Académique Documents
Professionnel Documents
Culture Documents
MODELACIN MATEMTICA
Y OPTIMIZACIN
Como puede observarse, el punto de vista de la IO es muy amplio, pues apunta hacia
cualquier tipo de organizacin, tratando de resolver los conflictos entre los componentes de la
misma, para obtener el mximo provecho de los recursos disponibles y lograr los objetivos
globales de la empresa. Ese mximo aprovechamiento de los recursos se ve reflejado en la
mayora de los casos que estudia la investigacin operacional en la bsqueda de soluciones
ptimas de los problemas.
Por otra parte, el grupo que realiza un estudio especfico en alguna organizacin debe
contener personas expertas en las reas antes mencionadas y adems poseer un conocimiento
global y profundo de la organizacin misma, de tal forma que la definicin del problema, el
diseo del modelo y la utilizacin de sus soluciones estn enmarcados dentro del contexto del
sistema real y especfico bajo estudio. De esto ltimo puede deducirse que los resultados que
brinda la IO se obtienen en general de mediano a largo plazo, pues el conocimiento inicial del
sistema bajo estudio por parte del grupo puede consumir un tiempo considerable.
Prcticamente cada una de estas tcnicas podra dar lugar a cursos completos o
seminarios especializados, con amplia exposicin de aplicaciones reales. Esta publicacin se
centra en lo que podra denominarse un curso de Introduccin a la Optimizacin o
Investigacin de Operaciones I, concentrndose principalmente en los modelos de
programacin lineal y brindando una introduccin a la teora de redes y a la programacin no-
lineal.
2. EL PROCESO DE DISEO EN
INGENIERA
Como ya se ha visto, la IO aplica el mtodo cientfico para analizar, modelar y
optimizar sistemas complejos reales. Desde el punto de vista de la ingeniera industrial y de
sistemas, esta metodologa podra definirse como el proceso de diseo en ingeniera. Este
proceso consiste en una serie de pasos bien definidos para encontrar la solucin de problemas
reales. La Figura 2.1 muestra una sntesis de este proceso.
Los dos pasos siguientes son comunes al proceso bien sea que exista o no un modelo
de decisin. Se trata de especificar claramente la solucin con el objeto de que sea
implementada de una forma correcta y de que permita su continua evaluacin y control. Estos
pasos pueden identificar desviaciones de la realidad o cambios con respecto de la concepcin
original del problema, de tal forma que se puede hacer necesario un proceso continuo de
anlisis y refinamiento del modelo, incluso existiendo la posibilidad de reformular el problema
e iniciar el proceso de nuevo.
2.1. MODELOS
Uno de los pasos fundamentales del proceso descrito anteriormente puede ser la
formulacin y validacin de un modelo de decisin. En general, puede decirse que un modelo
es la abstraccin de la realidad, el cual debe poseer dos caractersticas bsicas:
En todas las disciplinas, de una u otra forma, se utilizan modelos. A continuacin se da una
clasificacin tpica de modelos.
Fsicos, los cuales normalmente lucen semejantes a la realidad fsica, pero a menor
escala, como por ejemplo un avin en miniatura siendo probado en un tnel de
viento.
Otro tipo de clasificacin define los modelos como descriptivos, o sea aqullos que
slo describen el sistema bajo estudio, o normativos u optimizables, los cuales se formulan
para mejorar u optimizar el sistema bajo estudio. De manera semejante, los modelos se pueden
clasificar en determinsticos o estocsticos (probabilsticos), de acuerdo con su capacidad de
involucrar o no variables aleatorias en el anlisis.
Existen otras clasificaciones ms detalladas, pero con las dadas aqu es suficiente para
ilustrar los tipos de modelos objeto de esta publicacin. En general, los modelos matemticos
tratados en esta publicacin, es decir los de programacin lineal, modelos de redes y
programacin no-lineal, pueden ser clasificados como modelos matemticos determinstico-
optimizables.
2.1.2. Ventajas y Desventajas del Uso de Modelos
Por el contrario, existen tambin algunas desventajas que deben ser evaluadas antes de
emprender la tarea de formulacin de un modelo para la solucin de un problema. Ellas son:
Los modelos deben siempre considerarse como un soporte o ayuda para la toma de
decisiones y nunca como el reemplazo de las personas que toman las decisiones. Si se formula
un modelo pensando que sus resultados van a resolver todos los problemas de decisin y van a
ser implementados a ojos cerrados, se cae en un grave error que puede traer consecuencias
impredecibles. Existen en la realidad muchos factores que no pueden ser involucrados en
modelos matemticos y que slo los grupos de personas que toman las decisiones pueden
evaluar. Por lo tanto, desde este punto de vista, los modelos son una poderosa herramienta
para este proceso, pero no el fin mismo de la decisin.