Investigación de operaciones Autor: Raymundo Palacios Capítulo 1 Introducción a la investigación de operaciones

1.1 Introducción 1. Explicación general sobre los orígenes y aplicaciones de la investigación de operaciones (IO). 2. Diferencia que hay entre un sistema y un modelo. 3. Distinción entre un modelo determinístico y un modelo estocástico, siendo ambos simbólicos. 4. Se explican siete fases que permiten modelar un sistema con mayor facilidad. 5. Se explican conceptos que son componentes importantes en la estructura matemática de un modelo.

1.2 Orígenes de la investigación de operaciones La investigación de operaciones (IO), conocida también como la ciencia de la administración, nació en Inglaterra durante la Segunda Guerra Mundial, cuando la Alemania nazi tenía pensado dominar el espacio aéreo y terrestre de los británicos. El primer ministro británico Winston Churchill convocó a un equipo de científicos para estudiar y mejorar las estrategias de combate que les permitieran defenderse de los ataques alemanes.

1.3 Aplicaciones de la investigación de operaciones Al finalizar la Segunda Guerra Mundial, los administradores aplicaron la investigación de operaciones a todo tipo de organizaciones (tanto en el sector privado como en el público), con el propósito de optimizar la producción y la comercialización de sus productos y servicios hacia los consumidores.

1.3 Aplicaciones de la investigación de operaciones Un factor relevante en la evolución de la IO fue el desarrollo de la computadora digital con alta capacidad de velocidad de cómputo, almacenamiento y recuperación de información, lo que permitió diseñar paquetes de computación tales como: LINDO, EXCEL, WinQSB, @RISK, TORA, STOM, etc., los cuales facilitan la aplicación de los métodos de la IO y la toma de decisiones.

1.4 ¿Qué se entiende por investigación de operaciones? La investigación de operaciones (IO) es el nombre que se le da a un grupo de disciplinas enfocadas a la solución óptima de problemas a través de la manipulación matemática. Los modelos de la IO se diseñan con la ayuda de diversos métodos determinísticos y estocásticos que permiten resolver las dificultades que puede enfrentar una organización.

1.4 ¿Qué se entiende por investigación de operaciones? La IO se caracteriza básicamente por lo siguiente: Ayuda a optimizar el volumen de producción que una organización debe realizar. Ayuda a implementar la comercialización optimizada de los productos y servicios emanados de una organización. Participa necesariamente en la toma de decisiones económicas y financieras que afectan de manera relevante a la producción, la distribución y el intercambio de productos y servicios.

1.5 Diferencia entre un sistema y un modelo Un sistema, en el contexto de una organización, se define como un conjunto de actividades laboralmente clasificadas, coordinadas y jerarquizadas bajo un sistema de control de calidad que se aplica a los diferentes departamentos que la conforman, los cuales trabajan interdependientemente con el fin de obtener un producto o un servicio que deberá satisfacer las necesidades del consumidor.

1.5 Diferencia entre un sistema y un modelo Un modelo representa una abstracción relativa y selectiva de aquellos factores dominantes (restricciones y parámetros) que intervienen en la solución de un problema en una organización, el cual ayuda a los administradores a tomar una decisión objetiva, óptima y factible que permita alcanzar la meta deseada.

Tres razones para emplear los modelos de investigación de operaciones Los modelos exigen una definición explícita del objetivo que se desea lograr. Obligan a pensar cuidadosamente en los factores dominantes (restricciones y parámetros) que intervienen en la formulación de un problema. Coadyuvan a tomar una decisión objetiva, óptima y factible en la solución de un problema, lo cual facilita el trabajo en equipo.

1.6 Clasificación de los modelos Un modelo es una abstracción cuidadosamente seleccionada de la realidad de un sistema. Hay tres tipos de modelos que utilizan los ingenieros: Modelos físicos o icónicos Modelos análogos Modelos simbólicos

1.6 Clasificación de los modelos Los modelos físicos o icónicos permiten materializar las propiedades físicas del objeto. Por ejemplo: la maqueta de un avión, de una casa, de un parque de diversiones, etcétera. Los modelos análogos utilizan un medio diferente para representar físicamente las propiedades reales de un objeto. Por ejemplo: el velocímetro de un automóvil que utiliza una aguja sobre una escala graduada para medir la velocidad de desplazamiento del móvil. Los modelos simbólicos utilizan datos, parámetros y restricciones relativos a un objetivo que se desea alcanzar y se dividen en dos tipos: determinísticos y estocásticos. En un modelo determinístico se conocen con certeza todos los datos necesarios para obtener una solución óptima. En un modelo estocástico o probabilístico no se conocen con certeza todos los datos necesarios para obtener una solución óptima, por lo que las variables involucradas se comportan de manera aleatoria. Por ejemplo: un modelo económico para tomar una decisión entre comprar una casa o alquilar un departamento, el cual considera el pago inicial, las tasas hipotecarias, el flujo de efectivo, la plusvalía, la devaluación, etcétera.

1.7 Fases (7) para modelar un sistema 1. Observación del sistema 2. Definición del problema 3. Formulación del modelo 4. Calibración del modelo 5. Validación del modelo 6. Modificación del modelo 7. Implementación del modelo

1.7 Fases (7) para modelar un sistema 1. Observación del sistema: la observación se usa para identificar hechos y síntomas relativos a un sistema. 2. Definicion del problema. 3. Formulación del modelo: se deben seleccionar o aislar del sistema aquellos aspectos de la realidad que sean relevantes para el problema, estableciendo los objetivos que se desean alcanzar y las restricciones del sistema modelado. 4. Calibración del modelo: encontrar los valores de las variables dependientes asociadas a los componentes controlables del sistema.

1.7 Fases (7) para modelar un sistema 5. Validación del modelo: un modelo es válido cuando proporciona una predicción confiable del funcionamiento del sistema. 6. Modificación del modelo: en el caso de no obtener el resultado esperado, es necesario modificar el modelo. 7. Implementación del modelo: verificar los resultados obtenidos y analizarlos mediante la experimentación, siendo esta etapa crítica, porque sólo aquí es donde se cosecharán los beneficios del estudio.