Derivado del rápido crecimiento de los sistemas de información aunado a las
múltiples adaptaciones que sufren las organizaciones mediante el uso de nuevas tecnologías para la toma de decisiones, resurge la necesidad de reestructurarse nuevamente para la toma de decisiones apoyados en un sistema que permita visualizar con eficacia el proceso de productividad de la organización. Para no darle cabida a las decisiones equivocadas que repercutan directamente en los intereses y objetivos de la organización y evitar déficits.
La alta competitividad que existe en los mercados hace que la toma de
decisiones sea más rápida, la postergación da ventaja al contrario, así es cuando no se cuenta con los equipos de información y conocimientos adecuados para hacer frente al marco legal de la globalización.
La palpable dificultad de tomar decisiones ha hecho que el hombre busque
herramientas o métodos que se lo permitan en el menor tiempo posible, minimizando de esta manera los factores de riesgo, basados en el uso de la tecnología que hoy en día impera. Tales herramientas que dan consistencia para la aplicación de la toma de decisiones se encuentra en los modelos matemáticos de “Investigación de Operaciones”.
La Investigación de Operaciones aspira determinar la mejor solución (optima)
para un problema de decisión con la restricción de recursos limitados. En la Investigación de Operaciones utilizaremos herramientas que nos permiten tomar una decisión a la hora de resolver un problema tal es el caso de los modelos e Investigación de Operaciones que se emplean según sea la necesidad. CONTENIDO
1. Planificación: es el proceso metódico diseñado para obtener un
objetivo determinado. En el sentido más universal, implica tener uno o varios objetivos a realizar junto con las acciones requeridas para concluirse exitosamente. Otras definiciones, más precisas, incluyen “La planificación es un proceso de toma de decisiones para alcanzar un futuro deseado, teniendo en cuenta la situación actual y los factores internos y externos que pueden influir en el logro de los objetivos”. Va de lo más simple a lo complejo, dependiendo el medio a aplicarse. La acción de planear en la gestión se refiere a planes y proyectos en sus diferentes ámbitos, niveles y actitudes.
2. Logística: está estrechamente vinculada a las acciones de
almacenamiento, transporte y distribución de los bienes del mercado. La operación logística está considerada como una labor externa a la fabricación primaria de un artículo, de ahí que en la mayoría de las ocasiones las empresas acaben por el outsourcing de logística.
3. Diseño de productos: Es el proceso de crear nuevos productos para
ser vendidos por una empresa. Un concepto muy amplio, es esencialmente la generación y desarrollo de ideas de manera eficiente y eficaz a través de un proceso artesanal. El diseño de producto puede ser considerado una rama del Diseño Industrial y se dedica a la producción en masa y a grandes corporaciones. Otros aspectos del diseño de producto incluyen diseño estético.
4. Diseño de proceso: es diferente al diseño de maquinaria, aunque es
cercano en espíritu, en él se deben evaluar las interacciones posibles entre los equipos al momento de operar, así como sus posibles interacciones en caso de que el proceso se desvíe, obviamente contempla el uso de operaciones unitarias.
5. Control de proceso: es el conjunto de conocimientos, métodos,
herramientas, tecnologías, aparatos y experiencia que se necesitan para medir y regular automáticamente las variables que afectan a cada proceso de producción, hasta lograr su optimización en cuanto a mejoras del control, productividad, Calidad, seguridad, u otros criterios.
6. Toma de decisiones: es una capacidad puramente humana propia del
poder de la razón unido al poder de la voluntad. Es decir, pensamiento y querer se unen en una sola dirección.
7. Definición de problema: es el combustible que impulsa el proceso
científico y constituye la base de cualquier método de investigación y diseño experimental, desde un experimento verdadero hasta un estudio de caso.
8. Objetivo del problema: es el fin o meta que se pretende alcanzar en un
proyecto, estudio o trabajo de investigación. También indica el propósito por el que se realiza una investigación.
9. Variables de decisión: En un modelo de programación lineal las
variables de decisión deben ser capaces de describir completamente las decisiones que puedan ser tomadas y todas las variantes que existan
10. Verificación y validación: Comprueba si el modelo propuesto hace lo
que se quiere que haga, eso es, ¿predice el modelo en forma adecuada el comportamiento del sistema que se estudia? Hay que verificar si el resultado no incluya “sorpresas”. Hay que utilizar datos pasados para comprobar si el modelo funciona. 11. Interpretación y análisis: Implica la traducción de los resultados a instrucciones de operación, emitidas en forma comprensible para las personas que administrarán al sistema recomendado
12. Implementación de resultados: Implica la traducción de los resultados
a instrucciones de operación, emitidas en forma comprensible para las personas que administrarán al sistema recomendado
13. Solución: Conjunto de valores de las variables de decisión, que
satisfacen ciertas condiciones y permiten establecer un resultado de la función objetivo.
14. Solución factible: El conjunto intersección, de todos los semiplanos
formados por las restricciones, determina un recinto, acotado o no, que recibe el nombre de región de validez o zona de soluciones factibles.
15. Solución óptima. Conjunto de valores de la variables de decisión
cuyos resultados no pueden ser mejorados por otras combinación de soluciones factibles
16. Inventario: Se le denomina así a las existencias de mercancía
perecedera o no que debe ser administrada en función de la demanda y para lo cual no se debe tener en estado de escasez
17. Población: Conjunto de elementos coleccionables, con características
comunes que forman parte de un estudio de índole científico. La misma puede ser finita o infinita
18. Muestra: Parte o cantidad pequeña de una cosa que se considera
representativa del total y que se toma o se separa de ella con ciertos métodos para someterla a estudio, análisis o experimentación.. 19. Muestreo: Selección de un conjunto de personas o cosas que se consideran representativos del grupo al que pertenecen, con la finalidad de estudiar o determinar las características del grupo.
20. Tipo de muestreo. Se pueden destacar fundamentalmente dos tipos
de muestreo, a saber: Muestreo probabilístico (aleatorio): En este tipo de muestreo, todos los individuos de la población pueden formar parte de la muestra, tienen probabilidad positiva de formar parte de la muestra. Por lo tanto es el tipo de muestreo que deberemos utilizar en nuestras investigaciones, por ser el riguroso y científico.
21. Muestreo no probabilístico (no aleatorio): En este tipo de muestreo,
puede haber clara influencia de la persona o personas que seleccionan la muestra o simplemente se realiza atendiendo a razones de comodidad. Salvo en situaciones muy concretas en la que los errores cometidos no son grandes, debido a la homogeneidad de la población, en general no es un tipo de muestreo riguroso y científico, dado que no todos los elementos de la población pueden formar parte de la muestra. Por ejemplo, si hacemos una encuesta telefónica por la mañana, las personas que no tienen teléfono o que están trabajando, no podrán formar parte de la muestra.
22. Datos: Un dato es una representación simbólica (numérica, alfabética,
algorítmica, espacial, etc.) de un atributo o variable cuantitativa o cualitativa. Los datos describen hechos empíricos, sucesos y entidades. Es un valor o referente que recibe el computador por diferentes medios, los datos representan la información que el programador manipula en la construcción de una solución o en el desarrollo de un algoritmo. Los datos aisladamente pueden no contener información humanamente relevante. Solo cuando un conjunto de datos se examina conjuntamente a la luz de un enfoque, hipótesis o teoría se puede apreciar la información contenida en dichos datos 23. Valoración de datos: Consiste en la asignación de valores asociados a los datos de variables bajo estudio para su debido procesamiento y análisis porterior
24. Suceso: O también llamado evento aleatorio, es una de las
conclusiones posibles de un experimento aleatorio. Este suceso o evento aleatorio supone un subconjunto del espacio maestral que incluye los posibles resultados del experimento en cuestión.
25. Optimización: Técnica que consiste en la obtención de la mejor
combinación de los valores de las variables de decisión que no permita un mejor valor (máximo o mínimo absoluto) de la función objetivo
26. Simulación: técnica que permite reproducir virtualmente los procesos y
estudiar su comportamiento, para analizar el impacto de los posibles cambios o para comparar diferentes alternativas de diseño sin el alto coste de los experimentos a escala real. Todo esto en función de data estadística modelada bajo una distribución de probabilidades asociada a los eventos posibles.
27. Análisis de riesgo: estudio de la posibilidad y las consecuencias de
cada factor de riesgo asociado a un proyecto de inversión con el fin de establecer el nivel de riesgo del mismo.
28. Hipótesis: Resultado esperado de un estudio estadístico en función de
los datos que se poseen
29. Varianza: En teoría de probabilidad, la varianza o variancia (que suele
representarse como σ2 de una variable aleatoria es una medida de dispersión definida como la esperanza del cuadrado de la desviación de dicha variable respecto a su media. Su unidad de medida corresponde al cuadrado de la unidad de medida de la variable: por ejemplo, si la variable mide una distancia en metros, la varianza se expresa en metros al cuadrado. La varianza tiene como valor mínimo 0. La desviación estándar (raíz cuadrada de la varianza) es una medida de dispersión alternativa, expresada en las mismas unidades que los datos de la variable objeto de estudio CONCLUSIÓN
La historia de la investigación de operaciones menciona sobre el
surgimiento hasta la aplicación en la actualidad, su auge fue mayor con el uso de las computadoras. La investigación de operaciones surgió por la necesidad de implementar mejores tácticas y estrategias de guerra, durante la segunda guerra mundial para el ejército americano e ingles, dando su primer fruto el “radar” en 1950. Posteriormente el método “Simplex” para resolver problemas de programación lineal, desarrollado en 1947 por George Dantzing. Su mayor auge de aplicación universal en casi todas las empresas del mundo fue con el inicio de las computadoras en 1980.
La investigación de operaciones consiste en el uso de modelos
matemáticos, estadísticas y algoritmos con el objeto de realizar un proceso de toma de decisiones, permite el análisis de la toma de decisiones teniendo en cuenta la escasez de recursos, para determinar como se puede optimizar un objetivo definido como la maximización de los beneficios o la minimización de costos. La investigación de operaciones es la aplicación de la metodología científica a través de modelos matemáticos, primero para representar el problema y luego para resolverlos.
La complejidad de los problemas que se representan en las organizaciones
ya no encajan en una sola disciplina del conocimiento, se ha convertido en multidisciplinario por lo cual para su análisis y solución se requieren grupos compuestos por especialistas de diferentes áreas del conocimiento que logran comunicarse con un lenguaje común. Como se menciona también antes de resolver un problema hay que identificarlo y esto se logra a través de la observación recolectando los datos que interfieren en el problema.