ETAPAS DE UN ESTUDIO DE INVESTIGACIÓN DE OPERACIONES

SAVE OFFLINE

ETAPAS DE UN ESTUDIO DE INVESTIGACIÓN DE OPERACIONES

1

1) a) Definición del problema b) Recolección de datos 2) Formulación de un modelo matemático 3) Solución del modelo (Proceso computarizado) 4) Prueba del modelo y mejoramiento 5) Preparación para la aplicación del modelo 6) Puesta en marcha. 2

Etapas de un estudio de IO Definición del problema / Recolección de datos ◼

Problemas descritos vagamente ◼

◼

Desarrollo de un resumen definido Estudio del sistema relevante Objetivos / Restricciones / Interrelaciones ◼ Distintos cursos de acción / límites de tiempo ◼

◼

Obtener apoyo del tomador de decisiones 3

◼

Objetivos tan específicos como sea posible ◼

◼

Que contemplen las metas principales del decisor, y consistentes con los objetivos de la organización.

Recolectar datos, porque: ◼ ◼

La información disponible es obsoleta o inexistente La información disponible es incompleta o equivocada.

4

Etapas de un estudio de IO Definición del problema / Recolección de datos ◼ ◼

◼

Sistema de información gerencial (MIS) Datos “blandos” (estimaciones por juicios personales) Trabajar con datos disponibles, o lo que se pudo obtener 6

◼

◼

◼

Un modelo es una representación idealizada de la realidad Se construye un modelo (por ej: una maqueta) porque es más “barato” trabajar con él, que rehacer un edificio “n” veces (por ej: hasta que no se caiga) Un modelo matemático es el sistema de ecuaciones e inecuaciones relacionadas que describen la esencia del problema. 7

◼

◼

◼

◼

“n” decisiones cuantificables se representan como variables de decisión. La medida del desempeño (por ej: ganancia) se representa como una función de las variables de decisión: función objetivo. Las limitaciones sobre las variables con restricciones. Las constantes en función objetivo y restricciones son parámetros. 8

◼

◼

9

◼

Ventajas de un modelo matemático: ◼

◼

◼

Descripción concisa del problema. Facilita la visión global del problema, y sus interrelaciones. Permite emplear técnicas matemáticas y computadoras. 10

◼

Cuidados a tener en cuenta: ◼

◼

◼

El modelo debe ser siempre una representación válida del problema (cuidado con las aproximaciones). Se debe verificar que el modelo sea “buen predictor” (alta correlación entre lo predicho por el modelo, y la realidad). Enriquecer el modelo sólo si sigue siendo manejable (trade-off entre precisión y manejabilidad). 11

◼ ◼

◼

12

◼

◼

◼

13

◼

Siempre, las primeras versiones de un modelo tienen fallas.

◼

La validación del modelo es probarlo y mejorarlo, para incrementar su validez.

14

◼

◼

REVISIÓN GLOBAL (FORMULACIÓN DEL PROBLEMA VS. EL MODELO)

◼

ASIGNACIÓN A PARÁMETROS Y VARIABLES, VALORES FRONTERA.

◼

PRUEBA RETROSPECTIVA.

◼

PRUEBA EN PARALELO.

◼

15

◼

◼

◼

Se debe instalar un sistema bien documentado para aplicar el modelo. El sistema incluye el modelo, el procedimiento de solución, el análisis. posóptimo y los procedimientos operativos. El sistema de computación requiere varios meses para ser desarrollado, probado e instalado. 16

Etapas de un estudio de IO Implementación o Puesta en Marcha ◼

◼

◼

En esta etapa se cosechan los beneficios del estudio. El éxito de esta etapa depende del grado de involucramiento de los decisores en el estudio. Es crítica la capacitación del personal participante. 17

Etapas de un estudio de IO Implementación o Puesta en Marcha ◼

La documentación clara y detallada de la metodología seguida permitirá que el trabajo sea reproducible.

◼

La documentación dará soporte para explicar decisiones políticas. 18

◼

◼

Abarca el problema general de asignar recursos limitados entre actividades competitivas de la mejor manera posible. Incluye elegir el nivel de ciertas actividades que compiten por recursos escasos necesarios para realizarlas. Los niveles de actividad elegidos implican la cantidad de cada recurso que consumirá cada una de ellas. 19

◼

•

◼

20

◼ ◼

Ejemplo tipo: Definición del problema: “Determinar las tasas de producción de los dos productos para maximizar la ganancia

total, sujeta a las capacidades disponibles en las tres plantas”.

21

◼

Ejemplo: ◼

Productos: 1: Puerta de vidrio de 8 pies con marco de aluminio. ◼ 2: Ventana con marco de madera de 4x6 pies. ◼

◼

Datos a reunir: 1. Cantidad de horas disponibles por planta. ◼ 2. Cantidad de horas que cada producto usa de cada planta. ◼ 3. Ganancia por lote de cada producto nuevo. ◼

22

Formulación como un problema de programación lineal: x1=cantidad de lotes del prod.1 fabricados por semana x2=cantidad de lotes del prod.2 fabricados por semana Z=ganancia semanal total por los 2 productos. Tiempo de producción por lote en horas

Planta 1 2 3 Ganancia por lote

Prod.1 1 0 3

Prod.2 0 2 2

$3,000

$5,000

Tiempo de produccion semenal disponible (hs) 4 12 18

23

En lenguaje matemático: Seleccionar valores de: que maximicen:

x1 y x2 z=3.x1+5.x2

sujeta a las restricciones: x1