Investigación de Operaciones
La Investigación de Operaciones es una disciplina que emplea técnicas matemáticas y de
modelado para resolver problemas complejos en organizaciones y sistemas, con el fin de
mejorar la eficiencia, la toma de decisiones y el rendimiento global.
La solución de un problema de toma de decisiones requiere responder tres preguntas:
1. ¿Cuáles son las alternativas de decisión?
2. ¿Conforme a qué restricciones se toma la decisión?
3. ¿Cuál es el criterio objetivo apropiado para evaluar las alternativas?
Solución factible: Si satisface todas las restricciones
Solución óptima: Si además de ser factible , produce el mejor( máximo o mínimo) de la función
objetivo.
Aunque los modelos de IO están diseñados para “optimizar” un criterio objetivo específico
sujeto a un conjunto de restricciones, la calidad de la solución resultante de- pende de la
exactitud con que el modelo representa el sistema real.
SOLUCIÓN DEL MODELO DE IO
La técnica de IO más importante es la programación lineal. Está diseñada para
modelos con funciones objetivo y restricciones lineales.
Otras técnicas incluyen la programación entera (en la cual las variables asumen valores
enteros), la programación dinámica (en la cual el modelo original puede
descomponerse en subproblemas más pequeños y manejables), la programación de
red (en la cual el problema puede modelarse como una red), y la programación no
lineal (en la cual las funciones del modelo son no lineales).
Las soluciones de la mayoría de técnicas de IO se determinan mediante algoritmos,
que son los que proporcionan reglas fijas de cálculo que se aplican en forma repetitiva
al problema, y cada repetición (llamada iteración) acerca la solución a lo óptimo.
Para modelos más complejos simplemente buscaremos una buena solución aplicando
la heurística y la metaheurística, o bien reglas empíricas.
EL ARTE DEL MODELADO
Al examinar todo el sistema se ve que algunas variables pueden incidir directamente en el nivel
de producción, incluida la siguiente lista (parcial) clasificada por departamentos.
1. Departamento de producción: Capacidad de producción expresada en función de las horas
de mano de obra y máquina disponibles, inventario en proceso y normas de control de calidad.
2. Departamento de materiales: Existencias disponibles de materias primas, programas de
entrega de proveedores externos y limitaciones de almacenamiento.
3. Departamento de ventas: Pronóstico de ventas, capacidad de las instalaciones de
distribución, eficacia de las campañas publicitarias y el efecto de la competencia.
FASES DE UN ESTUDIO DE IO
Para implementar la IO en la práctica, las fases principales son:
1. Definición del problema.
El objetivo es identificar tres elementos principales del problema de decisión: (1) descripción
de las alternativas de decisión; (2) determinación del objetivo del estudio, y (3) especificación
de las limitaciones bajo las cuales funciona el sistema modelado.
2. Construcción del modelo.
Implica transformar la definición del problema en relaciones matemáticas.
3. Solución del modelo.
La solución del modelo en Investigación de Operaciones es la fase más sencilla, ya que implica
el uso de algoritmos de optimización bien definidos. Un aspecto importante de esta fase es el
análisis de sensibilidad, que busca obtener información adicional sobre el comportamiento de
la solución óptima cuando se realizan cambios en los parámetros del modelo.
4. Validación del modelo.
Implica verificar si efectivamente cumple con lo que se espera de él, es decir, si predice
adecuadamente el comportamiento del sistema estudiado. Se busca asegurarse de que la
solución obtenida tenga sentido y sea intuitivamente aceptable.
5. Implementación de la solución.
Implica la transformación de los resultados en instrucciones de operación comprensibles que
se emitirán a las personas que administrarán el sistema recomendado.
Modelado con programación lineal
Método Gráfico
La solución gráfica incluye dos pasos:
1. Determinar el espacio de soluciones factibles.
Antes que nada, considere las restricciones de no negatividad x1 >= 0 y x2 >= 0. En la fi-
gura 2.1, el eje horizontal x1 y el eje vertical x2 representan las variables de pintura
para exteriores e interiores, respectivamente. Así pues, las restricciones de no negatividad
limitan las variables al primer cuadrante (sobre el eje x1 y a la derecha del eje x2).
El espacio de soluciones factibles es el área en el primer cuadrante que satisface todas las
restricciones al mismo tiempo.
2. Determinar la solución óptima de entre todos los puntos localizados en el espacio de
soluciones.
Una característica importante de la solución de PL óptima es que siempre está asociada con un
punto de esquina del espacio de soluciones (donde, en dos dimensiones, se intersecan dos
líneas). Esto es cierto incluso si la función objetivo es paralela a una restricción.
A medida que aumenta la cantidad de restricciones y variables, los puntos de esquina también
lo hacen, y el procedimiento de enumeración propuesto se hace computacionalmente
impráctico. No obstante, la observación con respecto al rol de los puntos de esquina al
identifica la solución óptima es clave para el desarrollo del algoritmo algebraico general,
llamado método simplex.
Degeneración
Al aplicar la condición de factibilidad del método simplex, se puede presentar un empate por la
relación mínima, el cual puede romperse arbitrariamente. Cuando esto sucede, al menos una
variable básica será cero en la siguiente iteración, y se dice que la nueva solución está
degenerada.
La degeneración puede hacer que las iteraciones simplex ocurran de forma indefinida en ciclos,
y que el algoritmo nunca se termine. La condición también revela que el modelo tiene por lo
menos una restricción redundante
