Investigacin Operativa

Origen: El inicio de la Investigacin de Operaciones se remonta a la poca de la Segunda Guerra Mundial(1939-1945), surgi la necesidad de:

Asignar recursos escasos a las diferentes operaciones militares y a las actividades dentro de cada operacin, en la forma mas efectiva

Las administraciones militares americana e inglesa hicieron un llamado a un gran nmero de cientficos para que aplicaran el mtodo cientfico a los problemas estratgicos y tcticos basndose en investigaciones sobre las operaciones militares.

Luego de terminar la guerra, el xito de la I.O. en las actividades blicas gener un gran inters en sus aplicaciones fuera del campo militar. Desde la dcada de 1950, se haba introducido el uso de la Investigacin de Operaciones en la industria, los negocios y el gobierno.

Caractersticas de la I.O.
La Investigacin de Operaciones usa el mtodo cientfico para investigar el problema en cuestin. En particular, el proceso comienza por la observacin cuidadosa y la formulacin del problema incluyendo la recoleccin de datos pertinentes.

La I. O. adopta un punto de vista organizacional. Intentando resolver los conflictos de interes entre los componentes de la organizacin, de forma que el resultado sea el mejor para la completa organizacin. La I.O. intenta encontrar una mejor solucin (llamada solucin optima), para el problema bajo consideracin. En lugar de contentarse con mejorar el estado de las cosas,, la meta es identificar el mejor curso de accin posible.

Definicin de I.O.

Es la aplicacin del mtodo cientfico por equipos interdisciplinarios

a problemas que comprenden el control y gestin de sistemas organizados (hombre- mquina); con el objetivo de encontrar soluciones que sirvan mejor a los propsitos del sistema (u organizacin) como un todo, enmarcados en procesos de toma de decisiones.

La I.O. Aspira a detreminar el mejor curso de accin ptimo de un

problema de accin con la restriccion de recursos limitados,

aplicando tcnicas matemticas para representarlo por medio de un modelo y analizar problemas de decision. (TAHA)

El proceso de la Investigacin de Operaciones comprende las siguientes

fases:

Formulacin y definicin del problema. Construccin del modelo. Solucin del modelo. Validacin del modelo. Implementacin de resultados.

Formulacin y definicin del problema: descripcin de los objetivos del sistema, es decir, qu se desea optimizar; identificar las variables implicadas, determinar las restricciones del sistema. Tener en cuenta las alternativas posibles de decisin y las restricciones para producir una solucin adecuada.

Construccin del modelo: decidir el modelo a utilizar para representar el sistema. Debe ser un modelo tal que relacione a las variables de decisin con los parmetros y restricciones del sistema.

Solucin del modelo. Una vez que se tiene el modelo, se procede a derivar una solucin matemtica empleando las diversas tcnicas y mtodos matemticos para resolver problemas y ecuaciones.

Debemos tener en cuenta que las soluciones que se obtienen en este

punto del proceso, son matemticas y debemos interpretarlas en el

mundo real.

Validacin del modelo. La validacin de un modelo requiere que se determine si dicho modelo puede predecir con certeza el comportamiento del sistema. Un mtodo comn para probar la validez del modelo, es
someterlo a datos pasados disponibles del sistema actual y observar si

reproduce las situaciones pasadas del sistema.

Implementacin de resultados. Una vez que hayamos obtenido la solucin o soluciones del modelo, el siguiente y ltimo paso del proceso es
interpretar esos resultados y dar conclusiones y cursos de accin para la

optimizacin del sistema.

Modelos Prototipos de I.O.

Modelo es la representacin de una situacin real. En el caso de I.O. los modelos que se manejan son matemticos y consisten en una ecuacin que describe el comportamiento de un fenmeno que sucede en un sistema dado. Varias clasificaciones de modelos de acuerdo con sus funciones, propsitos, temas o tipos de informacin que utilizan. Ms usuales:

Modelo Matemtico: Se emplea cuando la funcin objetivo y las restricciones del modelo se pueden expresar en forma cuantitativa o matemtica como funciones de las variables de decisin. Modelos Probabilsticos o estocsticos: se basan en informacin probabilistica sobre los datos que se manejan. Modelos determinsticos: emplean informaci{on que se conoce exactamente o que puede obtenerse con buen grado de precisin.

Modelos Estticos: se ocupan de una situacin que tiene condiciones que no cambian respecto del tiempo, es decir son costantes.

Modelos Dinmicos: son aquellos en los cuales si existe variaciones en las condiciones con el tiempo y que son los que con mayor

frecuencia se presentan en las situaciones de la vida real.

Modelos Descriptivos: modelos que no indican accin alguna que hay que realizar , slo presentan una relacin que expresa lo que sucede en el mundo real.

Modelos Normativos: Presentan un curso de acci{on que hay que seguir. Son tambin llamados modelos de optimizacin.

Programacin Lineal-Planteamiento de problemas.

La programacin lineal es una parte de la programacin matemtica, que
maneja ecuaciones lineales, es decir aquellas donde todas las variables que

intervienen tienen como exponente la unidad. Definiciones: para facilitar la comprensin de la terminologa usada, se presentan algunas definiciones:

Funcin objetivo: Es una variable simbolizada por la letra Z, que representa aquello que se desea optimizar. Ejemplo: un costo que se desea minimizar o un ingeso o utilidad que se busca maximizar.

Variables del problema: variables que no se conocen y que al momento de resolver el problema, deben quedra definidas de manera que logren la optimizacin de la funcin objetivo. Tambin son conocidas como variables de decisin.

Coeficientes de la funcin objetivo: Son cantidades constantes que

aparecen

en la ecuacin de la funcin objetivo, multiplicando las

variables del problema. Restricciones: Limitaciones fsicas o condiciones que debe cumplir el problema, ejemplo: la cantidad disponible de recursos que pueden ser
materiales, tiempo, mano de obra, etc. tambin llamadas restriciones

funcionales.
Restricciones no explcitas: Son condiciones ocultas en el problema

que no a aparecen en la informacin disponible, pero deben ser tomadas en cuenta en el planteamiento del problema y en la resolucin del
mismo. Los casos ms frecuentes son: la no negatividad de las variables

del problema o el que estas deban ser nmeros enteros.

Metodologa
Para plantear un problema pueden aplicarse los siguientes pasos (Bronson, 1992):
1.

Definir

las

variables

del

problema:

Identificar

las

variables,

representarlas con letras y definir sus unidades. Definir la funcin objetivo: Identificar la variable a optimizar (representada por Z), expresar su ecuacin matemtica en funcin de las variables del problema y sus coeficientes. Se debe establecer si la optimizacin es una maximizacin o minimizacin. Definir la restricciones: Establecer una ecuacin para cada restriccin en funcin de las variales del problema. Es frecuente que las restricciones sean desigualdades del tipo mayor o igual que () y /o del tipo menor o igual que ().

2.

3.

4.

Definir las restricciones no explcitas: Consiste en identificar y expresar dichas restricciones en el planteamiento del problema.

En esta metodologa deber prestarse especial atencin a las unidades en las ecuaciones que se plantean , las cuales deben ser las mismas, esto sigmifica que si en el lado izquierdo de una restriccin se manejan por ejemplo

unidades de litros, en el lado derecho de a restriccin las unidades deben ser tambin litros.

Ejemplo de Funcin objetivo

Donde: C1, C 2, C 3, .......Cn = Coeficientes de las variables

X1, X2, X3,....... Xn = variables del problema

Ejercicio:
Un expendio de carnes de la ciudad acostumbra preparar la carne para albondign con una combinacin de carne molida de res y carne molida de cerdo. La carne de res contiene 80% de carne y 20% de grasa, y le cuesta a la tienda 80$ por libra; la carne de cerdo contiene 68% de carne y 32% de grasa, y cuesta 60$ por libra. Qu cantidad de cada tipo de carne debe
emplear la tienda en cada libra de albondign, si se desea minimizar el

costo y mantener el contenido de grasa no mayor de 25%? Definicin de variables: X1 = nmero de libras de carne molida de res empleadas en cada libra de albondign .
X2 = nmero de libras de carne molida de cerdo empleadas en cada libra de

albondign,

Funcin objetivo: Min z = 80X1 + 60X2

Restricciones: Cada libra de albondign tendr 0.20, libras de grasa provenientes de la carne de res y 0.32 libras de grasa de la carne de cerdo. El contenido total de grasa de una libra de albondign no debe ser mayor de 0.25 libras. Entonces: 0.20X1 +0.32X2 <= 0.25

El nmero de libras de carne de res y de cerdo empleadas en cada libra de albondign debe sumar 1; entonces: X1 + X2 = l Finalmente, la tienda no puede usar cantidades negativas de ninguna de las carnes, as que hay dos restricciones de no negatividad: X1>= 0 y X2 >= 0. (Restriccin no explcita)

Por tanto el planteamiento completo del problema queda de la siguiente manera:

Min Z = 80X1 + 60X2 Sujeta a las restricciones: 0.20X1 + 0.32X2 <= 0.25 X1+X2=1 Con X 1 y X 2 no negativas

Programacin lineal-Mtodo grfico

Es un mtodo de solucin de problemas de programacin lineal muy

limitado en cuanto al nmero de variables (solo podran manejarse problemas que tengan como maximo tres variables) pero muy rico en materia de interpretacin de resultados.

Consiste en representar cada una de las restricciones y encontrar en la medida de lo posible el polgono (poliedro) factible, comnmente llamado el conjunto solucin o regin factible, en el cual por razones trigonomtricas en uno de sus vrtices se encuentra la mejor respuesta (solucin ptima).

EJEMPLO :

Una compaa de auditores se especializa en preparar liquidaciones y auditoras de empresas pequeas. Tienen inters en saber cuantas auditoras y liquidaciones pueden realizar mensualmente para maximizar sus ingresos. Se dispone de 800 horas de trabajo directo y 320 horas para revisin. Una auditora en promedio requiere de 40 horas de trabajo directo y 10 horas de revisin, adems aporta un ingreso de 300 dls. Una liquidacin de impuesto requiere de 8 horas de trabajo directo y de 5 horas de revisin, produce un ingreso de 100 dls. El mximo de liquidaciones mensuales disponibles es de 60. Objetivo: Maximizar el ingreso total. Variables de decisin: Cantidad de auditoras (X1). Cantidad de liquidaciones (X2).

RESTRICCIONES :

Tiempo disponible de trabajo directo Tiempo disponible de revisin Nmero mximo de liquidaciones.

Planteamiento del problema Maximizar Sujeto a:

La solucin ptima siempre se encuentra en uno de los vrtices del

conjunto de soluciones factibles. Se analizan estos valores en la funcin

objetivo. El vrtice que representa el mejor valor de la funcin objetivo ser la solucin ptima.

Vertices del polgono