modelos_de_investigacion_de_operacioneslectura.pdf
TRANSCRIPT
-
MODELOS DE INVESTIGACION DE OPERACIONES
-
CARACTERSTICAS
Los modelos se dividen en determinsticos (no probabilisticos) y
estocsticos (probilisticos). Hay otros modelos hbridos porque
incluyen las dos categoras. Los modelos determinsticos, como
opuestos a los estocsticos, suponen que los variables de todas las
variables no controlables y los parmetros se conocen como certeza y
son fijos. Sin embargo, como sabemos, el mundo real es
probabilstico, entonces para qu manejar estos modelos
determinsticos? Las siguientes razones deben tomarse en
consideracin:
- Primero, son ms manejables los modelos matemticos bajo
suposiciones determinsticas que bajo suposiciones probabilsticas. Es
decir, ciertos procesos complejos pueden modelarse factiblemente y
ser resueltos en forma deterministicas, pero no probabilstica.
- Segundo, algunos sistemas del mundo real son lo suficientemente
estables como para modelarlos eficazmente con enfoques
determinsticos
- Por ltimo, una caracterstica de todos los modelos determinsticos
es que permiten la introduccin de incertidumbre: el anlisis de
sensibilidad (sexto paso del proceso)
La mayora de los modelos determinsticos pueden caracterizarse
como aquellos que optimizan (maximizan o minimizan) algunas
funciones objetivo (reemplazando, expresado en trminos de
variables y parmetros), generalmente sujetos a un conjunto de
restricciones; esto es:
Optimizar Z = F (X,Y)
Sujeta a G(X,Y) < B
Donde Z es el inters expresado como una funcin de X, que a su vez
es el conjunto de variables controlables y Y el conjunto de variables
-
incontrolables: G(X,Y) es el conjunto de restricciones expresadas
como funciones de las variables controlables e incontrolables; y B
representa el conjunto de constantes asociadas con el conjunto de
restricciones. Ntese que el conjunto de restricciones pueden
consistir de relaciones de desigualdad y de igualdad. Los
procedimientos para resolver los modelos de tipo dado por las
ecuaciones antes descritas se llaman en conjunto Programacin
Matemtica.
La distincin entre los Modelos de Optimizacin Lineales y no Lineales
se basa en la naturaleza de la funcin objetivo y/o las restricciones;
por ejemplo, los modelos de programacin lineal se caracterizan por
su funcin objetivo lineal y sus restricciones lineales.
Los Modelos de Transporte y los de Asignacin se pueden ver como
casos especiales de la programacin lineal, por medio de los cuales se
pueden hacer ms eficientes los procedimientos de solucin. Cuando
las variables de decisin en los modelos de optimizacin lineal se
restringen, bien sea a integrarse o valores 0 - 1, son adecuados los
modelos de programacin entera o de programacin 0 - 1. Los
modelos de redes representan estos tipos de problemas en trminos
de diagramas de flujo. Los modelos de programacin de metas
optimizan una funcin objetivo de criterios que es lineal, sujeta a un
conjunto de restricciones lineales.
Para cada uno de estos Modelos Lineales, el procedimiento de
solucin se basa en un logaritmo iterativo especfico. Un algoritmo
iterativo es un procedimiento de solucin que empieza con una
solucin (completa o parcial) y luego procede hacia mejores o ms
completas soluciones por un conjunto de reglas. El procedimiento se
aplica repetidamente hasta que no se logre mayor mejoramiento en
-
la funcin objetivo, o hasta que se encuentre alguna condicin de
detenerse.
Los Modelos de Optimizacin no Lineal se clasifican ms bien por el
mtodo de solucin que por la estructura del modelo: los Mtodos
Clsicos aplican clculo diferencial; los Mtodos de Bsqueda utilizan
tcnicas gradiantes y ramificacin, y los Mtodos de Programacin no
Lineal aplican algoritmos especiales (procedimientos de solucin)
para explotar ciertas estructuras matemticas en las relaciones
funcionales.
Los Algoritmos de Programacin Estocsticas tratan los parmetros
de modelos de optimizacin como variables aleatorias de
distribuciones muestrales especficas. Representan un rea de la
programacin matemtica en la que no se aplican suposiciones
determinsticas.
Los Modelos Fsicos (como los Modelos de Inventarios y los
Competitivos) ocupan una categora especial en cuanto que han sido
desarrollados especialmente para un rea dada de aplicacin. Los
Modelos Fsicos intentan esencialmente predecir las caractersticas
operativas de los sistemas de colas, por ejemplo: La longitud
promedio de la cola, la utilizacin de las instalaciones para servicio,
etc.). En algunos casos, estos modelos se pueden formular en
trminos de un criterio de costos subyacentes y ser resueltos por
algn procedimiento de optimizacin.
La Teora de Decisiones representa un enfoque formalizado a la toma
de decisiones bajo incertidumbre, la cual incorpora e integra
conceptos de la teora de utilidad, de la teora de distribucin de
probabilidades y de la teora de probabilidad de Bayes. La Teora de
Juegos en un enfoque relacionado para caracterizar el
-
comportamiento de la toma de decisiones bajo conflicto o
competencia.
La Programacin dinmica es un enfoque a la optimizacin deseable
en forma nica para muchos problemas determinsticos o
probabilsticos, varios modelos incluyen representaciones
determinsticas y probabilsticas: El PERT_CPM es un enfoque para
planear, programar y controlar los proyectos complejos que se
pueden caracterizar como redes, los modelos heursticos aplican
reglas del pulgar a los problemas que sin esto no podran ser
resueltos de manera factible, eficaz y ptima, los modelos de
inventarios, tanto determinsticos como estocsticos, especifiquen
polticas de inventarios que minimizan el costo esperado.
La Simulacin es una forma importante de los modelos
determinsticos y estocsticos, que representa el comportamiento de
sistemas complejos por modelos lgicos o matemticos
computarizados. Representando apropiadamente las incertidumbres,
las relaciones y las interacciones de los componentes individuales en
un sistema, es posible reproducir ese sistema artificialmente.
Como opuesto a la simulacin fsica de los sistemas ( por ejemplo.
Los simuladores de vuelos espaciales, los modelos de tneles de
viento, los planetarios etc), los modelos de simulacin de la
investigacin de operaciones representan al sistema de enfoques
matemticos deseables especialmente para su operacin en
computadores digitales. La simulacin es particularmente valiosa para
la investigacin de problemas demasiados complejos para ser
analizados por otros procedimientos de la investigacin de
operaciones.
ACTIVIDADES DE CLASE:
1. Elabore una sntesis de cada modelo clasificndolo de acuerdo
al cuadro anexo.
2. Ilustre con un ejemplo cada modelo
-
3. Escriba la importancia que tiene la investigacin de operaciones
en su carrera profesional.