dinmicos, sus caractersticas y un proceso
de solucin para determinar las acciones ptimas para estos modelos.
La subclasificacin final de los modelos que se menciona es la simulacin. La simulacin es un proceso de planteamiento de modelos y experimentacin que se utiliza para
describir y/o analizar un problema o un rea de problemas especficos. Se utiliza el trmino "proceso de planteamiento de modelos y experimentacin", porque la simulacin
puede utilizarse para ambos propsitos. A partir de los datos y las caractersticas descriptivas del problema de produccin que se mencion antes fue posible plantear un modelo
normativo, es decir, el modelo (1.7). Sin embargo, es frecuente que la complejidad o
la naturaleza de un problema hagan imposible desarrollar un planteamiento matemtico
que se ajuste en forma adecuada a dicho problema. Bajo esas circunstancias, tal vez
sea posible simular el problema con el objeto de analizar diferentes cursos de accin.
Debido a que los modelos de simulacin no requieren funciones matemticas de forma
cerrada para relacionar las variables, es posible simular sistemas complejos cuyo modelo
no puede plantearse en forma matemtica.

Procesos de solucin

mtodos
heursticos

Pueden utilizarse tres procesos o mtodos de solucin para llegar a soluciones ptimas
o casi ptimas para problemas basados en la ciencia de la administracin: (1) algoritmos,
(2) mtodos heursticos y (3) simulacin. Dado que el mtodo de los algoritmos es el
proceso de solucin de uso ms comn, aqu se justifica una explicacin detallada; pero
antes de explorar esta rea, es necesario hacer unos cuantos comentarios acerca del uso
de la simulacin y los mtodos heursticos.
Cuando dejamos el anlisis del modelo (1.7), hicimos notar que el siguiente paso
del proceso consista en resolver el modelo. Un poco ms adelante demostraremos que
es posible obtener una solucin analtica para ese modelo; sin embargo, esto puede no
ser cierto en muchos casos. En algunos problemas tal vez sea imposible resolver en forma
analtica el modelo; es decir, en forma matemtica. En esos casos puede utilizarse la
simulacin para analizar el problema, pero la solucin que se tiene a partir de un proceso
de simulacin no necesariamente es la ptima. Un modelo de simulacin precisamente
"simula" la conducta del problema para un conjunto definido de condiciones de entrada. Para determinar "el mejor curso de accin" debe analizarse la conducta del modelo
bajo diversos datos de entrada y elegir el que proporcione el nivel deseado de resultados.
En ocasiones el pla ;:eamiento matemtico de un problema puede ser tan complejo
que una solucin analtica es casi imposible, y la evaluacin a travs de simulacin no
es prctica debido al tiempo excesivo de procesamiento. En estos casos pueden utilizarse
mtodos heursticos para desarrollar soluciones aproximadas aceptables. El proceso heurstico de solucin se basa en reglas empricas o intuitivas que, cuando se aplican al
modelo, *proporcionan una o ms soluciones. Los mtodos heursticos son procedimientos de bsqueda que intentan pasar de un punto de solucin a otro, de manera que se
mejore el objetivo del modelo con cada movimiento sucesivo. Cuando ya no es posible
encontrar mejoras al objetivo del modelo utilizando la regla de bsqueda elegida, la
solucin alcanzada se denomina solucin aproximada. En este texto es mnimo el anlisis
de los procesos heursticos de solucin (se cubren en forma breve en el captulo 9), puesto
que por lo general dependen en gran medida del problema especfico que se resuelve,

12

Captulo 1 Introduccin a los modelos y ala ciencia de la administracin

algorirrno

se usan en trminos generales para problemas de particular complejidad y, con frecuencia, dependen de algoritmos para resolver partes del problema. Se concentrar la atencin en el uso de algoritmos.
Un algoritmo es simplemente un conjunto de procedimientos o reglas que, cuando
se siguen en forma ordenada, proporcionan la mejor solucin para un modelo determinado. Ya que un algoritmo se desarrolla para un modelo dado o definido, es aplicable
slo para resolver un problema que se ajuste a las caractersticas especficas del modelo.
Aunque tal vez sea posible alterar un algoritmo para que satisfaga los requerimientos
de problemas especializados, lo ms probable es que se convierta en una labor difcil
porque exigir alterar los programas de computadora que existen para los algoritmos.
Puede ilustrarse el concepto de algoritmo utilizando el modelo que se plante antes
acerca del proceso de produccin [modelo (1.7)]. Recurdese que el modelo se expres
de la siguiente manera:
MAXIMIZAR:
SUJETO A:

Z= 1 2x 1

+ 1 0x2

8x1

8_V3

+ 4x 2 + 2x 3 400

Recurdese tambin que las contribuciones a las utilidades eran de 12, 10 y 8 para la
venta de los productos No. 1, No. 2 y No. 3, respectivamente, y que 8, 4 y 2 eran las
horas de mano de obra que se requeran por unidad para la fabricacin de los respectivos
productos. Examinando el modelo, puede observarse que el producto No. 1 contribuye
con $12 a las utilidades, en comparacin con $10 y $8 de los otros dos productos; por
ello, podramos concluir que deben fabricarse tantos productos No. 1 como los recursos
lo permitan. Pero, si examinamos los costos de mano de obra asociados con el primer
producto (8 horas/unidad) es fcil observar que tiene el ms alto requerimiento unitario
de mano de obra. La decisin de fabricar tantos productos No. 1 como sea posible quiz
no sea una decisin inteligente. Dado que tanto los coeficientes de contribucin y los
de mano de obra por unidad afectan la decisin respecto al nmero de unidades que
deben fabricarse de los tres productos, es necesario un medio que permita examinar
ambos coeficientes en forma simultnea. Es posible lograr esto calculando una razn
de los dos coeficientes. Esos cocientes seran:
No. l:
No. 2:

$12/unidad
8 horas/unidad

$10/unidad

= 1.50 dlares/hora
= 2.50 dlares/hora

4 horas/unidad
No. 3:

$8/unidad

= 4.00 dlares/hora

2 horas/unidad

Estas razones representan la "contribucin en dlares por hora de mano de obra invertida" en la fabricacin de los respectivos productos. Examinando estos cocientes, puede
concluirse que la decisin apropiada sera fabricar la mayor cantidad del producto No.
3 que el recurso de mano de obra permita.
Para determinar el nmero real de unidades del producto No. 3 que deben fabricarse, se divide el total disponible de horas de mano de obra (400) entre los requerimientos
de este recurso para el producto (2 horas/unidad). Entonces, el "mejor curso de accin"
es fabricar 0 unidades del producto No. 1 (x, = 0), 0 unidades del producto No. 2

Los modelos matemticos y la ciencia de la administracin

13

(x2 = 0) y 200 unidades del producto No. 3 (x 3 = 200). En este caso, las utilidades
resultantes seran
Z = 12(0) b 10(0) + 8(200)
-- $1600

El algoritmo para el modelo (1.7), definido de manera no muy formal, se expresara

de la siguiente manera:
Calcular una razn para cada producto dividiendo el coeficiente correspondiente de contribucin a las utilidades entre el coeficiente de mano de obra por unidad.
La mayor razn denota el "producto que debe fabricarse"
Determinar la "cantidad que debe fabricarse", dividiendo el total de horas de mano de
obra disponibles entre el coeficiente de mano de obra del producto que debe fabricarse.
Dado que el algoritmo se ha definido de manera poco formal, es decir, no toma
en consideracin la posibilidad de que existan coeficientes negativos o cocientes negativos, y al estar tan estrechamente relacionado con el problema especfico, nos obliga
a desarrollar un algoritmo ms estructurado en trminos matemticos que se ajuste a
un modelo general que pudiera utilizarse tanto para este problema como para otros.
Puede comenzarse desarrollando un modelo general del modelo (1.7). Si utilizamos
c1 para representar la contribucin por unidad del producto j, a1 para representar el requerimiento unitario de mano de obra para la fabricacin del producto j, y b para representar el total de mano de obra disponible, entonces el modelo puede expresarse de la
siguiente manera:
MAXIMIZAR:

Z =

SUJETO A:

C1 X 1

+ C 2 X 2 + C3X3

a1 X 1 + a 2 X 2 + a 3 X 3 < b

Dado que estamos tratando de desarrollar un modelo general, es necesario tomar en

consideracin que pueden fabricarse ms de tres productos. Se supone que es posible
fabricar n productos. Para ser realistas, es necesario observar tambin que todas las
variables de decisin (x 1 , x2 y x 3 ) son cero o mayores. Por ello, el modelo sera
MAXIMIZAR:

Z =

c1 x1

+ C 2 X 2 + C 3 X 3 + + CnXn

al X I + a 2 x 2 + a 3 X 3 + ' + a n x n

SUJETO A:

x l , x2 ,

(1.8)

X3,...,Xn>0

Expresado esto en una forma matemtica ms compacta, el modelo general es como sigue:
n

MAXIMIZAR:

C^X^

Z =
i-I

SUJETO A:

(1 .9)

ajx, < b
1-I

xi > 0

para toda j

14

Captulo 1 Introduccin a los modelos y a la ciencia de la administracin

Este modelo es un modelo ms general que el (1.7), pero al igual que ste, modela en
forma completa el problema de produccin.
El algoritmo para este modelo general sera:
Calcular la razn

c/a

para todas las variables, en donde

a1 > 0.

Observar cul es la mayor razn y denotar la variable de decisin asociada como z^. (Si
hay varios cocientes con igual valor, esto denota que la fabricacin de los productos asociados rinde el mismo nivel de utilidades.)
Si la mayor razn que se ha identificado es igual o menor que cero, entonces no debe producirse nada; el curso ptimo de accin consiste en no fabricar unidad alguna. Si la mayor
razn es superior a cero, entonces se contina.
Calcular la cantidad ptima que debe producirse con la relacin = b/d1, en donde d1
es el coeficiente de mano de obra asociado con el mayor cociente identificado antes. (Si
existen razones iguales, entonces hay polticas ptimas alternativas.)

Es evidente que este algoritmo no es complejo porque el modelo (1.8) no es un

modelo muy complejo; sin embargo, ilustra muy bien el concepto de desarrollo de
un algoritmo.

EL PROCESO DE SOLUCIN DE PROBLEMAS EN CA/IO

Se seal antes en el captulo que el objetivo del texto no es desarrollar o ampliar la
teora de algoritmos de solucin sino, ms bien, examinar y estudiar la estructura de
los problemas a los que puede aplicarse un algoritmo determinado. Se examinan ciertos
algoritmos slo como auxiliares para comprender mejor la estructura de los problemas
a los cuales se aplican. Nuestro objetivo es mucho ms amplio. Resolver un problema
o, en trminos ms especficos, utilizar modelos de CA/IO como ayuda en la solucin
de problemas, implica algo ms que encontrar un algoritmo que se ajuste a un problema
determinado.
Existen ciertas etapas que deben seguirse en cualquier estudio de CA/IO; stas comienzan con la identificacin del problema y llegan hasta el implante y evaluacin finales
del sistema diseado para resolverlo. Estas etapas deben seguirse para que sea posible
esperar cierto grado de xito en el proceso de planteamiento de modelos. Estas etapas
proceso de se denominan proceso de solucin de problemas.
solucin de
El proceso de solucin de problemas de CA/IO puede describirse en una estructura
problemas de seis etapas, como sigue:
1.
2.
3.
4.
5.
6.

identificacin, observacin y planteamiento del problema

construccin del modelo
generacin de una solucin
prueba y evaluacin de la solucin
i mplante
evaluacin

En la figura 1-1 se muestra una representacin ms detallada y prctica de este-proceso.

Las seis etapas del proceso se identifican con los cuadros de lneas punteadas, numerados
(1) a (6).

El proceso de solucin de problemas en CA/IO 15

(1) -----------i

(5)
Identificar el poblema

------

--- ----- -

Implante

--- ------

----- ---^

-------

------ --I

I
Observar el problema,

F(6)

recopilar datos

Resultados

descriptivos e identificar
factores que los afectan

Describir en forma

Futuro

Datos

predeterminado
de valores

Los
resultados
satisfacenn
las metas?

verbal el problema

Clasificar los factores

como "controlables" o
"no controlables"

eMetas
Mtas

Desarrollo del modelo:

(a) estructura
(b) parmetros

---I(3)

-- ---------nua
Continuar

Generar la solucin

------

,
'no"

------^

(4)
Correr datos de prueba

Evaluar

Revisar
I

^
o

No aceptable

FIGURA 1-1. El proceso de solucin de problemas de CA/IO. (Adaptado

de Ronald V. Hartley, Operations Research: A ManagerialEmphasis, Goodyear Publishing Co., 1976, p. 10)

el modelo

16

Captulo 1 Introduccin a los modelos y a la ciencia de la administracin

La etapa 1 comienza cuando quien toma las decisiones observa la realidad y se

da cuenta o percibe que un resultado que se desea no se est produciendo bajo las operaciones existentes. La segunda fase de la etapa incluye a quien construye el modelo y
a quien toma las decisiones. En este punto, se observa el problema con el objeto de
identificar variables y relaciones clave. La observacin del problema puede llevarse a
cabo en forma colectiva o separada. Sin embargo, es necesario desarrollar un enfoque
unificado; por ello, debe ocurrir una gran interaccin entre quien toma las decisiones
y quien construye el modelo. La fase final de la etapa 1 consiste en describir en forma
verbal el problema. Este problema verbal es una descripcin narrativa de las variables,
las restricciones y el objetivo, as como tambin ciertas ideas generales con respecto a
las relaciones que existen en el modelo. La descripcin verbal del problema es una fase
muy importante de la etapa 1, porque es la base sobre la cual se plantear el modelo
matemtico.
La etapa 2 del proceso de solucin de problemas implica el desarrollo del modelo,
pero antes de estructurar en forma matemtica el problema es necesario examinar los
factores identificados en la etapa 1 para diferenciar entre las variables controlables y
las no controlables. Las variables controlables pueden manipularse o modificarse por
quien toma las decisiones; las variables no controlables no pueden cambiarse. Para ayudar a plantear el modelo matemtico, la persona que toma las decisiones debe identificar
las variables controlables relevantes. Con base en estas variables y relaciones clave que
se han identificado y documentado en el modelo verbal, el constructor del modelo estructura uno que describe en trminos matemticos el problema. Puede resultar necesario
hacer algunas consideraciones que limiten al problema real para que pueda resolverse.
Con bastante frecuencia es necesario probar un planteamiento inicial del modelo para
determinar las consideraciones que deben hacerse.
El desarrollo del algoritmo o proceso de seleccin ocurre en la etapa 3. En la prctica
real, existe cierto grado de retroalimentacin entre las etapas 2 y 3, dado que debe tenerse
la seguridad de que el problema planteado en la etapa 2 satisface todas las condiciones
o consideraciones que el algoritmo utiliza en la etapa 3. En realidad, hay que tener cuidado al usar el trmino algoritmo en este punto, porque un proceso de solucin no se limita
a un algoritmo. Recurdese que mencionamos que los mtodos heursticos, as como
tambin la simulacin, pueden utilizarse para resolver determinados problemas. Hemos
decidido poner nfasis en el proceso algortmico de solucin en este punto, ya que la
mayora de los problemas que se abordan en el texto pueden resolverse utilizando un
algoritmo.
En la etapa 4 se evala y se prueba el modelo adoptado o desarrollado en la etapa
3, con el objeto de determinar si produce resultados tiles para el problema original.
Pueden utilizarse diversos procedimientos para probar el modelo. En primer lugar, quien
toma las decisiones simplemente puede examinar los resultados y hacer algn juicio con
respecto a cun razonables son. En segundo lugar, es posible adoptar un procedimiento
de prueba a travs del cual se utilicen situaciones histricas previas como modelo base.
Es decir, puede introducirse informacin proveniente de una decisin previa al modelo
y comparar los resultados con lo que ocurri en realidad. Sin importar si se utiliza uno
de estos procesos de prueba, o ambos, para evaluar el modelo, ste debe modificarse
si no satisface las necesidades de quien toma las decisiones. Con bastante frecuencia
el proceso de revisin implica aadir y eliminar variables, pero podra implicar volver
al problema observado originalmente. (Esto se muestra en la figura 1-1 como el circuito
de regreso a la etapa 1.)

La ciencia de la administracin y la computadora 17

La etapa 5 del proceso de solucin de problemas de CA/IO es el implante del modelo
validado. Por desgracia, la mayora de los especialistas en ciencia de la administracin
no reconocen que el implante comienza el primer da del proyecto, y no cuando el modelo
se ha desarrollado y ya est operando. Los administradores deben participar en el proyecto de CA/IO durante todo su desarrollo. El implante no significa que el modelo que
se pone en prctica simplemente se entrega a los administradores y que, con esta accin,
quien lo construy se retira del proyecto. Quien construye el modelo debe: (1) trabajar
con quien toma las decisiones para identificar en forma apropiada el problema (etapa 1),
(2) obtener retroalimentacin de quien toma las decisiones con respecto a la validez del
modelo (etapa 4) y (3) trabajar con quien toma las decisiones para implantar y utilizar
el modelo.
En el captulo 16 se examina en detalle el rea del implante. En ese captulo se identifica un modelo de juegos de implante y se presentan diversos estudios relacionados con
problemas en esta rea. En este captulo hemos hecho notar que el implante es una
etapa clave en el proceso de solucin de problemas y que, si los administradores no
participan en forma amplia en el proyecto y no apoyan en forma completa su objetivo,
lo ms probable es que se juzgue que el modelo es slo un ejercicio prctico para quien
lo construy.
La ltima etapa del proceso de solucin de problemas (etapa 6) es la evaluacin
y revisin del modelo. Dado que no es raro que un modelo de CA/IO se utilice en forma
repetida en el anlisis de problemas de decisin, el modelo debe evaluarse en forma continua para determinar si los valores de los parmetros han cambiado y/o para ver si el
modelo sigue satisfaciendo las metas de quien toma las decisiones. Si las caractersticas
del problema cambian, o si no se estn satisfaciendo las metas de quien toma las decisiones, entonces debe considerarse una modificacin del modelo. Se utiliza el trmino "considerar" porque debe contrastarse el costo de cambiar el modelo con los ahorros que se
lograran con la modificacin. Si el costo de la modificacin supera a los ahorros,
entonces debe descontinuarse el proyecto. De nuevo, es aqu donde los administradores
pueden tener una mala experiencia con los modelos de CA/IO. Si los administradores
no reconocen el momento en el que un proyecto excede su utilidad, los resultados deficientes de periodos posteriores de uso del modelo pueden opacar su desempeo previo,
cuando el modelo en verdad resolva el problema.

LA CIENCIA DE LA ADMINISTRACIN Y LA COMPUTADORA

Uno de los factores clave que ha ayudado tanto al crecimiento como al desarrollo de la
ciencia de la administracin ha sido el advenimiento de la computadora. Sin ella, estara
severamente limitado el uso de las tcnicas de la ciencia de la administracin. A partir del
anlisis referente a "modelos matemticos y ciencia de la administracin", resulta
evidente que los procesos de solucin que se utilizan en la ciencia de la administracin
pueden volverse bastante laboriosos y, en algunos casos, complejos. Por fortuna, utilizando la computadora, es posible reducir gran parte de la complejidad matemtica y
de la carga de clculos implcitos en el uso de diferentes tcnicas de solucin. Esto no
significa que podamos ignorar el "proceso de solucin de problemas de CA/IO". Por
el contrario, tan slo significa que la capacidad y la velocidad de clculo de una computadora reduce esa tarea en forma significativa.

18

Captulo 1 Introduccin a los modelos y a la ciencia de la administracin

Dado que el nfasis de este texto se da en la aplicacin de tcnicas de solucin (en

la mayora de los casos, algoritmos) ms que en el desarrollo de las tcnicas, la computadora es una parte integral del proceso de solucin de problemas. En todo el texto se
har nfasis en la interpretacin de los resultados de los modelos. En la mayora de
los casos se presentar un informe de resultado manual (tabla) y una solucin computadorizada. Se'espera que este enfoque promueva el uso de procedimientos computadorizados, pero no a costa de excluir por completo el examen de los procesos de solucin que
se utilizan.

RESTRICCIONES EN EL CAMPO DE LA CA/IO

La ciencia de la administracin, al igual que cualquier otro campo, tiene ciertas restricciones y limitaciones. Una limitacin es la necesidad de hacer consideraciones al estructurar o plantear el problema que se aborda. Con frecuencia son necesarias las simplificaciones porque el problema original es tan complejo que resulta difcil plantear un modelo
o resolverlo. Entonces, para resolverlo, se hacen simplificaciones en forma de consideraciones acerca de ciertas variables. Este proceso de simplificacin produce un problema
o modelo simplificado que puede manipularse con el objeto de llegar a una solucin
inicial para el problema. Un ejemplo en economa es el estudio de mercado. Esta situacin muy compleja se simplifica en gran medida suponiendo que existe competencia
perfecta. Esta es una consideracin amplia; aun as, con ella es posible desarrollar un
modelo econmico bsico que resulta til para estudiar los efectos de diversas fuerzas
sobre el mercado. Dado que los modelos son representaciones simplificadas de la realidad, con frecuencia surge la pregunta respecto a si el modelo captura la esencia del problema original que es ms complejo. En realidad, pueden llegarse a hacer tantas consideRealidad

Problema
original

Modelo
simple

Tiempo
t o ti

FIGURA 1-2. Simplificacin del modelo

^ comparacin con la realidad

Restricciones en el campo de la CA/IO

19

raciones para simplificar el problema original, que esto provocara que el modelo resultante
no sea til. Por tanto, es importante que quien construye el modelo investigue con quien
toma las decisiones las consideraciones que daran como resultado que el modelo sea
vlido. As, el constructor del modelo puede intentar resolver una versin ms compleja
que sera til para quien toma las decisiones. Este proceso se muestra en forma grfica
en la figura 1 -2.5
En esta figura, quien construye el modelo comienza en el tiempo t 0 con el problema complejo. Despus, se hacen suposiciones que simplifican el problema para que pueda obtenerse una solucin en el tiempo t,. Despus se suavizan las consideraciones, una
por una, y el modelo regresa hacia la realidad, utilizando lo que se aprendi en la solucin
del modelo simple para resolver versiones del problema cada vez ms complejas.
Una segunda limitacin de la ciencia de la administracin es que la mayora de los
modelos consideran slo una funcin objetivo. Al analizar el planteamiento de modelos normativos, se habl slo de funciones objetivo nicas. Las tcnicas de ciencia de
la administracin como la programacin lineal, la programacin entera y los modelos
de transporte consideran un solo objetivo.
En la prctica los modelos con un solo objetivo pueden resultar problemas clave,
porque con frecuencia quienes toman las decisiones tienen otros objetivos aparte de
maximizar las utilidades o minimizar los costos. Una tcnica, la programacin de metas
(captulo 8), tiene la capacidad de manejar objetivos mltiples. Diversos investigadores
se dedican en la actualidad a desarrollar otros modelos de decisin de criterios mltiples.
Otra rea de problemas en la ciencia de la administracin es el tamao del sistema
de ecuaciones (es decir, las restricciones del problema) que existen en un problema prctico. Muchos problemas en la industria, el gobierno y el sector pblico contienen un gran
nmero de restricciones. Esto plantea dos problemas en el proceso de planteamiento
de modelos de CA/IO. En primer lugar, en los crculos acadmicos existe una tendencia
a examinar problemas pequeos y nicos con el objeto de ilustrar el modelo o concepto.
Las personas que elaboran modelos o toman decisiones pueden desarrollar una opinin
muy ingenua sobre los problemas prcticos. Es necesario reconocer que muchos problemas prcticos pueden contener varios cientos de restricciones.'
El segundo problema se refiere a la cantidad de clculos. Los algoritmos que describiremos en el texto son directamente apropiados para problemas bsicos pequeos. Cuando
se considera un conjunto grande de ecuaciones, es necesario utilizar algoritmos eficientes
en trminos de clculo porque, de otra manera, el costo de proceso de planteamiento
del modelo podra ser excesivo.' Con bastante frecuencia resulta posible aproximar soluciones a'problemas grandes aplicando el proceso de simplificacin que mencionamos.
Un rea final de problemas que debe considerarse, es la de la comparacin de
costos y beneficios. Esta cuestin debe abordarse antes de emprender un proyecto de
ciencia de la administracin. Es fcil involucrarse en un modelo de CA/IO hasta el punto
de adoptar las capacidades computadorizadas de solucin de problemas de la ciencia

Vase A. H. Packer, "Applying Cost-Effectiveness Concepts to the Community Health System", Operations Research, 16, No. 2 ( marzo-abril de 1968), pp. 227-253.
5

En este texto presentaremos, como nuestras contrapartes han hecho en el pasado, problemas bsicos que
ilustran la naturaleza del problema que puede abordarse. Est fuera de nuestro objetivo examinar problemas
grandes y complejos.
7
Existen en la prctica diversos algoritmos eficientes en trminos de clculo; pueden adquirirse de los fabricantes de computadoras y las casas vendedoras de software.

20

Captulo 1 Introduccin a los modelos y a la ciencia de la administracin

de la administracin sin examinar los beneficios potenciales que.se alcanzarn. En muchas situaciones, el costo de desarrollar e implantar un modelo puede superar los ahorros
que se obtienen por su uso. Muchos problemas de toma de decisiones pueden resolverse
sin utilizar modelos muy elaborados. Un problema que con frecuencia encuentran quienes toman las decisiones y construyen los modelos es que se involucran tanto con el
proceso de la construccin del modelo que todo problema de decisin se aborda con
un modelo. La ciencia de la administracin, al igual que cualquier otro campo, debe
utilizarse y aplicarse dentro de lmites lgicos.

GLOSARIO
algoritmo: conjunto de procedimientos que, cuando se siguen en forma ordenada, proporcionan
ra na solucin ptima a un problema.
Funcin ol)jeti\o: l'uncin matemtica que define la efectividad del modelo como una funcin
de las variables de decisin.
investigacin de operaciones: nombre que se utiliz para describir las actividades de ciencia de
la administracin/investigacin de operaciones en las operaciones militares britnicas durante
la segunda guerra tuuu dial.
mtodos heursticos: procesos de solucin que se basan en reglas intuitivas o empricas para dar
una solucin aproximada a un problema.
modelo a escala: estructura fsica, de tamao reducido, que representa el problema real.
modelo descriptivo: modelo matemtico que representa una relacin funcional pero que no seala
ningn curso de accin.
modelo deterrninstico: modelo en el que se conocen con certidumbre los parmetros.
modelo dinmico: modelo cuyas caractersticas varan de un periodo a otro. Determinar el curso
ptimo de accin requiere el examen de periodos mltiples.
modelo esttico: modelo definido en un punto fijo del tiempo.
modelo estocstico: modelo en el que los parmetros no se conocen con certidumbre; es decir,
existe cierta probabilidad de ocurrencia para diferentes parmetros del modelo.
modelo lineal: modelo en el que todas las relaciones funcionales son de tal naturaleza que la variable dependiente es proporcional a la suma de las variables independientes. Estos modelos tambin
tienen la caracterstica de que, para cualquier cambio en una variable independiente, mientras
se mantienen las dems fijas, el cambio en la variable dependiente es directamente proporcional.
modelo matemtico: representacin simblica y abstracta de un problema.
modelo mental: i magen mental de la estructura que describe un problema.
modelo no lineal: modelo en el que existen ecuaciones o funciones que no son proporcionales.
Estos modelos tienen variables elevadas a una potencia diferente de uno y/o tienen productos
de dos o ms variables.
modelo normativo: modelo matemtico que describe una relacin funcional y prescribe un curso
de accin para alcanzar el objetivo que se defini para el modelo.
ORSA: Operations Research Society of America (Sociedad Estadounidense de Investigacin de
Operaciones); grupo pionero al que se da crdito por el desarrollo de la investigacin de operaciones en Estados Unidos de Norteamrica.
proceso de solucin de problemas: etapas (estructura) que se siguen para desarrollar e implantar
un modelo de CA/IO.
restriccin: funcin matemtica que describe o asigna un lmite factible al modelo y/o las variables
de decisin.
TIMS: The Institute of Management Sciences (Instituto de Ciencias de la Administracin); organizacin fundada en 1953 n Estados Unidos para dar relevancia a las investigaciones aplicadas
en ciencia de la administracin/investigacin de operaciones.
variables de decisin: cantidades desconocidas que deben determinarse en la solucin para un modelo.

Proposiciones falso/verdadero

.21

REFERENCIAS
1.
2.
3.
4.
5.

Budnick, Frank S., Richard Mojena y Thomas E. Vollmann. Principies of Operations Research for Management. Homewood, III.: Richard D. Irwin, 1977.
Buffa, Elwood S. y James S. Dyer. Management Science/Operations Research: Model Porntulation and Solution Methods. Santa Barbara, Calif.: J. Wiley, 1977.
Hartley, Ronald V. OperationsResearch: A ManagerialEmphasis. Pacific Palisades, Calif.:
Goodyear Publishing, 1976.
Taha, Hamdy A. Operations Research: An Introduclion. New York: Macmillan, 1976.
Wagner, Harvey M. Principies of Management Science, 2a. ed. Englewood Cliffs, N. J.:
Prentice-Hall, 1975.

PREGUNTAS DE REPASO
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.

12.
13.
14.
15.

Comente en forma breve la evolucin del campo de CA/IO.

De qu manera se relaciona la construccin de modelos con la ciencia de la administracin?
Explique las diferencias entre un modelo descriptivo y tino normativo. D ejemplos d cada
uno de ellos.
Qu conjunto bsico de elementos existe en cualquier modelo normativo? Comente cada
uno de esos elementos.
Cules son las clasificaciones de los modelos normativos y los descriptivos?
Explique la diferencia entre un modelo determinstico y uno estocstico.
Explique la diferencia entre un modelo lineal y uno no lineal.
Explique la diferencia entre un modelo esttico y uno dinmico.
Cundo se utiliza un modelo de simulacin en la ciencia de la administracin?
Qu procesos de solucin existen en el campo de la CA/lO? Explique o comente en forma
breve cada uno de ellos.
Es necesario desarrollar un algoritmo para todo problema que se aborda en un estudio
de CA/IO? (Suponga que un algoritmo es la tcnica apropiada que debe utilizarse, en comparacin con un mtodo heurstico o una solucin simulada.)
Identifique las etapas generales que debieran seguirse en cualquier estudio de CA/IO. Comente cada una de ellas.
Identifique algunas de las limitaciones o problemas que existen en el campo de la ciencia
de la administracin.
Es posible manejar problemas con objetivo mltiple con alguna tcnica existente de CA/lO?
Comente el problema de la comparacin de costos y beneficios, y su relacin con un proyecto
de CA/lO.

PROPOSICIONES FALSO/VERDADERO
1.
2.
3.
4.
5.

El trmino ciencia de la administracin recibi su impulso inicial con el establecimiento de

The Institute of Management Sciences (TIMS) en 1953.
Se crea un modelo a escala visualizando diferentes disposiciones y evaluando cada alternativa.
Un modelo descriptivo representa una relacin y seala un curso apropiado de accin.
Un modelo normativo nunca puede contener submodelos descriptivos.
La efectividad del modelo como funcin de las variables de decisin se define a travs de
la funcin objetivo.

22

Captulo 1 Introduccin a los modelos y a la ciencia de la administracin

6.
7.
8.
9.
10.

Determinadas cualidades de un modelo que permiten al usuario tomar decisiones, se denominan variables de decisin.
Un modelo lineal es aquel en el que todas las relaciones funcionales son de tal forma que
la variable dependiente es proporcional a las variables independientes.
Un algoritmo es un conjunto de procedimientos o reglas que, cuando se siguen en forma
ordenada, proporcionan la mejor solucin a un modelo determinado.
Los mtodos heursticos son procesos de solucin que se basan en reglas intuitivas o empricas
para dar una solucin ptima a un problema.
Un modelo dinmico se define en un punto fijo del tiempo.