Historia de la Investigación de Operaciones

La primera actividad de Investigación de Operaciones se dio durante la

Segunda Guerra Mundial en Gran Bretaña, donde la Administración Militar
llamó a un grupo de científicos de distintas áreas del saber para que estudiaran
los problemas tácticos y estratégicos asociados a la defensa del país.

El nombre de Investigación de Operaciones fue dado aparentemente porque el

equipo estaba llevando a cabo la actividad de investigar operaciones
(militares).

Motivados por los resultados alentadores obtenidos por los equipos británicos,
los administradores militares de Estados Unidos comenzaron a realizar
investigaciones similares. Para eso reunieron a un grupo selecto de
especialistas, los cuales empezaron a tener buenos resultados y en sus
estudios incluyeron problemas logísticos complejos, la planeación de minas en
el mar y la utilización efectiva del equipo electrónico.

Al término de la guerra y atraídos por los buenos resultados obtenidos por los
estrategas militares, los administradores industriales empezaron a aplicar las
herramientas de la Investigación de Operaciones a la resolución de sus
problemas que empezaron a originarse debido al crecimiento del tamaño y la
complejidad de las industrias.

Aunque se ha acreditado a Gran Bretaña la iniciación de la Investigación de

Operaciones como una nueva disciplina, los Estados Unidos tomaron pronto el
liderazgo en este campo rápidamente creciente. La primera técnica matemática
ampliamente aceptada en el medio de Investigación de Operaciones fue el
Método Símplex de Programación Lineal, desarrollado en 1947 por el
matemático norteamericano George B. Dantzig. Desde entonces las nuevas
técnicas se han desarrollado gracias al esfuerzo y cooperación de las personas
interesadas tanto en el área académica como en el área industrial.

Un segundo factor en el progreso impresionante de la Investigación de

Operaciones fue el desarrollo de la computadora digital, que con sus
tremendas capacidades de velocidad de cómputo y de almacenamiento y
recuperación de información, permitieron al tomador de decisiones rapidez y
precisión.

Si no hubiera sido por la computadora digital, la Investigación de Operaciones

con sus grandes problemas de computación no hubiera crecido al nivel de hoy
en día.

Actualmente la Investigación de Operaciones se está aplicando en muchas

actividades. Estas actividades han ido más allá de las aplicaciones militares e
industriales, para incluir hospitales, instituciones financieras, bibliotecas,
planeación urbana, sistemas de transporte y sistemas de comercialización.
 Características de la Investigación de Operaciones

Es muy notable el rápido crecimiento del tamaño y la complejidad de las

organizaciones (empresas) humanas que se ha dado en estos últimos tiempos.
Tal tamaño y complejidad nos hace pensar que una sola decisión equivocada
puede repercutir grandemente en los intereses y objetivos de la organización y
en ocasiones pueden pasar años para rectificar tal error. También el ritmo de la
empresa de hoy implica que las DECISIONES se tomen más rápidamente que
nunca, pues el hecho de posponer la acción puede dar una decisiva ventaja al
contrario en este mundo de la competencia.

La palpable dificultad de tomar decisiones ha hecho que el hombre se aboque

en la búsqueda de una herramienta o método que le permita tomar las mejores
decisiones de acuerdo a los recursos disponibles y a los objetivos que
persigue. Tal herramienta recibió el nombre de Investigación de Operaciones.

De la definición de Investigación de Operaciones, como veremos en el

siguiente apartado, podemos resaltar los siguientes términos: organización,
sistema, grupos interdisciplinarios, objetivo y metodología científica.

Una organización puede entenderse como un sistema, en el cual existen

componentes; canales que comunican tales componentes e información que
fluye por dichos canales. En todo sistema las componentes interactúan unas
con otras y tales interacciones pueden ser controlables e incontrolables. En un
sistema grande, las componentes se relacionan de muchas maneras, pero no
todas son importantes, o mejor dicho, no todas las interacciones tienen efectos
importantes en las componentes del sistema.

Por lo tanto es necesario que exista un procedimiento sistemático que

identifique a quienes toman decisiones y a las interacciones que tengan
importancia para los objetivos de la organización o sistema. Uno de esos
procedimientos es precisamente la Investigación de Operaciones.

Una estructura por la que no fluye información, no es dinámica, es decir, no

podemos considerarla como un sistema. Por lo tanto podemos decir que la
información es lo que da "vida" a las estructuras u organizaciones humanas.

Los objetivos de toda organización serán siempre alcanzar el liderato en su

rama, controlando la eficiencia y efectividad de todas sus componentes por
medio de métodos que permitan encontrar las relaciones óptimas que mejor
operen el sistema, dado un objetivo específico.

Ante el tremendo avance que se ha dado en casi todas las ciencias en las
últimas décadas, ya no es factible querer saber un poco de todo, sino más bien
especializarse en alguna rama de la ciencia. Los problemas que se presentan
en las organizaciones no fácilmente se pueden resolver por un sólo
especialista. Por el contrario son problemas multidisciplinarios, cuyo análisis y
solución requieren de la participación de varios especialistas. Estos grupos
interdisciplinarios necesariamente requieren de un lenguaje común para poder
entenderse y comunicarse, donde la Investigación de Operaciones viene a ser
ese puente de comunicación.

El enfoque de la Investigación de Operaciones es el mismo del método

científico. En particular, el proceso comienza por la observación cuidadosa y la
formulación del problema y sigue con la construcción de un modelo científico
(por lo general matemático) que intenta abstraer la esencia del problema real.
En este punto se propone la hipótesis de que el modelo es una representación
lo suficientemente precisa de las características esenciales de la situación
como para que las conclusiones (soluciones) obtenidas sean válidas también
para el problema real. Esta hipótesis se verifica y modifica mediante las
pruebas adecuadas. Entonces, en cierto modo, la Investigación de
Operaciones incluye la investigación científica creativa de las propiedades
fundamentales de las operaciones. Sin embargo, existe más que esto. En
particular, la Investigación de Operaciones se ocupa también de la
administración práctica de la organización. Así, para tener éxito, deberá
también proporcionar conclusiones positivas y claras que pueda usar el
tomador de decisiones cuando las necesite.

La contribución del enfoque de Investigación de Operaciones proviene

principalmente de:

1. La estructuración de una situación de la vida real como un modelo

matemático, logrando una abstracción de los elementos esenciales para
que pueda buscarse una solución que concuerde con los objetivos del
tomador de decisiones. Esto implica tomar en cuenta el problema dentro
del contexto del sistema completo.
2. El análisis de la estructura de tales soluciones y el desarrollo de
procedimientos sistemáticos para obtenerlas.
3. El desarrollo de una solución, incluyendo la teoría matemática si es
necesario, que lleva al valor óptimo de la medida de lo que se espera del
sistema (o quizá que compare los cursos de acción opcionales
evaluando esta medida para cada uno).

Definición

Investigación de Operaciones o Investigación Operacional. Se puede definir

de la siguiente manera: "La Investigación de Operaciones es la aplicación por
grupos interdisciplinarios del método científico a problemas relacionados con el
control de las organizaciones o sistemas a fin de que se produzcan soluciones
que mejor sirvan a los objetivos de toda la organización".
Metodología de la Investigación de Operaciones.

El proceso de la Investigación de Operaciones comprende las siguientes fases:

1. Formulación y definición del problema.

2. Construcción del modelo.
3. Solución del modelo.
4. Validación del modelo.
5. Implementación de resultados.

Demos una explicación de cada una de las fases:

1. Formulación y definición del problema. En esta fase del proceso se

necesita: una descripción de los objetivos del sistema, es decir, qué se
desea optimizar; identificar las variables implicadas, ya sean
controlables o no; determinar las restricciones del sistema. También hay
que tener en cuenta las alternativas posibles de decisión y las
restricciones para producir una solución adecuada.
2. Construcción del modelo. En esta fase, el investigador de operaciones
debe decidir el modelo a utilizar para representar el sistema. Debe ser
un modelo tal que relacione a las variables de decisión con los
parámetros y restricciones del sistema. Los parámetros (o cantidades
conocidas) se pueden obtener ya sea a partir de datos pasados o ser
estimados por medio de algún método estadístico. Es recomendable
determinar si el modelo es probabilístico o determinístico. El modelo
puede ser matemático, de simulación o heurístico, dependiendo de la
complejidad de los cálculos matemáticos que se requieran.
3. Solución del modelo. Una vez que se tiene el modelo, se procede a
derivar una solución matemática empleando las diversas técnicas y
métodos matemáticos para resolver problemas y ecuaciones. Debemos
tener en cuenta que las soluciones que se obtienen en este punto del
proceso, son matemáticas y debemos interpretarlas en el mundo real.
Además, para la solución del modelo, se deben realizar análisis de
sensibilidad, es decir, ver cómo se comporta el modelo a cambios en las
especificaciones y parámetros del sistema. Esto se hace, debido a que
los parámetros no necesariamente son precisos y las restricciones
pueden estar equivocadas.
4. Validación del modelo. La validación de un modelo requiere que se
determine si dicho modelo puede predecir con certeza el
comportamiento del sistema. Un método común para probar la validez
del modelo, es someterlo a datos pasados disponibles del sistema actual
y observar si reproduce las situaciones pasadas del sistema. Pero como
no hay seguridad de que el comportamiento futuro del sistema continúe
replicando el comportamiento pasado, entonces siempre debemos estar
atentos de cambios posibles del sistema con el tiempo, para poder
ajustar adecuadamente el modelo.
5. Implementación de resultados. Una vez que hayamos obtenido la
solución o soluciones del modelo, el siguiente y último paso del proceso
es interpretar esos resultados y dar conclusiones y cursos de acción
para la optimización del sistema. Si el modelo utilizado puede servir a
 otro problema, es necesario revisar, documentar y actualizar el modelo
para sus nuevas aplicaciones.

Estructura de los modelos empleados en la Investigación de Operaciones

El enfoque de la Investigación de Operaciones es el modelaje. Un modelo es

una herramienta que nos sirve para lograr una visión bien estructurada de la
realidad. Así, el propósito del modelo es proporcionar un medio para analizar el
comportamiento de las componentes de un sistema con el fin de optimizar su
desempeño. La ventaja que tiene el sacar un modelo que represente una
situación real, es que nos permite analizar tal situación sin interferir en la
operación que se realiza, ya que el modelo es como si fuera "un espejo" de lo
que ocurre.

Para aumentar la abstracción del mundo real, los modelos se clasifican como
1) icónicos, 2) análogos, 3) simbólicos.

Los modelos icónicos son la representación física, a escala reducida o

aumentada de un sistema real.

Los modelos análogos esencialmente requieren la sustitución de una propiedad

por otra con el fin de permitir la manipulación del modelo. Después de resolver
el problema, la solución se reinterpreta de acuerdo al sistema original.

Los modelos más importantes para la investigación de operaciones, son los

modelos simbólicos o matemáticos, que emplean un conjunto de símbolos y
funciones para representar las variables de decisión y sus relaciones para
describir el comportamiento del sistema. El uso de las matemáticas para
representar el modelo, el cual es una representación aproximada de la realidad,
nos permite aprovechar las computadoras de alta velocidad y técnicas de
solución con matemáticas avanzadas.

Un modelo matemático comprende principalmente tres conjuntos básicos de

elementos. Estos son: 1) variables y parámetros de decisión, 2) restricciones y
3) función objetivo.

1. Variables y parámetros de decisión. Las variables de decisión son las

incógnitas (o decisiones) que deben determinarse resolviendo el modelo.
Los parámetros son los valores conocidos que relacionan las variables
de decisión con las restricciones y función objetivo. Los parámetros del
modelo pueden ser determinísticos o probabilísticos.
2. Restricciones. Para tener en cuenta las limitaciones tecnológicas,
económicas y otras del sistema, el modelo debe incluir restricciones
(implícitas o explícitas) que restrinjan las variables de decisión a un
rango de valores factibles.
 3. Función objetivo. La función objetivo define la medida de efectividad
del sistema como una función matemática de las variables de decisión.

La solución óptima será aquella que produzca el mejor valor de la función

objetivo, sujeta a las restricciones.

Concepto de optimización.

Una característica adicional, que se mencionó como de pasada, es que la

Investigación de Operaciones intenta encontrar la mejor solución, o la solución
óptima, al problema bajo consideración. En lugar de contentarse con sólo
mejorar el estado de las cosas, la meta es identificar el mejor curso de acción
posible. Aún cuando debe interpretarse con todo cuidado, esta "búsqueda de la
optimalidad" es un aspecto muy importante dentro de la Investigación de
Operaciones.

Áreas de aplicación de la Investigación de Operaciones.

Como su nombre lo dice, Investigación de Operaciones significa "hacer

investigación sobre las operaciones. Esto dice algo del enfoque como del área
de aplicación. Entonces, la Investigación de Operaciones se aplica a problemas
que se refieren a la conducción y coordinación de operaciones o actividades
dentro de una organización. La naturaleza de la organización es esencialmente
inmaterial y, de hecho, la Investigación de Operaciones se ha aplicado en los
negocios, la industria, la milicia, el gobierno, los hospitales, etc. Así, la gama de
aplicaciones es extraordinariamente amplia. Casi todas las organizaciones más
grandes del mundo (alrededor de una docena) y una buena proporción de las
industrias más pequeñas cuentan con grupos bien establecidos de
Investigación de Operaciones. Muchas industrias, incluyendo la aérea y de
proyectiles, la automotriz, la de comunicaciones, computación, energía
eléctrica, electrónica, alimenticia, metalúrgica, minera, del papel, del petróleo y
del transporte, han empleado la Investigación de Operaciones. Las
instituciones financieras, gubernamentales y de salud están incluyendo cada
vez más estas técnicas.

Para ser más específicos, se consideran algunos problemas que se han

resuelto mediante algunas técnicas de Investigación de Operaciones. La
programación lineal se ha usado con éxito en la solución de problemas
referentes a la asignación de personal, la mezcla de materiales, la distribución
y el transporte y las carteras de inversión. La programación dinámica se ha
aplicado con buenos resultados en áreas tales como la planeación de los
gastos de comercialización, la estrategia de ventas y la planeación de la
producción. La teoría de colas ha tenido aplicaciones en la solución de
problemas referentes al congestionamiento del tráfico, al servicio de máquinas
sujetas a descomposturas, a la determinación del nivel de la mano de obra, a la
programación del tráfico aéreo, al diseño de presas, a la programación de la
producción y a la administración de hospitales. Otras técnicas de Investigación
de Operaciones, como la teoría de inventarios, la teoría de juegos y la
simulación, han tenido exitosas aplicaciones en una gran variedad de
contextos.
Estructura de los modelos empleados en la Investigación de Operaciones
(Complemento)

El modelo matemático puede expresarse como el problema de elegir los

valores de las variables de decisión de manera que se optimice la función
objetivo, sujeta a las restricciones dadas.

Una clasificación de modelos especialmente importante es el modelo de

programación lineal, en el que las funciones matemáticas que aparecen tanto
en la función objetivo como en las restricciones, son funciones lineales. Es
posible construir modelos específicos de programación lineal que se ajustan a
diversos tipos de problemas, como determinar 1) la mezcla de productos que
maximiza la ganancia, 2) la asignación de acres a distintas cosechas para
maximizar el rendimiento total neto y 3) la combinación de métodos de control
de contaminación que logren los estándares de calidad del aire a un costo
mínimo.

Los modelos matemáticos tienen muchas ventajas sobre una descripción

verbal del problema. Una ventaja obvia es que el modelo matemático describe
un problema en forma mucho más concisa. Esto tiende a hacer que toda la
estructura del problema sea más comprensible y ayuda a revelar las relaciones
importantes entre causa y efecto. De esta manera indica con más claridad que
datos adicionales son importantes para el análisis. También facilita el manejo
del problema en su totalidad y el estudio de todas sus interrelaciones
simultáneamente. Por último, un modelo matemático forma un puente para
poder emplear técnicas matemáticas poderosas, además de las computadoras,
en el análisis del problema. Sin duda, muchos de los componentes de un
modelo pueden quedar vinculados al uso de paquetes de computación.

Por otro lado, existen obstáculos que deben evitarse al usar modelos
matemáticos. Un modelo es, necesariamente, una idealización abstracta del
problema, por lo que casi siempre se requieren aproximaciones y suposiciones
de simplificación si se quiere que el modelo sea manejable (capaz de ser
resuelto). Por lo tanto, debe tenerse cuidado de que el modelo sea siempre una
representación válida del problema. El criterio lógico para juzgar la validez de
un modelo es verificar si el modelo predice o no con suficiente exactitud los
efectos relativos de los cursos de acción alternativos, para poder tomar una
decisión que tenga sentido. En consecuencia no es necesario incluir detalles
sin importancia o factores que tienen aproximadamente el mismo efecto sobre
todas las alternativas. Ni siquiera es necesario que la magnitud absoluta de la
medida de efectividad sea aproximadamente correcta para cada alternativa,
siempre que sus valores relativos (por ejemplo, las diferencias entre sus
valores) sean bastante precisos. Entonces, todo lo que se requiere es que
exista una alta correlación entre la predicción del modelo y lo que de hecho
ocurre en la vida real. Para asegurar que este requisito se cumple, es
importante considerar la prueba del modelo y las modificaciones consecuentes.

Al desarrollar el modelo se recomienda empezar con una versión muy sencilla y

moverse, en una forma evolutiva, hacia modelos más elaborados que reflejen
mejor la complejidad del problema real. Este proceso de enriquecimiento del
modelo continúa sólo mientras permanezca manejable. El trueque básico que
debe tomarse en cuenta todo el tiempo es entre la precisión y el manejo del
modelo.

Un paso crucial en la formulación de un modelo matemático es la construcción

de una función objetivo. Esto requiere desarrollar una medida cuantitativa de la
efectividad relativa a cada objetivo. Si en el estudio de se contempla más de un
objetivo, es necesario transformar y combinar las medidas respectivas en una
medida compuesta de efectividad. A veces es necesario que la medida
compuesta sea algo tangible (por ejemplo, ganancias) que corresponda a la
meta más alta de la organización, o que sea algo abstracto (como "utilidad").
En este último caso, la tarea para desarrollar esta medida puede ser compleja y
requerir una comparación cuidadosa de los objetivos y su importancia relativa.
Después de determinar la medida compuesta de efectividad, la función objetivo
se obtiene expresándola como una función matemática de las variables de
decisión. Por otro lado, existen métodos que contemplan al mismo tiempo y en
forma explícita objetivos múltiples (programación por objetivos).

Áreas de aplicación de la Investigación de Operaciones

(Complemento)

En 1972, Turban en su obra "A Sample Survey of Operations Research Ativities

at the Corporate Level", presenta un informe de las actividades de investigación
de operaciones que proporcionó un panorama de dichas actividades durante
1969. Los resultados de este estudio son los siguientes:

Frecuencia de uso
Técnicas Num. de proyectos
(%)
Análisis estadístico* 63 29
Simulación 54 25
Programación lineal 41 19
Teoría de inventarios 13 6
PERT/CPM 13 6
Programación dinámica 9 4
Programación no lineal 7 3
Colas 2 1
Programación heurística 2 1
Otras 13 6
* Incluye teoría de probabilidad, análisis de regresión, suavizamiento
exponencial, muestreo estadístico y pruebas de hipótesis.

Es evidente que el análisis estadístico, la simulación y la programación lineal

eran y siguen siendo las técnicas más usadas hasta entonces. El estudio indicó
también que la computadora se usaba en la mayor parte de los proyectos.
Debido al gran impacto de la Investigación de Operaciones, se han fundado en
varios países del mundo sociedades profesionales dedicadas a este campo y a
actividades afines. En Estados Unidos, la Operations Research Society of
America (ORSA) (Sociedad de Investigación de Operaciones de América), se
estableció en 1952 y The Institute of Management Sciences (TIMS) (Instituto de
Ciencias de la Administración) fue fundado en 1953; cada uno cuenta con
cerca de 7,000 miembros. ORSA publica la revista Operations Research y
TIMS, Management Science. Las dos sociedades publican también, en forma
conjunta, Mathematics of Operations Research y la revista Interfaces. Estas
cuatro publicaciones alcanzan más de 3,000 páginas al año e informan sobre
nuevas investigaciones y aplicaciones en este campo. Existen además muchas
otras publicaciones similares en países como Estados Unidos, Inglaterra,
Francia, India, Japón, Canadá y Alemania Occidental. De hecho, existen 29
países miembros (incluyendo Estados Unidos) de la International Federation of
Operations Research Societies (IFORS) (Federación Internacional de
Sociedades de Investigación de Operaciones), en donde cada país tiene una
sociedad nacional dedicada a estas actividades.

La Investigación de Operaciones ha tenido también un impacto fuerte en las

universidades. Hoy día, la mayor parte de las universidades norteamericanas
ofrecen cursos en este campo y muchas ofrecen estudios de posgrado en
Investigación de Operaciones o con una especialización en el área. En
consecuencia, existen en este momento miles de estudiantes que cada año
toman al menos un curso de investigación de operaciones. Una gran parte de
las investigaciones básicas en este campo se realizan en las universidades.

La técnica de programación lineal se puede ilustrar por medio de una compañía

que opera un centro de reclamaciones que reúne distintos tipos de materiales
sólidos de desperdicio y después los trata para que puedan ser amalgamados,
fabricando así un producto que se puede vender. Pueden obtenerse diferentes
grados de este producto, dependiendo de la mezcla de materiales que se use.
Aunque existe alguna flexibilidad en la mezcla para cada grado, de hecho los
estándares de calidad especifican un porcentaje mínimo o máximo (por peso)
de ciertos materiales permitidos en ese grado de producto. Se cuenta con
datos sobre el costo del proceso de amalgamado y sobre el precio de venta de
cada grado. El centro de reclamaciones recoge sus materiales de desperdicio
de ciertas fuentes ya establecidas, por lo que normalmente puede mantener
una tasa de producción estable para tratar estos materiales. Aún más, se
conocen las cantidades disponibles que puede recoger y tratar cada semana, al
igual que el costo del tratamiento para cada tipo de material. Utilizando la
información dada, la compañía quiere determinar exactamente cuánto debe de
producir de cada grado de producto y la mezcla exacta de los materiales que
debe incluir en cada grado, de manera que se maximice su ganancia semanal
total (ingresos totales por ventas menos costos totales tanto de amalgamiento
como de tratamiento).

Uno de los tipos especiales importantes de problemas de programación lineal

se llama problema de transporte. Un ejemplo característico trata sobre una
compañía que produce cierto producto. Este producto se prepara en varias
fábricas distantes entre sí y después se mandan en camión a los almacenes de
distribución que se encuentran en todo el oeste de Estados Unidos. Como los
costos de embarque constituyen un gasto importante, la gerencia quiere iniciar
un estudio para reducirlos todo lo que sea posible. Se han hecho estimaciones
sobre la producción de cada fábrica para la próxima temporada y a cada
almacén se le ha asignado una cierta cantidad del abastecimiento total del
producto. Esta información (el número de cargas de camión), junto con los
costos de embarque por carga, para cada combinación de fábrica/almacén, se
empleará para determinar el plan óptimo para la asignación de estos
embarques a las distintas combinaciones, de manera que se minimice el costo
total del transporte.

Además de la programación lineal, existen varias técnicas de programación

matemática relacionadas para manejar problemas similares. Una de estas es la
programación dinámica, que se ocupa de tomar una sucesión de decisiones
interrelacionadas. Esta técnica se ejemplifica mediante un taller cuya carga de
trabajo está sujeta a fluctuaciones considerables según la temporada.

Entre los modelos probabilísticos se encuentran algunos que caen dentro del
área de teoría de colas (líneas de espera). El ejemplo clásico de teoría de colas
es la sala de emergencias de un hospital. La sala de emergencias proporciona
atención médica rápida a casos urgentes que llegan en ambulancia o automóvil
privado. Siempre hay un doctor de guardia pero debido a la creciente tendencia
por parte de los pacientes a usa estas instalaciones en lugar de acudir a un
consultorio privado, el hospital ha venido experimentando un incremento
continuo en el número de casos que atiende cada año. Como resultado,
cuando llegan pacientes durante las horas pico (temprano en la tarde), con
frecuencia tienen que esperar su turno para que el doctor los atienda. Se ha
hecho la propuesta de que debe asignarse un segundo doctor a la sala de
emergencia durante estas horas para que puedan atender dos casos
simultáneamente. Al reconocer que la sala de emergencia es un sistema de
líneas de espera, se pueden aplicar varios modelos alternos de teoría de colas
para predecir las características de espera del sistema, tanto con uno como
con dos doctores. Estos modelos ayudarán al hospital en su evaluación de la
propuesta.