DEFINA QUE ES LA INVESTIGACIN DE OPERACIONES.

La IO, se puede definir como la forma en que se aplica un mtodo cientfico, por
un grupo o conjunto de personas o analistas, para poder solucionar un problema
de distribucin eficaz de recursos limitados (cantidad de obreros o mano de obra,
capital o dinero, materia prima o recursos de trabajo). El mtodo que estos
analistas utilizan, se ve apoyado y reforzado mediante un enfoque de sistemas,
esto lo podemos ejemplificar como la tormenta de ideas que tienen los analistas
de las distintas formas en que se puede resolver dicho problema. Debemos de
recordar que la IO es considerada tanto un arte como una ciencia. Como un arte
ya que refleja las distintas formas que existen de resolver el problema, recordando
que cada situacin y grupo de analistas o personas que tratan de resolverlo,
siempre son distintas, es por ello que siempre habr soluciones alternas pero
debemos de escoger siempre la ptima. Y es una ciencia debido a que sus races
primordiales estn basadas en los modelos matemticos y mtodos de calculo
empleados en resolverlos.

HAGA UNA RESEA HISTRICA DE CMO SURGE Y

DESARROLLA LA INVESTIGACIN DE OPERACIONES, EN
COMO MXIMO 300 PALABRAS.
Las races de la IO datan desde la Segunda Guerra Mundial, cuando surge la
necesidad de poder distribuir de buena manera todos los recursos, a cada una de
los batallones militares, as como tambin asignar el personal necesario a cada
grupo de operacin. Al ver la necesidad de administrar correctamente los recursos
las jefaturas o administraciones militares Estadunidenses e inglesas, concentran
un grupo de cientficos, a los cuales se les da la tarea de aplicar algn mtodo
cientfico que pueda ser capaz de resolver este lio. Este grupo de cientficos son
los primeros analistas que formaron un grupo de Investigacin de Operaciones,
gracias a los cuales muchas batallas fueron ganadas, debido a la correcta
distribucin tanto de personal (militares) como de los recursos (armas) que cada
uno necesitaba.
Al observar el xito que se haba logrado durante la II Guerra Mundial, gracias a
este pequeo grupo de cientficos. Se introdujo la IO de manera ms econmica,
esto se vio reflejado cuando en 1950 esta disciplina era desarrollada para el uso y
distribucin eficaz de recursos en las reas industriales, econmicas, polticas y
comerciantes.
Un factor importante de la implantacin de la Investigacin de Operaciones en
este periodo es el mejoramiento de las tcnicas disponibles en esta rea. Muchos

de los cientficos que participaron en la guerra, se encontraron a buscar resultados

sustanciales en este campo; un ejemplo sobresaliente es el mtodo Simplex para
resolucin de problemas de Programacin Lineal, desarrollado en 1947 por
George Dantzing.
Es as como a finales de 1950 podemos observar como se desarrollan las
herramientas mas utilizadas por IO como lo son la Programacin Lineal, la
Programacin Dinmica, Lneas de Espera y Teora de Inventarios.
Pero es en 1980, cuando gracias a la creacin de las famosas computadoras
personales, se da el gran salto de las IO, ya que los paquetes de Software que se
encontraban en cada una de las computadoras, facilitaba en gran manera la
resolucin de los mtodos, poniendo al alcance de casi toda la poblacin el poder
hacer uso de las IO.
Actualmente el uso de la IO es extenso en reas de: contabilidad, compras,
planeacin financiera, mercadotecnia, planeacin de produccin, transporte y
muchas otras ms, convirtindose en importante instrumento de competencia para
los presupuestos y contratos.

ESCRIBA UNA BREVE BIOGRAFA DE GEORGE B.

DANTZING, EN COMO MXIMO 200 PALABRAS.
George B. Dantzing, gran matemtico de orgenes muy humildes, su familia
inmigrantes. Su padre, Tobas Dantzing, fue un matemtico ruso bastante
conocido que estudi con Henri Poincar en Pars, El segundo nombre de George
era Bernard, elegido por sus padres en honor de George Bernard Shaw. Uno de
sus hermanos, tambin matemtico, se llamaba Henry, en honor de Henri
Poincar, poniendo en claro los ideales y ejemplo que la familia segua, ponan a
sus hijos nombres de personas reconocidas a lo largo de la historia por su
sabidura y habilidad con las matemticas.
A George se le debe la invencin del mtodo Simplex en 1947 es an la
herramienta principal en casi todas las aplicaciones de la programacin
lineal. Dantzing es considerado como uno de los tres fundadores de la
programacin lineal, compartiendo dicho honor con Von Neumann y Kantorovich.
George B. Dantzing mediante de su investigacin en teora matemtica,
computacin, anlisis econmico y aplicaciones de problemas industriales ha
logrado contribuir ms que cualquier otro investigador al desarrollo de la
programacin lineal.

El trabajo de Dantzing ha sido reconocido con numerosos honores, de entre los

cuales podemos mencionar: La Medalla Nacional de la Ciencia (1975), el Premio
John Von Neumann de la Sociedad Americana de Investigacin de Operaciones
y el Instituto de Ciencias Administrativas (1974), la membresa en la Academia
Nacional de Ciencias, la Academia Nacional de Ingeniera y la Academia
Americana de Ciencia y Arte.
La inteligencia y experiencia de Dantzing se desarrollo, segn sus palabras, en el
Pentgono, durante la II Guerra Mundial, en dicho lugar se convirti en un experto
en programacin En 1946, como consejero matemtico de la Fuerza Area
Norteamericana, tuvo el reto de mecanizar los procesos de planeacin. En
aquellos tiempos de computadoras pre-electrnicas, mecanizar quera decir usar
aparatos analgicos o mquinas de tarjetas perforadas. George Bernard Dantzing
naci el 8 de Noviembre de 1914 en Portland, Oregn, USA.

DEFINA EL CONCEPTO DE OPTIMIZACIN EN

INVESTIGACIN DE OPERACIONES.
Optimizacin en IO, intenta encontrar la mejor solucin al problema en
consideracin es decir, la solucin optima de un modelo solo es la mejor para ese
problema. Cuando se logra la optimizacin en una IO podemos decir que hemos
encontrado la solucin ms convenible a este problema. Para poder llegar a esta
conclusin tenemos que estar seguros de que hemos descartado todas las
alternativas de solucin existentes debido a que si bien es cierto las otras
soluciones eran factibles ya que si podamos resolverlo mediante el uso de
cualquiera de ellas, pero sabemos que nuestra solucin es optima Si Adems De
Ser Factible, Produce El Mejor Valor (Mximo O Mnimo) De La Funcion Objetivo

DE UNA DEFINICIN DE MODELOS EN LA

INVESTIGACIN DE OPERACIONES.
Un modelo constituye una representacin abstracta de un cierto aspecto de la
realidad, y tiene una estructura que

esta formada por los elementos que

caracterizan el aspecto de la realidad modelada y por las relaciones entre estos

elementos".

CUL ES EL OBJETIVO DE UN MODELO EN LA

INVESTIGACIN DE OPERACIONES.
El objetivo de un modelo es exponer de forma clara el problema o los problemas
que representa, para as poder encontrar una solucin. Tambin otro de sus
objetivos es proporcionar un medio para analizar el comportamiento de las
componentes de un sistema con el fin de optimizar su desempeo.

CULES SON LOS COMPONENTES QUE DE MANERA

GENERAL DEBE CONTENER UN MODELO DE
INVESTIGACIN DE OPERACIONES (PLANTEAMIENTO
DEL PROBLEMA)
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.

MENCIONE TRES TIPOS DE MODELOS Y D SU

DEFINICIN.
SIMBLICO O MATEMTICO:
Es el tipo ms importante de modelo de investigacin de operaciones. Al formular
este tipo uno supone que todas las variables relevantes son cuantificables. Por
consiguiente, los smbolos matemticos se utilizan para representar variables, las
cuales entonces estn relacionadas con las funciones matemticas apropiadas

para describir el comportamiento del sistema. Luego la solucin del modelo se

logra por manipulacin matemtica apropiada.
DE SIMULACIN:
Los modelos de simulacin imitan el comportamiento del sistema sobre un
periodo. Esto se logra especificando ciertos eventos, los cuales son puntos en el
tiempo, cuya ocurrencia significa que puede recolectarse la informacin importante
perteneciente al comportamiento del sistema. Una vez que se definen tales
eventos es necesario prestar atencin al sistema nicamente cuando ocurre un
evento. La informacin que mide el funcionamiento del sistema se acumula en
observaciones estadsticas, las cuales se actualizan en cuanto cada evento tiene
lugar.
Dado que los modelos se simulacin no necesitan funciones matemticas
explicitas para relacionar las variables, usualmente es posible simular sistemas
complejos que no pueden modelarse o resolverse matemticamente. Tal
flexibilidad permite una representacin ms aproximada al sistema. La principal
falla de la simulacin consiste en que el anlisis es equivalente a realizar
experimentos y por consiguiente est sujeto al error experimental. Esto lleva a las
dificultades usuales de disear (estadsticamente) el experimento, recolectar
observaciones y entonces ejecutar las pruebas estadsticas necesarias de
inferencia.
HEURSTICO:
El mtodo Heurstico de solucin descansa en las reglas empricas o intuitivas
que, dada una solucin actual al modelo, permiten la determinacin de una
solucin mejorada. Actualmente los mtodos heursticos son procedimientos de
bsqueda que pasan inteligentemente de un punto de solucin a otro, con el
objetivo de mejorar el valor del criterio del modelo. Cuando ninguna mejora
adicional puede lograrse la mejor solucin que se haya tenido es la
solucin aproximada al modelo.

MENCIONE LOS PASOS A SEGUIR, PARA APLICAR EL

MTODO GRFICO DE RESOLUCIN DE PROBLEMAS DE
PROGRAMACIN LINEAL.

Leer con calma el enunciado del problema

Identificar las variables de decisin, las que se asocian generalmente a las
incgnitas del problema.

Hacer un cuadro resume con las relaciones entre actividades insumos y

disponibilidades.
Plantear la funcin

utilidades/ventas o minimizar costos.

Plantear restricciones, cuidando de expresar todas las relaciones existentes

objetivo

que,

generalmente,

es

maximizar

y la no negatividad.

MENCIONE LOS CASOS ESPECIALES, QUE SE PRESENTAN

EN EL MTODO GRAFICO DE RESOLUCIN DE
PROBLEMAS DE PROGRAMACIN LINEAL.

Solucin optima, nica y finita.

No factibilidad
No acotacin
Redundancia
Soluciones mltiples

DESARROLLO EJERCICIOS DE LA GUIA

EJERCICIO 1
1. Una fbrica posee tres artculos que son procesados en igual nmero de
etapas. El tiempo requerido (minutos) para cada unidad en el proceso de los tres
productos y la capacidad de trabajo es como sigue:

Se requiere determinar el nmero de unidades al da a fabricar de cada uno de los

tres productos, si se sabe que la utilidad por unidad es $3, $2 y $5
respectivamente. Formule el problema como un modelo de Programacin Lineal.
Definir las variables de decisin.

X= nmero de productos
Y= capacidad por etapa
Z= nmero de etapas

Establecer las restricciones funcionales en forma de sistema de inecuaciones.

1X + 2Y+1z 430
3X +
+2z 460
1X +4 Y+
420

Escribir las restricciones de no negatividad.

X, Y, Z 0

Encontrar la funcin objetivo en funcin de los datos del problema.

Max Z= 3X + 2Y+ 5Z

Escribir el modelo matemtico completo

Max Z= 3X + 2Y+ 5Z

S.A:

1X + 2Y+1z 430
3X +
+2z 460
1X +4 Y+
420
X, Y, Z 0

EJERCICIO 2
2. Una persona debe seguir una dieta, la cual rene los siguientes requisitos
alimenticios.

Al menos 4 mg. de vitamina A

Al menos 6 mg. de vitamina B

Al menos 3 mg. de vitamina D

La dieta est formada por pan, queso, huevos y carne. Se desea conocer las
cantidades de cada alimento que cumplan los requisitos a un costo mnimo. La
tabla siguiente da los requerimientos por vitamina en mg. as como el costo
unitario ($/unidad) de cada alimento:
Contenido en mg. por unidad de alimento

Formul
e el problema como un modelo de programacin lineal.
Definir las variables de decisin.

X= nmero de vitaminas
Y= nmero de alimento
Z= nmero de costo

Establecer las restricciones funcionales en forma de sistema de inecuaciones.

20X + 18Y+10Z 0.05

15X + 10Y+14Z 0.25
15X + 40Y+15Z 0.15
30X+35Y+16Z 0.20

Escribir las restricciones de no negatividad.

X, Y,Z

Encontrar la funcin objetivo en funcin de los datos del problema.

Max Z= 4X + 6Y+3Z

Escribir el modelo matemtico completo

Max Z= 4X + 6Y+3Z

20X + 18Y+10Z 0.05

15X + 10Y+14Z 0.25
15X + 40Y+15Z 0.15
30X+35Y+16Z 0.20
X, Y,Z 0

S.A:

EJERCICIO3
3. Una compaa fabrica cuatro tipos de productos C, D, E y F que pasan por los

departamentos de cepillado, fresado, taladrado y ensamble. El tiempo de

produccin en cada departamento (horas) se presenta a continuacin.

La capacidad por departamento en un mes para los productos C, D, E y F, as

como los requerimientos de ventas son:

Formule un modelo de programacin lineal para maximizar las ganancias de la

compaa a travs de la combinacin ptima de unidades de productos C, D, E y
F.

DEFINIR VARIABLES DE DECISION

X1 = Nmero de unidades del producto C

X2 = Nmero de unidades del producto D
X3 = Nmero de unidades del producto E
X4 = Nmero de unidades del producto F

Establecer las restricciones funcionales en forma de sistema de inecuaciones.

0.5X1 + 1.0X2 + 1.0X3 + 0.5X4 1.800 capacidad Cepillado

2.0X1 + 1.0X2 + 1.0X3 + 1.0X4 2.800 capacidad Fresado
0.5X1 + 0.5X2 + 1.0X3 + 1.0X4 3.000 capacidad Taladrado
3.0X1 + 1.0X2 + 2.0X3 + 3.0X4 6.000 capacidad Ensamble

Escribir las restricciones de no negatividad

X1 100 venta de C
X2 600 venta de D
X3 500 venta de E
X4 400 venta de F

Encontrar la funcin objetivo en funcin de los datos del problema.

Max Z = 8X1 + 9X2 + 7X3 +6X4

Escribir el modelo matemtico completo

Max Z = 8X1 + 9X2 + 7X3 +6X4

S.A:

0.5X1 + 1.0X2 + 1.0X3 + 0.5X4 1.800

2.0X1 + 1.0X2 + 1.0X3 + 1.0X4 2.800
0.5X1 + 0.5X2 + 1.0X3 + 1.0X4 3.000
3.0X1 + 1.0X2 + 2.0X3 + 3.0X4 6.000
X1 100
X2 600
X3 500
X4 400

EJERCICIO 4
4. Una empresa manufacturera elabora tres productos diferentes en dos plantas.
Los datos de tiempo de produccin en cada planta, el precio de venta y las
demandas mximas se presentan como sigue:

Tiempo de produccin (hrs)

Conociendo que el costo por hora de operacin en la planta A es de $1,000 y en la

planta B de $1,500, Cunto se debe producir en cada planta para obtener la
mxima utilidad? Formule el problema como un modelo de PL.
Definir las variables de decisin.

X= nmero de operaciones de la plantas

Y= nmeros de demanda mxima

Establecer las restricciones funcionales en forma de sistema de inecuaciones.

0.25X + 0.20Y 300

0.33X +0.30 Y 200
0.15X +0.10Y 100

Escribir las restricciones de no negatividad.

1X1000
1X1700
1X500
X, Y 0

Encontrar la funcin objetivo en funcin de los datos del problema.

Max Z= 1000X + 1500Y

Escribir el modelo matemtico completo

Max Z= 1000X + 1500Y

0.25X + 0.20Y 300

0.33X +0.30 Y 200
0.15X +0.10Y 100
1X1000
1X1700
1X500
X, Y 0

S.A:

EJERCICIO 5
5. Una compaa fabrica dos tipos bsicos de telfonos mviles: sin cmara digital
y con cmara digital. Cada uno de ellos requiere el empleo de tres equipos
electrnicos A, B y C. Un telfono sin cmara requiere el empleo del equipo A dos
horas al da, una hora en B y una hora en C. Un telfono con cmara requiere una
hora en A, dos horas en B y una hora en C. El nmero mximo de horas diarias
disponibles para el uso de los tres equipos es 180, 160 y 100 respectivamente. La
utilidad que se obtiene de los telfonos sin cmara es de $15 por unidad y la de
los telfonos con cmara es de $25 por unidad.

Cuntos telfonos mviles de cada tipo se deben elaborar para maximizar las
utilidades? Formule el problema como un modelo de PL.
Definir las variables de decisin.

X= nmero de Telfonos con y sin cmara

Y= capacidad por horas

Establecer las restricciones funcionales en forma de sistema de inecuaciones.

2X + 1Y 180
1X + 2Y 100
1X + 1Y 160

Escribir las restricciones de no negatividad.

X, Y 0

Encontrar la funcin objetivo en funcin de los datos del problema.

Max Z= 15X + 25Y

Escribir el modelo matemtico completo

Max Z= 15X + 25Y

2X + 1Y 180
1X + 2Y 100
1X + 1Y 160
X, Y 0

S.A: