INVESTIGACIN DE

OPERACIONES
VOL. 1
1

CATEDRTICO:
Msc. CARLOS J. MOLESTINA MALTA

BIBLIOGRAFA
LIBRO PRINCIPAL:
INVESTIGACIN DE OPERACIONES; Autor: Hillier .
Lieberman (Sptima edicin, Editorial Mc Graw Hill)
LIBRO DE APOYO:
INVESTIGACIN DE OPERACIONES EN LA
CIENCIA ADMINISTRATIVA; Autor: G. D. Eppen (5ta
edicin, Editorial Pearson)
Web: GOOGLE SCHOLAR: MTODOS Y MODELOS
DE INVESTIGACIN DE OPERACIONES, Vol. 1
MODELOS DETERMINSTICOS; Autor: Juan Prawda
(Editorial LIMUSA).
Web: GOOGLE SCHOLAR; INVESTIGACIN DE
OPERACIONES: Autor TAHA, HANDY A. (Editorial
Pearson, 7ma edicin)

CARACTERIZACIN DE LA INVESTIGACIN
DE OPERACIONES.

En esta asignatura se posibilita en el alumno

el desarrollo y evaluacin de modelos que le
permitan responder de una manera rpida,
efectiva y apropiada a la dinmica de las
organizaciones y el desarrollo tecnolgico.
El futuro Ingeniero en Administracin
deber apoyarse en los mtodos de
investigacin de operaciones para analizar,
modelar y mejorar los sistemas productivos
en un enfoque cuantitativo para la toma de
decisiones en las organizaciones que deseen
ser ms competitivas.

COMPETENCIAS GENRICAS
Competencias instrumentales
Capacidad

de anlisis y sntesis
Capacidad de organizar y planificar
Habilidades bsicas de manejo de la
computadora
Habilidad para buscar y analizar
informacin proveniente de fuentes
diversas
Solucin de problemas
Toma de decisiones.

Competencias interpersonales
Capacidad

crtica y autocrtica
Trabajo en equipo
Habilidades interpersonales
Capacidad de comunicarse con
profesionales de otras reas
Compromiso tico

Competencias sistmicas

Capacidad de aplicar los

conocimientos en la prctica

Habilidad de planificar como

un todo y disear nuevos
sistemas

Habilidades de investigacin

Capacidad de aprender

Capacidad de generar nuevas

ideas (creatividad)

Liderazgo

Habilidad para trabajar en

forma autnoma
4

COMPETENCIAS ESPECFICAS

Aplicar las teoras, herramientas y mtodos

cuantitativos para plantear, modelar y
resolver
problemas
propios
de
las
operaciones de una organizacin, utilizando
el razonamiento matemtico, la lgica, y los
programas computacionales para optimizar
los procesos productivos de bienes y
servicios.

INVESTIGACIN DE OPERACIONES
(IO)
OPERATIONS RESEARCH (OR)
Hay muchas discusiones actualmente, y desde sus inicios
sobre cual deebera de ser el concepto. Sin embargo con
objeto de establecer una base para que se pueda entender la
naturaleza de la IO se hace uso de la definicin de
CHURCHMAN, ACKOFF Y ARNOFT, bastante aceptada entre
grupo de tcnicos de IOI. Esta definicin dice:

INTERPRETACIN DE LA
DEFINICIN
Si descomponemos esta definicin
obtendremos:
Mtodo cientfico
Grupos interdisciplinarios
Sistemas
Problemas
Soluciones
Mejor
Analicemos esto
7

INVESTIGACION DE
OPERACIONES

Definicin:

Conjunto

de

tcnicas

matemticas

estadsticas aplicable a diversos sistemas

con el fin de mejorarlos, buscando las
mejores

alternativas

de

accin;

esto

mediante el modelamiento matemtico de

los problemas en estudio.
9

SISTEMAS V/S PROCESOS

Proceso:

Conjunto de Actividades que

crean una Salida o Resultado a partir de una
o ms Entradas o Insumos.

Sistema:

Un Conjunto de Elementos
interconectados utilizados para realizar el
Proceso. Incluye subprocesos pero tambin
incluye los Recursos y Controles para llevar
a cabo estos procesos.

En el diseo de Procesos nos enfocamos

en QU se ejecuta.
En el diseo del Sistemas el nfasis est en

10

SISTEMAS V/S PROCESOS

Reglas de
Operacin
(Controles)

Sistema

Entidades
que Entran

Actividades

Recursos

Entidades
que Salen

11

MODELOS

Con el propsito de estudiar cientficamente

un sistema del mundo real debemos hacer
un conjunto de supuestos de cmo trabaja.

Estos supuestos, que por lo general toman la

forma
de
relaciones
matemticas
o
relaciones lgicas, constituye un Modelo
que es usado para tratar de ganar cierta
comprensin de cmo el sistema se
comporta.
12

MODELO: UN MUNDO SIMBLICO

Anlisis

Mundo simblico

Mundo Real

Situacin
problemtic
a

Intuicin

Resultados
Interpretac
in

Abstracci
n

Modelo

Decisiones

13

TIPOS DE MODELOS
Existen mltiples tipos de modelos para representar la realidad. Algunos
son:
Dinmicos: Utilizados para representar sistemas cuyo estado vara con
el tiempo.
Estticos: Utilizados para representar sistemas cuyo estado es invariable
a travs del tiempo.
Matemticos: Representan la realidad en forma abstracta de muy
diversas maneras.
Fsicos: Son aquellos en que la realidad es representada por algo
tangible, construido en escala o que por lo menos se comporta en forma
anloga a esa realidad (maquetas, prototipos, modelos analgicos, etc.).
Analticos: La realidad se representa por frmulas matemticas. Estudiar
el sistema consiste en operar con esas frmulas matemticas (resolucin
de ecuaciones).
Numricos: Se tiene el comportamiento numrico de las variables
intervinientes. No se obtiene ninguna solucin analtica.

14

TIPOS DE MODELOS
Continuos:

Representan sistemas cuyos cambios de estado

son graduales. Las variables intervinientes son continuas.

Discretos:

Representan sistemas cuyos cambios de estado

son de a saltos. Las variables varan en forma discontinua.

Determinsticos:

Son modelos cuya solucin para

determinadas condiciones es nica y siempre la misma.

Estocsticos:

Representan sistemas donde los hechos

suceden al azar, lo cual no es repetitivo. No se puede
asegurar cules acciones ocurren en un determinado
instante. Se conoce la probabilidad de ocurrencia y su
distribucin probabilstica. (Por ejemplo, llega una persona
cada 20 10 segundos, con una distribucin equiprobable
dentro del intervalo).

15

Medidas de
desempeo

Decisiones
(controlables)
Parmetros
(incontrolables)

Modelo

Variables de
Consecuencia

Variables endgenas

Variables exgenas

CONSTRUCCIN DE MODELOS

16

MAPA DE VARIABLES
Clasificaci
n de
Variables

Posicin en la investigacin

Naturaleza

Cualitativas

Nominal
es

Ordinale
s

Cuantitativa
s

Discretas

Dependient
es

Independien
tes

Continuas

17

CONSTRUCCIN DE MODELOS
1.

2.

3.

4.

Estudie el ambiente de la situacin

administrativa
Formule una representacin selectiva de la
situacin
Construya y analice un modelo simblico
(cuantitativo)
ESTUDIO DEL AMBIENTE: Muchas veces
el problema planteado no es ms que la
descripcin del sntoma. Diversos factores,
como conflictos en la organizacin,
diferencias entre las metas personales y las
de la empresa, y la complejidad general de

18

FORMULACIN DEL MODELO

Este incluye un anlisis conceptual bsico que nos
obliga a hacer suposiciones y simplificaciones. La
formulacin requiere que el constructor del modelo
asle del ambiente total aquellos aspectos de la
realidad que son pertinentes para la situacin en
cuestin. Las situaciones administrativas que nos
interesan implican decisiones y objetivos, los cuales
deben ser identificados y definidos de modo
explcito. Al principio, los objetivos y las variables de
decisin, pueden no estar claros, an con la
experiencia que se tenga.
En el modelo de caja negra debemos concentrar
nuestros esfuerzos en identificar las entradas
sobre las cuales se trabajar y las salidas del
modelo.

19

FORMULACIN DEL MODELO

Identificadas las entradas y salidas del modelo las
refinamos en dos subdivisiones. Las entradas o
VARIABLES EXGENAS, se dividen en:
1. VARIABLES CONTROLABLES O DE
DESICIN estas son las que controla el
investigador y pueden ser manipuladas. Ej. Precio
al cual se vender el producto, la ubicacin de
una planta, o vender o no una parte de la
organizacin.
2. VARIABLES NO CONTROLABLES O
PARMETROS:
Estas estn bajo control de otras personas
o de la madre naturaleza. Ej. La lluvias del mes
entrante, los precios de la competencia, etc.

20

FORMULACIN DEL MODELO

Las salidas llamadas VARIABLES ENDGENAS se
dividen en:
1. VARIABLES (medidas) DE DESEMPEO:
Estas
permiten medir el grado en el cual se han alcanzado
las metas. Son muy importantes por que representan
los criterios empleados para determinar hasta que
punto se estn alcanzando los objetivos, Por esta razn
se las conoce como FUNCIN OBJETIVO. Ej.
Ingresos, costo total, participacin en el mercado,
satisfaccin del Cliente, moral del obrero, rendimiento
sobre la inversin, etc.
2. VARIABLES DE CONSECUENCIA:
Estas muestran otras consecuencias que ayudan a
entender e interpretar los resultados del modelo. Ej: la
subdivisin de ingresos, el nmero de artculos
embarcados, etc.

21

Modelos
probabilsticos

s
Ciclo de
to sis
construccin del
da li ,
,
modelo (modelos
de an n co
is o, ci sti
probabilsticos)
lis tic la d de
n s u ta
A on sim es in os
c tr
r e s
(p d isi ma e
l sti rm
an e p a

Proceso de
Construccin
De
modelos

Ciclo de
construccin del
modelo (modelos
determinsticos)

de n
n si
i ci u
cc de Q
ru e s ,
st d ne s? n)

on os io
C el cc ra ci
od ye sa iza
m ro pa im
t
(p
op

A
(b nl
s isi
q s
ev de ue de
pa alu da da da
r ac to ba tos
m i s, se
et n
r o de
s

Construccin de
Modelos deductivos

re
Q dec ac
de u is in
de d p in d
ci ec as (P e m
si isi ar ro o
n o a y d
,, ne s ec elo
fil s, ?, ci s
as r a on d
e
de bo nl es
es les isis
pe de
ra

CONSTRUCCIN DE MODELOS DEDUCTIVOS

Construccin de
Modelos de inferencia
Modelos
determinsticos

22

HIPOTESIS
La

afirmacin o posible solucin que

Usted elija se llama HIPOTESIS.
La hiptesis tiene que apoyarse tanto en
conocimientos
tericos,
como
en
informacin emprica y estructurarse de
acuerdo con la forma en que se ha
planteado el problema.
Por
tanto
la
Hiptesis
es
una
proposicin, generalizacin o afirmacin
comprobable, que podra ser la solucin
de un problema. Repetto (1985).

23

HIPOTESIS
Durante el proceso de investigacin, la
hiptesis puede comprobarse o refutarse,
pasando del conocimiento probable al
verdadero,
quedando
solucionado
el
problema planteado.
La hiptesis al igual que el problema y las
otras caractersticas de la metodologa de la
investigacin cientfica, no permanece
inmutable antes de quedar completamente
elaborada, sino que a medida que se
acumulan datos y hechos, pasa por un
proceso de desarrollo y perfeccionamiento,
mediante el cual la suposicin inicial puede
transformarse o cambiarse definitivamente.

24

HIPOTESIS

La hiptesis encausa el trabajo de

investigacin. Determina cuales son las
variables que han de analizarse y las
relaciones que existen entre ellas, y
permiten enfocarse en los objetivos del
proyecto constituyndose en la base de
los procedimientos de investigacin.

Hiptesis de investigacin (Hi).- Es la

afirmacin inicial de acuerdo al objetivo y
que sirve para determinar las variables que
intervienen y su relacin.

25

HIPOTESIS
Hiptesis nula (Ho): La hiptesis de investigacin
siempre tiene posibilidad de ser refutada, por tanto se
podr establecer una hiptesis nula que niegue la
hiptesis de investigacin.
Tomando el Ejemplo de los estudiantes:
Hi: Al disminuir los precios de venta del producto
A, se distribuye mejor el producto B.
Ho: Al disminuir los precios de venta del producto
A, no se distribuye mejor el producto B
Hiptesis alternativa (Ha): Son las que proponen
soluciones para el problema que se investiga, diferentes
a las que plantean las hiptesis de investigacin y nulas.
Ha: Al disminuir los precios de venta del producto
A, es indiferente en la distribucin del producto B.

26

VARIABLES

Desde

la poca del colegio, en Matemticas, fsica y

quimica, vimos y desarrollamos ecuaciones de este
tipo:

Es decir, que, al cambiar x, cambia y. En este caso

tenemos que y depende de los valores de x. Por lo tanto
y es una variable dependiente de x, a su vez x es
independiente de y.
Concluimos entonces que hay:
Variables independientes: No dependen de otra
variable y que por lo general son manipuladas por el
Investigador.
Variables dependientes: Son aquellas que varan
segn varen las variables independientes a las que
estn asociadas.

27

VARIABLES CUANTITATIVAS
Variable Cuantitativa.- Son las variables
que se expresan mediante cantidades
numricas, y que, por lo tanto pueden ser
medidas, cuantificadas, y sobre todo
autenticadas mediante instrumentos.
Ejemplos: Velocidad, tiempo, altura, edad,
nmero de alumnos, nmero de carros que
pasan por un peaje, nmero de piezas
fabricadas, dimetro de pistones producidos,
etc.

28

VARIABLES CUANTITATIVAS
Ahora, miremos detenidamente los ejemplos de
variables cuantitativas y notaremos que el nmero de
estudiantes o el nmero de carros que pasan por el
peaje siempre sern nmeros enteros. A estas
variables cuantitativas se las conocen como discretas.
Variable discreta: Es la variable que presenta
separaciones o interrupciones en la escala de valores
que puede tomar. Siempre sern enteros.
En los ejemplos, tambin vemos variables como la
velocidad, tiempo, altura, y notamos que sus valores
pueden tener decimales y no se interrumpen. A este
tipo de Variables se las conoce como contnuas.
Variable continua: Es la variable que puede adquirir
cualquier valor dentro de un intervalo especificado de
valores.

29

VARIABLES CUANTITATIVAS
VARIABLES
CUANTITATIVAS

Por su posicin
en la
investigacin

Por su naturaleza

Discretas

Continuas

Salida
Variable de
consecuencia

Dependientes

Salida
Variable
endgena
Variable
(medida)
desempeo

Independientes

Entrada
Variable Exgena
Variable de
decisin
controlable

Entrada
Variable exgena
30
Parmetro
No controlable

MODELOS TPICOS EN IO
MODELO DETERMINSTICO:
Son aquellos que se supone que todos los datos se
conocen con certeza. Es decir, en ellos se supone
que cuando se corra el modelo se tendr disponible
toda la informacin necesaria para tomar
decisiones.
Ej: En una fbrica X, sera la asignacin de obreros
al turno nocturno en el mes siguiente, conociendo
los pedidos a entregar, el nmero de mquinas
disponibles, etc.
Para estos modelos se utilizar Hojas de excel en
el rea de ANLISIS Y S y posteriormente
PROGRAMACIN LINEAL, con complemento de
excel SOLVER

31

MODELO DETERMINSTICO
CINCO RAZONES
Una asombrosa variedad de importantes
problemas de administracin y produccin
pueden
formularse
como
modelos
determinsticos.
Las
hojas de clculo (excel) ofrecen
soluciones optimas.
El subproducto de las tcnicas de anlisis es
una gran cantidad de informacin muy til
para la Gerencia.
La optimizacin restringida, es un recurso
extremadamente til para reflexionar sobre
situaciones concretas, aunque no piense en
construir un modelo y optimizarlo.

32

MODELOS PROBABILSTICOS
(ESTOCSTICOS)
Algunos elementos no se conocen con
certeza.
Es decir que se supone que algunas
variables importantes, llamadas variables
aleatorias, no tienen valores conocidos
antes que se tomen las decisiones, y este
desconocimiento tiene que ser incorporado
al modelo. Estos, entonces son modelos de
incertidumbre, aqu se utilizan
1. Anlisis de decisiones
2. filas de espera
3. Simulacin
4. Pronsticos

33

CONSTRUCCIN DE MODELOS Y
LA TOMA DE DECISIONES
El xito de los modelos en la toma de decisiones en el
mundo real se divide en cuatro etapas, las cuales muestran
una estrecha correspondencia con los elementos del
proceso de construccin de modelos:
a) Formulacin del modelo y su construccin, o sea, tomar
situaciones del mundo real, abstraerlas en una
formulacin y luego desarrollar los trminos matemticos
de un modelo (ya sea, determinstico o probabilstico).
b) Analizar el modelo para generar resultados.
c) Interpretar
y validar los resultados del modelo,
asegurando que la informacin obtenida del anlisis ha
sido interpretada en el contexto de la situacin original
en el mundo real.
d) Implementar, es decir aplicar a la toma de decisiones en
el mundo real, el conocimiento validado que se obtuvo
con la interpretacin de los resultados del modelo.

34

LA TOMA DE DECISIONES
Estas cuatro etapas no siguen una secuencia
determinada, sino que depende de la
interpretacin y muchas veces del sentido
comn. Recuerde que toda construccin de
modelos es cclica, y en el proceso pueden
aparecer errores, y aunque no aparezcan
quiz falte el sentido comn. Entonces el
Gerente no estara de acuerdo. Eso obliga a
repetir el la construccin bajo otra
perspectiva.
Esto es lo correcto en la investigacin de
operaciones.

35

VALIDACIN DE LOS MODELOS

En general, para validar un modelo es

necesario PREDECIR LA HISTORIA. Para
probar el modelo, se utilizan como entradas
datos
histricos
sobre
decisiones,
parmetros, y resultados obtenidos en
situaciones similares en una poca ya
conocida. Luego se comparan los dos
conjuntos de resultados, los del modelo y los
de la historia. Si estos son similares y existe
cierta ventaja c respecto a la historia, este
queda validado.
36

TRMINOS CLAVE
Variable de decisin: Variable exgena cuyo valor est bajo
el control de la persona a cargo de tomar las decisiones y es
determinado por ella.
Variable de desempeo (funcin objetivo): Variable endgena
que permite determinar hasta qu punto ha alcanzado sus
metas un modelo.
Variable endgena: Variable cuantitativa cuyos valores estn
determinados por las relaciones incluidas en un modelo
simblico, es decir, que son salidas de un modelo simblico.
Variable exgena: Variable cuantitativa cuyos valores se
determinan por medio de un proceso externo, en relaci9n
con un modelo simblico, es decir, que son entradas de un
modelo simblico.
Variable
de
consecuencia:
Variable
endgena
que
proporciona informacin adicional para ayudar a la gerencia
en la interpretacin del modelo.

37

TRMINOS CLAVE
Modelo simblico: Es aquel en el que se usan datos,
variables y relaciones matemticas para representar
propiedades abstractas de un modelo real.
Programacin
lineal (PL): Modelo determinstico
formado por ecuaciones lineales, y qe contiene una
sola medida de desempeo (funcin objetivo) por
optimizar, sujeta a satisfacer un conjunto dado de
restricciones.
Modelo determinstico: Es aquel en que todos los datos
se conocen con certeza.
Modelo probabilstico: Es aquel donde unos datos no
se conocen con certeza, pero cuyo grado de
incertidumbre est determinado por probabilidades
conocidas.

38

Fin
39