Introducción a la Investigación de

Operaciones

Semana 1
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,…

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Historia de la I.O.
• Al terminar la guerra, sigue el desarrollo en la industria, debido
a:
➢ competitividad industrial
➢ progreso teórico
• RAND, Research And 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.

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

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/

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

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

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Investigación de Operaciones
Desde la Segunda Guerra Mundial Militares Británicos que le
pidieron a científicos e ingenieros que analizaran diversos
problemas militares:
• Manejo de convoyes, bombardeos, operaciones de minado
• Investigación de Operaciones militares.
Hoy:
• Uso de modelos matemáticos para apoyar la toma de
decisiones en las más diversas áreas.

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Línea de Tiempo

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

La Investigación de Operaciones

La Investigación de Operaciones (IO) o Investigación Operativa, es una

rama de las matemáticas que utiliza modelos y algoritmos matemáticos,
con el objetivo de tomar decisiones de manera efectiva y eficiente dentro de
una organización.

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

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.
Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo
Investigación operativa (I.O.)

• Es la aplicación del método científico para

asignar los recursos o actividades de forma
eficaz, en la gestión y organización de sistemas
complejos
• Su objetivo es ayudar a la toma de decisiones
• Requiere un enfoque interdisciplinario

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

La Investigación de Operaciones
Al utilizar algún modelo o algoritmo de la IO las decisiones serán más
eficientes y seguras en cuanto a costos, tiempos, recursos, beneficios, entre
otros aspectos, en comparación con aquellas decisiones que son tomadas de
forma arbitraria sin hacer uso de alguna técnica, herramienta o método
matemático.

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

La IO dentro de las Organizaciones

Recursos Recursos
Financieros Humanos

Procesos
OPTIMIZA: Planes de
de
Marketing
Producción

Distribución
de Asignación
Productos de
… Recursos

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Naturaleza de la Investigación de Operaciones
La investigación de operaciones se aplica a problemas que
se refieren a la conducción y coordinación de
operaciones (o actividades) dentro de una organización.

La investigación de operaciones intenta encontrar una

mejor solución, (llamada solución óptima) para el
problema bajo consideración.

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

La IO dentro de las Organizaciones

Administra, coordina y controla

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

La IO dentro de las Organizaciones

Determina las unidades a

producir, a partir de una
disponibilidad en tiempo y
materia prima.

Determina el correcto sistema de

distribución de los productos
desde las fábricas (origen) hacia
las sucursales (destinos).

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

La IO dentro de las Organizaciones

Elabora un plan de producción, balanceando la oferta y la demanda, de

manera que se satisfaga adecuadamente las variables que intervienen
en los mismos procesos para así aumentar la utilidad y producción.

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Investigación de Operaciones
Utiliza las últimas técnicas y herramientas de apoyo a las
decisiones, especialmente modelamiento matemático.

Provee poder analítico que softwares comunes no pueden

entregar fuera de un paquete.

Incluye la construcción de sistemas productivos que permiten

analizar situaciones o sistemas complejos.

Permite obtener decisiones más efectivas considerando todas las

opciones involucradas

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Enfoque de la Investigación de Operaciones
VARIABLES RELACIONES
RELEVANTES RELEVANTES
SISTEMA SISTEMA MODELO
REAL ASUMIDO CUANTITATIVO

MÉTODO
DE SOLUCIÓN

SOLUCIÓN AL
JUICIOS Y SOLUCIÓN
PROBLEMA DEL
EXPERIENCIAS AL MODELO
SISTEMA REAL
DECISIONES INTERPRETACIÓN

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

¿Qué es la Programación Lineal?
• La Programación Lineal es una herramienta muy poderosa para
la aplicación y disposición de recursos escasos de una manera
adecuada y óptima.
• En la actualidad los recursos necesarios para llevar a cabo una
operación son escasos y tienden a subir de precio.
• La Programación Lineal permite la asignación de estos recursos
de una forma efectiva utilizando aquéllos que son
indispensables y al máximo.

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Ramas de la Investigación de Operaciones
• Simulación: Experimentación sobre un sistema real en modelos
de bajo costo y fuera de línea.
• Probabilidad y Estadística: Análisis de datos, medir riesgo,
descubrir relaciones y diseñar pronósticos acertados de datos
futuros.
• Optimización (Programación Matemática): Modelación y análisis
de un problema real con el fin de tomar la mejor solución
dentro de un conjunto de soluciones disponibles.

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Tipos de Programación

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Aplicaciones de la Programación Lineal

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

¿Qué es un Modelo?

“A representation of a system for the purpose of studying the

system” (J. Banks)

En resumen es una Caricatura de la Realidad:

• Modelo posee características más relevantes del sistema
(realidad).
• Características a considerar dependen del uso.

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

¿Qué es un 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

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Ejemplos de Modelo
• Un juego (de entrenamiento) para dentistas.

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Ejemplos de Modelo
• Un simulador de vuelo para el A350

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Ejemplos de Modelo
• Un modelo computacional del clima.

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Ejemplos de Modelo
• La balística es un modelo analítico

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Tipos de Modelo

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Tipos de Modelo

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

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

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

 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.

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

 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)
Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo
¿Para qué sirve un modelo?

Todo modelo representa una realidad que no es, pero algunos

son adecuados para analizar la realidad con un fin específico.

¡Modelar es un arte!

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Optimización – Programación Lineal.
• Rama de la Investigación Operativa.
• Proceso de tres etapas que apoya la toma de decisiones:

1. Modelar un problema de la realidad mediante expresiones

matemáticas (Modelo de Optimización).
2. Resolver: Estudiar cuál el la mejor decisión admisible en el
modelo que maximiza/minimiza algún objetivo
3. Analizar resultados: validar que los resultados son aplicables y
entender para qué escenarios del problema hacen sentido.

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

“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

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

El paso más importante…El Planteamiento del P.P.L.
1. Definir las variables de decisión
2. Definir la Función objetivo
3. Plantear las Restricciones
4. Plantear la No Negatividad

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Elementos en un modelo de Optimización
Variables de decisión: vector que modela decisiones del problema. El tomador de
decisión escoge sus valores dentro del dominio (o espacio de valores que las
variables pueden tomar) definido por las restricciones.

Función objetivo: Es la cantidad escalar que se desea minimizar o maximizar

y depende de las variables de decisión. Puede representar costo, utilidad,
margen, riesgo, trabajadores a contratar, nivel de servicio entregado al cliente,
tiempo de término del proyecto, entre otros.

Restricciones: Modelan limitaciones en los valores y relaciones de las

variables de decisión, definen el dominio. Pueden representar recursos
limitados, exigencias mínimas, capacidades máximas, limitación de tiempo,
relaciones lógicas entre variables, naturaleza de las variables, etc…

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Elementos en un modelo de Optimización

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Un Ejemplo Inicial: Producción de Smartphones y Tablets

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

El problema de producción
• Una fábrica produce Smartphones y Tablets

Problema: determinar producción mensual que logra la mayor

venta.
• Cada producto requiere una cantidad conocida de dos recursos
limitados:
• Horas Hombre (HH): medido en horas/mes.
• Materia Prima (MP): medido en $/ mes.
• Se vende todo lo producido al precio de mercado.

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

¿Que se necesita para resolver?
• Se requiere datos del problema (parámetros).

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Variables: ¿Qué decisiones tiene el problema?

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Un primer modelo de optimización:

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Ejemplo nº 2
En una fábrica de cerveza se producen dos tipos: rubia y
negra. Su precio de venta es de 0,5 euros/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?

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Formulación

Max z = 5.000 x1 + 3.000 x2

s.a.
3x1 + 5 x2  15
5.000 x1 + 2.000 x2  10.000
x1 , x2  0

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Modelo Matemático
Definir las x1 , x2 , . . . . xn
Variables de Decisión

Función
Objetivo Maximizar ó min f( x1 , x2 , . . . . xn )

Sujeto a: g1( x1 , x2 , . . . . xn )  b1

g2( x1 , x2 , . . . . xn )  b 2
. .
Restricciones
. .
. .
gm( x1 , x2 , . . . . xn ) = bm
x1 , x2 , . . . . xn  0
Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo
Programación Lineal
Cuando la función objetivo y todas las Restricciones Son “Lineales” tenemos un
“Modelo de Programación Lineal.

Max Z = c1x1 + c2x2 + . . . + cnxn

Sujeto a: a11x1 + a12x2 + . . . + a1nxn  b1

a21x1 + a22x2 + . . . + a2nxn  b2
. . . .
. . . .
. . . .
am1x1 + am2x2 + . . . + amnxn  bm

xJ  0 Para J = 1, 2, 3, . . . n
Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo
El modelo de P.L.
z: función objetivo
CT (c1,...,cn): vector de coeficientes de la f.o.
XT (x1,...,xn): vector de variables de decisión
A (...,aij,...): matriz de coeficientes técnicos
b (b1,...,bm): vector de demandas

Matricialmente,

Opt CTX
Forma canónica
s.a.
AX b
Mg. Absalón Rivasplata S ©2019
x0 Inv. Operaciones I – USS –V-Ciclo
Modelos de prog. entera
• El modelo matemático es el modelo de P.L., pero con algunas
variables enteras
➢ Programación entera mixta (MIP)
• x  R+, y  Z+
➢ Programación entera pura (IP)
• x  Z+
➢ Programación binaria ó 0-1 (0-1 MIP, 0-1 IP, BIP)
• x  {0,1}: variables de asignación, lógicas
• Son problemas más complicados de resolver que los de P.L.
• El primer algoritmo de resolución se planteó en el año 1958
(Gomory)

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Problemas típicos
• Problema del transporte
• Problema de flujo con coste mínimo en red
• Problema de asignación
• Problema de la mochila (knapsack)
• Problema del emparejamiento (matching)
• Problema del recubrimiento (set-covering)
• Problema del empaquetado (set-packing)
• Problema de partición (set-partitioning)
• Problema del coste fijo (fixed-charge)
• Problema del viajante (TSP)
• Problema de rutas óptimas

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Planificación de la producción Product - mix
• Decidir nº de productos a elaborar
• Maximizar los beneficios de modo que:
• No se superen las cantidades de recurso disponibles
• se satisfagan las previsiones de demanda

Max z = ∑ cj . Xj n= nº de productos a elaborar

s.a. ∑ aj . Xj ≤ bj m = nº de recursos disponibles
Xj ≤ Uj c = beneficio aportado por 1 unidad del producto i.
i

Xj ≥ Lj b = cantidad del recurso j disponible.

j

Xj ≥ 0 a = unidades del recurso j necesarias par producir 1 del i.

ij

U = máxima venta potencial producto i.

i

Li = cantidad mínima requerida del producto i

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Planificación de la producción Product – mix con costes en los recursos
• Decidir nº de productos a elaborar
• Maximizar los beneficios de modo que:
• No se superen las cantidades de recurso disponibles
• se satisfagan las previsiones de demanda

Max z = ∑ cj . Xj ─ ∑ cj . Xj n= nº de productos a elaborar

m = nº de recursos disponibles
s.a. ∑ aj . Xj = Yi
ci = beneficio aportado por 1 unidad del producto i.
bj = cantidad del recurso j disponible.
rj = coste de 1 unidad del recurso j.
Y i ≤ bj

Xj ≤ Uj aij = unidades del recurso j necesarias par producir 1 del i.

Xj ≥ Lj Ui = máxima venta potencial producto i.
Li = cantidad mínima requerida del producto i
Xj ≥ 0

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Mezclas de materiales
• Encontrar la cantidad de cada producto que va a intervenir en
la mezcla
• Minimizar gastos
• Teniendo en cuenta los requerimientos (de calidad) exigidos.
Min z = ∑ cj . Xj
s.a. ∑ Xj = T
∑ aij . Xj ≤ cmaxi . T
∑ aij . Xj ≥ cmini .T
0 ≤ X j ≤ Uj
( ∑ dj . Xj = T)

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Modelos de Optimización
• Una gran parte de los problemas de la “vida real” no
se pueden resolver gráficamente.
• Hay métodos y software que permiten tratar millones
de variables y restricciones.
• Pero primero hay que saber modelar la “vida real”.

• La primera parte del curso la dedicaremos a modelar…

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Una vez que aprendamos a modelar…
Teoría:
• ¿Tendrá solución el modelo de optimización?
• Y si tiene solución…. ¿es única?
• Propiedades de diversos tipos de modelo.
• Modelos alternativos y ``equivalentes’’ para un mismo problema.
Métodos para optimizar modelos
• Encontrar la mejor solución de acuerdo al objetivo.
• Algoritmos computacionales exactos y aproximados.
Análisis de los resultados de un modelo de optimización.
• ¿Qué pasa con el óptimo si cambia un dato (precio, costo, recurso)?
• Inclusión de nuevas variables y restricciones.

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Madurez de herramientas de análisis

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

Conclusiones

La IO se enfoca principalmente en determinar la mejor solución para un

problema de decisión, con la restricción de recursos limitados. La
toma de decisiones en problemas reales dentro de una organización es
altamente compleja sobre todo porque en algunas ocasiones se involucran
un gran número de variables.

El propósito de la Investigación de Operaciones consiste en preparar y

capacitar al profesional para decidir entre diferentes medios, técnicas
y/o métodos disponibles una mejor solución, de modo que se alcance un
resultado óptimo de producción y distribución que genere mayores
utilidades dentro de la empresa u organización.

Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo

 BIBLIOGRAFÍA
Jorge Eduardo Ortiz Triviño (2011), Investigación de operaciones,
Presentación.https://thales.cica.es/rd/Recursos/rd98/Matematicas/29/or
igen.html#puente.
Mathias Klapp (2018), Optimización, Presentación Pontificia Universidad
de Católica de Chile.
Faulin, J. & Juan, A. (s.f.). Introducción a la Investigación Operativa. Universidad
Abierta de Cataluña. Recuperado de http://www.uoc.edu/in3/emath/docs/Intro_IO.pdf
Introducción a la Investigación de Operaciones (s.f.). Recuperado de
http://www.fing.edu.uy/inco/cursos/io/archivos/teorico/todo.pdf
Izar, J. (1996). Fundamentos de la Investigación de Operaciones para
Administración. Universidad Autónoma de San Luis Potosí UASLP. Recuperado de
http://ninive.uaslp.mx/jspui/bitstream/i/3133/2/ceu0073.pdf
Mg. Absalón Rivasplata S ©2019 Inv. Operaciones I – USS –V-Ciclo