Investigacion de Operaciones 1

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 8

UNIVERSIDAD ESTATAL DEL SUR DE MANABÍ

FACULTAD DE: CIENCIAS ECONÓMICAS


MODALIDAD PRESENCIAL

Asignatura:

INVESTIGACION OPERATIVA

QUINTO INTENSIVO “A”

DATOS INFORMATIVOS
Docente: Ing. Galo Parrales
Clases: lunes: 7:30 A 9:30, jueves: 7:30 A 9:30

Noviembre-marzo 2018
UNIVERSIDAD ESTATAL DEL SUR DE MANABÍ
FACULTAD DE: CIENCIAS ECONÓMICAS
MODALIDAD PRESENCIAL

Asignatura:

INVESTIGACION OPERATIVA

DATOS INFORMATIVOS DE LOS ESTUDIANTES


Nombres Cedula
Cedeño Pilozo María Alejandra 131390776-6
Choez Santana Melissa Julissa 131684576-5
Vera Pisco Evelyn Alejandra 135036025-9
Carpio Laz Daniel Alexander 131453545-4
Holguín Cruz Samantha 131433223-3
López Kayak Daniel Duval 127612841-3
Centro Educativo UNESUM
Facultad Ciencias Económicas
Carrera Contabilidad y Auditoria
Periodo Académico Mayo-septiembre 2019
Lugar y Fecha 19 de mayo del 2019
Correo Electrónico Líder [email protected]

JIPIJAPA - MANABI - ECUADOR


SOLUCIÓN DEL MODELO DE IO

La investigación de operaciones es una disciplina científica que está caracterizada por la


aplicación teórica, métodos y técnicas especiales, que tienen como finalidad la solución
de problemas en la administración, organización y control que se puedan producir en los
diversos sistemas que existen tanto en la naturaleza como en aquellos creados por los
seres humanos.

PROPOSITO

El propósito de la investigación de operaciones está centrado en la preparación de un


profesional para decidir entre los distintos medios o métodos viables a la hora de llevar a
cabo un objetivo. De este modo, se busca alcanzar la máxima optimización posible.

SOLUCIÓN DEL MODELO DE IO

En la investigación de operaciones no se cuenta con una técnica general única para


resolver todos los modelos que puedan surgir en la práctica. En su lugar, el tipo y
complejidad del modelo matemático determina la naturaleza del método de solución. Por
ejemplo, en la sección

La técnica de IO más importante es la programación lineal. Está diseñada para modelos


con funciones objetivo y restricciones lineales. Otras técnicas incluyen la programación
entera (en la cual las variables asumen valores enteros), la programación dinámica (en la
cual el modelo original puede descomponerse en subproblemas más pequeños y
manejables), la programación de red (en la cual el problema puede modelarse como una
red), y la programación no lineal (en la cual las funciones del modelo son no lineales).
Estas son sólo algunas de las muchas herramientas de IO con que se cuenta.

Una peculiaridad de la mayoría de las técnicas de IO es que por lo general las soluciones
no se obtienen en formas cerradas (como si fueran fórmulas), sino que más bien se
determinan mediante algoritmos. Un algoritmo proporciona reglas fijas de cálculo que se
aplican en forma repetitiva al problema, y cada repetición (llamada iteración) acerca la
solución a lo óptimo. Como los cálculos asociados con cada iteración suelen ser tediosos
y voluminosos, es recomendable que estos algoritmos se ejecuten con la computadora.
Algunos modelos matemáticos pueden ser tan complejos que es imposible resolverlas con
cualquiera de los algoritmos de optimización disponibles. En esos casos quizá sea
necesario abandonar la búsqueda de la solución óptima y simplemente buscar una buena
solución aplicando la heurística, y la meta-heurística, o bien reglas empíricas

SOLUCIÓN DEL MODELO DE INVESTIGACIÓN DE OPERACIONES

Voy a explicar un poco “ir más allá” sobre la investigación de operaciones.

En la investigación de operaciones no se tiene una sola técnica general con la que se


resuelvan todos los modelos matemáticos que surgen en la práctica. La complejidad del
modelo matemático determina la naturaleza del método de solución.

Hay varias técnicas utilizadas para la solución de problemas de investigación de


operaciones, tales como programación entera, programación dinámica, programación de
red y la programación no lineal, pero la principal es la programación lineal. Se diseña
para modelos con funciones objetivo y restricciones estrictamente lineales.

En realidad por lo general las soluciones no se obtienen en forma cerradas, es decir,


parecidas a fórmulas. Se determinan mediante algoritmos. Un algoritmo proporciona
reglas fijas de cómputo que se aplican en forma repetitiva al problema, y cada repetición
(llamada iteración) obtiene una solución cada vez más cercana a la óptima.

Algunos modelos matemáticos pueden ser tan complicados que es imposible resolverlos
con cualesquiera de los algoritmos disponibles de optimización. En esos casos se podrá
necesitar abandonar la búsqueda de la solución óptima para sólo buscar una solución
buena usando heurísticas o reglas simples.

En realidad son más que sólo matemáticas, pero debido a la naturaleza matemática, hay
una tendencia a pensar que un estudio de investigación de operaciones siempre tiene en
su raíz al análisis matemático. No debe recurrir de inmediato a los modelos matemáticos,
sino hasta después de haber investigado métodos más sencillos. En algunos casos se podrá
encontrar una solución “de sentido común” mediante observaciones sencillas.

El elemento humano afecta en forma invariable la mayor parte de los problemas de


decisiones, podría ser clave un estudio de la psicología o neurociencia para resolver el
problema.
TECNICAS DE INVESTIGACION OPERATIVA

1. Teoría de juegos: Propone una formulación matemática para el análisis de conflictos,

de intereses o de personas. Sólo se puede aplicar al tipo de conflictos -llamados juegos-

que implican la disputa entre dos o más participantes y en los que cada agente dispone de

diversas opciones de actuación según las limitaciones de las reglas del juego. El número

de estrategias es, por tanto, finito. Definidas las estrategias de cada jugador, se pueden

estimar los resultados probables de las interacciones.

Cuando los participantes hayan escogido sus respectivos cursos de acción, el resultado

del juego acusará las pérdidas o ganancias. Esta teoría es aplicable al análisis de la

competencia en mercados competitivos, en la disputa de clientes cuando hay una fuerte

competencia, en la disputa de materias primas, etc.

2. Teoría de colas: Ayuda a optimizar una distribución en condiciones de aglomeración

y espera, como emergencias hospitalarias, horas punta en telefonía, reservas de servicios,

controles de aeropuerto, transporte en grandes ciudades o colas del supermercado, etc.

3. Teoría de los grafos: Se deriva de las técnicas de planeación y programación por redes,

muy utilizadas en actividades de construcción. Intenta representar una relación directa

entre los factores de tiempo y costo indicando el llamado “óptimo económico” de un

proyecto, de manera que se consiga el mejor aprovechamiento posible de los recursos

disponibles en un plazo óptimo. Esta teoría busca la ejecución de los proyectos en un

plazo más corto y a menor coste, así como la distribución óptima de los recursos

disponibles o su redistribución en caso de modificaciones.

4. Programación lineal: Se preocupa por alcanzar una posición óptima con relación a un

objetivo determinado (aumentar beneficios, disminuir costes), etc. Para ello, las variables

deben ser cuantificables y a la vez debe existir relación lineal entre ellas. Es aplicable a
situaciones complejas que presenten innumerables variables como, por ejemplo, el

estudio del mejor y más económico trayecto para una flota de reparto en un área

determinada.

5. Probabilidad y análisis estadístico: Método utilizado en situaciones donde la

información resulta difícil de obtener, como puede ser el control de calidad en producción,

pues intenta sacar el máximo provecho a los datos disponibles. El análisis estadístico se

usa en el control del proceso y de la calidad.

6. Programación dinámica: Se aplica a problemas que presentan varias fases

interrelacionadas, en donde se debe adoptar una decisión adecuada para cada una sin

perder de vista el objetivo último. Muy útil cuando surgen dudas sobre si comprar, vender

o mantener máquinas y equipos, por ejemplo.

FASES DE UN ESTUDIO DE INVESTIGACIÓN DE OPERACIONES

La investigación de operaciones es una ciencia y un arte. Es una ciencia por las técnicas
matemáticas que presenta, y es un arte porque el éxito de todas las fases que anteceden y
siguen a la resolución del modelo matemático depende mucho de la creatividad y la
experiencia del equipo de investigación de operaciones. Hay que tener algo más que la
competencia analítica, por ejemplo, el juicio (cuándo y cómo usar determinada técnica)
y la destreza técnica en comunicaciones y en supervivencia organizacional.

El proceso de la Investigación de Operaciones comprende las siguientes fases:

1. Formulación y definición del problema.


2. Construcción del modelo.
3. Solución del modelo.
4. Validación del modelo.
5. Implementación de resultados.
Formulación y definición del problema.

En esta fase del proceso se necesita: una descripción de los objetivos del sistema, es decir,

qué se desea optimizar; identificar las variables implicadas, ya sean controlables o no;

determinar las restricciones del sistema. También hay que tener en cuenta las alternativas

posibles de decisión y las restricciones para producir una solución adecuada.

Construcción del modelo.

En esta fase, el investigador de operaciones debe decidir el modelo a utilizar para

representar el sistema. Debe ser un modelo tal que relacione a las variables de decisión

con los parámetros y restricciones del sistema. Los parámetros (o cantidades conocidas)

se pueden obtener ya sea a partir de datos pasados o ser estimados por medio de algún

método estadístico. Es recomendable determinar si el modelo es probabilístico o

determinístico. El modelo puede ser matemático, de simulación o heurístico, dependiendo

de la complejidad de los cálculos matemáticos que se requieran.

Solución del modelo.

Una vez que se tiene el modelo, se procede a derivar una solución matemática empleando

las diversas técnicas y métodos matemáticos para resolver problemas y ecuaciones.

Debemos tener en cuenta que las soluciones que se obtienen en este punto del proceso,

son matemáticas y debemos interpretarlas en el mundo real. Además, para la solución del

modelo, se deben realizar análisis de sensibilidad, es decir, ver cómo se comporta el

modelo a cambios en las especificaciones y parámetros del sistema. Esto se hace, debido

a que los parámetros no necesariamente son precisos y las restricciones pueden estar

equivocadas.
Validación del modelo.

La validación de un modelo requiere que se determine si dicho modelo puede predecir

con certeza el comportamiento del sistema. Un método común para probar la validez del

modelo, es someterlo a datos pasados disponibles del sistema actual y observar si

reproduce las situaciones pasadas del sistema. Pero como no hay seguridad de que el

comportamiento futuro del sistema continúe replicando el comportamiento pasado,

entonces siempre debemos estar atentos de cambios posibles del sistema con el tiempo,

para poder ajustar adecuadamente el modelo.

Implementación de resultados.

Una vez que hayamos obtenido la solución o soluciones del modelo, el siguiente y último

paso del proceso es interpretar esos resultados y dar conclusiones y cursos de acción para

la optimización del sistema. Si el modelo utilizado puede servir a otro problema, es

necesario revisar, documentar y actualizar el modelo para sus nuevas aplicaciones.

También podría gustarte