ENSAYO: INVESTIGACION DE OPERACIONES

• ENSAYO: INVESTIGACION DE OPERACIONES.

La investigación de operaciones (IO), ya llevan mucho tiempo siento aplicadas de manera formal, los primeros registros que se tienen de la IO iniciaron en Inglaterra durante la Segunda Guerra Mundial el 1951, científicos británicos empezaron a evaluar mejor la utilización del material bélico con principios científicos en lugar de reglas ad hoc. Cuando la guerra finalizo ideas formuladas en operaciones militares se adaptaron en el sector civil mejorando la eficiencia y la productividad.

Usada como herramienta para la toma de decisiones la IO es una ciencia por las técnicas matemáticas que implica, y a la vez un arte porque el éxito de las fases que conducen a la solución del modelo matemático depende en gran medida de la creatividad y experiencia del equipo de IO.

hace hincapié́ en que la definición correcta del problema es la fase más importante (y más difícil) en la práctica. También se enfatiza que, aunque el modelado matemático es la piedra angular de la IO, en la decisión final se deben tomar en cuenta factores incuantificables (como el comportamiento humano), su terminología básica de la IO, que comprende el modelado matemático, las soluciones factibles, la optimización y los cálculos algorítmicos iterativos.

Una práctica de IO eficiente necesita más que competencia analítica. Es difícil prescribir cursos de acción específicos a los que indica la teoría precisa de la mayoría de los modelos matemáticos, Son factores intangibles pero requeridos como el juicio técnico, es decir, cuando y como utilizar una técnica determinada, así ́como habilidades de comunicación y supervivencia organizacional.

Pero si hay directrices generales para la implementación en la práctica las fases principales para implementar la IO son las siguientes:

1- Definición del problema (implica definir el alcance del problema que se investiga. Esta función debe ser realizada por todo el equipo de IO) El objetivo consiste en 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 con las cuales funciona el sistema modelado.

2- Construcción del modelo. Es un intento de traducir la definición del problema en relaciones matemáticas. Si el modelo resultante se ajusta a uno de los modelos matemáticos estándar, como la programación lineal, se suele obtener una solución utilizando los algoritmos disponibles. De manera alternativa, si las relaciones matemáticas son demasiado complejas como para permitir la determinación de una solución analítica, el equipo de IO puede optar por simplificar el modelo y utilizar un método heurístico, o bien, considerar la simulación, si es lo apropiado. En algunos casos, una simulación matemática puede combinarse con modelos heurísticos para resolver el problema de decisión.

3- Solución del modelo (relacionada con la solución del modelo, es la mejor definida y por lo general la más fácil de implementar en un estudio de IO, ya que maneja principalmente modelos matemáticos precisos). implica el uso de algoritmos de optimización bien definidos. Un aspecto importante de la fase de solución del modelo es el análisis de sensibilidad, que se ocupa de obtener información adicional sobre el comportamiento de la solución óptima cuando el modelo experimenta algunos cambios de parámetros. El análisis de sensibilidad es particularmente necesario cuando no se pueden estimar con precisión los parámetros del modelo. En estos casos, es importante estudiar el comportamiento de la solución óptima en el entorno de los parámetros estimados.

4- Validación del modelo. comprueba si el modelo propuesto hace en realidad lo que dice que hace, es decir, ¿predice adecuadamente el comportamiento del sistema que se estudia? Al principio, el equipo de IO debería estar convencido de que el resultado del modelo no contenga “sorpresas”. En otras palabras, ¿tiene sentido la solución? ¿Los resultados son intuitivamente aceptables? Del lado formal, un método común de comprobar la validación de un modelo consiste en comparar su resultado con resultados históricos. El modelo es válido si, en condiciones de datos de entrada iguales, reproduce de forma razonable el desempeño pasado. Sin embargo, no suele haber seguridad de que el desempeño futuro continuará copiando el comportamiento pasado. Asimismo, como el modelo se basa generalmente en el examen cuidadoso de datos pasados, la comparación propuesta casi siempre es favorable. Si el modelo propuesto representara un sistema nuevo (inexistente), no habría datos históricos disponibles. En tales casos, es posible usar la simulación como una herramienta independiente para comprobar el resultado del modelo matemático.

5- Implementación de la solución. En modelo validado implica la transformación de los resultados en instrucciones de operación comprensibles, que se darán a las personas que administrarán el sistema recomendado. La responsabilidad de esta tarea recae primordialmente en el equipo de IO.

Construcción de modelos de Programación Lineal.

Programación Lineal es una técnica cuantitativa ampliamente aplicada en sistemas que presenten relaciones lineales, para utilizar los recursos escasos de la mejor manera posible.

Modelo de Programación Lineal: es un modelo matemático con variables de decisión, coeficientes y/o parámetros, restricciones y una Función Objetivo. Características:

Determinístico: todos los datos relevantes utilizados, son conocidos.

Lineal: las restricciones y el objetivo son funciones lineales. La contribución de cada variable al valor total del objetivo y al lado derecho de cada restricción es proporcional al valor de la variable.

Aditivo: los términos de sus restricciones y objetivo pueden sumarse (o restarse). La contribución de cada variable es independiente del valor de las otras variables.

Divisible las variables de decisión pueden aceptar valores

...