UNIVERSIDAD DEL VALLE DE MÉXICO

MATERIA:
Investigación de Operaciones

ACTIVIDAD:
Actividad 1. Reporte

NOMBRE DEL ESTUDIANTE:

David Santiago

NOMBRE DEL DOCENTE:

Mtro. Marco Antonio Hernández De Ita

CAMPUS:
Online

FECHA:
26 de enero del 2025
UNIDAD 1.

Introducción

La Investigación de Operaciones (IO) es una disciplina que aplica modelos matemáticos

y herramientas analíticas para resolver problemas complejos en la toma de decisiones.
Su relevancia abarca una amplia variedad de áreas, desde la salud hasta la logística,
permitiendo optimizar recursos y mejorar la productividad en diversos sectores. En este
reporte, se exploran cinco aplicaciones clave de la IO, destacando los modelos y
métodos utilizados, los resultados obtenidos y su impacto en las organizaciones.

Desarrollo

• Área de Salud
o Optimización de rutas de ambulancias
▪ Modelo/Método Utilizado: Programación lineal.
▪ Resultados: Reducción de tiempos de respuesta y mejora en la
cobertura de emergencias.
o Asignación de recursos hospitalarios
▪ Modelo/Método Utilizado: Teoría de colas.
▪ Resultados: Equidad en la distribución de camas y equipos,
minimizando tiempos de espera.
o Planificación de cirugías
▪ Modelo/Método Utilizado: Simulación de sistemas.
▪ Resultados: Optimización en la utilización de quirófanos y
reducción de cancelaciones.
o Distribución de vacunas
▪ Modelo/Método Utilizado: Modelos de transporte.
▪ Resultados: Logística eficiente en zonas remotas y disminución
de desperdicios.
 o Gestión de personal sanitario
▪ Modelo/Método Utilizado: Programación entera mixta.
▪ Resultados: Cobertura completa de turnos y aumento en la
satisfacción laboral.
• Manufactura
o Planificación de la producción
▪ Modelo/Método Utilizado: Programación entera mixta.
▪ Resultados: Reducción de costos y aprovechamiento óptimo de
recursos.
o Control de inventarios
▪ Modelo/Método Utilizado: Modelos de revisión continua.
▪ Resultados: Disminución de costos de almacenamiento y mejora
en la disponibilidad de materiales.
o Programación de máquinas
▪ Modelo/Método Utilizado: Algoritmos heurísticos.
▪ Resultados: Incremento de la eficiencia y reducción de tiempos
muertos.
o Reducción de desperdicios
▪ Modelo/Método Utilizado: Simulación de procesos.
▪ Resultados: Identificación y eliminación de puntos críticos en el
proceso productivo.
o Optimización de la cadena de suministro
▪ Modelo/Método Utilizado: Modelos de transporte.
▪ Resultados: Abastecimiento oportuno y reducción de costos
logísticos.
• Servicios
o Gestión de flujos de clientes
▪ Modelo/Método Utilizado: Teoría de colas.
▪ Resultados: Reducción de tiempos de espera y mejora en la
experiencia del cliente.
 o Optimización del servicio al cliente
▪ Modelo/Método Utilizado: Análisis de datos.
▪ Resultados: Uso eficiente de recursos humanos y mayor
satisfacción del cliente.
o Planificación de horarios de transporte público
▪ Modelo/Método Utilizado: Programación lineal.
▪ Resultados: Ajuste de frecuencias según la demanda y reducción
de costos operativos.
o Simulación de sistemas de atención
▪ Modelo/Método Utilizado: Simulación ARENA.
▪ Resultados: Identificación de cuellos de botella y mejora en la
eficiencia operativa.
o Optimización de precios
▪ Modelo/Método Utilizado: Modelos matemáticos.
▪ Resultados: Incremento en los ingresos y adaptación a la
elasticidad del mercado.
• Logística
o Diseño de rutas óptimas
▪ Modelo/Método Utilizado: Algoritmos VRP.
▪ Resultados: Reducción de costos de transporte y tiempos de
entrega.
o Gestión de almacenes
▪ Modelo/Método Utilizado: Programación entera.
▪ Resultados: Mejor organización del inventario y reducción de
costos.
o Simulación de cadenas de suministro
▪ Modelo/Método Utilizado: Simulación de procesos.
▪ Resultados: Identificación de ineficiencias y optimización global.
o Planificación de transporte intermodal
▪ Modelo/Método Utilizado: Modelos de redes.
 ▪ Resultados: Uso eficiente de distintos medios de transporte y
reducción de tiempos.
o Predicción de la demanda
▪ Modelo/Método Utilizado: Análisis estadístico.
▪ Resultados: Mejor ajuste de la logística a las necesidades del
mercado.
• Gestión de Proyectos
o Identificación de actividades críticas
▪ Modelo/Método Utilizado: Método CPM.
▪ Resultados: Enfoque en tareas prioritarias y reducción de
retrasos.
o Planificación de recursos
▪ Modelo/Método Utilizado: Programación lineal.
▪ Resultados: Asignación eficiente de materiales y personal.
o Gestión de cronogramas
▪ Modelo/Método Utilizado: Diagramas de Gantt.
▪ Resultados: Visualización clara del progreso y detección de
posibles retrasos.
o Análisis de riesgos
▪ Modelo/Método Utilizado: Simulación Monte Carlo.
▪ Resultados: Evaluación de escenarios y mitigación de riesgos.
o Control de presupuestos
▪ Modelo/Método Utilizado: Modelos financieros.
▪ Resultados: Seguimiento de costos y cumplimiento de límites
presupuestales.
Principales Efectos Obtenidos

Los resultados obtenidos mediante la aplicación de la Investigación de Operaciones

destacan por su impacto positivo en diferentes ámbitos:

• Reducción de costos: Se logró optimizar los recursos disponibles,

disminuyendo gastos operativos en manufactura, transporte y servicios.
• Incremento en la productividad: La aplicación de modelos matemáticos
permitió mejorar los flujos de trabajo y aprovechar mejor las capacidades
instaladas.
• Mejoras en la toma de decisiones: Gracias al uso de herramientas como
programación lineal y teoría de colas, se logró tomar decisiones más informadas
y basadas en datos.
• Satisfacción del cliente: En áreas de servicios, los tiempos de espera se
redujeron significativamente, impactando positivamente en la experiencia del
usuario.
• Impacto ambiental: En logística, la optimización de rutas permitió disminuir las
emisiones de carbono y reducir el impacto ambiental.

Conclusión

La Investigación de Operaciones ofrece herramientas esenciales para abordar

problemas complejos en un entorno globalizado. Su aplicación no solo mejora la
eficiencia y optimización de recursos, sino que también aumenta la competitividad y
sostenibilidad de las organizaciones. Adquirir conocimientos en IO es imprescindible
para la toma de decisiones basadas en datos, permitiendo a los profesionales resolver
desafíos críticos en diversas industrias.
Referencias:

• Colina, Y. B. (2011). Aplicaciones de programación lineal, entera y mixta.

Ingeniería Industrial. Actualidad y Nuevas Tendencias, 2(7), 85-104.
Recuperado de https://www.redalyc.org/pdf/2150/215024822007.pdf
• Silva, P. P. B., Jaramillo, C., & Riveros, D. P. B. (2004). Aplicación de la lúdica
en la solución de un problema de investigación de operaciones: quesos y
yogures. Scientia et technica, 10(26), 115-120. Recuperado de
https://www.redalyc.org/pdf/849/84911640020.pdf
• Terrazas Pastor, R. (2011). Planificación y programación de
operaciones. Revista Perspectivas, (28), 7-32. Recuperado de
http://www.scielo.org.bo/scielo.php?pid=s1994-
37332011000200002&script=sci_arttext