Investigacin de Operaciones Unidad I

1.1.- Definicin, desarrollo y tipos de modelos de investigacin de

operaciones
Introduccin.
Origen de la Investigacin de Operaciones en Gran Bretaa
Durante la Segunda Guerra Mundial, la administracin militar en Gran Bretaa
llam a un equipo de cientficos para estudiar estrategias asociadas a la defensa
area y terrestre del pas. Su objetivo era determinar la utilizacin ms efectiva de
los recursos militares limitados. El nombre de Investigacin de Operaciones fue
dado porque el equipo estaba investigando operaciones militares. Origen de la
Investigacin de Operaciones en Estados Unidos. Los resultados alentadores
logrados por los cientficos britnicos, movieron a la administracin militar de
Estados Unidos a comenzar actividades similares. Las aplicaciones de los
Estados Unidos incluyeron el estudio de problemas logsticos complejos, la
planeacin de nuevos modelos de vuelo y la utilizacin efectiva del equipo
electrnico.
Definicin.
La Investigacin de Operaciones se ocupa de la toma de decisiones ptima a
partir del modelado y solucin de sistemas determinsticos y probabilsticos que se
originan en la vida real.
Estas aplicaciones que ocurren en el gobierno, en los negocios, en las industrias,
en la ingeniera econmica y en las ciencias naturales y sociales se caracterizan
en gran parte por la necesidad de asignar escasos recursos. En estas situaciones
se puede obtener un conocimiento profundo del problema a partir del anlisis
cientfico que proporciona la Investigacin de Operaciones. El enfoque de la
Investigacin de Operaciones proviene principalmente de:
1.
La estructuracin de una situacin de la vida real como un modelo matemtico,
logrando una abstraccin de los elementos esenciales para que pueda buscarse
una solucin que concuerde con los objetivos del tomador de decisiones.
2.
El anlisis de la estructura de tales situaciones y el desarrollo de
procedimientos sistemticos para obtenerlas.
3.
El desarrollo de una solucin, incluyendo la teora matemtica, si es necesario,
que lleva al valor ptimo de la medida que se espera del sistema.
Desarrollo de la Investigacin de Operaciones.
Avance de la Investigacin de Operaciones

Despus de la guerra, el xito de los equipos militares atrajo la atencin de las

empresas industriales, quienes buscaban soluciones a sus problemas complejos.

Ing. en Sistemas Computacionales

Investigacin de Operaciones Unidad I

Aunque Gran Bretaa fue quien inici el estudio de la Investigacin de

Operaciones, los Estados Unidos tomaron pronto el liderazgo.

La primera tcnica matemtica aceptada fue el mtodo simplex de

programacin lineal, desarrollado en 1947 por el matemtico norteamericano
George B. Dantzing.
La Investigacin de Operaciones actualmente

En la actualidad el impacto de la investigacin de operaciones se nota en

muchas reas.

Muchas universidades la ensean en todos los niveles.

Muchas organizaciones que se dedican a dar consultora estn comprometidas

con ella.

Las aplicaciones han ido ms all del mbito empresarial y militar, para incluir
hospitales, restaurantes, aeropuertos, bancos, bibliotecas, planeacin urbana,
sistemas de transporte y estudios de investigacin criminolgica.
El desarrollo de decisin consiste en seleccionar una o varias alternativas o
cursos de accin para minimizar los riesgos de prdidas financieras.
La toma de decisiones puede hacerse bajo:

Riesgo

Certeza

Conflicto

Incertidumbre
Una toma de decisin bajo completa certeza llamada tambin determinstica, se
caracteriza porque el grupo decisor conoce perfectamente cul va a ser el estado
de la naturaleza relativo a sus objetivos y por lo tanto selecciona aquella accin
que de acuerdo al criterio del lder lograr acercar ms rpido a la meta
preestablecida.
En el caso de riesgo, tambin conocida como estocstico, no se conoce
perfectamente el estado que adoptar la naturaleza pero se asocia a este una
distribucin de probabilidad (discreta, continua), en funcin de esta ltima el grupo
decisor selecciona aquella accin que maximiza la esperanza de acercarse a la
meta propuesta.
En el caso conflictivo, los estados de la naturaleza obligan a que el logro de las
metas de un grupo de decisores reduzca simultneamente las posibilidades de
que otro grupo alcance las suyas.
Cuando hay total incertidumbre se desconoce la verosimilitud asociada a la
ocurrencia de posibles estados de la naturaleza, es decir, no se tiene una idea
sobre la distribucin de probabilidad o funcin de densidad asociada a los
diferentes entornos.
En el caso determinstico, los procesos de decisin, generalmente son dos:
1.
Maximizar, utilidades, beneficios
Ing. en Sistemas Computacionales

Investigacin de Operaciones Unidad I

2.

a)
b)
c)

a)
b)

a)
b)

Minimizar, costos, tiempo, distancia

Para el caso estocstico, se optimizan (maximizar o minimizar) los valores
esperados correspondientes.
En el conflicto se minimizan las mximas prdidas, que equivale a maximizar las
mnimas ganancias del oponente, este criterio se utiliza con menor frecuencia.
Cuando existe incertidumbre los procesos de decisin que pueden presentarse
son:
Maximizar la mnima ganancia
Minimizar la mxima prdida
Coeficiente optimista-pesimista
Minimizar el arrepentimiento mximo
Estrategias mixtas
Modelo: definicin y tipos.
Un modelo es una representacin simplificada e idealizada de la realidad, o
tambin, un modelo es una abstraccin selectiva de la realidad. Dentro de la
Investigacin de Operaciones los tipos de modelos generalmente son numricos.
Los tipos de modelos son:
Icnicos
Analgicos
Matemticos
Un modelo icnico es una representacin de la realidad pero a diferente escala, ya
sea aumentada o disminuida, por ejemplo:
Una maqueta
Un mapa
La representacin de la clula
Los modelos analgicos generalmente requieren la sustitucin de una propiedad
por otra con el fin de permitir la manipulacin del modelo, despus de resolver el
problema la solucin se reinterpreta de acuerdo al sistema original, por ejemplo:
Un sistema de redes elctricas se pude utilizar en forma anloga para un
sistema de transporte vial
El sistema lgico de la inteligencia humana se utiliza en forma anloga para la
operacin de un programa de computadoras.
Los modelos simblicos o matemticos emplean un conjunto de smbolos
matemticos y funciones para representar las variables de decisin y sus
relaciones para describir el comportamiento del sistema. La solucin de problemas
se obtiene aplicando tcnicas matemticas, como programacin lineal.
En investigacin de operaciones los modelos casi siempre son matemticos y por
consiguiente son aproximaciones a la realidad, por ejemplo:
La ecuacin general de la lnea recta: y=mx + b
La cantidad ptima en compra de inventarios
Ing. en Sistemas Computacionales

Investigacin de Operaciones Unidad I

c)

La ecuacin bsica en contabilidad: A= P + CE

Ing. en Sistemas Computacionales

Investigacin de Operaciones Unidad I

1.2.- Formulacin de modelos

Como su nombre lo indica, la formulacin de modelos es pasar directamente del
sistema asumido al modelo de pl. Para tal efecto, se propone el siguiente orden:
definir el objetivo, definir las variables de decisin, enseguida las restricciones
estructurales y finalmente establecer las condiciones tcnicas
Definir el Objetivo: Consiste en definir un criterio de optimizacin el cual puede
ser Maximizacin o Minimizacin dependiendo del problema que se desee
resolver, el cual es una funcin lineal de las diferentes actividades del problema.
Bajo el criterio de optimizacin definido se pretende medir la contribucin de las
soluciones factibles que puedan obtenerse y determinar la ptima.
Definir las variables de decisin: Son las incgnitas del problema bsicamente
consisten en los niveles de todas las actividades que pueden llevarse a cabo en el
problema a formular, estas pueden ser de tantos tipos diferentes como sea
necesario, e incluir tantos subndices como sea requerido.
Definir las restricciones: Son los diferentes requisitos que debe cumplir cualquier
solucin para que pueda llevarse a cabo. En cierta manera son las limitantes en
los valores de los niveles de las diferentes actividades (variables).
Las restricciones ms comunes son de seis tipos, las cuales se listan a
continuacin:
Restriccin de capacidad: limitan el valor de las variables debido a la
disponibilidad de horas-hombre, horas-mquina, espacio, etc.
Restriccin de mercado: Surgen de los valores mximos y mnimos en las
ventas o el uso del producto o actividad a realizar.
Restriccin de entradas: Son limitantes debido a los escases de materias
primas, mano de obra, dinero, etc.
Restriccin de calidad: Son las restricciones que limitan las mezclas de
ingredientes, definiendo usualmente la calidad de los artculos a
manufacturar.
Restricciones de balance de material: Estas son las restricciones que
definen las salidas de un proceso en funcin de las entradas, tomando en
cuenta generalmente cierto porcentaje de merma o desperdicio.
Restricciones Internas: Son las que definen a una variable dada, en la
formulacin interna del problema, un ejemplo tipo, es el de inventario.

Ing. en Sistemas Computacionales

Investigacin de Operaciones Unidad I

1.3 Mtodo Grfico

El mtodo grfico se utiliza para la solucin de problemas de PL, representando
geomtricamente a las restricciones, condiciones tcnicas y el objetivo.
El modelo se puede resolver en forma grfica si slo tiene dos variables. Para modelos
con tres o ms variables, el mtodo grfico es imprctico o imposible.
Cuando los ejes son relacionados con las variables del problema, el mtodo es llamado
mtodo grfico en actividad. Cuando se relacionan las restricciones tecnolgicas se
denomina mtodo grfico en recursos.
Los pasos necesarios para realizar el mtodo son nueve:
1. graficar las soluciones factibles, o el espacio de soluciones (factible), que satisfagan
todas las restricciones en forma simultnea.
2. Las restricciones de no negatividad Xi>= 0 confan todos los valores posibles.
3. El espacio encerrado por las restricciones restantes se determinan sustituyendo en
primer trmino <= por (=) para cada restriccin, con lo cual se produce la ecuacin de una
lnea recta.
4. trazar cada lnea recta en el plano y la regin en cual se encuentra cada restriccin
cuando se considera la desigualdad lo indica la direccin de la flecha situada sobre la
lnea recta asociada.
5. Cada punto contenido o situado en la frontera del espacio de soluciones satisfacen
todas las restricciones y por consiguiente, representa un punto factible.
6. Aunque hay un nmero infinito de puntos factibles en el espacio de soluciones, la
solucin ptima puede determinarse al observar la direccin en la cual aumenta la funcin
objetivo.
7. Las lneas paralelas que representan la funcin objetivo se trazan mediante la
asignacin de valores arbitrarios a fin de determinar la pendiente y la direccin en la cual
crece o decrece el valor de la funcin objetivo.

Ing. en Sistemas Computacionales

Investigacin de Operaciones Unidad I

1.4.- Fundamentos de Mtodos Simplex

El Mtodo Simplex publicado por George Dnzig en 1947 consiste en un algoritmo
iterativo que secuencialmente a travs de iteraciones se va aproximando al ptimo del
problema de Programacin Lineal en caso de existir esta ltima.
El Mtodo Simplex hace uso de la propiedad de que la solucin ptima de un problema de
Programacin Lineal se encuentra en un vrtice o frontera del dominio de puntos factibles
(esto ltimo en casos muy especiales), por lo cual, la bsqueda secuencial del algoritmo
se basa en la evaluacin progresiva de estos vrtices hasta encontrar el ptimo. Cabe
destacar que para aplicar el Mtodo Simplex a un modelo lineal, este debe estar en un
formato especial conocido como formato estndar el cual definiremos a continuacin.
FORMA ESTNDAR DE UN MODELO DE PROGRAMACIN LINEAL
Consideremos un modelo de Programacin Lineal en su forma estndar, que
denotaremos en lo que sigue por:

Min c1x1 + c2x2 + ... + cnxn

sa a11x1 + a12x2 + ... + a1nxn = b1
a21x1 + a22x2 + ... + a2nxn = b2
... ... ...
am1x1 + am2x2 + ... + amnxn = bm
xi >= 0, i = 1, 2, ..., n y m <= n

Matricialmente escrito como:

Min
s.a
x >= 0

Ax

cTx
b

No existe prdida de generalidad en asumir que un modelo de PL viene dado en su forma

estndar:

EJEMPLO
P) Max 9u + 2v + 5z
sa 4u + 3v + 6z <= 50
u + 2v - 3z >= 8
2u - 4v + z = 5
u,v >= 0
z e IR
1. Siempre es posible llevar un problema de maximizacin a uno de minimizacin. Si
f(x) es la funcin objetivo a maximizar y x* es la solucin ptima f(x*) >= f(x), para

Ing. en Sistemas Computacionales

Investigacin de Operaciones Unidad I

todo x factible. -f(x*) <= - f(x), para todo x factible. En consecuencia: x* es
tambin mnimo de -f(x)
2. Cada restriccin del tipo <= puede ser llevada a una ecuacin de igualdad usando
una (nueva) variable de holgura no negativa, con coeficiente nulo en la funcin
objetivo.
3. Cada restriccin del tipo >= puede ser llevada a una ecuacin de igualdad usando
una (nueva) variable de exceso no negativa, con coeficiente nulo en la funcin
objetivo.
4. Siempre es posible escribir una variable libre de signo como la diferencia de dos
variables no negativas.
Considerando la siguiente notacin: u = x1, v = x2, z = x3 - x4, s1 = x5 (holgura), s2 = x6
(exceso), el problema P) puede ser escrito en forma equivalente como:

Min - 9x1 - 2x2 - 5x3 + 5x4 + 0x5 + 0x6

sa: 4x1 + 3x2 + 6x3 - 6x4 + x5 = 50
x1 + 2x2 - 3x3 + 3x4 - x6 = 8
2x1 - 4x2 + x3 - x4 = 5
xi >= 0, i=1,2,3,4,5,6.

Ing. en Sistemas Computacionales

Investigacin de Operaciones Unidad I

1.5.- Aplicaciones diversas de programacin lineal

Problema de Inversin: Considere que usted dispone de un capital de 21.000 dlares para
invertir en la bolsa de valores. Un amigo le recomienda 2 acciones que en el ltimo tiempo han
estado al alza: Accin A y Accin B. La Accin A tiene una rentabilidad del 10% anual y la Accin
B del 8% anual. Su amigo le aconseja tener una cartera equilibrada y diversa y por tanto le
recomienda invertir un mximo de 13.000 dlares en la Accin A y como mnimo 6.000 dlares
en la Accin B. Adems la inversin en la Accin A debe ser menor o igual que el doble de la
inversin destinada a la Accin B. Usted quiere formular y resolver un modelo de Programacin
Lineal que permita obtener la poltica de inversin que permita obtener la mxima rentabilidad
(inters) anual.
Variables de Decisin:
x = dlares invertidos en Accin A.
y = dlares invertidos en Accin B.
Funcin Objetivo: Se busca maximizar la rentabilidad anual que resulta de invertir en los 2
tipos de acciones.
Maximizar 0.1x + 0.08y
Restricciones: Considera las recomendaciones de su amigo.

Slucin ptima: X = 13.000 Y = 8.000. Valor ptimo V(P) = 1.940 dlares.

Problema de Proceso Productivo: Una empresa produce tres tipos de muebles (A, B y C),
cada uno de los cuales se vende a $200, $150 y $120 respectivamente. Para la produccin de
estos muebles la empresa cuenta con 315 horas disponibles en un taller de corte de madera,
110 horas disponibles en un taller de lijado y 50 horas en un taller de pintado. Se ha estimado
que el mueble A requiere por unidad 15 horas de trabajo en el taller de corte, 2 horas en el taller
de lijado y 1 hora en el taller de pintado (estos mismos valores para los muebles B y C son
7,5:3:1 y 5:2:1, respectivamente). Se requiere formular y resolver un modelo de Programacin
Lineal que permita encontrar la cantidad a elaborar y vender de estos muebles de modo que la
empresa obtenga el mayor beneficio.
Variables de Decisin:
X = Unidades a elaborar y vender del mueble A.
Y = Unidades a elaborar y vender del mueble B.
Z = Unidades a elaborar y vender del mueble C.
De esta forma el modelo de optimizacin que permite encontrar el plan ptimo de produccin es
el siguiente:

Ing. en Sistemas Computacionales