Modelos y Métodos de Investigación de Operaciones - Universidad ...

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
Modelos y Métodos de Investigación de Operaciones
• Decisión de Inversiones. Otro de los problemas clásicos consiste en seleccionar la mejor
cartera de inversiones minimizando riesgos o maximizando beneficios dado un conjunto de
limitaciones en los recursos.
• Problema del Transporte. Consiste en definir, en una red de suministro, los centros que
deben producir, la cantidad a producir y el destino de esta producción, teniendo en cuenta
costes de transporte y/o de almacén, además de beneficios esperados y limitaciones en los
recursos disponibles.
4.4 Los parámetros
Quizá uno de los aspectos más curiosos para el modelador novel son los parámetros de los modelos.
No se sabe exactamente se suele asumir que los parámetros del modelo existen, son ciertos y son
conocidos.
El modelador inexperto suele tener la conciencia de que los datos están dados. El modelador quiere
creer que valores como el coste o la duración de un cambio de partida, el ritmo de producción o su coste
asociado, la capacidad de la máquina (¿medida en horas, en unidades?), el precio de los productos, o el
nivel de stock en un momento dado para un determinado producto, es conocido.
Esto no es así en prácticamente ninguna empresa para casi ningún datos. Comenzando por la
demanda que siempre es incierta por sus propias características, siguiendo por los costes que
dependen del modo de cálculo y que en nuestro caso son siempre de oportunidad y por tanto
inaprensibles antes de tener la solución al problema, pero también para parámetros que podrían ser más
objetivos como los niveles de stock o los ritmos de producción en general ni están ni se les espera en
ningún sistema de información que se precie.
Haría bien cualquier modelador en dudar, hasta el último momento de la calidad de los datos de
partida. Lo que no haría bien es en dudar de la bondad de estimarlos y trabajar como si existieran. En
algunos casos la mera existencia de un sistema que los utilice permitirá reducir la incertidumbre de los
mismos. En otros casos el sistema es poco sensible al dato concreto, y un ajuste (tuning) de la primera
aproximación permitirá obtener resultados más que suficientes.
Por último, si sigue persistiendo la duda respecto a la validez de los datos… es en ese momento
cuando el modelado matemático más sentido adquiere. Pues permite, mediante la resolución iterativa de
problemas, hacer un análisis de sensibilidad que mejore (y mejora) la percepción que se tiene del
problema.
Pero también hay métodos de considerar explícitamente la incertidumbre en los parámetros como la
programación estocástica o el uso de Programación Fuzzy.
Página 41 de 181