Tema 1: Introducción

Ing. Percy Gutierrez

Los recursos Los sistemas son cada
son escasos vez más complejos

Cada vez es más difícil asignar los

recursos o actividades de la forma más eficaz
.
 Es la aplicación del método científico para
asignar los recursos o actividades de forma
eficaz, en la gestión y organización de
sistemas complejos
 Su objetivo es ayudar a la toma de decisiones
 Requiere un enfoque interdisciplinario
 Shamblin y Stevens
 La Investigación Operacional es un enfoque
científico de la toma de decisiones
 Ackoff y Sasieni
 La Investigación de Operaciones es: La
aplicación del método científico, por equipos
interdisciplinarios, a problemas que
comprenden el control de sistemas
organizados hombre-máquina, para dar
soluciones que sirvan mejor a los propósitos
de la organización como un todo.
 Thierauf y Grosse
 La investigación de Operaciones utiliza el
enfoque planeado (método científico) y un
grupo interdisciplinario, a fin de representar
las complicadas relaciones funcionales en
modelos matemáticos para suministrar una
base cuantitativa para la toma de decisiones,
y descubrir nuevos problemas para su
análisis cuantitativo.
 Moskowitz y Wright
 Planteamiento científico a la toma de
decisiones, que busca determinar cómo
diseñar y operar mejor un sistema,
normalmente bajo condiciones que requieren
la asignación de recursos escasos.
 Winston
 Planteamiento científico a la toma de
decisiones, que busca determinar cómo
diseñar y operar mejor un sistema,
normalmente bajo condiciones que requieren
la asignación de recursos escasos.
 La Investigación de Operaciones aspira a
determinar el mejor curso de acción, o curso
óptimo, de un problema de decisión con la
restricción de recursos limitados.
 Como técnica para la resolución de
problemas, investigación de operaciones
debe visualizarse como una ciencia y como
un arte.
 Como Ciencia radica en ofrecer técnicas y
algoritmos matemáticos para resolver
problemas de decisión adecuada.
 Como Arte debido al éxito que se alcanza en
todas las fases anteriores y posteriores a la
solución de un modelo matemático, depende de
la forma apreciable de la creatividad y la
habilidad personal de los analistas encargados de
tomar las decisiones.
 La Investigación de Operaciones en la Ingeniería
de Sistemas se emplea principalmente en los
aspectos de coordinación de operaciones y
actividades de la organización o sistema que se
analice, mediante el empleo de modelos que
describan las interacciones entre los
componentes del sistema y de éste su medio
ambiente
 La Investigación de Operaciones usa el método
científico para investigar el problema en
cuestión. En particular, el proceso comienza por
la observación cuidadosa y la formulación del
problema incluyendo la recolección de datos
pertinentes.
 La Investigación de Operaciones adopta un punto
de vista organizacional. De esta manera intenta
resolver los conflictos de interés entre los
componentes de la organización de forma que el
resultado sea el mejor para la organización
completa.
 La Investigación de Operaciones intenta
encontrar una mejor solución (llamada solución
optima), para el problema bajo consideración. En
lugar de contentarse con mejorar el estado de las
cosas, la meta es identificar el mejor curso de
acción posible.
 La Investigación de Operaciones ha desarrollado
una serie de técnicas y modelos muy útiles a la
Ingeniería de Sistemas. Entre ellos tenemos: la
Programación No Lineal, Teoría de Colas,
Programación Entera, Programación Dinámica,
entre otras.
 Se aplica por primera vez en 1780
 Antecedentes:
◦ Matemáticas: modelos lineales (Farkas, Minkowski)
([Link])
◦ Estadística: fenómenos de espera (Erlang, Markov)
(años 20)
◦ Economía: Quesnay ([Link]), Walras ([Link]), Von
Neumann (años 20)
 El origen de la I.O. moderna se sitúa en la 2ª
Guerra Mundial
 Al terminar la guerra, sigue el desarrollo en la
industria, debido a:
◦ competitividad industrial
◦ progreso teórico
 RAND (Dantzig)
 Princeton (Gomory, Kuhn, Tucker)
 Carnegie Institute of Technology (Charnes, Cooper)
◦ gran desarrollo de los ordenadores
 Sigue habiendo un gran desarrollo, en muchos
sectores, con grandes avances sobre todo en el
campo de la Inteligencia Artificial
 Más información:
◦ Sociedad Española de Estadística e Inv. Op. (SEIO)
 [Link]/aliens/seio
◦ Association of European O.R. Societies (EURO)
 [Link]/euro/euro_welcome.html
◦ Institute for O.R. and the Management Sci. (INFORMS)
 [Link]
◦ International Federation of O.R. Societies (IFORS)
 [Link]
MODELOS: Definición
 Un modelo de decisión debe considerarse como un
vehículo para resumir un problema de decisión en
forma tal que haga posible la identificación y
evaluación sistemática de todas las alternativas de
decisión del problema. Después se llega a una decisión
seleccionando la alternativa que se juzgue sea la mejor
entre todas las opciones disponibles.
 Un modelo es una abstracción selectiva de la realidad.
 El modelo se define como una función objetivo y
restricciones que se expresan en términos de las
variables (alternativas) de decisión del problema.
 ¿Qué es un modelo?
Es una representación de la
realidad

¿Por qué un modelo?

Permite deducir conclusiones
Menos tiempo
Menos dinero
Reduce riesgo
 Tipos de modelos
 Determinísticos • Probabilísticos
 Programación matemática – Programación estocástica
 Programación lineal – Gestión de inventarios
 Programación entera – Fenómenos de espera (colas)
– Teoría de juegos
 Programación dinámica
– Simulación
 Programación no lineal
 Programación multiobjetivo
 Modelos de transporte
 Modelos de redes
CLASIFICACION DE MODELOS

 1.- SEGUN SU FORMA DE PRESENTACION

 MODELOS DESCRIPTIVOS

 MODELOS FISICOS O ICONICOS

 MODELOS POR ANALOGIA

 MODELOS SIMBOLICOS

 MODELOS TIPO DE PROCEDIMIENTO

CLASIFICACION DE MODELOS
 2. SEGUN SU ESTRUCTURA
 MODELOS DETERMINISTICOS
 MODELOS ESTOCASTICOS
 MODELOS LINEALES
 MODELOS NO-LINEALES
 MODELO ESTATATICO
 MODELO DINAMICO
 MODELO CONTINUO
SEGUN SU FORMA DE PRESENTACION

 MODELOS DESCRIPTIVOS
 Están expresados en lenguaje convencional. La
selección de alternativas se hace en base a la
intuición y el sentido común.
• MODELOS FISICOS O ICONICOS
 Son aquellos que lucen como el sistema fisico
correspondiente. Estos pueden ser aumentados
disminuídos o estar en la misma escala.
SEGUN SU FORMA DE PRESENTACION

• MODELOS POR ANALOGIA

 Estosrealizan una traslación de un sistema original
a otro llamado sistema sustituto, el cual tiene
características similares al primero, por ejemplo
para estudiar el tránsito
• MODELOS SIMBOLICOS
 Son aquellos que estan expresados en una forma
concisa atraves de símbolos matemáticos. Pueden
ser representados en forma analítica o gráfica.
SEGUN SU FORMA DE PRESENTACION

• MODELOS TIPO DE PROCEDIMIENTO

 Son aquellos cuya expresión básica no está
formado por relaciones funcionales explícitas, sino
por un conjunto de pasos que indican el
procedimiento a seguir en la solucion de un
problema.
 En esencia un modelo de tipo de procedimineto es
un modelo de simulación.
2.- SEGUN SU ESTRUCTURA

 MODELOS DETERMINISTICOS
• Son aquellos que no incluyen propiedades relacionadas
con fenómenos aleatorios (probabilisticos)
 MODELOS ESTOCASTICOS
• Son aquellos que incluyen variables o relaciones
funcionales que dependen de fenomenos aleatorios
 MODELOS LINEALES
• Son aquellos que incluyen solamente funciones
lineales
2.- SEGUN SU ESTRUCTURA

 MODELOS NO-LINEALES
• Son aquellos que incluyen funciones no lineales.
Modelos de segundo y tercer orden
 MODELO ESTATATICO
• Son aquellos que representan un sistema de
manera que las varibles y las relaciones
funcionales no sufren alteraciones debido a
cambios en el tiempo.
2.- SEGUN SU ESTRUCTURA

 MODELO DINAMICO
 Es aquel que representa a un sistema de
manera que el tiempo juega un rol muy
importante.
 MODELO CONTINUO
 Se caracteriza por tener variables y funciones
contínuas en el tiempo.
  Definición del problema
 Formulación del problema y
construcción del modelo
 Resolución
 Verificación, validación, refinamiento
 Interpretación y análisis de resultados
 Implantación y uso extensivo

A lo largo de todo el proceso debe haber una interacción

constante entre el analista y el cliente
Definición del problema
 Consiste en identificar los elementos de
decisión
 objetivos (uno o varios, optimizar o satisfacer)
 alternativas
 limitaciones del sistema
 Hay que recoger información relevante (los
datos pueden ser un grave problema)
 Es la etapa fundamental para que las
decisiones sean útiles
Formulación del problema
 Modelo: representación simplificada de la
realidad, que facilita su comprensión y el
estudio de su comportamiento
 Debe mantener un equilibrio entre sencillez
y capacidad de representación
 Modelo matemático: modelo expresado en
términos matemáticos
 hace más claras la estructura y relaciones
 facilita el uso de técnicas matemáticas y
ordenadores
 a veces no es aplicable
Construcción del modelo
 Traducción del problema a términos
matemáticos
 objetivos: función objetivo
 alternativas: variables de decisión
 limitaciones del sistema: restricciones
 Pero a veces las relaciones
matemáticas son demasiado complejas
 heurísticos
 simulación
Resolución
 Determinar los valores de las
variables de decisión de modo
que la solución sea óptima (o
satisfactoria) sujeta a las
restricciones
 Puede haber distintos algoritmos
y formas de aplicarlos
Verificación y validación
 Eliminación de errores
 Comprobación de que el modelo
se adapta a la realidad
Interpretación y análisis
 Robustez de la solución óptima
obtenida: Análisis de sensibilidad
 Detección de soluciones cuasi-
óptimas atractivas
Implantación
 Sistema de ayuda y
mantenimiento
 Documentación
 Formación de usuarios
 Problema del transporte
 Problema de flujo con coste mínimo en red
 Problema de asignación
 Problema de la mochila (knapsack)
 Problema del emparejamiento (matching)
 Problema del recubrimiento (set-covering)
 Problema del empaquetado (set-packing)
 Problema de partición (set-partitioning)
 Problema del coste fijo (fixed-charge)
 Problema del viajante (TSP)
 Problema de rutas óptimas
 El análisis de decisiones se utiliza para
desarrollar una estrategia optima cuando el
tomador de decisiones enfrenta varias
alternativas de decisión y un patrón de
eventos fortuitos incierto o lleno de riesgos.
 Incluso cuando se ha realizado un análisis de
decisiones minucioso, los eventos futuros
inciertos vuelven incierta la consecuencia
final
 Determinación o resolución que se
toma sobre una cosa dudosa.
 Elección entre diversas alternativas
tendientes a solucionar un problema
 Selección de un procedimiento entre
diferentes opciones tendientes a
optimizar un resultado.
 PASOS PARA UNA DECISIÓN

PROBLEMA

MEJOR
DECISION ALTERNATIVA
ALTERNATIVAS

NECESIDAD
DE
MEJORA

40 TEORIA DE DECISIONES
La toma de decisiones es un proceso más
complejo, mediante el cual, se hace un
estudio del origen de la decisión y se realiza
el proceso de satisfacer las necesidades que
originan el proceso de decisión.

Es, en esencia, el proceso que diferencia las

decisiones habituales de las decisiones
tomadas en ámbitos profesionales.

41 TEORIA DE DECISIONES
El proceso de toma de decisiones es
un proceso estructurado, que tiene un
principio y un final, además de un
procedimiento definido.

Asegura la calidad de la decisión y

además, incorpora otros elementos al
proceso de la decisión.

42 TEORIA DE DECISIONES
Análisis del
problema Selección Alternativa
de más óptima
alternativas

Información
histórica Implementación
(Puesta en marcha)
Asesoramiento
Multidisciplin.
Consecuencias

43 TEORIA DE DECISIONES
DECISION PROBLEMA

Existen tantos tipos de decisión

como problemas

44 TEORIA DE DECISIONES
 DECISIONES BAJO CERTIDUMBRE
Es aquella cuando la toma de decisiones se
realizan sobre problemas determinísticos En
estos problemas se supone que toda la
información relevante se conoce con cierta
certeza.
Este entorno de toma de decisiones
permitió formular modelos matemáticos
útiles (programación lineal, `programación
entera programación no lineal, entre otros.)

45 TEORIA DE DECISIONES
 DECISIONES BAJO INCERTIDUMBRE
Es aquella cuando la toma de decisiones se
realiza sobre problemas probabilísticos en
lo que algo (o toda) de la información
relevante no se conoce con certeza en el
momento en que la decisión debe tomarse.
En este marco la toma decisiones puede ser
sin experimentación o con experimentación.

46 TEORIA DE DECISIONES
 LA Oil es dueña de un terreno donde puede
haber petroleo.
 Un consultor en geología ha informado a la Oil
que existe un posibilidad de 1 en 4 de
encontrar petroleo.
 Por esto, otra compañía ha ofrecido a Oil
comprar el terreno en 90,000 um

47
TEORIA DE DECISIONES
 Si la Oil encuentra petroleo, su ganancia
esperada será de 700,000 um
 La Oil tendrá una pérdida de 100,000 um si
encuentra el pozo seco.
 ¿Cuál es la mejor decisión?

48
TEORIA DE DECISIONES
Jugador 1: Empresario con:
Alternativas:
E1: Perforar buscando petróleo
E2: Vender la Tierra
Jugador 2: La naturaleza con:
Estados de la naturaleza:
1: Hay petróleo
2: Pozo seco
49
TEORIA DE DECISIONES
Alternativas 1:Hay 2: Pozo Seco
Petroleo (miles de
Valor
(miles de um’s)
Esperado
um’s)
Perforar 700 -100 100
(buscar
petroleo)
Vender la 90 90 90
tierra
probabilidad 0.25 0.75

 Se
51
elige: Perforar TEORIA DE DECISIONES
Regla de Decisión de Bayes

Alternativas
Perforar(buscar petróleo) 0.25 (700) + 0.75 (-100)
= 100
Vender la Tierra 0.25 (90) + 0.25 (90)
= 90

Se elegirá la alternativa : Perforar, que es la

máxima ganancia esperada.(100 mill de $)

52 TEORIA DE DECISIONES