Teoria sobre Investigación de Operaciones Lic. Lenin Omar Gonzalez Najarro.

Presentación del tema: "Teoria sobre Investigación de Operaciones Lic. Lenin Omar Gonzalez Najarro."— Transcripción de la presentación:

1 Teoria sobre Investigación de Operaciones Lic. Lenin Omar Gonzalez Najarro.

2 El problema Cada vez es más difícil asignar los recursos o actividades de forma eficiente Los recursos son escasos Los sistemas son cada vez más complejos

3 ¿Qué es la Investigación de Operaciones? Definición (Lawrence y Pasternak, 1998) Un enfoque científico para la toma de decisiones ejecutivas, que consiste en: –El arte de modelar situaciones complejas, –La ciencia de desarrollar técnicas de solución para resolver dichos modelos y –La capacidad de comunicar efectivamente los resultados. Objetivo de la Investigación operativa: Estudiar la asignación óptima de recursos escasos a determinada actividad. Evaluar el rendimiento de un sistema con objeto de mejorarlo.

4 Investigación de Operaciones (I.O.) Es la aplicación del método científico para asignar los recursos o actividades de forma eficiente, en la gestión y organización de sistemas complejos Su objetivo es ayudar a la toma de decisiones Requiere un enfoque interdisciplinario

5 Historia de la I.O. Se aplica por primera vez en 1780 Antecedentes: –Matemáticas: modelos lineales (Farkas, Minkowski) (s.XIX) –Estadística: fenómenos de espera (Erlang, Markov) (años 20) –Economía: Quesnay (x.XVIII), Walras (s.XIX), Von Neumann (años 20) El origen de la I.O. moderna se sitúa en la 2ª Guerra Mundial para resolver problemas de organización militar: - Despliegue de radares, manejo de operaciones de bombardeo, colocación de minas,…

6 Historia de la I.O. Al terminar la guerra, sigue el desarrollo en la industria, debido a: –competitividad industrial –progreso teórico RAND, Research ANnd Development Corp. (Dantzig) Princeton (Gomory, Kuhn, Tucker) Carnegie Institute of Technology (Charnes, Cooper) –gran desarrollo de los computadores: * aumento de la capacidad de almacenamiento de datos * Incremento de la velocidad de resolución de los problemas.

7 Actualidad de la I.O. Sigue habiendo un gran desarrollo, en muchos sectores, con grandes avances sobre todo en el campo de la Inteligencia Artificial Más información: –Association of European O.R. Societies (EURO) www.ulb.ac.be/euro/euro_welcome.html –Institute for O.R. and the Management Sci. (INFORMS) www.informs.org –International Federation of O.R. Societies (IFORS) www.ifors.org –Instituto Chileno de Investigación Operativa (ICHIO) http://www.ind.utfsm.cl/ichio/

8 El método de la I.O. 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

9 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 "El Administrador Como un Definidor" del profesor Oscar Johansen

10 Factores problemáticos Datos incompletos, conflictivos, difusos Diferencias de opinión Presupuestos o tiempos limitados Cuestiones políticas El “cliente” (tomador de decisiones) no tiene una idea firme de lo que quiere realmente (SDLC vs “CLDS”) Plan de trabajo: Observar Ser consciente de las realidades políticas Decidir qué se quiere realmente Identificar las restricciones Búsqueda de información permanente

11 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

12 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

13 Modelado matemático Paso 1.- Identificar las variables de decisión ¿Sobre qué tengo control? ¿Qué es lo que hay que decidir? ¿Cuál sería una respuesta válida en este caso? Paso 2.- Identificar la función objetivo ¿Qué pretendemos conseguir? Si yo fuese “el jefe” ¿qué me interesaría más? (Costo de Agencia y Supuestos de Racionalidad) Paso 3.- Identificar las restricciones o factores que limitan la decisión Recursos disponibles (trabajadores, máquinas, material) Fechas límite Restricciones por la naturaleza de las variables (no negatividad, enteras, binarias) Restricciones por la naturaleza del problema Paso 4.- Traducción de los elementos básicos a un modelo matemático.

14 Resolución del modelo Paso 1.- Elegir la técnica de resolución adecuada –Técnicas existentes, modificación, creación o heurísticos. Paso 2.- Generar las soluciones del modelo –Algoritmos, Programas computacionales, Solvers. Paso 3.- Comprobar/validar los resultados –Probar la solución en el entorno REAL Paso 4.- Si los resultados son inaceptables, revisar el modelo matemático –Estudiar hipótesis, comprobar exactitud de datos, relajar o endurecer aproximaciones, revisar restricciones Paso 5.- Realizar análisis de sensibilidad –Analizar adaptaciones en la solución propuesta frente a posibles cambios (principalmente en PARAMETROS)

15 Tipos de modelos Determinísticos –Programación matemática Programación lineal Programación entera Programación dinámica Programación no lineal Programación multiobjetivo –Modelos de transporte –Modelos de redes Probabilísticos –Programación estocástica –Gestión de inventarios –Fenómenos de espera (colas) –Teoría de juegos –Simulación

16 “Guía general” para la formulación de modelos Identificación de los elementos básicos. Expresar en palabras: Datos del problema –Factores que no son susceptibles de cambio Variables de decisión –Variables sobre las que se tiene control Restricciones –Causas por las que la decisión está limitada Función objetivo –Medida del rendimiento que se quiere optimizar

17 Ejemplo nº1 En una fábrica de cerveza se producen dos tipos: Gallo y Coronas. Su precio de venta es de 0,5 /l y 0,3 euros/l, respectivamente. Sus necesidades de mano de obra son de 3 y 5 empleados, y de 5.000 y 2.000 euros de materias primas por cada 10.000 l. La empresa dispone semanalmente de 15 empleados y 10.000 euros para materias primas, y desea maximizar su beneficio. ¿Cuántos litros debe producir?

18 Formulación