Académique Documents
Professionnel Documents
Culture Documents
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.
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
Habilidades de investigacin
Capacidad de aprender
Liderazgo
COMPETENCIAS ESPECFICAS
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
alternativas
de
accin;
esto
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.
10
Sistema
Entidades
que Entran
Actividades
Recursos
Entidades
que Salen
11
MODELOS
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:
Discretos:
Determinsticos:
Estocsticos:
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.
18
19
20
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 de inferencia
Modelos
determinsticos
22
HIPOTESIS
La
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
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
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
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