Investigación de Operaciones en la Logística de Los Zoologicos

Hoy en dia la Investigacion de Operaciones se aplica en miles de actividades, esto justifica el porqué la importancia de su estudio. Estas actividades estan mas alla de las aplicaciones militares e industriales, debido a que la IO se aplica  a diversos problemas basados en la direccion y coordinacion de las operaciones o actividades en una organizacion, cabe entonces mencionar que la naturaleza de la organizacion realmente puede ser cualquiera. 

Esta vez daremos un vistazo a la aplicación de la Investigación de Operaciones en los Zoológicos. 

Los zoológicos ofrecen una experiencia única de contacto con la riqueza natural y cultural, que promueven y ejecutan programas de educación, divulgación, recreación e investigación para la conservación de la biodiversidad y la formación de una conciencia pública ambiental. Para que estos lugares llenos de riqueza biológica puedan cumplir sus funciones es necesario implementar en muchos casos una serie de actividades apoyadas en la IO, entre estas podemos resaltar:

• Con el propósito de apoyar la toma de decisiones, es posible implementar modelos para controlar los costos del zoológico, para decidir el destino de diversos animales que tendrían que ser trasladados a otros zoológicos o a parques naturales, según se requiera; y modelos para implementar reglas de programación de visitas, revisión veterinaria y alimentación de todos los animales.

• Planificar, administrar y programar el personal que desarrolla labores en el zoológico. Esto se puede lograr mediante la implementación de modelos de programación lineal para así obtener la optimización de los recursos, prestación eficiente del servicio de guía y responder a las necesidades de los animales.

• Disminuir los costos y la propagación de enfermedades mediante la recolección ágil y oportuna de los desechos y residuos contaminantes que se producen en el zoológico. Para esto se proponen modelos con el fin de lograr la optimización de las rutas de recolección de desperdicios.

• Determinación del número y la localización de las distintas jaulas, sitios de exhibición, áreas administrativas, áreas de juego, entre otras; cuya ubicación depende de las necesidades que cada especie posee; esto mediante el uso de modelos de programación lineal.

En la actualidad existe una empresa dedicada a la logística en el transporte y manipulación de animales de zoológicos y de hogares. Zoologistic aplica la Investigación de Operaciones para muchos de sus servicios. Esta herramienta le ofrece la agilidad y eficiencia necesaria para el proceso de transporte de animales. Una actividad que requiere de un gran compromiso y esfuerzo, se debe apoyar en las mejores herramientas que estén a su alcance.

Entre sus servicios se pueden nombrar:

• Información sobre los destinos disponibles, las líneas aéreas y las tasas.
• Presupuesto adaptado a sus necesidades específicas de transporte de mascotas.
• Servicio de recogida y entrega en los Países Bajos, Bélgica y Alemania.
• Las formalidades aduaneras de salida (si es necesario).
• Mantener un estrecho contacto con la compañía aérea en todas las etapas.
• Manejo de los trámites de importación, las costumbres y veterinaria para la importación en los Países Bajos.

Para mayor información acerca de esta empresa visite su página web oficial:

http://www.zoologistics.nl/index.php

LA INVESTIGACION DE OPERACIONES EN LA BUSQUEDA DE RUTAS MÁS CORTAS: ALGORITMO DE LA COLONIA DE HORMIGAS

Los seres humanos siempre hemos buscado la solución a los problemas que se generan alrededor de nuestro entorno, los cuales  con el tiempo y por la influencia de factores como la tecnología avanzada, la globalización, el cuidado del medio ambiente y la búsqueda de procesos más eficaces y eficientes,  se han convertido en  problemas  cada vez más complejos. Por lo que se ha visto la necesidad de utilizar los  recursos que nos brinda la investigación de operaciones y otras áreas de las ciencias de ingeniería que ofrecen múltiples opciones para solucionar  todas estas dificultades.

Con la llegada del internet a nuestras vidas  se han hecho más fáciles las formas de comunicarnos, tan fácil ha sido que cada vez buscamos soluciones más rápidas que nos permitan ahorrar tiempo, es decir, maneras de comunicarnos velozmente  con otras personas, empresas, otros lugares del mundo, etc. Por toda esta revolución de la informática y las comunicaciones, se han propuesto técnicas elocuentes para  la solución de problemas que se puedan presentar;  una de estas técnicas es el uso de la inteligencia artificial a partir del algoritmo de la colonia de hormigas (Ant Colony Algorithm) utilizado para hallar el camino más corto. Este algoritmo no es aplicado solo a las redes computacionales, también  es aplicado a buscar las rutas más cortas de transporte para la movilidad en las ciudades, empresas u otros lugares en los que se requiera el traslado de personas o  materiales, con el fin de ahorrar tiempo, evitar colas, reducir costos, etc., para mejorar el servicio que se esté proporcionando.

El  algoritmo  de la colonia de hormigas (Ant Colony Algorithm, ACO), fue implementado por primera vez en 1990 por investigadores científicos haciendo uso del estudio del comportamiento de las hormigas  para buscar un nuevo algoritmo de enrutamiento, ya que las hormigas tienen la capacidad de crear caminos bidireccionales desde sus casas  hasta  sus objetivos en un tiempo óptimo. De esta manera estas investigaciones han aportado los medios para minimizar el número de nodos que se toma desde un punto de origen hasta llegar al destino, es decir, el uso de técnicas para resolver una vía eficiente. A semejanza de  las  habilidades las hormigas  con los algoritmos de enrutamiento, los  investigadores creen que estas pueden ayudar al flujo más rápido y eficiente del internet, y de otros problemas en el que se necesite  una ruta más  corta.

Las características del algoritmo  ACO son el uso explícito de elementos previamente resueltos. De hecho, se  basa en  conducir a una solución constructiva de bajo nivel, como lo hace el GRAS, pero incluyéndola en un marco poblacional y asignándolas al azar en el software Monte Carlo. Una combinación de las diferentes soluciones de los elementos es sugerida también por los algoritmos genéticos, pero en el caso del ACO, la distribución de probabilidad es definida explícitamente por la solución previamente obtenida de cada uno de los componentes.

A continuación se muestra un graphical TSP solver que utiliza dentro de sus métodos de solución el Algoritmo de Colonia de Hormigas.

http://www.youtube.com/watch?v=8WjUVEamGKA&feature=related

La optimización basada en el Algoritmo de Colonia de Hormigas ha sido investigado y aplicado en algunas áreas centrales en Ciencias de la  Computación. Una de la áreas de mayor interés es la creación de redes, debido a la capacidad natural de las hormigas para ir desde su punto de partida hasta su destino con la cantidad más limitada de los costos. El Algoritmo  de Colonia de Hormigas es sin duda alguna una de las más relevantes posibles soluciones que deben aplicarse a la  creación de redes, y debido a su posible eficacia también ha suscitado interés en otros campos relacionados. Aunque los administradores de redes se muestran reacios a actualizar el sistema, que ya está en marcha, este nuevo enfoque elocuente ha recibido mucha atención y se podría aplicar en futuras versiones  y diversos campos del conocimiento.

BITÁCORA: PROPIEDADES A LARGO PLAZO DE UNA CADENA DE MARKOV

Cada semana adquirimos nuevos conocimientos que nos permiten avanzar en el estudio de la Investigación de Operaciones, y la clase de la semana del 9 al 14 de octubre no fue la excepción, desarrollamos el tema: Propiedades a largo plazo de una cadena de Markov.

Para esto nos basamos específicamente en las cadenas de Markov ergódicas, recordemos que una CM ergódica es aperiódica, recurrente y no nula (si hay estados absorbentes no es una cadena ergódica), en este tipo de cadenas se puede ir de un estado i a un estado j en n pasos aunque no exista un arco dirigido de un estado i a un estado j, es decir, tiene la libertad de ir de un estado a cualquier otro en n pasos. Esto nos lleva a afirmar que hay una evidencia de que existen condiciones de estado estable, por lo tanto, estas probabilidades cada vez que avance el tiempo van a tender a converger en cierto punto, como se desarrolló en la clase y lo recordaremos a continuación.

Lo anterior se resuelve cuando aplicamos las ecuaciones de Chapman-Kolmogorov, para tener una idea más clara de esto, podemos remitirnos al ejemplo de inventarios desarrollado en la clase pasada.

Probabilidad de Estado Estable para una Cadena Ergódica

Luego de hacer la introducción, el profesor empezó explicando las probabilidades de estado estable para una cadena ergódica, definiéndola como la probabilidad absoluta de encontrar el proceso en estado j para el tiempo n= 1, 2, 3,… es decir encontrar el proceso en cierto estado, después de un numero grande de transiciones, pero  esto no significa que se establece en un estado (error Garrafal).

En las probabilidades de un estado estable para una cadena de Markov irreducible ergódica el límite cuando n tiende a ∞ de la probabilidad de ir, estando en j, saliendo de i en n pasos, existe y es independiente de i.

Para profundizar mejor acerca de este tema , debemos tener en cuenta los temas antes visto:
http://investigaciondeoperacionesutb.blogspot.com/2011/10/bitacora-sobre-ecuaciones-de-champman.html

A continuación realizamos por medio del Solver* (un complemento de Excel), un ejemplo de cómo calcular Las probabilidades de los estados estables del ejercicio desarrollado en la clase 6 “procesos de Markov” – Inventario de Transformadores (Haz click en la imagen para expandir ):

*<<¿Cómo Activar el Complemento Solver en Excel?>> 

http://office.microsoft.com/es-es/excel-help/cargar-el-complemento-solver-HP010021570.aspx




Tiempos de recurrencia

Los tiempos de recurrencia,  se trata del número de pasos que demora el sistema desde que sale del estado i y regresa al mismo estado.

En pocas palabras es el número esperado de transiciones hasta que el proceso regresa al estado inicial i.

Con frecuencia es conveniente poder hacer afirmaciones en términos de probabilidades sobre el número de transiciones que hace el proceso de ir de un estado ‘i’ a un estado ‘j’ por primera vez. Este lapso se llama tiempo de primera pasada al ir del estado i al estado `j’.

Tiempos de primera pasada

Cuando j=i, este tiempo de primera pasada es justo el número de transacciones hasta que el proceso regresa al estado inicial i.

En general los tiempos de primera pasada son variables aleatorias y por lo tanto tienen una distribución de probabilidad asociada a ellos.

Donde fij^n denota la probabilidad de que el tiempo de primera pasada del estado ‘i’ al estado ‘j’ sea n.

Se puede calcular la probabilidad de un tiempo de primera pasada del estado ‘i’ al estado ‘j’ en n pasos, de manera recursiva, a partir de las probabilidades de transición de un paso.

Con el mismo ejercicio de Inventarios de Transformadores de la clase 6, desarrollamos un ejemplo de cómo calcular el tiempo de la primera pasada al estado 3 partiendo del estado 0 (Solución a través del Solver de Excel: 

Click en la imagen para expandir

Estados Absorbentes


Se llaman estados absorbentes a aquellos en los que el sistema entra y nunca vuelve a salir. A través de los estados absorbentes podemos determinar:

-El número esperado de pasos antes de que el proceso sea absorbido.

-El número de veces que el proceso está en cualquier estado dado no absorbente.

-La probabilidad de absorción por cualquier estado absorbente dado.

Antes que nada, es importante identificar en una matriz cuales son los estados absorbentes. Son estados absorbentes en la siguiente matriz, los estados 0 y 4. Ya que la probabilidad de que el sistema llegue y se quede en el estado 4 y 0 es 1, por lo cual este no puede salir.

En los estados absorbentes lo que se busca es encontrar en el estado estable, las probabilidades de que un estado sea absorbido por un estado absorbente. Lo cual se puede hacer a partir de la solución de la siguiente matriz: 

En donde, en el lugar donde se encuentra Q colocamos las probabilidades de los estados no absorbentes y en R las probabilidades de absorción. Mientras que en I, la matriz identidad, encontramos las probabilidades de los estados absorbentes. Para resolver esta matriz una vez están ubicadas todas las probabilidades donde corresponden, aplicamos las ecuaciones de CHAPMAN – KOLMOGOROV; y podemos observar que una vez que Q disminuye, R aumenta.

(I-Q)^-1: número de pasos antes de ser absorbidos.

Es muy importante organizar la matriz de tal manera que los estados absorbentes estén arriba, tal como se muestra en la matriz de la figura 1.

En el siguiente ejemplo, podemos encontrar los porcentajes que un estado sea absorbido por un estado absorbente.

0.5	0.25	0	0.25
0.25	0.5	0.125	0.125
0	0	1	0
0	0	0	1

Para la anterior matriz podemos hallar las probabilidades de que un estado sea absorbido por un estado absorbente en n pasos con las ecuaciones de CHAPMAN-KOLMOGOROV, tal como se especificó anteriormente.

UN MODELO DE MARKOV SOBRE LOS EFECTOS DE LA LIQUIDEZ EN LOS PROCESOS DE LOGÍSTICA INVERSA.

Logística inversa es el conjunto de procesos mediante el cual se gestiona la relación cliente-proveedor desde el punto de consumo hasta el productor. En la actualidad muchas de las perdidas o disminución de flujos de caja se asocian con el volumen de productos que son devueltos a las compañías, a lo que estas han hecho frente bajo la imposición de sistemas de logística inversa, para saber dónde y que garantías se le pueden dar al cliente, partiendo de sus requerimientos y deseos.

Hoy en día existe una relativa falta de investigación analítica frente a la mejor manera de gestionar los flujos de productos de logística inversa, sobre todo desde el punto de vista financiero. La investigación limitada existente tiene como objetivo ayudar a los gerentes a entender mejor cómo lograr una eficaz y eficiente optimización de costes y beneficios de las actividades.

Por todo lo que la logística inversa conlleva este artículo trata de hacerle frente a la aleatoriedad con que son devueltos los artículos, es decir a los volúmenes, variables de bienes que son reintegrados por usuarios inconformes con ellos, frente a la liquidez futura que podrá enfrentar cualquier compañía.

El modelo de la valoración de liquidez que se plantea nos permite observar el proceso de retornos de productos que se sigue a través del sistema de logística inversa. Este modelo incorpora el número de devoluciones y la dinámica del flujo de caja en este proceso. Dicho modelo es de vital importancia para las empresas, en el sentido de que la logística inversa le genera un flujo de información, que en algún determinado momento mejora las relaciones cliente-proveedor, teniendo en cuenta que este proceso está regido generalmente por el siguiente diagrama:

Proceso de logisitica inversa en las empresas

El modelo de MARKOV considera el número de retornos independientes en algún periodo de tiempo dados; utilizando un modelo con estados de transición y estados absorbentes, mediante el cual se tienen en cuenta las probabilidades que están asociadas de pasar de un estado a otro y que serán organizadas en una matriz de transición. Identificando el impacto que tiene el volumen de retornos y la liquidez en a través de los costos, permitiendo que por medio de este modelo cada empresa tenga una escala programada y una capacidad diseñada.

A partir de este artículo, podemos observar los modelos planteados por Cyer y Thompson, los cuales establecen que las probabilidades de los estados de transición difieren entre si y que las características de riesgo producen un impacto en las cuentas por cobrar.

Por otra parte, los gerentes interesados en el aspecto de liquidez de la logística inversa también valoran la habilidad para evaluar las mismas características de flujo de caja desde cada estado de transición/capacidad de combinarlas lo que representa la salida del proceso.

Una de las principales aplicaciones de las cadenas de Markov en la vida real es el caso del flujo de efectivo, para determinar cómo migran los bonos corporativos de un nivel de calificación a otro; se utilizan las cadenas de Markov para modelar procesos aleatorios que caracterizan los cambios en la calidad de las actividades. Esto se puede realizar bajo diferentes circunstancias por ejemplo bajo una certeza relativa, flujo de dinero periódico bajo incertidumbre, etc., para lo cual se ha desarrollado diferentes modelos que permiten facilitar el proceso según sea el caso.

El proceso debe responder a preguntas como:

   1. ¿Cuáles son las expectativas, la incertidumbre y la asimetría de la inversión del dinero en efectivo necesaria para apoyar a las unidades al azar con el azar efectos monetarios, permaneciendo en el sistema un número aleatorio de períodos antes de ser absorbidos?

   2. ¿Cuáles son las expectativas, incertidumbres, y el sesgo en los efectos monetarios como unidades al azar con los efectos monetarios aleatorios después de ser absorbidos en el sistema?

Las ventajas que contrae es que se puede trabajar con variables extraídas de los estados financieros y se puede aplicar a todos los sectores. pero una desventaja notable es que las variables se encuentran altamente correlacionadas por lo tanto se duda en la optimalidad de los resultados.

Esta investigación contribuye a la planificación de la gestión, proceso que facilita el desarrollo de los intervalos de confianza asociados con las características de distribución identificadas con el análisis de la cadena de Markov. Los intervalos de confianza diferentes permitirán a los administradores estimar la probabilidad de que los resultados del siguiente periodo se producirán dentro de un rango. Esto permite a las empresas entender mejor a corto y a largo plazo planear en base a la necesidades de liquidez.

OTRA MIRADA A LA INVESTIGACIÓN DE OPERACIONES

ENTREVISTA A VICTOR MANUEL QUESADA IBARGÜEN

La investigación de operaciones es sin duda una de las ramas de la matemática con mayor rango de aplicabilidad en nuestra vida cotidiana, es por eso que en todo el mundo existen un sinnúmero de académicos especializados en su constante desarrollo y evolución. De igual forma, en Cartagena contamos con un gran grupo de profesionales e investigadores dedicados al estudio de esta ciencia.

En esta oportunidad tuvimos el gusto de entrevistar al Dr. Victor Manuel Quesada, ingeniero industrial de la Universidad Incca de Colombia y actualmente director y docente del programa de administración industrial de la Universidad de Cartagena.

Este cartagenero a lo largo de su vida se ha dedicado a aplicar la investigación de operaciones en muchos campos, de manera que ha realizado diversos trabajos y publicaciones que han permitido la divulgación de dichas experiencias y conocimientos en el ámbito académico de la ciudad.

Es importante resaltar la dedicación y el esmero que Victor Quesada ha consagrado a la técnica DEA (Data envelopment analysis), lo que ha permitido un evolutivo desarrollo en la aplicabilidad de ésta en nuestra región.

A continuación compartimos la entrevista realizada.

Para mayor información acerca del Dr. Victor Quesada: <http://201.234.78.173:8081/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000152609>

FICO: UNA SOLUCIÓN PARA EL ÁREA FINANCIERA

En el año 1956 los matemáticos, Earl Isaac y Bill Fair  se enfocaron  en la creación de modelos que permitieran ayudar a los gerentes de empresas estadounidenses a tomar decisiones adecuadas basadas en información, dando lugar al nacimiento del talento fundamental de FICO.

Esta importante organización se ha constituido como una novedosa solución para el ingreso de una nueva generación, diseñada expresamente para los retos que presenta hoy en día la actividad de autorización de préstamos. Como parte del paquete de soluciones Decision Management de FICO, se proporciona a las entidades financieras y de seguros la capacidad de tomar decisiones más precisas y basadas en el valor en la fase de admisión, lo que le permite construir carteras más rentables mientras gestiona el riesgo al nivel del cliente, esto con el propósito de apoyar el desarrollo interno de modelos y soluciones a cargo de equipos de investigación y entrega analítica en problemas empresariales de la vida real.

De esta forma, FICO trae múltiples beneficios a las entidades que emplean las soluciones de software que ofrecen, entre dichos beneficios podemos mencionar: lograr una exclusiva ventaja competitiva al localizar y conseguir clientes ideales, reducción de los costos de procesamiento, obtención una mayor rentabilidad al formalizar más préstamos y reducción de la morosidad, aumento del servicio al cliente, capacitación y asesoramiento del talento humano por medio de la creación escenarios hipotéticos, y disminución de fraudes.

FICO proporciona a sus clientes diversos programas que se adaptan a las necesidades de cada uno, con el fin de solucionar problemas que originan sobrecostos y dificultan la competitividad de la organización. Ya que mediante el  uso de la investigación de operaciones se permite maximizar la rentabilidad de las empresas que hacen uso de sus servicios, escogiendo la mejor línea de inversión. Los software implementados por estas empresas,  emplean el uso de diagramas  de árbol y  la utilización de la función de utilidad de sus clientes  para mostrarles las mejores alternativas de  decisión. A continuación  encontramos algunos de los distintos software  que  hacen parte de los productos ofrecidos por FICO (para mayor información de sus  servicios visitar www.fico.com/es/soluciones/paginas/default.aspx )

Uno de los software implementados por las organizaciones es el novedoso BLAZER ADVISOR® 6.6, cuyo  funcionamiento se divide en  tres  etapas: autoría, estructuración e implementación.

Existen diversos escenarios de toma de decisiones  que solo podrán ser realizadas por el personal  TI. Por lo que Blazer Advisor incluye la capacidad necesaria para proporcionar a estos usuarios empresariales el nivel máximo de autonomía en la creación y mantenimiento de las reglas.

La primera etapa para la utilización de este software es la modelación gráfica de las decisiones, creando diagramas sencillos de flujo en donde se introducen y priorizan los pasos lógicos para la decisión. Las reglas relacionadas con una decisión concreta se agrupan en un conjunto de reglas. Estos pasos se realizan mediante Blazer Advisor Builder, diseñado para ser utilizado por el personal de TI.

El Blazer Advisor puede utilizar encadenamiento hacia atrás para recopilar la información necesaria a partir de los sistemas fuente, pero sólo se emprenderá este trabajo adicional si la decisión no puede completarse utilizando la información disponible. Estas vistas incluyen tablas de decisiones, árboles gráficos de decisiones, tarjetas de puntuación y plantillas. Pueden crearse plantillas que muestren los atributos relevantes y permitan al usuario introducir directamente los valores y resultados deseados.

La segundo etapa  es la estructuración, la cual nos ofrece  dos herramientas claves para la  evaluación de la calidad de nuestros procesos las cuales son, la verificación y validación de reglas, lo que nos permite que las estas sean unicas, se evite la redundancia y se alcancen los resultados previstos.

Por otra parte, la tercera etapa de implementación, nos ofrece varios algoritmos de ejecución que se seleccionan de acuerdo  con las decisiones que se desean tomar. El Blazer Advisor nos ofrece una versión mejorada del reconocido algoritmo Rete, el cual posee limitaciones de memoria cuando se utiliza con grandes conjuntos de datos. La nueva versión, el Rete III es propiedad exclusiva de Fair Isaac,  se ha diseñado para proporcionar aumentos lineales del tiempo de ejecución, tanto con mayores conjuntos de datos como con mayores tamaños de conjunto de reglas. Donde, el entorno de tiempo de ejecución se ejecuta  en servidores de aplicaciones .NET o Java Enterprise Edition (JEE), utilizando la infraestructura subyacente  para ofrecer distintas características de  distribución y tolerancia a fallos.

 

Cencosud desarrolla  e implemente modelos 3 veces  más rápidos con FICO Molder Builder.

IO: BASE PARA EL MEJORAMIENTO DE LA PRODUCCIÓN

La investigación de operaciones  se conoce como la rama de las matemáticas que aplica el método científico para resolver distintos problemas en distintas áreas como la manufactura,  operaciones militares, de servicio, de explotación, producción, transporte, refinado y distribución de materiales, entre otros, con el fin de optimizar los procesos tomando mejores decisiones y alcanzar los fines planeados con efectividad.

En la actualidad existen una gran variedad de aplicaciones de la investigación de operaciones a nivel empresarial en la toma de decisiones y la planeación de la producción.  El nivel de problemas que surgen en el proceso de producción es muy amplio y reviste todo tipo de organizaciones, sin importar su tamaño, su ámbito local o multinacional.

Durante la década de los años 90 se presentó un aumento en la capacidad computacional de las empresas, lo cual permitió una independencia de los escritorios profesionales en cuanto a la capacidad de procesamiento de los computadores personales y el acceso de sus equipos a las bases corporativas. Además, debido a la gran necesidad de nuevas tecnologías se incrementaron notablemente los avances en las capacidades de modelación  de problemas y en las velocidades de los algoritmos de solución, lo que ha provocado una brecha extensa entre los países desarrollados y los no desarrollados.

Como ya se mencionó, existen muchas aplicaciones de la investigación de operaciones en el proceso de producción, como la búsqueda del mejoramiento de la eficiencia en el proceso de manufactura de muchas organizaciones, permitiendo el incremento de la productividad. 

Resultados en la Aplicacion de la IO on Dipity.

Resultados al implementar la Investigación de Operaciones en de  en la producción de  distintas compañías a lo largo de los últimos 30 años

Es por esto que existen sistemas de gestión de la producción, los cuales integran las diferentes funciones de planificación y mando de la producción; a partir de la utilización de técnicas, diagramas, gráficos y software, que facilitan los cálculos y decisiones en torno a la selección de las mejores variantes de producción acorde a las características propias del proceso productivo (variedad, volumen de producción, complejidad del producto, nivel técnico y tecnológico, etc.), cuyo objetivo es controlar el proceso de producción dentro del sistema empresarial.

Dentro del primer grupo se pueden citar las Sistemáticas siguientes:

- MRP/ MRP-II (Planeación de Requerimientos Materiales y de Recursos Productivos), surgido en los Estados Unidos en la empresa IBM.

- JIT (Just in Time), origen japonés y desarrollado inicialmente por Toyota Motor Co.

- OPT (Tecnología de Producción Optimizada), desarrollada inicialmente por Eliyahu M. Goldratt, que más tarde dio lugar al surgimiento de la Teoría de las Limitaciones(TOC) y a su aplicación en producción (sistema DBR: drum-buffer-rope).

- LOP (Load Oriented Production), control de Producción Orientado a la Carga, sistema desarrollado en Europa Occidental.

Tienen tanta importancia estas aplicaciones que más de 30 países son miembros de la International Federation of Operational Research Societies (IFORS), en la que cada país cuenta con una sociedad de investigación de operaciones.

Sin embargo, en este ámbito de aplicaciones de la IO los investigadores corren el riesgo de manipular situaciones de tal manera que se ajusten a las diferentes técnicas y modelos de algoritmos ya establecidos, en vez de analizar a fondo los problemas y hallar soluciones mejores.

Por otra parte, para darle un adecuado uso a esta ciencia en la producción es necesario comprender la metodología utilizada con el fin de resolver problemas y los fundamentos de las técnicas de solución para determinar las situaciones en que sea estrictamente necesario utilizarla.

Algunas limitaciones al hacer uso de la investigación de operaciones en los procesos de producción son:

·         Casi siempre no permite el estudio completo del problema, se necesita simplificarlo como disminuir el número de restricciones para poder acomodarlo a los métodos de resolución,  puesto que se involucran una gran variedad de factores cambiantes externos e internos al proceso.

·         Usualmente los diferentes problemas tienen varios objetivos y la mayoría de los modelos solo tiene en cuenta uno de ellos, lo cual no consigue satisfacer todas las necesidades que posee la organización para llevar a cabo un programa basado en la investigación de operaciones.

·         Casi nunca se realizan análisis costo-beneficio de la implantación de soluciones definidas por medio de la IO, como consecuencia en ocasiones los beneficios potenciales se van superados por los costos ocasionados por el desarrollo e implantación de un modelo.

Por otra parte, podemos encontrar distintos software utilizados para desarrollar modelos aplicados a la producción

Actualmente, la aplicación de la investigación de operaciones una gran importancia hasta el punto que se les concede a las empresas un premio por el buen manejo e implementación de la investigación de operación en su sistema, conocido como el “Edelman award”, que pone a prueba la excelencia, los logros y el impacto de la organización con respecto a si misma y a su competencia.

Es factible afirmar que es realmente importante la aplicación de la investigación de operaciones en un proceso tan fundamental en el desarrollo de la empresa como lo es el de producción, por tal razón es significativo el conocimiento que adquirimos a través del estudio de la investigación de operaciones para nuestro desarrollo profesional.

REFERENCIAS:

http://www.investigacion-operaciones.com/Historia.htm

http://www.investigaciondeoperaciones.net/aplicaciones_de_la_investigacion_de_operaciones.html

http://www.monografias.com/trabajos70/investigacion-operaciones/investigacion-operaciones2.shtml#definiciod

http://antiguo.itson.mx/dii/elagarda/apagina2001/PM/uno.html

http://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r24303.PDF