Professional Documents
Culture Documents
Historia de la I.O.
El origen de la I.O. moderna se sita en la 2 Guerra Mundial para resolver problemas de organizacin militar (necesidad de administrar los escasos recursos):
Historia de la I.O.
Al terminar la guerra, sigue el desarrollo en la industria, debido a: competitividad industrial progreso terico RAND (Dantzig) Princeton (Gomory, Kuhn, Tucker) Carnegie Institute of Technology (Charnes, Cooper) Gran desarrollo de las computadoras: Aumento de la capacidad de almacenamiento de datos Incremento de la velocidad de resolucin de los problemas.
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 Ms informacin: Sociedad Espaola de Estadstica e Inv. Op. (SEIO) www.cica.es/aliens/seio 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
Solucin de Problemas
NECESIDAD DE REORGANIZACIN
SISTEMA DE INTERS
OBTENCIN DE DATOS
Fases de un estudio
|
INTERPRETACIN DE RESULTADOS E IMPLICACIONES VALIDACIN DEL MODELO ANLISIS DE SENSIBILIDAD
Desarrollo de Modelos
Los Modelos son representaciones de objetos o situaciones reales. Los formas de los modelos pueden ser: icnico, analgico, y matemtico. Modelos Icnicos son replicas fsicas (representaciones a escala) de objetos reales. Modelos Analgicos son formas fsicas pero no fsicamente parecidos al objeto modelado. Modelo Matemtico representa los problemas del mundo real a travs de un sistema de formas y expresiones matemticas basadas en suposiciones, estimaciones o anlisis estadsticos.
Modelo Matemtico
Relacin de variables de decisin (entradas controlables) con variables limite (entradas no controlables). Frecuentemente buscar maximizar o minimizar algunas funciones objetivo sujetas a restricciones. Son llamadas estocstico si cualquiera de las entradas no controlables esta sujeta a variacin, de otro modo esta dicho que debe ser deterministico. Generalmente, los modelos estocasticos son ms difciles de analizar. Los valores de las variables de decisin que proveen las mejores salidas matemticas son sometidas como la solucin optima del modelo.