UNIVERSIDAD TECNOLÓGICA DE

TECAMACHALCO
Organismo Público Descentralizado del Gobierno del
Estado de Puebla.
____________________________________________
_

INVESTIGACIÓN DE OPERACIONES

MONOGRAFÍA

ING. José Miguel Téllez Zepeda

Alumna:
Funes Gómez Denisse

9° “B”

Ingenieria industrial

21/05/2024
¿Qué es la Investigación de operaciones?
Como su nombre lo indica, el objetivo de esta disciplina implica “investigar sobre
las operaciones”. En consecuencia, esta disciplina se aplica a la problemática
relacionada con la conducción y la coordinación de actividades en una
organización. En esencia, la naturaleza de la organización es irrelevante, por lo
cual la IO ha sido aplicada de manera extensa en áreas tan diversas como
manufactura, transporte, construcción, telecomunicaciones, planeación financiera,
cuidado de la salud, fuerzas armadas y servicios públicos, por nombrar sólo unas
cuantas. Así, la gama de aplicaciones es inusualmente amplia. La IO incluye el
término investigación en el nombre porque utiliza un enfoque similar al que se
aplica en las áreas científicas establecidas. El método científico se utiliza para
explorar los diversos problemas que deben ser enfrentados, pero en ocasiones se
usa el término management science o ciencia de la administración como sinónimo
de investigación de operaciones. El proceso comienza por la observación
cuidadosa y la formulación del problema, lo cual incluye la recolección de los datos
pertinentes. El siguiente paso es la construcción de un modelo científico —
generalmente matemático— con el cual se intenta abstraer la esencia del
problema real. En esta etapa se propone la hipótesis de que el modelo será una
representación tan precisa de las características esenciales de la situación, que
permitirá que las conclusiones —soluciones— que se obtengan sean válidas
también para el problema real. Después se llevan a cabo los experimentos
adecuados para probar esta hipótesis, para modificarla si es necesario y para
verificarla en determinado momento, paso que se conoce como validación del
modelo. En cierto sentido, la IO involucra la investigación científica creativa de las
propiedades fundamentales de las operaciones. Sin embargo, es más que esto. La
IO se ocupa también de la administración práctica de la organización. Por lo tanto,
para tener éxito, también debe proporcionar conclusiones claras que el tomador de
decisiones pueda usar cuando sea necesario. Otra característica de la
investigación de operaciones es su amplio punto de vista la IO adopta una visión
organizacional. Desde esta perspectiva intenta resolver los conflictos de intereses
entre los componentes de la organización de forma que el resultado sea el mejor
para ésta en su conjunto. Ello no significa que el estudio de cada problema deba
considerar en forma explícita todos los aspectos de la organización, sino que los
objetivos que se persiguen deben ser congruentes con los objetivos globales. Una
característica adicional de la investigación de operaciones es que intenta
encontrar una mejor solución —llamada solución óptima— para el problema en
cuestión. (Se dice una mejor solución y no la mejor solución porque es posible que
existan muchas soluciones que puedan considerarse como las mejores.) En lugar
de conformarse con mejorar el estado de las cosas, la meta es identificar el mejor
curso de acción posible. Aun cuando debe interpretarse con todo cuidado en
términos de las necesidades reales de la administración, esta “búsqueda del mejor
camino” es un aspecto importante de la IO. Estas características conducen de
manera casi natural a otra. Es evidente que no puede esperarse que un solo
individuo sea experto en los múltiples aspectos del trabajo de investigación de
operaciones o de los problemas que se estudian, sino que se requiere un grupo de
individuos con diversos antecedentes y aptitudes. Cuando se decide emprender
un estudio de IO completo de un problema nuevo, es necesario emplear el
enfoque de equipo. Este grupo de expertos debe incluir individuos con
antecedentes sólidos en matemáticas, estadística y teoría de probabilidades, al
igual que en economía, administración de empresas, ciencias de la computación,
ingeniería, ciencias físicas, ciencias del comportamiento y, por supuesto, en las
técnicas especiales de IO. El equipo también necesita experiencia y aptitudes
necesarias para considerar de manera adecuada todas las ramificaciones del
problema dentro de la organización.

La Investigación de Operaciones consiste en preparar al profesional para decidir

entre diferentes medios o métodos disponibles para alcanzar un objetivo
propuesto, de modo que se alcance un resultado con relación a determinados
criterios de optimización.

La relación entre Investigación de Operaciones e Ingeniería Industrial se basa en

el objetivo común de alcanzar la productividad en una organización o sistema (La
productividad entendida como el grado en el que una organización se acerca hacia
su objetivo. La visión de Goldratt de la productividad). El Ingeniero Industrial o el
encargado de la gestión de operaciones busca gestionar las restricciones y
alcanzar el objetivo general de la organización mediante la toma de decisiones
(Las restricciones entendidas como todo aquello que se interpone entre la
organización y su objetivo). La Investigación de Operaciones proporciona
herramientas y métodos cuantitativos para apoyar estas decisiones.
Antecedentes (Línea del tiempo)
AUTORES IO
George Dantzig realizó una contribución fundamental a la investigación de operaciones al
desarrollar el algoritmo simplex. Este algoritmo es ampliamente utilizado para resolver
problemas de programación lineal, que son fundamentales en la optimización y la toma de
decisiones en operaciones y gestión. El algoritmo simplex proporciona un método eficiente
para encontrar la solución óptima a problemas de programación lineal, lo que ha tenido un
impacto significativo en una amplia gama de aplicaciones, desde la planificación de la
producción hasta la logística y la gestión de cadenas de suministro.
La creación del algoritmo simplex por parte de Dantzig ha permitido abordar problemas
complejos con múltiples variables y restricciones de una manera sistemática y eficiente, lo
que ha revolucionado la forma en que se abordan los desafíos en operaciones y gestión. Su
trabajo ha sentado las bases para el desarrollo continuo de herramientas y técnicas en el
campo de la investigación de operaciones, convirtiéndolo en una figura influyente en este
ámbito.
Abraham Wald realizó contribuciones significativas a la investigación de operaciones,
especialmente en el contexto de la estadística y la teoría de la decisión. Durante la Segunda
Guerra Mundial, Wald trabajó en el problema de la protección de aviones militares contra el
fuego enemigo. Su enfoque innovador y analítico lo llevó a desarrollar una perspectiva
única sobre el blindaje de los aviones.
En lugar de reforzar las áreas donde se observaban daños en los aviones que regresaban,
Wald propuso reforzar las áreas donde no se observaban daños. Su razonamiento era que
los aviones que habían sido impactados en ciertas áreas y aún así habían logrado regresar,
indicaban que esas áreas no eran críticas para la supervivencia del avión. Por otro lado, las
áreas donde no se observaban daños en los aviones que no regresaban debían ser
consideradas críticas, ya que el hecho de no encontrar daños sugiere que los impactos en
esas áreas eran suficientes para derribar el avión.
Esta perspectiva innovadora sobre el análisis estadístico de datos influyó significativamente
en la investigación de operaciones al resaltar la importancia de considerar datos ausentes o
no observados, y ha tenido aplicaciones importantes en la toma de decisiones bajo
incertidumbre y gestión de riesgos. La contribución de Abraham Wald ha dejado una marca
duradera en el campo de la investigación de operaciones y la teoría de la decisión.
Patrick Maynard es conocido por sus contribuciones significativas a la investigación de
operaciones, específicamente en el campo de la teoría de colas y su aplicación en la gestión
de operaciones. Maynard realizó avances importantes en el estudio de sistemas de colas,
que son fundamentales para comprender y optimizar el rendimiento de sistemas con
procesos de llegada y servicio.
Su trabajo ha influido en cómo se gestionan los tiempos de espera, la capacidad de servicio
y la eficiencia operativa en una variedad de entornos, desde la industria hasta los servicios
públicos. Las investigaciones y modelos desarrollados por Maynard han sido aplicados en
la planificación y operación de sistemas de transporte, centros de llamadas, líneas de
producción y otros contextos donde el flujo y procesamiento de tareas son críticos.
La comprensión y optimización del comportamiento de las colas es fundamental para
mejorar la eficiencia operativa y la satisfacción del cliente en numerosos sectores. El
trabajo de Patrick Maynard ha contribuido significativamente a esta área, dejando un
legado duradero en la investigación de operaciones y la gestión de sistemas.
Russell Ackoff fue un influyente teórico de la gestión y un destacado pionero en el campo
de la investigación de operaciones y la gestión de sistemas. Su enfoque holístico para
abordar problemas complejos ha dejado una marca significativa en la forma en que se
entienden y gestionan las operaciones.
Ackoff abogó por un enfoque integrado y sistémico para comprender y abordar los desafíos
organizativos, destacando la importancia de considerar las interrelaciones y dinámicas entre
los componentes de un sistema. Su trabajo ha influido en la forma en que se diseñan y
gestionan operaciones, promoviendo una comprensión más profunda de las estructuras
organizativas, la toma de decisiones, la planificación estratégica y la innovación.
Además, Ackoff fue un defensor del concepto de “sistemas viables”, que enfatiza la
necesidad de que los sistemas sean capaces de adaptarse y evolucionar en entornos
cambiantes. Sus ideas han tenido un impacto significativo en la gestión de operaciones,
fomentando un enfoque más dinámico y adaptable para abordar los desafíos organizativos.
El legado de Russell Ackoff en la investigación de operaciones se refleja en su influencia
duradera sobre cómo se conciben y gestionan los sistemas organizativos, promoviendo un
enfoque más integral y orientado hacia el futuro para optimizar las operaciones.
Frederick Lanchester fue un destacado pionero en la aplicación de modelos matemáticos
a la guerra y a la estrategia militar, lo que a su vez tuvo un impacto significativo en el
campo de la investigación de operaciones. Su trabajo pionero en la teoría de combate y la
modelización matemática de conflictos ha influido en la comprensión de la dinámica de las
operaciones militares y ha sentado las bases para aplicaciones más amplias en otros
campos.
Manchester es conocido por las “Leyes de Lanchester”, que son un conjunto de ecuaciones
utilizadas para modelar y predecir el resultado de un conflicto armado, teniendo en cuenta
factores como el tamaño y la eficacia relativa de las fuerzas en combate. Estas leyes han
sido aplicadas no solo en contextos militares, sino también en situaciones como
competencia empresarial, gestión de recursos y toma de decisiones estratégicas.
Su contribución a la investigación de operaciones se centra en la aplicación de modelos
matemáticos para comprender y gestionar situaciones complejas, lo que ha influido en
cómo se abordan los problemas operativos y estratégicos en una variedad de campos. El
legado de Frederick Lanchester continúa siendo relevante en la investigación de
operaciones y la teoría estratégica hasta el día de hoy.
TIPOS DE PROBLEMAS DE INVESTIGACIÓN DE
OPERACIONES
La investigación de Operaciones es un método que aplica disciplinas analíticas
avanzadas para ayudar a la resolución de problemas y la toma de decisiones
siendo útil en la gestión de las organizaciones a continuación menciono algunos
problemas de IO.

Secuenciación: La secuenciación es un tipo de problema de investigación de

operaciones que se centra en determinar el orden óptimo en el que deben
realizarse ciertas tareas o actividades para maximizar la eficiencia y minimizar los
tiempos de espera. Este tipo de problema es común en la programación de la
producción, la planificación de proyectos y la gestión de colas, entre otros ámbitos.

Localización: La localización es otro tema importante en el campo de la

investigación de operaciones. Se refiere a la selección óptima de ubicaciones para
instalaciones, como fábricas, almacenes o centros de distribución, con el fin de
minimizar costos y maximizar la eficiencia en la cadena de suministro. Este tipo de
problemas suelen involucrar el análisis de factores como costos de transporte,
demanda del mercado, restricciones geográficas y económicas, entre otros.

Problemas de rutas: Los problemas de rutas son fundamentales en la

investigación de operaciones y abarcan una amplia gama de situaciones, desde la
planificación de rutas de transporte y distribución hasta el enrutamiento óptimo de
vehículos. Estos problemas buscan determinar la mejor manera de asignar
recursos (como vehículos, conductores, etc.) para minimizar costos, tiempos de
viaje o distancia recorrida, maximizando así la eficiencia operativa.

Problemas de búsqueda: Los problemas de búsqueda son otro aspecto

importante en la investigación de operaciones. Se centran en encontrar la mejor
manera de explorar un espacio de soluciones para identificar la óptima,
considerando restricciones y objetivos específicos. Estos problemas pueden
abordar la asignación óptima de recursos, la planificación de tareas o la
optimización de procesos, entre otros.

METODOLOGÍA DE INVESTIGACIÓN DE
OPERACIONES
El proceso de la Investigación de Operaciones comprende las siguientes fases:

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 posibles
alternativas de decisión y las restricciones para producir una solución adecuada.

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 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.

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.
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 a cambios posibles del sistema con el tiempo, para poder ajustar
adecuadamente el modelo.

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.

MODELOS DE INVESTIGACIÓN DE
OPERACIONES
Optimización no Lineal: La optimización no lineal es una extensión de la
optimización lineal que se enfoca en maximizar o minimizar una función no lineal
sujeta a un conjunto de restricciones, las cuales pueden ser no lineales también.
Este enfoque se utiliza cuando las relaciones entre las variables del problema no
pueden ser modeladas de manera lineal, lo que es común en una amplia gama de
situaciones reales. En la investigación de operaciones, la optimización no lineal se
aplica en problemas como la planificación de la producción con restricciones no
lineales, la gestión de inventarios con costos no lineales, entre otros. Es una
herramienta poderosa para abordar problemas complejos donde las relaciones
entre las variables son no lineales.

Programación Lineal: Se preocupa por alcanzar una posición óptima con relación
a un objetivo determinado (aumentar beneficios, disminuir costes), etc. Para ello,
las variables deben ser cuantificables y a la vez debe existir relación lineal entre
ellas. Es aplicable a situaciones complejas que presenten innumerables variables
como, por ejemplo, el estudio del mejor y más económico trayecto para una flota
de reparto en un área determinada. Joseph Fourier y Gauss fueron los primeros
en sentar las bases de la programación lineal.

Transporte y Asignación: El transporte y la asignación son dos áreas clave en la

investigación de operaciones. El problema de transporte se centra en determinar
la mejor manera de transportar bienes desde múltiples fuentes a múltiples
destinos, minimizando los costos totales de transporte. Por otro lado, el problema
de asignación se refiere a asignar un conjunto de tareas a un conjunto de recursos
de manera óptima, maximizando la eficiencia y cumpliendo con ciertas
restricciones.

Ambos problemas son fundamentales en la gestión de la cadena de suministro, la

logística y la planificación de operaciones. La investigación de operaciones
proporciona herramientas y técnicas para abordar estos desafíos, como la
programación lineal, la programación entera y otros enfoques de optimización.

Programación Entera: La programación entera es un área crucial en la

investigación de operaciones que se enfoca en la optimización de funciones
sujetas a restricciones, donde las variables de decisión se restringen a tomar
valores enteros. Este enfoque es fundamental para abordar problemas de
asignación, programación de la producción, diseño de redes y otros desafíos
operativos donde las soluciones deben ser enteras en lugar de fraccionarias.

La programación entera se utiliza para modelar y resolver una amplia gama de

problemas del mundo real, y se aplica en áreas como la distribución óptima de
recursos, la planificación de rutas con restricciones específicas y la asignación
eficiente de tareas. Es una herramienta poderosa que permite encontrar
soluciones óptimas en escenarios complejos.

Multicriterio: el enfoque multicriterio es fundamental para abordar problemas de

toma de decisiones en los que intervienen múltiples objetivos o criterios que deben
ser considerados de manera simultánea. Este enfoque se utiliza para resolver
situaciones en las que no existe una única solución óptima, ya que se deben
equilibrar diferentes objetivos que a menudo entran en conflicto entre sí. Los
métodos multicriterio proporcionan herramientas para evaluar, comparar y
seleccionar alternativas en función de múltiples criterios, como costos, tiempos,
calidad, sostenibilidad u otros factores relevantes para el problema en cuestión.
Estos métodos incluyen técnicas como la programación por metas, la teoría de la
utilidad multiatributo, el análisis envolvente de datos y las técnicas de preferencias
declaradas, entre otros.

La investigación de operaciones ha integrado ampliamente enfoques multicriterio

para la toma de decisiones en áreas como la gestión de proyectos, la planificación
estratégica, la selección de proveedores y la asignación de recursos, entre otros.
Este enfoque permite a los tomadores de decisiones considerar y evaluar de
manera más completa las implicaciones de sus decisiones en un contexto
multidimensional.

Planeación de Proyectos: La planeación del proyecto es un área fundamental en la

investigación de operaciones que se enfoca en la gestión eficiente de actividades,
recursos y tiempos para completar proyectos de manera exitosa. La investigación
de operaciones proporciona herramientas y técnicas para programar, controlar y
optimizar el flujo de trabajo en proyectos, con el objetivo de minimizar los tiempos
de ejecución, maximizar la utilización de recursos y cumplir con los plazos
establecidos.

La programación de actividades, el análisis de rutas críticas, la asignación de

recursos y la gestión de restricciones son aspectos clave en la planeación del
proyecto que pueden abordarse a través de enfoques como la programación
lineal, la programación entera y otros métodos de optimización. Estas
herramientas ayudan a tomar decisiones informadas para garantizar el éxito de los
proyectos en diferentes ámbitos, desde la construcción y la ingeniería hasta el
desarrollo de software y la gestión empresarial.

Programación Dinámica: La programación dinámica es una técnica poderosa en la

investigación de operaciones que se utiliza para resolver problemas de
optimización en los que una solución óptima puede construirse a partir de
soluciones óptimas de subproblemas más pequeños. Esta técnica es
especialmente útil para abordar problemas de planificación secuencial, como la
asignación de recursos a lo largo del tiempo o la programación de producción en
etapas.

En la investigación de operaciones, la programación dinámica se aplica en

situaciones donde es necesario tomar decisiones secuenciales con el objetivo de
maximizar o minimizar una función objetivo a lo largo del tiempo. Ejemplos
comunes incluyen la gestión de inventarios, la planificación de proyectos a largo
plazo y la programación de rutas óptimas. La programación dinámica permite
encontrar soluciones eficientes y óptimas al descomponer un problema complejo
en subproblemas más simples y resolverlos de manera recursiva. Esta técnica ha
demostrado ser una herramienta valiosa en la toma de decisiones operativas y
estratégicas en una amplia gama de contextos empresariales.

Inventarios: En la investigación de operaciones, la gestión de inventarios es un

área crucial que se centra en optimizar la cantidad y el momento de
reabastecimiento de productos, con el objetivo de equilibrar los costos asociados
con el mantenimiento de inventarios y la satisfacción de la demanda del cliente. La
investigación de operaciones proporciona herramientas como modelos de
inventario determinísticos y estocásticos, análisis ABC, políticas de
reordenamiento y modelos de gestión de inventarios en cadena de suministro para
abordar estos desafíos. Estas herramientas permiten tomar decisiones informadas
sobre el tamaño de los pedidos, los puntos de reorden y las estrategias de
almacenamiento, lo que ayuda a minimizar los costos totales asociados con los
inventarios, al tiempo que se asegura un nivel adecuado de servicio al cliente.

La gestión eficiente de inventarios Es fundamental para empresas en diversos

sectores, desde minoristas hasta fabricantes y distribuidores. La investigación de
operaciones juega un papel vital en proporcionar enfoques cuantitativos para
optimizar la gestión de inventarios y mejorar el rendimiento operativo.

Simulación: La simulación es una herramienta fundamental en la investigación de

operaciones que se utiliza para modelar y analizar sistemas complejos en
entornos dinámicos y estocásticos. Esta herramienta permite a los investigadores
y profesionales de operaciones comprender el comportamiento de sistemas,
evaluar estrategias y tomar decisiones basadas en el análisis de múltiples
escenarios posibles, se aplica en una amplia gama de áreas, como la planificación
de la producción, el diseño de cadenas de suministro, la gestión de inventarios, la
logística, el transporte, la atención médica, entre otros. Permite modelar el
comportamiento de sistemas complejos en situaciones reales o hipotéticas, lo que
facilita la toma de decisiones informadas y la identificación de posibles mejoras en
los procesos operativos.

Análisis de Decisión: El análisis de decisiones es un componente central de la

investigación de operaciones y se enfoca en proporcionar herramientas y técnicas
para tomar decisiones informadas y efectivas en entornos empresariales y
operativos complejos. Este enfoque se utiliza para abordar situaciones en las que
los tomadores de decisiones deben evaluar alternativas, considerar múltiples
objetivos y riesgos, y seleccionar la mejor opción entre varias posibles.

El análisis de decisiones incluye métodos cuantitativos y cualitativos que permiten

evaluar y comparar alternativas, como el análisis costo-beneficio, el análisis de
sensibilidad, la teoría de la utilidad, los árboles de decisión, entre otros. Estas
herramientas ayudan a los tomadores de decisiones a considerar aspectos
financieros, operativos, estratégicos y de riesgo al evaluar diferentes cursos de
acción.

El análisis de decisiones se aplica en una amplia gama de áreas, como la

planificación estratégica, la gestión de proyectos, la inversión en activos, la
selección de proveedores, la asignación de recursos y la toma de decisiones
operativas diarias. Ayuda a los líderes empresariales a tomar decisiones
fundamentadas que maximicen el valor para la organización y minimicen los
riesgos asociados.

Teoría de Colas: Ayuda a optimizar una distribución en condiciones de

aglomeración y espera, como emergencias hospitalarias, horas punta en telefonía,
reservas de servicios, controles de aeropuerto, transporte en grandes ciudades o
colas del supermercado, etc. Está teoría se le atribuye su formulación al
matemático danés Agner Krarup Erlang.

Algoritmo Dijkstra: El algoritmo de Dijkstra es una herramienta fundamental en la

investigación de operaciones para la resolución de problemas de rutas más cortas
en redes, como el análisis de redes de transporte, logística, comunicaciones y
distribución.

En el contexto de la investigación de operaciones, el algoritmo de Dijkstra se

utiliza para encontrar la ruta más corta entre un nodo de origen y todos los demás
nodos en un grafo con pesos no negativos. Esta capacidad de encontrar rutas
óptimas lo hace especialmente útil en problemas de asignación eficiente de
recursos y planificación logística, donde minimizar los costos o tiempos de
transporte es crucial, ha demostrado ser una herramienta poderosa para la toma
de decisiones en la optimización de redes y rutas, lo que lo convierte en un
componente clave en la investigación de operaciones.