Panorama Del Enfoque De Modelado

Panorama del enfoque de modelado en investigación de operaciones

Una manera de resumir las etapas usuales (no secuenciales) de un estudio de IO es la siguiente:

1. Definición del problema de interés y recolección de los datos relevantes

2. Formulación de un modelo que represente el problema

3. Solución del modelo

4 . Prueba del modelo

5. Preparación para la aplicación del modelo

6. Puesta en marcha

Definición del problema y recolección 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 acción posibles las interrelaciones del área bajo estudio con otras áreas de la organización, los límites de tiempo para tomar una decisión. Este proceso de definir el problema es muy importante ya que afectará 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 asesoría. 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 análisis técnico y después presentan un informe a los administradores. Con frecuencia, el informe a la gerencia identifica cierto número de opciones atractivas, en particular bajo diferentes suposiciones. El gerente evalúa el estudio y sus recomendaciones. Y toma una decisión final basándose en su mejor juicio. Entonces, es vital que el equipo de IO pueda observar desde el mismo nivel que la gerencia.

Es común 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 optimizó tanto las operaciones de refinación como el abastecimiento, la distribución y la comercialización de sus productos, logrando un mejoramiento en las utilidades de alrededor de $70 millones de dólares al año. La recolección de datos también jugó un papel muy importante en este estudio.

Formulación del modelo

Una vez definido el problema la siguiente etapa consiste en reformularlo para su análisis, mediante la construcción de un modelo que represente la esencia del problema. Los modelos son representaciones idealizadas de la realidad. Los modelos tienen muchas ventajas sobre una descripción verbal del problema, una ventaja obvia es que el modelo describe un problema en forma mucho más concisa. Al desarrollar el modelo, se recomienda empezar con una versión muy sencilla y moverse, en forma evolutiva, hacia modelos más 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 sí.

Ejemplo: La oficina responsable del control del agua y los servicios públicos del gobierno de Holanda, el Rijkswaterstatt, contrató un importante estudio de IO para guiarlo en el desarrollo de una nueva política de administración del agua. La nueva política ahorró cientos de millones de dólares en gastos de inversión y redujo el daño agrícola en alrededor de $15 millones de dólares anuales, al mismo tiempo que disminuyó la contaminación térmica y debida a las algas. En lugar de formular modelo, éste estudio de IO desarrolló un sistema integrado y comprensible de 50 modelos, algunos de los modelos se desarrollaron en versiones sencillas y complejas. La versión sencilla se usó para adquirir una visión básica, en cambio la versión compleja se usó cuando se deseaba mayor exactitud o más detalles en los resultados.

Obtención de una solución 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 solución al problema a partir de este modelo, según 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 solución es la parte divertida del estudio, mientras que el verdadero trabajo se encuentra en las etapas anteriores y posteriores del estudio. Un tema común es la búsqueda de una solución óptima, es decir, la mejor, es necesario reconocer que estas soluciones son óptimas sólo respecto al modelo que se esta utilizando. Como el modelo necesariamente es una idealización y no una representación del problema real, no puede existir una garantía de que la solución óptima del modelo resulte ser la mejor solución posible que pueda llevarse a la práctica 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 está bien formulado la solución debe tener una buena aproximación de curso de acción ideal para el problema real.

El eminente científico de la administración y premio Nobel de Economía, Herbert Simon, introdujo el concepto de que en la práctica es mucho más frecuente satisfazar que optimizar. Al inventar el término satisfazar como una combinación de satisfacer y optimizar. La distinción entre optimizar y satisfazar refleja la diferencia entre la teoría y la realidad.

Por lo tanto, la meta de un estudio de IO debe ser llevar a cabo el estudio de una manera óptima, independientemente de si implica o no encontrar una solución óptima para el modelo. Al reconocer este concepto, en ocasiones se utilizan solo procedimientos de diseño intuitivo para encontrar una buena solución subóptima.

Una solución óptima para el modelo original puede ser mucho menos que ideal para el problema real, de manera que es necesario hacer un análisis adicional. El análisis posóptimo, constituye una parte muy importante, éste determina qué parámetros del modelo son los más críticos, los parámetros críticos, del modelo son aquellos cuyos valores no

...