2014

CAICEDO, OSVALDO E.
PEREIRA, SALIM J.
PRADA, LUIS F.


UNIVERSIDAD AUTONOMA DEL CARIBE
20/02/2014
GENERALIDADES
INVESTIGACION DE
OPERACIONES
CONTENIDO
INVESTIGACION DE OPERACIONES ........................................................................................ 2
FASES DE UN ESTUDIO DE INVESTIGACION DE OPERACIONES ............................... 2
PROGRAMACION LINEAL ............................................................................................................. 4
Supuestos de Programacin Lineal ....................................................................................... 4
PROGRAMACIN NO LINEAL ...................................................................................................... 5
HEURISTICA ..................................................................................................................................... 5
METAHEURISTICA ......................................................................................................................... 6
MODELO DEL REPARTIDOR DE PERIODICOS ....................................................................... 7
MODELO DEL AGENTE VIAJERO ............................................................................................... 7
MAPA MENTAL ................................................................................................................................ 8
ARTICULO......................................................................................................................................... 9
PROGRAMACIN LINEAL APLICADA A LA FORMULACIN DE RACIONES PARA
RUMIANTES ................................................................................................................................. 9
BIBLIOGRAFA ............................................................................................................................... 10



1.
INVESTIGACION DE OPERACIONES
Las primeras actividades formales de investigacin de operaciones se dieron en
Inglaterra durante la Segunda Guerra Mundial, cuando se encomend a un equipo
de cientficos ingleses la toma de decisiones acerca de la mejor utilizacin de
materiales blicos. Al trmino de la guerra, las ideas formuladas en operaciones
militares fueron adaptadas para mejorar la eficiencia y la productividad en el sector
civil. Hoy en da, la investigacin de operaciones es una herramienta dominante e
indispensable para tomar decisiones.
Un elemento principal de la investigacin de operaciones es el modelado
matemtico.
Aunque la solucin del modelado matemtico establece una base para tomar una
decisin, se deben tener en cuenta factores intangibles o no cuantificables, por
ejemplo el comportamiento humano, para poder llegar a una decisin final.
FASES DE UN ESTUDIO DE INVESTIGACION DE OPERACIONES
1. Definicin del problema (alcance del problema)
2. Construccin del modelo (traducirlo a relaciones matemticas)
3. Solucin del modelo (uso de algoritmos de optimizacin)
4. Validacin del modelo (si el modelo hace lo que se quiere)
5. Implementacin de la solucin (traduccin de resultados a instrucciones)
El trmino IO se utiliza por primera vez en el ao 1939 durante la 2da Guerra
Mundial, especficamente cuando surge la necesidad de investigar las operaciones
tcticas y estratgicas de la defensa area, ante la incorporacin de un nuevo
radar, en oportunidad de los ataques alemanes a Gran Bretaa. El avance
acelerado de la tecnologa militar hace que los ejecutivos y administradores
militares britnicos deban recurrir a los cientficos, en pos de apoyo y orientacin
en la planificacin de su defensa. El xito de un pequeo grupo de cientficos que
trabajaron en conjunto con el ejecutivo militar a cargo de las operaciones en la
lnea, deriv en una mayor demanda de sus servicios y la extensin del uso de la
metodologa a USA, Canad y Francia entre otros.
Los primeros desarrollos de esta disciplina (IO) se refirieron a problemas de
ordenamiento de tareas, reparto de cargas de trabajo, planificacin y asignacin
de recursos en el mbito militar en sus inicios, diversificndose luego, y
extendindose finalmente a organizaciones industriales, acadmicas y
gubernamentales.
Algunas fechas, nombres y temas
1759 Quesnay (ecnomo) - Programacin Matemtica
1874 Walras
1873 Jordan - Precursor de modelos lineales
1896 Minkowsky - Precursor de modelos lineales
1903 Farkas - Precursor de modelos lineales
189~ Markov - Precursor modelos dinmicos probabilsticos
192~ - Primer desarrollo de modelos de inventarios
191~ Erlang - Primeros estudios de lneas de espera
1920-30 Koning y Egervary - Mtodos de asignacin (analticos)
1937 von Neuman - Teora de juegos y de preferencias
1939 Kantorovich - Problemas de distribucin
2da guerra - Logstica estratgica para vencer al enemigo
1945 Finales 2da guerra - Logstica de distribucin de recursos de los
aliados (Rand Corporation- Fuerza area norteamericana).
1947 Dantzig, George - Mtodo simplex en base al trabajo de precursores,
inicio a la Programacin Lineal.
1950-60 - Bellman - Programacin dinmica.
- Kuhn y Tucker - Programacin No Lineal.
- Gomory - Programacin Entera.
- Ford y Fulkerson - Redes de optimizacin.
- Markowitz - Simulacin.
- Arrow, Karloin, Scarf, Whitin - Inventarios.
- Rafia - Anlisis de Decisiones.
- Howard - Procesos Markovianos de Decisin.
- Churchman, Ackoff, Arnoff - Orientacin a sistemas, generalizacin de la
Investigacin Operativa.
1970 y parte dcada 80 - Receso en el uso de la Investigacin de
Operaciones 1985 en delante
Actualmente IO se aplica al sector privado y pblico, a la industria, los sistemas de
comercializacin, financieros, de transportes, de salud etc., en los pases
desarrollados, en vas de y en los del tercer mundo.




PROGRAMACION LINEAL
Todos los modelos de programacin lineal tienen dos caractersticas importantes
en comn. La primera, es la existencia de restricciones. La segunda es que en
cada modelo de programacin lineal hay una sola medida de desempeo por
maximizar o minimizar. Esta medida de desempeo se llama funcin objetivo.
La programacin lineal proporciona un ejemplo de lo que se conoce de manera
ms general como modelo de toma de decisiones con restricciones, tambin
llamado modelo de optimizacin con restricciones. Una descripcin comn de
dicho modelo es:
Un modelo de optimizacin restringido representa el problema de la asignacin de
recursos escasos de tal modo que se optimice un objetivo de inters.
Supuestos de Programacin Lineal
Proporcionalidad: Este supuesto elimina cualquier exponente diferente de 1 para
las variables en cualquier trmino de las funciones-ya sea la funcin objetivo o la
funcin en el lado izquierdo de las restricciones funcionales-en un modelo de
programacin lineal.
Aditividad: Cada funcin de un modelo de programacin lineal es la suma de las
contribuciones individuales de las actividades respectivas.
Divisibilidad: Las variables de decisin pueden tomar cualquier valor, incluso
valores no enteros.
Certidumbre: Los valores asignados a cada parmetro son valores constantes
conocidas.
La funcin objetivo consiste generalmente en maximizar utilidades, beneficios,
ingresos, eficiencia o alguna medida efectiva; o en minimizar costos, erogaciones,
gastos, etc.
Toda limitacin, condicin o disponibilidad de los recursos o actividades se
denomina restriccin y debe expresarse matemticamente por medio de
desigualdad (no estricta) o igualdad.
Tanto la funcin objetivo como las restricciones deben poderse escribir
linealmente: de all el nombre dado a este mtodo: Programacin Lineal (P.L.).
En esencia trata de maximizar y/o minimizar una funcin lineal de dos o ms
variables teniendo en cuenta que las mismas deben cumplir determinadas
exigencias derivadas de la escasez de recursos disponibles en la realidad.
PROGRAMACIN NO LINEAL
Es un proceso de resolucin de un sistema de igualdades y desigualdades con
base en un conjunto de restricciones compuestas por un conjunto de variables
desconocidas y una funcin objetivo a maximizar o minimizar dependiendo del
caso y la situacin problema pero a diferencia de PL las restricciones y la funcin
objetivo no son lineales.
Muchos problemas de optimizacin son no lineales, el estudio de estos problemas
poseen una mezcla diversa de algebra lineal, calculo, anlisis numrico y tcnicas
de computacin. La optimizacin no lineal proporciona informacin importante
para el anlisis matemtico y tiene su aplicabilidad en campos como el diseo de
ingeniera, anlisis de regresin y el control de inventario.
HEURISTICA
La heurstica es una regla emprica intuitivamente atractiva para manejar un
aspecto determinado de un modelo. Una coleccin de heurstica, o algoritmos
heursticos, se conoce como un programa heurstico.
Un algoritmo heurstico es el que proporciona en forma eficiente soluciones
aproximadas satisfactorias para un modelo determinado. Con frecuencia cuando
se emplea este tipo de algoritmos es posible medir con precisin qu tan buena es
la aproximacin obtenida.
En trminos generales, desde el punto de vista de un administrador, un
procedimiento heurstico puede ser sin duda tan aceptable como un algoritmo
ms exacto que produzca una solucin ptima, y tal vez incluso preferible a ste
(en trminos de costos). En este caso, las consideraciones predominantes
debern ser qu cantidad de conocimientos y orientaciones podr proporcionar el
modelo y cul ser el beneficio neto global, medido por la diferencia entre los
ahorros obtenidos con el modelo y el costo de produccin del propio modelo y de
su solucin.
Como disciplina cientfica la heurstica es adecuada aplicarse en cualquier ciencia,
incluyendo la elaboracin de medios auxiliares, reglas, principios, estrategias,
programas, entre otros que proporcionen distintas alternativas de solucin de
problemas.
El mtodo heurstico est compuesto por los principios o sugerencias para hallar
una solucin, las reglas o los medios para llegar a la solucin y las estrategias o
los recursos organizativos funcionales al proceso de resolucin.
METAHEURISTICA
Es un tipo general de mtodo de solucin que organiza la interaccin entre los
procesos de mejora local y las estrategias de ms alto nivel para crear un proceso
que sea capaz de escapar de un ptimo local y realizar una bsqueda vigorosa de
una regin factible.
Es un tipo de mtodo heurstico. Su significado encontrar ms all, son
estrategias generales para construir algoritmos que quedan por encima de las
heursticas, generalmente es aplicado a problemas que no tienen un algoritmo que
muestre una solucin satisfactoria, es decir, cuando no es posible llegar a el
mtodo ptimo.
En comparacin con las tcnicas o mtodos heursticos; tampoco garantizan la
obtencin de la solucin ptima del problema considerado y tambin se basan en
la aplicacin de reglas relativamente sencillas.
Las meta heursticas representan estrategias inteligentes aplicadas al
mejoramiento de procedimientos heursticos muy generales con un alto
rendimiento el objetivo es mejorar los procedimientos para la resolucin de
problemas y ampliar su campo de aplicacin.
Se presentan cuatro tipos de meta heurstica; las de relajacin o modificaciones
del modelo original para facilitar la solucin del problema, las constructivas o de
seleccin paulatina, las de bsqueda o transformacin para recorrer el espacio de
solucin y las evolutivas las cuales evolucionan en el espacio de soluciones.
Es un proceso de resolucin de un sistema de igualdades y desigualdades con
base en un conjunto de restricciones compuestas por un conjunto de variables
desconocidas y una funcin objetivo a maximizar o minimizar dependiendo del
caso y la situacin problema pero a diferencia de PL las restricciones y la funcin
objetivo no son lineales.
Muchos problemas de optimizacin son no lineales, el estudio de estos problemas
poseen una mezcla diversa de algebra lineal, calculo, anlisis numrico y tcnicas
de computacin. La optimizacin no lineal proporciona informacin importante
para el anlisis matemtico y tiene su aplicabilidad en campos como el diseo de
ingeniera, anlisis de regresin y el control de inventario.

MODELO DEL REPARTIDOR DE PERIODICOS
En este modelo, cada uno de los diferentes valores de la demanda es un estado
de la naturaleza diferente, y el nmero de peridicos ordenados es la decisin.
El vendedor desconoce cul sera la demanda, por lo que no sabe cuntas
unidades encargar a su proveedor. Si la demanda supera la cantidad encargada,
vende todas las unidades que tiene. Sin embargo, si encarga ms de las que
luego vende, puede devolver las unidades sobrantes recuperando parte del dinero
que pag. El dilema para el vendedor es encontrar una poltica ptima que
maximice su beneficio esperado.
Este problema se presenta cuando hay bienes perecederos (verdura, productos
lcteos, etc.) o productos que se venden en un perodo del ao muy corto
(peridicos, rboles de Navidad, flores en San Valentn, etc.)
MODELO DEL AGENTE VIAJERO
Diariamente los agentes de venta se encuentran en la tarea de visitar a los
clientes en las diferentes ciudades, a este problema que se le conoce como
agente viajero, consiste en encontrar la ruta optima a seguir con el fin de reducir
tiempo o distancia, con la condicin de que tiene que regresar a la misma ciudad
de la cual parti y no repetir las ciudades, es decir, si ya visit la ciudad 4 una vez
ya no se puede volver a pasar por esa ciudad.
Puede describirse en trminos de un agente de ventas que debe visitar cierta
cantidad de ciudades en un solo viaje. Si comienza desde su ciudad de residencia,
el agente determinar cul ruta debe seguir para visitar cada ciudad exactamente
una vez antes de regresar a su casa de manera que se minimice la longitud total
del viaje.
Tomado de (Taha, 2004), (FING), (Palmer Bernal), (Larrianga Ojanguren, 2007),
(Col Herrera, Ana; Patritti, H.), (Eppen, 2000), (Hillier, 2010), (Osorio Arango,
2011), (Winston, 2005), (Departamento de Estadstica, 2011/2012)






MAPA MENTAL

PROGRAMACION
LINEAL
PROGRAMACION
NO LINEAL
HEURISTICA
METAHEURISTICA
ELABORADO POR:
CAICEDO, OSVALDO
PEREIRA, SALIM
PRADA, LUIS
INVESTIGACION DE OPERACIONES
PROGRAMACION
LINEAL
PROGRAMACION
NO LINEAL
HEURISTICA
METAHEURISTICA
ELABORADO POR:
CAICEDO, OSVALDO
PEREIRA, SALIM
PRADA, LUIS
2.
ARTICULO
PROGRAMACIN LINEAL APLICADA A LA FORMULACIN DE RACIONES
PARA RUMIANTES
Para poder optimizar los recursos de manera eficiente en la fabricacin de
concentrados para rumiantes y que su balance sea altamente nutritivo y
reproductivo, en el mercado tenemos programas costosos de formulacin de
raciones , se utiliza una herramienta tal como es Excel (SOLVER) el cual aplica un
modelo de programacin lineal con el fin de formular raciones par vacas lecheras y
a un mnimo costo; el cual utilizaron un algoritmo matemtico para poder
solucionar su problema indeterminado, por medio de ecuaciones lineales
buscando optimizar la funcin objetivo en este caso lograr que la materia prima
(proporciones) sea exacta para el animal y al mnimo costo luego definir las
restricciones y criterios de decisin, los cuales en el caso seran en cuanto a la
utilizacin de las materias primas y las caractersticas bromotologicas (ciencia que
estudia los alimentos en cuanto a su produccin, manipulacin, conservacin,
elaboracin y distribucin as como su relacin con la sanidad) a formular.
La programacin lineal ayuda en este caso ya que debemos seleccionar un
conjunto (tipos materia prima) de variables de decisin que minimizan los costos
de la funcin objetivo que corresponden a un producto .la cantidad de alimento en
kilogramos el costo por kilogramo de alimento la tabla nutricional de cada
nutriente, con una serie de restricciones con los niveles mximos y mnimos de la
materia prima en la mezcla del alimento a procesar que contenga requerimientos
nutricionales y reproductivos.
En fin la herramienta programacin lineal nos permite solucionar este problema y
tener un proceso ms ptimo rentable y factible con requerimientos alimenticios
excelentes para los rumiantes, lo cual benefician a los empresarios del sector
ganadero, siendo eficientes para dicho problema.
PROCESOS EFICIENTES CON OPTIMIZACION DE LOS RECURSOS Y SOLUCION DE LOS
REQUERIMIENTOS MINIMOS A CUMPLIR CON ESTANDARES DE CALIDAD EN CADA
UNO DE LOS PROCESOS LOGRANDO SER EFICIENTES
Tomado de (CES)




BIBLIOGRAFA
CES. (s.f.). Obtenido de http://revistas.ces.edu.co/index.php/mvz/article/view/2056
Col Herrera, Ana; Patritti, H. (s.f.). UTU. Obtenido de
http://www.utu.edu.uy/Publicaciones/Publicaciones%20Educativas/Libros%
20de%20Matematica/PROGRAMACION%20LINEAL.pdf
Departamento de Estadstica. (2011/2012). Universidad Carlos III de Madrid.
Recuperado el 19 de Febrero de 2014, de
http://www.est.uc3m.es/esp/nueva_docencia/comp_col_get/lade/optimizacio
n_simulacion/practicas/Practica-newsboy-nuevo.pdf
Eppen, G. (2000). Investigacin de Operaciones en la Ciencia Administrativa.
Mxico: PRENTICE-HALL.
FING. (s.f.). Obtenido de
http://www.fing.edu.uy/inco/cursos/io/archivos/teorico/todo.pdf
Hillier, F. .. (2010). Introduccin a la Investigacin de Operaciones, Novena
Edicin. Mxico: Mc Graw-Hill.
Larrianga Ojanguren, M. A. (2007). EBRARY. Obtenido de
http://site.ebrary.com/lib/bibliotecauacsp/Doc?id=10479419&ppg=13
Osorio Arango, H. (2011). Investitgacin de Operaciones. Bogot, Colombia:
Editorial Unincca.
Palmer Bernal, W. (s.f.). CONAMAT. Obtenido de
http://www.conamat.edu.pe/upload/topicos/programacionlineal.pdf
Taha, H. A. (2004). Investigacin de Operaciones, 7a. Edicin. MXICO:
PEARSON EDUCATION.
Winston, W. L. (2005). Investigacin de Operaciones - Aplicaciones y Algoritmos -
4a Edicin. Mxico: International Thomson Editores S.A.