INTRODUCCIN A LA

MODELACIN MATEMTICA
Y OPTIMIZACIN

Carlos Julio Vidal Holgun

UNIVERSIDAD DEL VALLE

FACULTAD DE INGENIERA
ESCUELA DE INGENIERA INDUSTRIAL Y ESTADSTICA
 UNIVERSIDAD DEL VALLE
FACULTAD DE INGENIERA
ESCUELA DE INGENIERA INDUSTRIAL Y ESTADSTICA

INTRODUCCIN A LA MODELACIN MATEMTICA Y

OPTIMIZACIN

Programacin Lineal, Programacin No Lineal y Teora de Redes:

Formulacin y solucin de modelos, teora de dualidad, anlisis de
sensibilidad, problema del transporte y problemas seleccionados de redes.

(Versin 1.5 Agosto de 2005)

Escrito y recopilado por Carlos Julio Vidal Holgun

Cali, Agosto de 2005

 1. LA INVESTIGACIN DE
OPERACIONES
1.1. ORGENES
Algunos autores afirman que las primeras semillas para el surgimiento de la IO se
remontan hacia mediados del siglo XVIII cuando en 1759 el economista Quesnay utiliz
algunos modelos simples de programacin matemtica y hacia el ao 1874 cuando otro
economista, Walras, us tcnicas similares. Sin embargo, el acontecimiento histrico que
marc el verdadero origen de la IO fue la segunda guerra mundial.

Generalmente, en tiempos de guerra los recursos se vuelven escasos y su utilizacin

debe hacerse en la forma ms racional posible para obtener de ellos el mximo provecho. Fue
as como la milicia britnica y posteriormente la de los Estados Unidos decidieron apoyarse en
un grupo de investigadores con el objeto de disear procedimientos cientficos para ser
utilizados en las estrategias y tcnicas militares. Estos grupos se dedicaran, por lo tanto, a
investigar las operaciones militares. Al parecer, de aqu surgi el nombre de esta disciplina
como sigue utilizndose actualmente. Es de destacar que los estudios realizados por estos
grupos de cientficos, segn se afirma, contribuyeron positivamente a grandes triunfos de los
pases aliados en la segunda guerra mundial, tales como las batallas de Inglaterra y del
Atlntico Norte.

Por otra parte, como consecuencia de la primera Revolucin Industrial acaecida en el

Siglo XIX, las organizaciones en general haban sufrido cambios sustanciales, pasando de
pequeos talleres artesanales a medianas y grandes empresas. Adems, se pas de empresas
con un solo administrador o dueo absoluto, quien tena a su cargo las principales decisiones,
a empresas que por su naturaleza y tamao tuvieron la necesidad de crear la divisin funcional
del trabajo y segmentar las responsabilidades administrativas, delegando en varias personas el
proceso de toma de decisiones.

Aunque lo anterior trajo grandes ventajas, empezaron a surgir problemas debidos a la

independencia de los departamentos y secciones de las empresas. Cada ente defenda sus
objetivos particulares, sin contribuir como un todo a las metas y objetivos generales de la
organizacin, lo cual inclusive se sigue observando en la actualidad. Es entonces cuando
aparecen los primeros problemas de decisin a alto nivel, los cuales eventualmente tratara de
abordar algunas tcnicas de la investigacin de operaciones.

Debido al xito de los grupos de cientficos que realizaron la investigacin de

operaciones militares y como el ambiente de las organizaciones era el propicio, la industria
empez a interesarse en ellos para que disearan procedimientos cientficos para abordar los
problemas de decisin que las empresas estaban enfrentando. Fue as como al terminar la
guerra, los britnicos comenzaron a utilizar esta metodologa en sus industrias y se dieron
cuenta que sus problemas eran de naturaleza semejante a la de los problemas militares:
recursos limitados y dificultad para lograr su mejor asignacin a las diversas actividades de la
empresa. En los Estados Unidos, el inters de la industria por las tcnicas de la IO no fue tan
inmediato y surgi con el advenimiento de las Segunda Revolucin Industrial, caracterizada
por la automatizacin y el advenimiento de los computadores electrnicos digitales.

El notable adelanto logrado en pocos aos en las tcnicas de la IO se debi al inters de

muchos cientficos en perfeccionar lo que ya haban desarrollado para las tcticas militares y
al surgimiento de los computadores. Fue as como en 1947, el Dr. George Dantzig, con la
ayuda de muchos de sus antecesores, logr desarrollar el mtodo simplex para la solucin de
problemas de programacin lineal, mtodo que hasta la actualidad es utilizado mundialmente
para la solucin de grandes problemas de aplicacin de esta tcnica.

Antes de finalizar la dcada de los 50s, otras tcnicas de la IO fueron ampliamente

desarrolladas, tales como la programacin dinmica, la teora de colas y la teora de
inventarios. En 1952 se funda en Estados Unidos la Operations Research Society of
America, ORSA, la cual hacia 1972 ya contaba con alrededor de 8000 miembros en todo el
mundo. Posteriormente, la ORSA se fusion con el Instituto Americano para las Ciencias de
la Administracin y se cre el Institute for Operations Research and the Management
Sciences, INFORMS (ver pgina web www.informs.org), el cual actualmente cuenta con
miles de miembros de todo el mundo y celebra reuniones trimestrales en los Estados Unidos y
reuniones anuales en diferentes partes del mundo, donde se exponen las ltimas
investigaciones en el rea. Existen tambin actualmente diversas organizaciones en todo el
mundo para la divulgacin y el desarrollo de la investigacin de operaciones, tales como
EURO en Europa y la recientemente creada SOCIO en Colombia (Sociedad Colombiana de
Investigacin de Operaciones). Todas estas organizaciones tienen importantes publicaciones
peridicas que circulan a nivel mundial. INFORMS, por ejemplo, publica las revistas
Operations Research y Management Science, entre otras, de gran renombre en el rea de
investigacin de operaciones.

En las universidades, por otra parte, existen programas de estudios de pregrado y

postgrado (a nivel de maestra y doctorado) ntimamente relacionados con el rea de la
investigacin de operaciones. Existen, por ejemplo, escuelas de ingeniera industrial con reas
especializadas en optimizacin y en produccin y distribucin que hacen extensiva
investigacin y aplicacin de las tcnicas de la investigacin de operaciones.

Algunas de las tcnicas de la IO se han ido especializando de tal forma, que

actualmente representan un cuerpo independiente y con desarrollos propios, como por
ejemplo, la estadstica, la optimizacin y la simulacin. En otros casos, algunas reas del
conocimiento utilizan ampliamente la IO, como es el caso de la Logstica, la cual aplican por
ejemplo diversas tcnicas de optimizacin. Adems, existen diversos proveedores de software
dedicados exclusivamente al desarrollo de programas especializados de tcnicas de IO, como
es el caso de la simulacin y la optimizacin, quienes promueven sus productos con
seminarios y cursos alrededor del mundo.

Aunque muchas veces se ha dado la discusin sobre la utilidad real de la IO y su

posible decadencia, todo parece indicar que sus diversas tcnicas han tomado en la actualidad
completa independencia y autonoma, y las innumerables aplicaciones que existen siguen en
desarrollo y crecimiento. Un ejemplo tpico de esto es la aplicacin de la IO para el diseo y
optimizacin de las cadenas de abastecimiento.

1.2. NATURALEZA DE LA INVESTIGACIN DE

OPERACIONES
De acuerdo con Hillier y Lieberman (1997), se ha tratado de enmarcar a la IO y
definirla. Sin embargo, su propio origen hace que esto sea una tarea muy difcil o imposible.
En lugar de definirla, entonces, es preferible dar una idea de su naturaleza y sus caractersticas
para comprender mejor su esencia.

La IO aplica el mtodo cientfico para el estudio de los diversos problemas,

observando y definiendo claramente el problema en cuestin. Posteriormente se disea un
modelo (generalmente matemtico) que permite representar y abstraer la realidad del sistema
bajo estudio. Seguidamente, se obtienen las soluciones del modelo y se trata de validar el
modelo, principalmente con el anlisis de las respuestas del modelo y la experimentacin. De
acuerdo con los resultados de la validacin, es posible retornar al rediseo del modelo y su
refinamiento, convirtindose as en un proceso iterativo que puede cambiar de acuerdo con la
dinmica del sistema estudiado. Como puede observarse, esta metodologa corresponde a la
utilizacin del enfoque de sistemas como herramienta de estudio de los problemas, donde se
identifican y analizan los componentes, interrelaciones y factores significativos del sistema
bajo anlisis.

Las conclusiones obtenidas con la aplicacin del modelo deben enmarcarse en la

realidad del problema analizado y deben ser fciles de interpretar y de implementar para el
ente decisorio. Por lo tanto, la IO debe producir soluciones de problemas reales que puedan
ser aplicadas de una manera eficiente y racional por las personas responsables de los procesos
decisorios de la organizacin.

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.

La investigacin de operaciones se ocupa y hace uso de diversos y muy variados

campos del conocimiento humano. Por lo tanto, la IO presenta la caracterstica de ser aplicada
por grupos interdisciplinarios, tales como personas expertas en los campos de las
matemticas, la estadstica y la probabilidad, economa, administracin, ingeniera industrial y
de sistemas, ciencias de la computacin, sicologa, ingeniera en general, e incluso en las reas
de la salud, tales como la medicina y epidemiologa.

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.

En resumen, y tal como lo expresan Hillier y Lieberman (1997), la investigacin de

operaciones se ocupa de la modelacin y la toma de decisiones ptimas en sistemas
determinsticos y probabilsticos de la vida real. Aqu nos ocuparemos de modelos
determinsticos de optimizacin y sus aplicaciones a sistemas reales.

1.3. IMPACTO DE LA INVESTIGACIN DE

OPERACIONES
Debido a su amplio punto de vista, la IO se ha aplicado y se contina aplicando a los
ms diversos campos del conocimiento humano. Es as como las diversas tcnicas de la IO se
han utilizado con xito en campos de los negocios, entes gubernamentales y militares, la banca
y otros sectores de servicios y la industria en general, en aspectos como la produccin, los
mercados, las inversiones y las finanzas, la salud, las ciencias sociales, la biologa, etc. Unos
pocos ejemplos de estas aplicaciones son los siguientes:

Control y prediccin del crecimiento econmico,

Planeacin de la expansin de plantas manufactureras,
Planeacin urbana,
Optimizacin de servicios de transporte y de transporte de basuras,
Diseo de redes de tubera,
Optimizacin y diseo de cadenas de abastecimiento regionales e internacionales,
Estrategias de sustitucin de importaciones,
Planeacin agregada de la produccin,
Planeacin y estrategias en empresas de transporte areo,
Problemas de inventarios en general, incluyendo materias primas y productos
terminados,
Mantenimiento y reemplazo de equipos,
Evaluacin de estrategias de publicidad,
Tratamiento ptimo de tumores cancerosos,
Estudio de la propagacin de epidemias (como el SIDA),
Distribucin del esfuerzo de ventas,
Entrenamiento de personal,
Diversas aplicaciones en refineras petroleras,
Prediccin financiera,
Optimizacin de satlites,
Distribucin de fuerzas navales y areas,
Evaluacin de inversiones en bonos y acciones,
Planeacin y control de proyectos,
 Estudios de diversos sistemas de servicio (teora de colas y simulacin),
Programas de vacunacin de perros callejeros,
Prediccin de trabajo policiaco,
Estudios de factores de criminalidad y
Otras diversas aplicaciones en muchos campos.

Como puede observarse, las posibilidades de aplicacin son inmensas y cada da ms

especializadas. Las aplicaciones reales de la IO estn creciendo cada da, especialmente en
nuestro medio cuando apenas empieza a reconocerse su importancia y utilidad para el diseo y
optimizacin de sistemas complejos.

Entre las tcnicas de la IO que ms se han utilizado se resaltan el anlisis estadstico

cuyo origen tuvo lugar con el desarrollo de la IO, para posteriormente volverse una tcnica
independiente con sus propios desarrollos. Igualmente, la programacin lineal y la simulacin
han tenido y tienen actualmente un gran desarrollo en diversos campos, como por ejemplo los
sistemas integrados de produccin y distribucin, los sistemas de manejo de materiales,
algunas aplicaciones en agricultura, los problemas de planeacin de las lneas areas y muchos
otros ms.

Entre otras tcnicas de la IO se destacan:

Los modelos de redes,

La programacin dinmica,
Los modelos de inventarios,
La teora de pronsticos,
La teora de anlisis de decisin y juegos,
Los sistemas de colas,
Los procesos markovianos de decisin y
La optimizacin no-lineal.

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.

Figura 2.1. El proceso de diseo en ingeniera

Inicialmente debe identificarse claramente el problema que se va a resolver. Este paso

es fundamental para el xito de todo el proceso, ya que si el problema no est bien formulado,
cualquier anlisis podra llegar a conclusiones sin sentido. Una vez definido el problema, se
pasa a su anlisis y se recolectan datos preliminares que permitan enmarcarlo de una forma
ms precisa.

Posteriormente, se generan posibles alternativas de solucin del problema. El paso

siguiente consiste en la evaluacin de las alternativas con el objeto de determinar la mejor o
mejores. Es en este paso cuando la formulacin de un modelo como herramienta de decisin
puede ser muy importante. Obviamente, puede llegarse a una seleccin de una buena
alternativa sin necesidad de formular ningn modelo, pero generalmente ste da una visin
mucho ms amplia del sistema bajo estudio y, en otras ocasiones, se hace imprescindible su
utilizacin.

El modelo formulado entra en un proceso de validacin para determinar su grado de

aproximacin con la realidad, a travs de la comparacin con resultados histricos y con
indicadores extrados del sistema real bajo anlisis. Una vez superado este paso, el modelo
puede utilizarse para evaluar las alternativas de solucin y determinar la mejor.

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:

Ser ms fcil de manipular y

Proveer una mejor visin del sistema bajo estudio.

En todas las disciplinas, de una u otra forma, se utilizan modelos. A continuacin se da una
clasificacin tpica de modelos.

2.1.1. Clasificacin de Modelos

De acuerdo con su naturaleza los modelos pueden clasificarse en:

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.

Anlogos o analgicos, los cuales no asemejan fsicamente el sistema bajo estudio,

sino que exhiben conexiones entre los parmetros de entrada y las variables de
salida proporcionales a los correspondientes parmetros y variables existentes en el
sistema real. Un ejemplo clsico de un modelo anlogo se utiliza en la localizacin
ptima de una nueva planta o centro de distribucin en el plano, donde se trata de
minimizar la suma ponderada de las distancias de la nueva instalacin hacia todas
las instalaciones existentes (plantas o centros de distribucin). Para ello se
construye una estructura en la que se tiene una mesa horizontal con agujeros
 dispuestos de la misma forma que las instalaciones existentes, normalmente a
escala. Una cuerda para cada una de las instalaciones existentes se ata a un nudo
comn y todas se hacen pasar por sus agujeros respectivos, a travs de poleas que
se puedan considerar sin friccin. En el extremo libre de cada cuerda se cuelga un
peso proporcional al volumen que manejar la correspondiente instalacin
multiplicado por su costo unitario de transporte. El sistema se deja en libertad hasta
que el nudo quede en reposo; el punto de equilibrio del nudo corresponde a la
localizacin ptima del nuevo centro de distribucin y la longitud de las cuerdas
entre el nudo y las poleas representar la distancia entre las instalaciones existentes
y la nueva instalacin. Como puede verse, se trata aqu de resolver un problema de
localizacin mediante el uso de un modelo analgico mecnico.

Matemticos, los cuales incorporan las propiedades y el comportamiento bsico del

sistema bajo estudio mediante relaciones matemticas reflejadas en parmetros,
variables de decisin, funciones objetivo, etc. El ejemplo tpico son los modelos de
programacin lineal que se exponen a partir del captulo siguiente.

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.

A partir de estas ltimas clasificaciones, se pueden dar todas las combinaciones

posibles de modelos, a saber:

Modelos determinsticos descriptivos (como por ejemplo las ecuaciones que

reflejan la Ley de Ohm);
Modelos determinsticos optimizables (como por ejemplo los modelos de
programacin lineal);
Modelos estocsticos descriptivos (como por ejemplo los modelos de colas y
simulacin);
Modelos estocsticos optimizables (como por ejemplo algunos modelos de
programacin no-lineal e inventarios).

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

Existen mltiples ventajas en el uso de modelos como herramientas poderosas para la

toma de decisiones. Las principales son:

Consideracin de aspectos fundamentales del sistema que seran muy difciles o

imposibles de analizar sin la ayuda de los modelos;
Definicin precisa de los objetivos, estructura y restricciones del sistema;
Definicin de parmetros, costos e indicadores de eficiencia que recogen los
aspectos ms relevantes para el anlisis del sistema bajo estudio;
Evaluacin sistemtica de alternativas;
Rpida respuesta de anlisis de sensibilidad, los cuales de otra forma seran
demasiado dificultosos o imposibles.

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:

Requerimiento y recoleccin de conjuntos de datos muy extensos y, en general, con

altas exigencias en su grado de precisin;
Requerimiento de conocimientos altamente especializados para su formulacin,
solucin y anlisis de resultados;
Necesidad de disponer de sistemas de computacin y programas complejos y
costosos;
Requerimiento de tiempos de solucin muy largos, los cuales pueden en algunos
casos puede resultar prohibitivos.

A pesar de estas desventajas potenciales, cuando se emprende la tarea de modelar una

situacin real y se identifican los aspectos bsicos a ser involucrados en el modelo con la
informacin requerida necesaria, las ventajas potenciales superan ampliamente cualquier
dificultad que se encuentre.

2.1.3. Algunas Conclusiones con Respecto del Uso de Modelos

Uno de los aspectos bsicos de la modelacin matemtica es el de considerar el

suficiente grado de abstraccin de la realidad, de tal forma que el modelo tenga el suficiente
realismo, contra la posibilidad de que sea resuelto en un tiempo de computacin aceptable. El
arte de modelar consiste precisamente en identificar las caractersticas fundamentales del
sistema a ser involucradas en el modelo y en disear modelos que permitan ser resueltos en
forma eficiente. Desde este punto de vista es tan importante y fundamental formular un
modelo, como encontrar sus soluciones en un tiempo computacional aceptable, para despus
analizarlas e implementar las que se consideren mejores.

La formulacin de modelos debe ser un proceso progresivo, donde inicialmente se

formule un modelo de poca elaboracin y luego se refine gradualmente hasta obtener el
equilibrio mencionado anteriormente. Generalmente, es un error tratar de formular en el inicio
del proceso el modelo ms complejo y elaborado.

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.