Este documento describe la investigación de operaciones como una disciplina que aplica métodos analíticos avanzados para ayudar en el proceso de toma de decisiones. Explica que la investigación de operaciones incluye técnicas de modelado matemático, análisis estadístico y optimización matemática para alcanzar soluciones óptimas a problemas complejos de decisión. También define los tipos de modelos utilizados en la investigación de operaciones, incluyendo modelos matemáticos, de simulación y heurísticos.
0 calificaciones0% encontró este documento útil (0 votos)
60 vistas6 páginas
Este documento describe la investigación de operaciones como una disciplina que aplica métodos analíticos avanzados para ayudar en el proceso de toma de decisiones. Explica que la investigación de operaciones incluye técnicas de modelado matemático, análisis estadístico y optimización matemática para alcanzar soluciones óptimas a problemas complejos de decisión. También define los tipos de modelos utilizados en la investigación de operaciones, incluyendo modelos matemáticos, de simulación y heurísticos.
Este documento describe la investigación de operaciones como una disciplina que aplica métodos analíticos avanzados para ayudar en el proceso de toma de decisiones. Explica que la investigación de operaciones incluye técnicas de modelado matemático, análisis estadístico y optimización matemática para alcanzar soluciones óptimas a problemas complejos de decisión. También define los tipos de modelos utilizados en la investigación de operaciones, incluyendo modelos matemáticos, de simulación y heurísticos.
Este documento describe la investigación de operaciones como una disciplina que aplica métodos analíticos avanzados para ayudar en el proceso de toma de decisiones. Explica que la investigación de operaciones incluye técnicas de modelado matemático, análisis estadístico y optimización matemática para alcanzar soluciones óptimas a problemas complejos de decisión. También define los tipos de modelos utilizados en la investigación de operaciones, incluyendo modelos matemáticos, de simulación y heurísticos.
Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
Descargar como docx, pdf o txt
Está en la página 1/ 6
UNIVERSIDAD ALONSO DE OJEDA
PORGRAMA DE EDUCACION, ADMINISTRACION INGENIERIA
CARORA TORRES LARA
Investigación de Operaciones
Participante: José Armando Carrasco H.
C. I. N°. 27.739.257 Estudiante del VI Trimestre de Administración Materia: Investigación de Operaciones Prof. Erisley Paez. Introducción
La Investigación de Operaciones se ocupa de la resolución de problemas
relacionados con la coordinación, manejo y dirección de las operaciones o actividades que se realizan dentro de una organización. Su ámbito de aplicación es muy amplio, ya que puede aplicarse a diversos problemas bien sea de fabricación, transporte, construcción, telecomunicaciones, planificación y gestión financiera, ciencias de la salud, servicios públicos, entre otras. En general, puede aplicarse en todos los problemas relacionados con la gestión, la planificación y el diseño.
La Investigación de Operaciones incluye un conjunto muy amplio de técnicas orientadas
a proporcionar una ayuda cuantitativa a la toma de decisiones. El método empleado es el método científico, y las técnicas que se utilizan son, en buena medida las técnicas matemáticas. Fundamento de la Investigación de Operaciones: Definición.
La Investigación de Operaciones, también llamada investigación Operativa, es una
disciplina que consiste en la aplicación de métodos analíticos avanzados con el propósito de ayudar en el proceso de toma de decisiones, Ya que utiliza técnicas de modelamiento matemático, análisis estadístico y optimización matemática, con el objetivo de alcanzar soluciones óptimas o cercanas a ellas cuando se enfrentan problemas de decisión complejos. Se espera que las decisiones alcanzadas mediante el uso de un modelo de investigación operativa sean significativamente mejores en comparación a aquellas decisiones que se podrían tomar haciendo uso de la simple intuición o experiencia del tomador de decisiones. Lo anterior es particularmente cierto en aquellos problemas de naturaleza real complejos, que consideran cientos, incluso miles de variables de decisión y restricciones.
Es importante señalar que la Investigación de Operaciones se complementa con otras
disciplinas como la Ingeniería Industrial y la Gestión de Operaciones. En términos estrictos un modelo de optimización considera una función objetivo en una o varias variables que se desea maximizar (por ejemplo, el ingreso o beneficio asociado a un plan de producción) o por el contrario minimizar (por ejemplo, los costos de una firma, el riesgo asociado a una decisión, la pérdida de una alternativa, entre otros). Los valores que pueden adoptar las variables de decisión usualmente están específicos por limitaciones que adoptan la forma de ecuaciones y/o inecuaciones que buscan representar las limitantes asociadas a la problemática.
El enfoque de la Investigación de Operaciones es el modelaje. Un modelo es una
herramienta analítica que nos sirve para lograr una visión bien estructurada de la realidad. Así, el propósito del modelo es proporcionar un medio para analizar el comportamiento de las componentes de un sistema con el fin de optimizar su desempeño (identificar el mejor curso de acción posible). Una visión esquemática del proceso asociado a la construcción de un modelo de optimización se presenta a continuación los siguientes elementos:
1. Definición del problema: Se debe definir el problema para el cual se busca proponer una la acción. ¿Es un problema relevante? ¿es posible tomar una buena decisión sin la necesidad de resolver un modelo de optimización? ¿cuáles son sus alcances? ¿cuáles son los factores que influyen en el desempeño del sistema?, etc. La calidad del modelo de optimización dependerá en gran parte del asertividad en la definición del problema de decisión.
2. Construcción de un modelo: Un modelo de optimización considera necesariamente una
abstracción o simplificación de la realidad. Por un lado se busca que el modelo sea representativo del problema real que se busca representar pero que al mismo tiempo sea simple de modo de favorecer su resolución haciendo uso de un algoritmo ad-hoc. Alcanzar este equilibrio no es trivial. Por ello ante un mismo problema puede existir más de un modelo de optimización que lo represente con distintos niveles de detalle y abstracción.
3. Solución del modelo: Una vez construido el modelo de optimización se deben identificar las alternativas de resolución para el mismo. Para ello se puede hacer uso de programas computacionales que utilizan algoritmos de resolución específicos dependiendo de las características del modelo. Por ejemplo, para resolver un problema de Programación Lineal (las variables de decisión se representan como funciones lineales tanto en la función objetivo como restricciones) se puede utilizar el Método Simplex.
4. Validación: Se verifica que la solución alcanzada cumpla con las condiciones
(restricciones) impuestas al problema.
5. Implementación y control de la solución: Una vez verificada la solución se procede a su
implementación. Cabe destacar que esto puede dar lugar a actualizaciones del modelo de optimización tanto en términos del modelo como el valor de los parámetros estimados. Por ejemplo, si el modelo de optimización corresponde a un Plan Maestro de la Producción (PMP) y se genera un cambio en el valor de la hora hombre de los trabajadores será necesario actualizar el valor del parámetro que representa dicho costo para posteriores instancias de resolución.
En la actualidad el uso de modelos de optimización es cada vez más frecuente en la toma de
decisiones. Este mayor uso se explica, principalmente, por un mejor conocimiento de estas metodologías en las diferentes disciplinas, la creciente complejidad de los problemas que se desea resolver, la mayor disponibilidad de software y el desarrollo de nuevos y mejores algoritmos de solución.
Definición de Modelos:
Un modelo de decisión debe considerarse como un vehículo para resumir un problema de
decisión en forma tal que haga posible la identificación y evaluación sistemática de todas las alternativas de decisión del problema. Después se llega a una decisión seleccionando la alternativa que se juzgue sea la mejor entre todas las opciones disponibles.
Entre los diferentes tipos de modelos de I.O están:
Modelo simbólico o matemático: Es el tipo de modelo más importante de la I.O.
Al formular este tipo de modelo uno supone que todas las variables relevantes son cuantificables. Por consiguiente, los símbolos matemáticos se utilizan para representar variables las cuales están relacionadas con las funciones matemáticas para poder descubrir el comportamiento de un sistema. Lográndose la solución del modelo por una manipulación matemática apropiada. Modelo de simulación. Ellos imitan el comportamiento de sistema sobre un periodo. Esto se logra especificando ciertos eventos los cuales son puntos en el tiempo en donde se ocurrencia significa que puede recolectarse su información la cual pertenece al comportamiento de este sistema siendo está muy importante. Los modelos de simulación no necesitan funciones matemáticas para realizar variables, usualmente es posible simular sistemas complejos que no pueden modelarse o resolverse matemáticamente. La principal falla de la simulación consiste en que el análisis es equivalente a realizar experimentos y estar sujeto a errores experimentales. Modelo Heurístico. Es un modelo de solución que se apoya en reglas empíricas intuitivas, las cuales dan una solución actual al modelo permitiendo determinar una solución mejorada. Hoy por hoy los métodos heurísticos son procedimiento de búsqueda que pasan inteligentemente de un punto de solución a otro con el objetivo de mejorar el criterio de este modelo. Cuando ninguna mejora adicional puede lograrse la mejor solución que se haya obtenido es la solución aproximada al modelo.
