Los orgenes de la investigacin de operaciones

Desde el advenimiento de la Revolucin Industrial, el mundo ha sido testigo de un crecimiento sin precedentes en el tamao y la complejidad de las organizaciones. Una parte integral de este cambio fue el gran aumento en la divisin del trabajo y en la separacin de las responsabilidades administrativas en estas organizaciones. Los resultados han sido muy buenos. Sin embargo, el aumento en el grado de la especializacin cre nuevos problemas que ocurren hasta la fecha en muchas empresas. Uno de estos problemas es la tendencia que tienen muchos de los componentes de una organizacin a convertirse en imperios relativamente autnomos, perdiendo con esto la visin que encajan sus actividades dentro de la organizacin. Un problema asociado con esto es que, conforme la complejidad y la especializacin crecen, se vuelve ms difcil asignar recursos disponibles a las diferentes actividades de la manera ms eficaz para la organizacin. Este tipo de problemas, proporcionan el ambiente adecuado para el surgimiento de la investigacin de operaciones (a la que tambin se har diferencia como IO). El inicio de la actividad llamada investigacin de operaciones, casi siempre se atribuye a los servicios militares prestados en la Segunda Guerra Mundial. Debido a los esfuerzos blicos, exista una necesidad urgente de asignar recursos escasos a las distintas operaciones militares en forma ms efectiva. Por esto, las administraciones americanas e inglesas hicieron un llamado a un gran nmero de cientficos para aplicar el mtodo cientfico a este y a otros problemas estratgicos y tcticos. De hecho se les pidi que hicieran un trabajo de investigacin de operaciones (militares). Esto equipos de cientficos fueron los primeros equipos de IO, lo cual contribuyeron al triunfo del combate areo ingls. Es evidente que no puede esperarse que solo un individuo sea un experto en todos los trabajos de investigacin de operaciones o de los problemas que se estudian; sino que se requiere un grupo de personas con diversos antecedentes y habilidades. Entonces, cuando se va a emprender un estudio de investigacin de operaciones completo de un nuevo problema, por lo general es necesario emplear el enfoque de equipo. Al terminar la guerra, el xito de la investigacin de operaciones en las actividades blicas gener un gran inters en sus aplicaciones fuera del campo militar, como ser en los negocios, transporte, las telecomunicaciones, la construccin, el cuidado de la salud y el gobierno, por nombrar solo unas cuantas. Una de las caractersticas importantes de la investigacin de operaciones es su amplio punto de vista. De esta manera, intenta resolver los conflictos de inters entre los componentes de la organizacin de forma que el resultado sea el mejor para la organizacin. Una caracterstica adicional es que la investigacin de operaciones intenta encontrar una mejor solucin, (llamada solucin ptima) para el problema bajo consideracin. (Decimos una mejor solucin y no la mejor porque puede existir muchas soluciones que empaten como la mejor), esta bsqueda de la optimalidad es un aspecto importante dentro de la investigacin de operaciones.

Definicin de la investigacin de operaciones:

Ahora que hemos presentado una breve historia de la investigacin de operaciones, podemos ver algunas definiciones. Muchos autores han presentado varias definiciones, algunas demasiado generales o sencillamente engaosas. Una de las definiciones, expresa: En un sentido general, la IO puede considerarse como la aplicacin de mtodos cientficos, tcnicas e instrumentos, a los problemas relacionados con la operacin de los sistemas, a fin de proporcionar a los que controlan las operaciones las soluciones ptimas para los problemas.

El Comit de IO del Consejo Nacional de Investigacin present la siguiente definicin: La IO es la aplicacin del mtodo cientfico al estudio de las operaciones de las grandes y complejas organizaciones o actividades. Su contribucin ms importante es la aplicacin de su resultado para la toma de decisiones a niveles administrativos bajos, medianos y superiores.

Panorama del enfoque de modelado en investigacin de operaciones

Una manera de resumir las etapas usuales (no secuenciales) de un estudio de IO es la siguiente: 1. Definicin del problema de inters y recoleccin de los datos relevantes 2. Formulacin de un modelo que represente el problema 3. Solucin del modelo 4 . Prueba del modelo 5. Preparacin para la aplicacin del modelo 6. Puesta en marcha Definicin del problema y recoleccin de datos La primera actividad que se debe realizar es el estudio del sistema relevante, esto incluye determinar los objetivos, las restricciones sobre lo que se puede hacer, los diferentes cursos de accin posibles las interrelaciones del rea bajo estudio con otras reas de la organizacin, los lmites de tiempo para tomar una decisin . Este proceso de definir el problema es muy importante ya que afectar en forma significativa las conclusiones en estudio, lo cual hace imposible extraer una respuesta correcta de un problema equivocado. Lo primero que hay que reconocer es que un equipo de IO, por lo general trabaja en un nivel de asesora. A los miembros del equipo no se les presentan un problema y se les dice que lo resuelvan como puedan, sino que asesoran a la gerencia (casi siempre un tomador de decisiones). El equipo realiza un anlisis tcnico y despus presentan un informe a los administradores. Con frecuencia, el informe a la gerencia identifica cierto nmero de opciones atractivas, en particular bajo diferentes suposiciones. El gerente evala el estudio y sus recomendaciones. Y toma una decisin final basndose en su mejor juicio. Entonces, es vital que el equipo de IO pueda observar desde el mismo nivel que la gerencia. Es comn que el equipo de IO pase mucho tiempo recolectando los datos relevantes sobre el problema. Ejemplo: Un estudio de IO hecho para Citgo Petroleum Corporation optimiz tanto las operaciones de refinacin como el abastecimiento, la distribucin y la comercializacin de sus productos, logrando un mejoramiento en las utilidades de alrededor de $70 millones de dlares al ao. La recoleccin de datos tambin jug un papel muy importante en este estudio. Formulacin del modelo Una vez definido el problema la siguiente etapa consiste en reformularlo para su anlisis, mediante la construccin de un modelo que represente la esencia del problema. Los modelos son representaciones idealizadas de la realidad. Los modelos tienen muchas ventajas sobre una descripcin verbal del problema, una ventaja obvia es que el modelo describe un problema en forma mucho ms concisa. Al desarrollar el modelo, se recomienda empezar con una versin muy sencilla y moverse, en forma evolutiva, hacia modelos ms elaborados que reflejen mejor la complejidad del problema real. Los modelos siempre deben

ser menos complejos que el sistema real, de otra manera, no tiene sentido trabajar con modelos si se puede trabajar con el sistema real en s. Ejemplo: La oficina responsable del control del agua y los servicios pblicos del gobierno de Holanda, el Rijkswaterstatt, contrat un importante estudio de IO para guiarlo en el desarrollo de una nueva poltica de administracin del agua. La nueva poltica ahorr cientos de millones de dlares en gastos de inversin y redujo el dao agrcola en alrededor de $15 millones de dlares anuales, al mismo tiempo que disminuy la contaminacin trmica y debida a las algas. En lugar de formular modelo, ste estudio de IO desarroll un sistema integrado y comprensible de 50 modelos, algunos de los modelos se desarrollaron en versiones sencillas y complejas. La versin sencilla se us para adquirir una visin bsica, en cambio la versin compleja se us cuando se deseaba mayor exactitud o ms detalles en los resultados. Obtencin de una solucin a parir del modelo Una vez formulado el modelo para el problema bajo estudio, la siguiente etapa de un estudio consiste en desarrollar un procedimiento para derivar en una solucin al problema a partir de este modelo, segn el tipo de modelo este puede hacerse en computadora. Puede pensarse que esta debe ser la parte principal de estudio, pero por lo general no lo es, encontrar la solucin es la parte divertida del estudio, mientras que el verdadero trabajo se encuentra en las etapas anteriores y posteriores del estudio. Un tema comn es la bsqueda de una solucin ptima, es decir, la mejor, es necesario reconocer que estas soluciones son ptimas slo respecto al modelo que se esta utilizando. Como el modelo necesariamente es una idealizacin y no una representacin del problema real, no puede existir una garanta de que la solucin ptima del modelo resulte ser la mejor solucin posible que pueda llevarse a la prctica para el problema real. Esto, por supuesto, es de esperarse si se toma en cuenta los muchos imponderables e incertidumbre asociados a casi todos los problemas reales, pero si el modelo est bien formulado la solucin debe tener una buena aproximacin de curso de accin ideal para el problema real. El eminente cientfico de la administracin y premio Nobel de Economa, Herbert Simon, introdujo el concepto de que en la prctica es mucho ms frecuente satisfazar que optimizar. Al inventar el trmino satisfazar como una combinacin de satisfacer y optimizar. La distincin entre optimizar y satisfazar refleja la diferencia entre la teora y la realidad. Por lo tanto, la meta de un estudio de IO debe ser llevar a cabo el estudio de una manera ptima, independientemente de si implica o no encontrar una solucin ptima para el modelo. Al reconocer este concepto, en ocasiones se utilizan solo procedimientos de diseo intuitivo para encontrar una buena solucin subptima. Una solucin ptima para el modelo original puede ser mucho menos que ideal para el problema real, de manera que es necesario hacer un anlisis adicional. El anlisis posptimo, constituye una parte muy importante, ste determina qu parmetros del modelo son los ms crticos, los parmetros crticos, del modelo son aquellos cuyos valores no se pueden cambiar sin que la solucin ptima cambie. Ejemplo: Considere de nuevo el estudio de IO para el Rijkswaterstatt sobre la poltica nacional de administracin de agua en Holanda. Este estudio no concluy con la recomendacin de una solucin. Ms bien, se identificaron, analizaron y compararon varias alternativas atractivas. El anlisis postptimo jug un papel importante en este estudio. Por ejemplo, ciertos parmetros de los modelos representaron estndares ecolgicos. El anlisis postptimo incluy la evaluacin del impacto en los problemas de agua si los valores de los

parmetros se cambiaran de los estndares ecolgicos a otros valores razonables. Se us tambin para evaluar el impacto de cambio de las suposiciones de los modelos, por ejemplo, la suposicin sobre el efecto de tratados internacionales futuros sobre la contaminacin que pudiera llegar, etc. Prueba del modelo Sin duda que la primera versin de un modelo grande tenga muchas fallas, por lo tanto antes de usar el modelo debe probarse para identificar y corregir todas las fallas que se pueda, este proceso de prueba y mejoramiento se conoce como validacin del modelo. Un modelo es vlido si, independientemente de sus inexactitudes, puede dar una prediccin confiable del funcionamiento del sistema. Un mtodo comn para probar la validez de un modelo es comparar su funcionamiento con algunos datos pasados disponibles del sistema actual (se le llama tambin prueba retrospectiva). Debe notarse que tal mtodo de validacin no es apropiado para sistemas que no existen, ya que no habr datos disponibles para poder comparar. Otro mtodo podra ser incluir a una persona que no haya participado en la formulacin del modelo, para poder encontrar errores que el equipo de IO no encontr. Ejemplo: Considerando nuevamente el estudio de IO para el Rijkswaterstatt sobre la poltica de administracin del agua. El proceso de prueba del modelo en este caso const de tres grandes partes. Primero, el equipo de IO verific el comportamiento general de los modelos viendo si los resultados de cada uno de ellos cambiaban en forma razonable al hacer cambios en los valores de los parmetros. Segundo, se hizo una prueba retrospectiva. Tercero, personas totalmente ajenas al proyecto, llevaron a cabo una revisin tcnica de los modelos, la metodologa y los resultados. Este proceso llev al reconocimiento de varios aspectos importantes y a mejoras en los modelos. Preparacin para la aplicacin del modelo El siguiente paso es instalar un sistema bien documentado para aplicar el modelo. Este sistema incluir el modelo y el procedimiento de solucin (adems del anlisis postptimo) y los procedimientos operativos para su implantacin (este sistema casi siempre esta diseado para computadora). Parte de este esfuerzo incluye el desarrollo de un proceso de mantenimiento durante su uso futuro, por lo tanto si las condiciones cambian con el tiempo, este proceso debe modificar al sistema como al modelo. Implantacin del modelo Una vez desarrollado el sistema para aplicar el modelo, la ltima etapa consiste en la implantacin de los resultados probados del modelo. Esto bsicamente implicara la traduccin de estos resultados en instrucciones de operacin detallada, emitidas en una forma comprensible a los individuos que administrar y operarn al sistema. A la culminacin del estudio, es apropiado que el equipo de IO documente su metodologa utilizada con suficiente claridad para que el trabajo sea reproducible. Ejemplo: Volviendo al caso de la poltica nacional de administracin del agua del Rijkswaterstatt en Holanda. La administracin deseaba documentacin ms extensa que lo normal, tanto para apoyar la nueva poltica como para utilizarla en la capacitacin de nuevos analistas o al realizar nuevos estudios. Cuadro comparativo: Definiciones de IO

HILLIER Y THIERAUF METODO CIENTIFICO

TAHA METODO CIENTIFICO + ASPECTO ARTISTICO

Explicacin del cuadro anterior: En este caso tanto Hillier como Thierauf definen a la investigacin de operaciones como la aplicacin de mtodos cientficos, tcnicas, etc a la solucin de un problema. La diferencia radica en que Taha hace referencia al aspecto artstico que juega en la solucin de un problema, debido a que el xito que se alcanza en todas las etapas anteriores y posteriores a la solucin del modelo, depende en forma apreciable de la creatividad y habilidad personal del equipo de IO, tambin resalta que si se destaca un aspecto y no el otro, probablemente no se llegue a buen trmino. Cuadro comparativo: Fases del estudio de investigacin de operaciones
FREDERICK S. HILLIER .Definicin del problema .Formulacin del modelo .Solucin del modelo .Prueba del modelo .Preparacin para la aplicacin del modelo .Puesta en marcha THIERAUF ISIDORO MARIN RAUL J. A. PALMA CARLOS A. LARA .Planteamiento de un modelo .Resolucin del modelo .Toma de decisin

.Observacin .Definicin del problema .Desarrollo de las soluciones alternativas (modelos) .Seleccin de la solucin ptima .Verificacin de la solucin ptima .Establecimiento de los controles apropiados

Explicacin detallada de las diferencias marcadas en el cuadro anterior La primera diferencia que noto en las fases de definicin del estudio en cuestin, se encuentra en la primera etapa, por ejemplo Thierauf comienza con la observacin de los fenmenos que rodean al problema, o sea la observacin de los hechos, con el fin de quedar completamente familiarizado con los sntomas del problema, para despus si en la segunda fase definir el verdadero problema determinando aquellos factores que lo afectan. En cambio Hillier, comienza directamente con la definicin del problema, incluyendo implcitamente la observacin del mismo, de manera tal que en conclusin la diferencia en este aspecto es insignificante. En la fase de construccin del modelo Hillier comienza con un modelo sencillo, para despus ir movindose en forma evolutiva a modelos ms complejos que representen mejor al problema. Thierauf, agrega el concepto de hiptesis a la construccin del modelo, una hiptesis no es otra cosa que una solucin tentativa de un problema, de la misma manera que Hillier

comienza con una hiptesis (modelo) sencillo para despus ir evolucionando a hiptesis (modelos) ms complejos. Marin involucra en la primera etapa, la definicin del problema y el planteamiento del modelo al igual que los otros autores recomienda empezar con modelos sencillos para despus ir evolucionando. En la fase de obtencin de la solucin ptima tanto Hillier, Thierauf como Marin buscan el mejor resultado (ptimo), con la diferencia en que Hillier y Marin hacen hincapi en el anlisis posptimo mientras que Thierauf, no hace referencia alguna al tema. En la ltima etapa Marin plantea la toma de la decisin decisin satisfactoria en base a las soluciones ptimas, decimos decisin satisfactoria debido a que es muy difcil llevar a cabo a la realidad el planteamiento de un modelo, a diferencia de los otros dos autores, Marin agrega el concepto de costo de oportunidad a la toma de decisiones, el costo de oportunidad, por ejemplo si agregamos un nuevo artculo al conjunto existente, es posible estimar el costo de produccin y venta de ese nuevo artculo, el hecho de que su precio de venta sea mayor que su costo, no te asegura que sea conveniente la incorporacin de ese producto a la lnea de produccin y ventas, probablemente la incorporacin prevista exija reducciones en la elaboracin de otros artculos, en consecuencia, si la inclusin de un nuevo producto produce una merma en los beneficios totales por disminuir la produccin de otros productos, debemos considerar esta merma como un costo adicional, denominado costo de oportunidad que corresponde imputar al nuevo producto, suministrndole al decididor ms informacin para poder tomar una decisin satisfactoria. La cual podra incluir algunas de estas acciones; establecimiento de un plan de operaciones; redefinicin del objetivo de problema; cmputo de soluciones ptimas para distintas alternativas de funcionamiento del sistema; modificaciones en la estructura del sistema, cualquiera de estas acciones o conjuntos de estas constituye lo que llamamos decisin satisfactoria La ltima diferencia se encuentra en la etapa de implantacin, mientras Hillier separa la preparacin para la aplicar el modelo de la puesta en marcha, Thierauf toma a estas dos etapas como una sola estableciendo los controles apropiados que le permita a la administracin un mejor manejo del sistema. Marin no desarrolla ninguna de estas dos etapas. La principal diferencia que note analizando el tema entre Marin y los dems autores desde mi punto de vista, la note en la estructuracin que tienen tanto Hillier como Thierauf para encarar el problema, esto se ve claramente de la manera en la cual dividen el estudio en ms etapas, logrando de esta manera un anlisis ms detallado del estudio, para poder derivar en la construccin de un modelo, con respecto a Marin, quin divide el estudio en menos etapas , quizs esto se deba a que el libro de Marin haya sido impreso en el ao 1977 y el libro de Thierauf fue impreso en 1997, lo cual haya implicado un avance importante en la manera de encarar un estudio permitindole dividir el problema en mdulos ms pequeos, obteniendo de esta manera mejores resultados.

Ejemplo: Un ejemplo simple, para demostrar la utilidad de un modelo, es la situacin en la que el gerente de un departamento de produccin debe tomar una decisin, debe optar entre una mquina ( A) o una mquina (B). El costos fijo de produccin por puesta en marcha y el costo de produccin por unidad de las dos mquinas son: ____________________________________________________________________

Costo (en unidades monetarias) _____________________________ Mquina (A) Mquina (B) ____________________________________________________________________ Costo fijo de produccin por puesta en marcha 20 50 Costo de produccin por cada unidad 0.6 0.4 ____________________________________________________________________