Muy breve referencia de la importancia y aplicacin de la Investigacin de operaciones en la industria.

M. C. Leonardo Gabriel Hernndez Landa. Posgrado en Ingeniera de sistemas FIME UANL INTRODUCCION Optimizar es sinnimo de buscar lo mejor, tambin alcanzar la ganancia mxima y la perdida mnima (Pike y guerra, 1991). La investigacin de operaciones y planeacin estratgica son la serie de mtodos para alcanzar estas metas y objetivos dentro de una organizacin. El hombre a lo largo de su historia ha intentado siempre proyectarse hacia a cumbre o alcanzar el xito en sus actividades, sean estas empresariales, cientficas o polticas. En todas ellas las tcnicas de optimizacin han formalizado y cuantificado mediante procedimientos matemticos, la forma de alcanzar lo mejor en una circunstancia o problema bien definido en reas de ingeniera. La figura 1 muestra la perspectiva industrial del problema de optimizacin, en donde se relacionan las actividades del proceso controlado y los niveles de dicha optimizacin.
Modelo del proceso Modelo econmico

Ecuaciones de simulacin

Control por computadora

Mtodos de optimizacin Optimizacin de planta

Optimizacin de procesos (Estado estacionario en lnea)

Figura 1. Diagrama simplificado de optimizacin y control.

TEMARIO Dada la complejidad de las grandes empresas, se simplifican los modelos del proceso usando ecuaciones de simulacin para mantener los costos de programacin y el uso de la computadora dentro de los lmites razonables. Sin embargo, dentro de cada procesos en particular es posible crear modelos ms detallados para especificar condiciones de operacin ptimas, es decir, mano de obra, energa, combustibles, consumibles, etc., para asegurar una operacin ptima en la unidad. Esto se puede realizar mediante computadoras de control de procesos en lnea. En la tabla 1 se pueden observar las diferentes tcnicas de optimizacin.

Tabla 1. Temas de optimizacin Optimizacin Programacin matemtica Mtodos Variacionales Objetivo: Encontrar el mejor punto que Objetivo: Encontrar la mejor funcin que optimice el modelo econmico. optimice el modelo. Ejemplo: Condiciones ptimas de Ejemplo: Mejor perfil de una red operacin de una red logstica. dinmica. Mtodos Analticos Programacin geomtrica Programacin lineal Programacin dinmica Programacin no lineal Tcnicas de bsqueda Principio del mximo Programacin cuadrtica Programacin separable Programacin convexa Programacin entera Programacin combinacional Programacin heurstica Mtodos Calculo de variaciones Programacin dinmica Principio del mximo

Las metodologas citadas en la tabla son los temas mediante los que podemos recurrir para atacar las reas de oportunidad propuestas para mejorar y optimizar. Si bien la base de una investigacin de este tipo es el mtodo cientfico, cada una tiene cierta particularidad y complejidad al momento de ser desarrollado. Entonces as como cada una tiene su mtodo de desarrollo tambin sirve para atacar su propia clase de problemas, inclusive la combinacin de estas casi siempre es empleada para atacar problemas complejos. A continuacin se da una breve explicacin algunos de ellos y una ejemplificacin de los problemas capaces de resolver. Programacin lineal. La programacin lineal utiliza un modelo matemtico para describir el problema. El adjetivo lineal significa que todas las funciones matemticas del modelo deben de ser lineales. En este caso la palabra programacin no se refiere aqu a trminos computacionales; en esencia es sinnimo de planeacin. Por lo tanto, la programacin lineal involucra la planeacin de actividades para obtener un resultado ptimo. Ejemplos de aplicaciones: Diseo de terapia de radiacin mediante la bsqueda de que los rayos no daen los tejidos sanos, programacin de personal para garantizar servicio siempre al menor costo, distribucin de bienes a travs de una red logstica. Casos de xito: Programacin de personal en United Airlines. Planeacin de abastecimiento, distribucin y comercializacin en Citgo Petroleum Corporation.

Programacin entera. El hecho de exigir resultados con valores enteros es la nica diferencia que tiene un problema de programacin lineal, entonces se trata de un problema de programacin entera. El modelo matemtico para programacin entera es sencillamente el modelo de programacin lineal simple con la restriccin adicional de que las variables deben tener valores enteros. Ejemplos de aplicaciones: Asignacin de tripulaciones para cubrir todos los vuelos programados, planes de comercializacin para nuevos productos, desarrollo de nuevos productos para la planeacin en distribucin. Casos de xito: Correccin de inventarios en Furniture City para juegos de cocina ms populares. Asignacin de escuelas a estudiantes en la oficina escolar de Sprinfiend. Programacin no lineal Un supuesto importante de la programacin lineal es que todas sus funciones son lineales. Aunque, en esencia, esta suposicin se cumple en el caso de muchos casos prcticos, con frecuencia no es as. Muchas veces es necesario hacer operaciones lgicas entre las variables del problema, cosa que hace que nuestro problema se complique y tengamos que recurrir a otras tcnicas que no son de carcter lineal. Ejemplos de aplicaciones: Problema de mezcla de productos con elasticidad de precios, problemas de transporte con descuento de precios por volumen de embarque, seleccin de una cartera de inversin riesgosa. Casos de xito: Seleccin inteligente de acciones en la bolsa de valores considerando datos estadsticos. Heursticas Un mtodo heurstico es un procedimiento que trata de descubrir una solucin factible muy buena, pero no necesariamente una solucin ptima, para el problema especfico bajo consideracin. No puede darse garanta acerca de la calidad de la solucin que se obtiene, pero un mtodo heurstica bien diseado puede proporcionar una solucin que al menos esta cerca de ser ptima. Ejemplo de aplicaciones: Problema del agente viajero, algoritmo del subviaje inverso. Todos estas metodologas estn muy avanzadas en tanto a la bsqueda de la solucin, dado que existe software muy poderoso que utiliza los algoritmos de cada uno, como el Simplex, el mtodo de ramificacin y acotamiento, bsqueda Tab, recocido simulado, etc., este software puede ser comercial o no, entre estos destacan, CPLEX, LINDO, LINGO, GAMS, MATLAB, OCTAVE, CONOPT, QSOPT, Excel, etc., tambin existen gran cantidad de algoritmos probados, programados en diferentes lenguajes de programacin como C, C++, Java, R, como los mtodos heursticos y tcnicas de bsqueda.

AREAS DE APROVECHAMIENTO Como se pudo observar las reas de oportunidad que se pueden abarcar en un proyecto son muchas y existe una diversidad de herramientas para la solucin de problemas, que 10 o 20 aos atrs no eran posibles de solucionar y con el avance de la tecnologa tambin estas evolucionaron para la bsqueda de la mejor solucin. Podemos usar estos mtodos para solucionar especficamente problemas de las siguientes reas, por mencionar algunas. Logstica: Planeacin de rutas, sincronizacin de horarios, distribucin de tripulaciones, etc. Mantenimiento: Planeacin de mantenimiento, asignacin de materiales, asignacin de personal, etc. Operacionales: Asignacin de personal, balanceo de cargas, balanceo de trabajo, optimizacin de consumibles, etc. Inventarios: planeacin de materiales, reduccin de inventarios, distribucin de materiales. Administrativos: Pronsticos de ventas, anlisis de sensibilidad, simulacin de promociones, anlisis estadsticos de productividad.

Finalmente se puede concluir que el nivel de complejidad del proyecto deseado depender directamente de la flexibilidad de la empresa y las metas que se propongan para el mismo. Espero que esta breve resea proporcione una idea ms clara del camino que podra tomar el proyecto y los beneficios que traera para ambas partes. BIBLIOGRAFIA Pike-Guerra, Optimizacin en ingeniera, Ed. Alfaomega, 1991. Hillier-Lieberman, Introduccin a la investigacin de operaciones, Mc Graw Hill, 2006. Hopp-Spearman, Factory Physics, Ed. Irwin, 1996