1 / 21

Investigación Operativa

Investigación Operativa. Ing. Julio Angeles Morales. El problema. Los recursos son escasos. Los sistemas son cada vez más complejos. Cada vez es más difícil asignar los recursos o actividades de la forma más eficaz. ¿Qué es la investigación operativa?.

maine
Download Presentation

Investigación Operativa

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Investigación Operativa Ing. Julio Angeles Morales

  2. El problema Los recursos son escasos Los sistemas son cada vez más complejos Cada vez es más difícil asignar los recursos o actividades de la forma más eficaz

  3. ¿Qué es la investigación operativa? Definición (Lawrence y Pasternak, 1998) Un enfoque científico para la toma de decisiones ejecutivas, que consiste en: • El arte de modelar situaciones complejas, • La ciencia de desarrollar técnicas de solución para resolver dichos modelos y • La capacidad de comunicar efectivamente los resultados. Objetivo de la Investigación operativa: Estudiar la asignación óptima de recursos escasos a determinada actividad. Evaluar el rendimiento de un sistema con objeto de mejorarlo.

  4. Investigación operativa (I.O.) • Es la aplicación del método científico para asignar los recursos o actividades de forma eficaz, en la gestión y organización de sistemas complejos • Su objetivo es ayudar a la toma de decisiones • Requiere un enfoque interdisciplinario

  5. Historia de la I.O. • Se aplica por primera vez en 1780 • Antecedentes: • Matemáticas: modelos lineales (Farkas, Minkowski) (s.XIX) • Estadística: fenómenos de espera (Erlang, Markov) (años 20) • Economía: Quesnay (x.XVIII), Walras (s.XIX), Von Neumann (años 20) • El origen de la I.O. moderna se sitúa en la 2ª Guerra Mundial para resolver problemas de organización militar: - Despliegue de radares, manejo de operaciones de bombardeo, colocación de minas,…

  6. Historia de la I.O. • Al terminar la guerra, sigue el desarrollo en la industria, debido a: • competitividad industrial • progreso teórico • RAND (Dantzig) • Princeton (Gomory, Kuhn, Tucker) • Carnegie Institute of Technology (Charnes, Cooper) • gran desarrollo de los ordenadores: * aumento de la capacidad de almacenamiento de datos * Incremento de la velocidad de resolución de los problemas.

  7. 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 • Más información: • Sociedad Española de Estadística 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

  8. El método de la I.O. • Definición del problema • Formulación del problema y construcción del modelo • Resolución • Verificación, validación, refinamiento • Interpretación y análisis de resultados • Implantación y uso extensivo A lo largo de todo el proceso debe haber una interacción constante entre el analista y el cliente

  9. El modelado • Es una ciencia • análisis de relaciones • aplicación de algoritmos de solución • Y a la vez un arte • visión de la realidad • estilo, elegancia, simplicidad • uso creativo de las herramientas • experiencia

  10. Definición del problema • Consiste en identificar los elementos de decisión • objetivos (uno o varios, optimizar o satisfacer) • alternativas • limitaciones del sistema • Hay que recoger información relevante (los datos pueden ser un grave problema) • Es la etapa fundamental para que las decisiones sean útiles

  11. Factores problemáticos • Datos incompletos, conflictivos, difusos • Diferencias de opinión • Presupuestos o tiempos limitados • Cuestiones políticas • El decisor no tiene una idea firme de lo que quiere realmente. Plan de trabajo: Observar Ser consciente de las realidades políticas Decidir qué se quiere realmente Identificar las restricciones Búsqueda de información continua.

  12. Formulación del problema • Modelo: representación simplificada de la realidad, que facilita su comprensión y el estudio de su comportamiento • Debe mantener un equilibrio entre sencillez y capacidad de representación • Modelo matemático: modelo expresado en términos matemáticos • hace más claras la estructura y relaciones • facilita el uso de técnicas matemáticas y ordenadores • a veces no es aplicable

  13. Construcción del modelo • Traducción del problema a términos matemáticos • objetivos: función objetivo • alternativas: variables de decisión • limitaciones del sistema: restricciones • Pero a veces las relaciones matemáticas son demasiado complejas • heurísticos • simulación

  14. Modelado matemático • Paso 1.- Identificar las variables de decisión ¿Sobre qué tengo control? ¿Qué es lo que hay que decidir? ¿Cuál sería una respuesta válida en este caso? • Paso 2.- Identificar la función objetivo ¿Qué pretendemos conseguir? Si yo fuese el jefe de la empresa, ¿qué me interesaría más? • Paso 3.- Identificar las restricciones o factores que limitan la decisión Recursos disponibles (trabajadores, máquinas, material) Fechas límite Restricciones por la naturaleza de las variables (no negatividad, enteras, binarias) Restricciones por la naturaleza del problema • Paso 4.- Traducción de los elementos básicos a un modelo matemático.

  15. Resolución del modelo • Paso 1.- Elegir la técnica de resolución adecuada • Técnicas existentes, modificación, creación o heurísticos. • Paso 2.- Generar las soluciones del modelo • Programas de ordenador, hojas de cálculo. • Paso 3.- Comprobar/validar los resultados • Probar la solución en el entorno real • Paso 4.- Si los resultados son inaceptables, revisar el modelo matemático • Estudiar hipótesis, comprobar exactitud de datos, relajar o endurecer aproximaciones, revisar restricciones • Paso 5.- Realizar análisis de sensibilidad • Analizar adaptaciones en la solución propuesta frente a posibles cambios

  16. Paso 1.- Tipos de modelos • Determinísticos • Programación matemática • Programación lineal • Programación entera • Programación dinámica • Programación no lineal • Programación multiobjetivo • Modelos de transporte • Modelos de redes • Probabilísticos • Programación estocástica • Gestión de inventarios • Fenómenos de espera (colas) • Teoría de juegos • Simulación

  17. Paso 2.- Generar las soluciones del modelo • Determinar los valores de las variables de decisión de modo que la solución sea óptima (o satisfactoria) sujeta a las restricciones • Puede haber distintos algoritmos y formas de aplicarlos

  18. Paso 3.- Verificación y validación • Eliminación de errores • Comprobación de que el modelo se adapta a la realidad

  19. Paso 4.- Interpretación y análisis • Robustez de la solución óptima obtenida: Análisis de sensibilidad • Detección de soluciones cuasi-óptimas atractivas

  20. Paso 5.- Implantación de resultados • Sistema de ayuda y mantenimiento • Documentación • Formación de usuarios

  21. Guía general para la formulación de modelos Identificación de los elementos básicos. Expresar en palabras: • Datos del problema • Factores que no son susceptibles de cambio • Variables de decisión • Variables sobre las que se tiene control • Restricciones • Causas por las que la decisión está limitada • Función objetivo • Medida del rendimiento que se quiere optimizar Traducción de los elementos básicos a expresiones matemáticas

More Related