Investigación de operaciones

Comienza Ya. Es Gratis
ó regístrate con tu dirección de correo electrónico
Rocket clouds
Investigación de operaciones por Mind Map: Investigación de operaciones

1. Optimizacion Matematica

1.1. La optimización matemática, también llamada investigación operativa, aglutina un conjunto de técnicas de modelización matemática que permite dar respuesta a problemas de asignación o planificación óptima de recursos escasos y, en general, apoyar de una forma eficiente el proceso de toma de decisiones.

2. Modelaje Matematico

2.1. Un modelo matemático es un modelo que utiliza fórmulas matemáticas para representar la relación entre distintas variables, parámetros y restricciones.

2.1.1. Para qué sirve un modelo matemático? Los modelos matemáticos son utilizados para analizar la relación entre dos o más variables. Pueden ser utilizados para entender fenómenos naturales, sociales, físicos, etc. Dependiendo del objetivo buscado y del diseño del mismo modelo pueden servir para predecir el valor de las variables en el futuro, hacer hipótesis, evaluar los efectos de una determinada política o actividad, entre otros objetivos. Aunque parezca un concepto teórico, en realidad hay muchos aspectos de la vida cotidiana regidos por modelos matemáticos. Lo que ocurre es que no son modelos matemáticos enfocados a teorizar. Al contrario, son modelos matemáticos formulados para que algo funcione. Por ejemplo, un coche.

3. Gestion de operaciones

3.1. es la creación, desarrollo y organización de la función de producción con el objetivo de alcanzar ventajas competitivas. La función de producción esta definida por la creación, producción, distribución, mantenimiento, etc, de los bienes y servicios generados por una empresa determinada.

4. Definicion del problema

4.1. 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.

4.1.1. Construccion del modelo

4.1.2. 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.

4.1.2.1. Solucion del modelo

4.1.2.2. 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.

4.1.2.2.1. Validacion

4.1.2.2.2. Se verifica que la solución alcanzada cumpla con las condiciones (restricciones) impuestas al problema.