• Author / Uploaded
• Migue Zhapan

Citation preview

UNIVERSIDAD CENTRAL DEL ECUADOR FACULTAD DE CIENCIAS ECONÓMICAS CARRERA DE ESTADÍSTICA

INVESTIGACION DE OPERACIONES

DEBER 1 (LABORATORIO DEL I HEMISESTRE)

Aula E_002

Autor: Kevin Miguel Zhapan Ñacato Docente: Eduardo Vitaliano Parreño Brito C.I. 1725265217

Quito, 16 de junio de 2020

LABORATORIO DEL PRIMER HEMISEMESTRE DE INVESTIGACIÓN DE OPERACIONES: SEMESTRE Abril 2020 – Septiembre 2020 A. CONTESTE EL SIGUIENTE CUESTIONARIO. 1. Comente en forma breve la evolución del campo de CA/IO. Las raíces de la IO pueden encontrarse muchas décadas atrás, cuando se hicieron los primeros intentos por emplear el método científico para administrar una empresa. Sin embargo, el inicio de la actividad llamada investigación de operaciones lo que llevo a sus primeras actividades formales de la investigación de operaciones se iniciaron en Inglaterra durante la II Guerra Mundial con antecedentes en el siglo 18, con la mejor utilización del armamiento al fin de la Guerra estas operaciones militares se adaptaron para mejorar la eficiencia y productividad en el sector civil. 2. ¿Cómo se lo define a la Investigación de Operaciones? 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 utilizando el modelamiento matemático, análisis estadístico y la optimización matemática. 3. ¿De qué manera se relaciona la construcción de modelos con la ciencia de la administración? La construcción del modelo y la ciencia de la administración proporcionan un medio para analizar el comportamiento de las componentes de un sistema con el fin de optimizar su desempeño con la toma de decisiones racionales. 4. Explique las diferencias entre un modelo descriptivo y uno normativo. Dé ejemplos de cada uno de ellos. Modelo Normativo: Un modelo normativo, también llamado de optimización, es prescriptivo, lo que quiere decir que, señala el curso de acción que quien toma las decisiones debe seguir para alcanzar un objetivo definido. Ej.: Horas de mano de obra para fabricar una unidad de un producto. Modelo Descriptivo:  son útiles para pronosticar la conducta de sistemas pero no pueden identificar el "mejor" curso de acción que debe tomarse. Ej.: Estudios de caso Etnografía Encuestas 5. ¿Qué conjunto básico de elementos existe en cualquier modelo normativo? Comente cada uno de esos elementos. 5.1.- Variables de decisión. - Son aquellas que pueden ser controladas por la persona que toma las decisiones.

5.2. – Restricciones. - son relaciones entre las variables de decisión y magnitudes que dan sentido a la solución del problema y las acotan a valores factibles. 5.3.- Parámetros. -  representan los valores conocidos del sistema o bien que se pueden controlar. 5.4.- Función Objetivo. - Define la efectividad del modelo como función de las variables de decisión. 6. ¿Cuáles son las clasificaciones de los modelos normativos y los descriptivos? Clasificación de los modelos normativos. – Modelo determinístico Modelo estocástico Modelo lineal Modelo no lineal Modelo estático Modelo dinámico Clasificación del modelos descriptivo. – Modelos Estocásticos Modelo de regresión modelos de líneas de espera.

7. Explique la diferencia entre un modelo determinístico y uno estocástico. Modelo Determinístico. Un modelo determinístico es un modelo matemático donde las mismas entradas producirán invariablemente las mismas salidas, no contemplándose la existencia del azar ni el principio de incertidumbre. Modelo Estocástico. - sirve para usar magnitudes aleatorias que varían con el tiempo o para caracterizar una sucesión de variables aleatorias que evolucionan en función de otra variable, generalmente el tiempo. 8. Explique la diferencia entre un modelo lineal y uno no lineal. Modelo Lineal. – Tratan de explicar el comportamiento de una variable aleatoria mediante su relación lineal con los valores de otras que pueden influir. Modelo no lineal. – Suelen utilizar ecuaciones curvilíneas y no proporcionales. 9. Explique la diferencia entre un modelo estático y uno dinámico. Modelo Estático. – Las variables de decisión no requieren sucesiones de decisiones para periodos múltiples.

Modelo Dinámico. – Las variables de decisión si requieren sucesiones de decisiones para periodos múltiples. 10. ¿Cuándo se utiliza un modelo de simulación en la ciencia de la administración? Se la utiliza cuando los modelos organizacionales suponen un posible impacto de una decisión de la organización, lo cual disminuye el grado de riesgo de la decisión. 11. ¿Qué procesos de solución existen en el campo de la CA/IO? Explique o comente en forma breve cada uno de ellos. Algoritmos. - Es simplemente un conjunto de procedimientos o reglas que, cuando se siguen en forma ordenada, proporcionan la mejor solución para un modelo determinado. Métodos heurísticos. - Se utiliza cuando el planteamiento matemático del problema es tan complejo que la solución analítica es casi imposible, y la evaluación a través de simulación no es práctica debido al tiempo excesivo de procesamiento. Simulación. - Simula la conducta del problema para un conjunto definido de condiciones de entrada

12. ¿Es necesario desarrollar un algoritmo para todo problema que se aborda en un estudio de CA/IO? (Suponga que un algoritmo es la técnica apropiada que debe utilizarse, en comparación con un método heurístico o una solución simulada). No siempre es necesario, ya que es aplicable sólo para resolver un problema que se ajuste a las características específicas del modelo. Un algoritmo se desarrolla para un modelo dado o definido.

13. Identifique las etapas generales que debieran seguirse en cualquier estudio de CA/IO. Comente cada una de ellas. Etapas: Etapa 1. – Definición del Problema: Descripción de los objetivos del sistema, es decir, qué se desea optimizar; identificar las variables implicadas, ya sean controlables o no; determinar las restricciones del sistema. Etapa 2. – Construcción del modelo: Consiste en reformularlo de manera conveniente para su análisis, con la construcción de un modelo matemático que represente la esencia del problema. Etapa 3.- Obtención de soluciones a partir del modelo: Es por mucho la más sencilla de todas las fases de IO porque implica el uso de algoritmos de optimización bien definidos. Un aspecto importante de la fase de solución del modelo es el análisis de sensibilidad. Tiene que ver con la obtención de información adicional sobre el comportamiento de la solución óptima. Etapa 4. – Prueba del Modelo: La validación de un modelo requiere que se determine si dicho modelo puede predecir con certeza el comportamiento del sistema.

Etapa 5. – Implementación del Modelo: Consiste en traducir los resultados del modelo validado en instrucciones para el usuario o los ejecutivos responsables que serán tomadores de decisiones.

14. Identifique algunas de las limitaciones o problemas que existen en el campo de la ciencia de la administración. Sin el advenimiento de la computadora estaría severamente limitado el uso de las técnicas de la ciencia de la administración, a partir del análisis referente a modelos matemáticos resulta que los procesos de solución que se utilizan en la ciencia de la administración son complejos. Una limitación es que la mayoría de los modelos consideran solo una función objetivo, al analizar el planteamiento se habló solo de funciones objetivo-únicas. Un problema es el tamaño del sistema de ecuaciones que existen en un problema práctico, muchos problemas en la industria, el gobierno y el sector público contienen un gran número de restricciones. El segundo problema se refiere a la cantidad de cálculos, los algoritmos que describiremos son directamente apropiados para problemas básicos, cuando se considera un conjunto grande de ecuaciones es necesario utilizar algoritmos eficientes en términos de cálculos. 15. ¿Es posible manejar problemas con objetivo múltiple con alguna técnica existente de CA/IO? Existe una técnica, la programación de metas que tiene la capacidad de manejar objetivos múltiples. 16. Comente el problema de la comparación de costos y beneficios, y su relación con un proyecto de CA/IO. En muchas situaciones el costo de desarrollar e implantar un modelo pude superar los ahorros que se obtienen por su uso. Adopta las capacidades computarizadas de solución de problemas de ciencia de la Administración sin examinar los beneficios potenciales que se alcanzaran.

PROPOSICIONES FALSO/VERDADERO 1. El término ciencia de la administración recibió su impulso adicional con el establecimiento de “The Institute of Management Sciences (TIMS) en 1953”. Respuesta: Verdadero 2. Se crea un modelo a escala visualizando diferentes disposiciones y evaluando cada alternativa. Respuesta: Falso 3. Un modelo descriptivo representa una relación y señala un curso apropiado de acción. Respuesta: Falso 4. Un modelo normativo nunca puede contener submodelos descriptivos. Respuesta: Falso 5. La efectividad del modelo como función de las variables de decisión se define a través de la función objetivo. Respuesta: Verdadero 6. Determinadas cualidades de un modelo que permiten al usuario tomar decisiones, se denominan variables de decisión. Respuesta: Falso 7. Un modelo lineal es aquel en el que todas las relaciones funcionales son de tal forma que la variable dependiente es proporcional a las variables independientes. Respuesta: Verdadero 8. Un algoritmo es un conjunto de procedimientos o reglas que, cuando se siguen en forma ordenada, proporcionan la mejor solución a un modelo determinado. Respuesta: Verdadero 9. Los métodos heurísticos son procesos de solución que se basan en reglas intuitivas o empíricas para dar una solución óptima a un problema. Respuesta: Falso 10. Un modelo dinámico se define en un punto fijo del tiempo Respuesta: Falso