1. Se enfoca en
1.1. 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.
1.1.1. 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.
1.2. 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.
1.2.1. 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.
1.2.2. 4. Validación: Se verifica que la solución alcanzada cumpla con las condiciones (restricciones) impuestas al problema
2. Se puede aplicar en
2.1. Áreas funcionales, Una muestra de los problemas que la IO ha estudiado y resuelto con éxito en negocios e industria se tiene a continuación:
2.1.1. Compras y materiales: Las cantidades y fuentes de suministro, costos fijos y variables, sustitución de materiales, reemplazo de equipo, comprar o rentar.
2.1.1.1. Mercado y distribución: El desarrollo e introducción de producto, envasado, predicción de la demanda y actividad competidora, localización de bodegas y centros distribuidores.
2.1.2. Manufactura: La planeación y control de la producción, mezclas óptimas de manufactura, ubicación y tamaño de planta, el tráfico de materiales y el control de calidad.
2.1.2.1. Personal: La automatización y la disminución de costos, reclutamiento de personal, clasificación y asignación a tareas de mejor actuación e incentivos a la producción.
2.1.3. Finanzas y contabilidad: Los análisis de flujo de efectivo, capital requerido de largo plazo, inversiones alternas, muestreo para la seguridad en auditorías y reclamaciones.
2.1.3.1. Planeación: Con los métodos Pert para el control de avance de cualquier proyecto con múltiples actividades, tanto simultáneas como las que deben esperar para ejecutarse.