Investigación de las operaciones

La Investigacion de las Operaciones

La investigación de operaciones también conocida como teoría de la toma de decisiones, es una rama de la ingeniería industrial. También tiene relación con la ingeniería en sistemas y la investigación en todas sus ramas. Consiste en el uso de modelos matemáticos, estadísticos y algoritmos. Su objetivo es realizar la toma de decisiones, con la finalidad de mejorar y optimizar el funcionamiento de los procesos. Para la integración de equipos debe incluirse personal con intereses firmes en: matemáticas, estadísticas, teoría de la probabilidad, economía, administración de empresas, computación e ingeniería. Dentro de una Empresa la Investigación de Operaciones se aplica en las áreas de: producción, marketing, compras, manufactura y contabilidad.

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 un alternativa, etc). Los valores que pueden adoptar las variables de decisión usualmente están restringidos por restricciones 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:

1. Definición del problema: Se debe definir el problema para el cual se busca proponer un curso de 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 de la 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 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 metodología 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. Las sub disciplinas más destacadas en la Investigación de Operaciones moderna son:

• Tecnologías de la Información
• Medioambiente, Energía y Recursos Naturales
• Ingeniería Financiera
• Manufactura y Servicios
• Gestión de la Cadena de Suministro (SCM)
• Marketing
• Revenue Management
• Problemas de Transporte
• Simulación
• Modelos Estocásticos