Investigación De Operaciones

Get Started. It's Free
or sign up with your email address
Rocket clouds
Investigación De Operaciones by Mind Map: Investigación De Operaciones

1. La investigación de Operaciones:

1.1. Es una disciplina que consiste en la aplicación de métodos analíticos avanzados con el propósito de apoyar el proceso de toma de decisiones, identificando los mejores cursos de acción posibles.

1.2. Utiliza técnicas de modelamiento matemático, análisis estadístico y optimización matemática

1.3. Se busca que las soluciones obtenidas sean significativamente más eficientes (en tiempo, recursos, beneficios, costos, etc)

2. Historia:

2.1. La Investigación de Operaciones o Investigación Operativa es una disciplina donde las primeras actividades formales se dieron en Inglaterra en la Segunda Guerra Mundial, cuando se encarga a un grupo de científicos ingleses el diseño de herramientas cuantitativas para el apoyo a la toma de decisiones acerca de la mejor utilización de materiales bélicos. Se presume que el nombre de Investigación de Operaciones fue dado aparentemente porque el equipo de científicos estaba llevando a cabo la actividad de Investigar Operaciones (militares)

3. Enfoques:

3.1. La estructuración de una situación de la vida real como un modelo matemático, logrando una abstracción de los elementos esenciales para que pueda buscarse una solución que concuerde con los objetivos del tomador de decisiones.

3.2. El análisis de la estructura de tales soluciones y el desarrollo de procedimientos sistemáticos para obtenerlas.

3.3. El desarrollo de una solución, incluyendo la teoría matemática si es necesario, que lleva al valor óptimo de la medida de lo que se espera del sistema (o quizá que compare los cursos de acción opcionales evaluando esta medida para cada uno).

3.4. Se obtiene la solución al modelo cuantitativo mediante la aplicación de una o más de las técnicas desarrolladas por la IO.

3.5. Se adapta e imprime la máxima realidad posible a la solución teórica del problema real obtenida en el punto 4, mediante la consideración de factores cualitativos o no cuantificables, los cuales no pudieron incluirse en el modelo. Además se ajusta los detalles finales vía el juicio y la experiencia del tomador de decisiones.

3.6. Se implanta la solución en el sistema real.

4. Fases:

4.1. Solución del modelo. Una vez que se tiene el modelo, se procede a derivar una solución matemática empleando las diversas técnicas y métodos matemáticos para resolver problemas y ecuaciones

4.2. Construcción del modelo. En esta fase, el investigador de operaciones debe decidir el modelo a utilizar para representar el sistema.

4.3. Validación del modelo. La validación de un modelo requiere que se determine si dicho modelo puede predecir con certeza el comportamiento del sistema.

4.4. Implementación de resultados. Una vez que hayamos obtenido la solución o soluciones del modelo, el siguiente y último paso del proceso es interpretar esos resultados y dar conclusiones y cursos de acción para la optimización del sistema.

5. Modelos:

5.1. Modelos predictivos: Este tipo de modelos nos informan del comportamiento de la variable en un futuro, es decir, lo que debería ser. A este tipo de modelos corresponden aquellos basados en técnicas estadísticas y/o econométricas, es decir, modelos de previsión.

5.2. Modelos evaluativos: Una técnica evaluativa corresponde a medir las diferentes alternativas, y así poder comparar los resultados de ellas. Este tipo de modelos se corresponden con los denominados árboles de decisión

5.3. Modelos de optimización: Se trata de modelos que tratan de identificar un optimo (por lo general, el optimo global) del problema, es decir, buscan la mejor de las alternativas posibles. Estos métodos son los que están basados en las técnicas de programación matemática.

5.4. Modelos deterministas versus modelos estocásticos. En los modelos deterministas todos los datos del problema se conocen con absoluta certeza, mientras que cuando esto no es así tenemos los modelos estocásticos. Por lo general los modelos más realistas son los modelos estocásticos, pero tienen la dificultad de poderlos resolver adecuadamente, y muchas de las técnicas aplicables a los modelos estocásticos tratan de reducir el problema a su versión determinista para poderlo resolver.

5.5. Modelos estáticos versus modelos dinámicos. En un modelo estático la variable tiempo no desempeña un papel relevante, mientras que en los modelos dinámicos la variable fundamental, y de la que dependen las restante variables relevantes. Además, la variable tiempo se considera como una variable continua

6. Áreas de aplicación:

6.1. Personal

6.2. Mercado y Distribución

6.3. Compras y Materiales

6.4. Manufactura

6.5. Finanzas y Contabilidad

6.6. Planeación