La Investigaci贸n de Operaciones o Investigaci贸n Operativa (en ingl茅s OR u聽Operations Research) es una disciplina que consiste en la aplicaci贸n de m茅todos anal铆ticos avanzados con el prop贸sito de apoyar el proceso de toma de decisiones, identificando los mejores cursos de acci贸n posibles.
En este contexto la Investigaci贸n de Operaciones utiliza t茅cnicas de modelamiento matem谩tico, an谩lisis estad铆stico y optimizaci贸n matem谩tica, con el objetivo de alcanzar soluciones 贸ptimas o cercanas a ellas cuando se enfrentan problemas de decisi贸n complejos. Se espera que las decisiones alcanzadas mediante el uso de un modelo de investigaci贸n operativa sean significativamente mejores en comparaci贸n a aquellas decisiones que se podr铆an tomar haciendo uso de la simple intuici贸n o experiencia del tomador de decisiones. Lo anterior es particularmente cierto en aquellos problemas de naturaleza real complejos, que consideran cientos, incluso miles de variables de decisi贸n y restricciones.
La Investigaci贸n de Operaciones se complementa con otras disciplinas como la Ingenier铆a Industrial y la Gesti贸n de Operaciones. En t茅rminos estrictos un modelo de optimizaci贸n considera una funci贸n objetivo en una o varias variables que se desea maximizar (por ejemplo el ingreso o beneficio asociado a un plan de producci贸n) o por el contrario minimizar (por ejemplo los costos de una firma, el riesgo asociado a una decisi贸n, la p茅rdida de un alternativa, etc). Los valores que pueden adoptar las variables de decisi贸n usualmente est谩n restringidos por restricciones que adoptan la forma de ecuaciones y/o inecuaciones que buscan representar las limitantes asociadas a la problem谩tica.
El enfoque de la Investigaci贸n de Operaciones es el modelaje. Un modelo es una herramienta anal铆tica que nos sirve para lograr una visi贸n bien estructurada de la realidad. As铆, el prop贸sito del modelo es proporcionar un medio para analizar el comportamiento de las componentes de un sistema con el fin de optimizar su desempe帽o (identificar el mejor curso de acci贸n posible).
Una visi贸n esquem谩tica del proceso asociado a la construcci贸n de un modelo de optimizaci贸n se presenta a continuaci贸n:
1. Definici贸n del problema: Se debe definir el problema para el cual se busca proponer un curso de acci贸n. 驴Es un problema relevante? 驴es posible tomar una buena decisi贸n聽sin la necesidad de resolver un modelo de optimizaci贸n? 驴cu谩les son sus alcances? 驴cu谩les son los factores que influyen en el desempe帽o del sistema?, etc. La calidad del modelo de optimizaci贸n depender谩 en gran parte de la asertividad en la definici贸n del problema de decisi贸n.
2. Construcci贸n de un modelo: Un modelo de optimizaci贸n considera necesariamente una abstracci贸n o simplificaci贸n de la realidad. Por un lado se busca que el modelo sea representativo del problema real que se busca representar pero que al mismo tiempo sea simple de modo de favorecer su resoluci贸n haciendo uso de un algoritmo ad-hoc. Alcanzar este equilibrio no es trivial. Por ello ante un mismo problema puede existir m谩s de un modelo de optimizaci贸n que lo represente con distintos niveles de detalle y abstracci贸n.
3. Soluci贸n del modelo: Una vez construido el modelo de optimizaci贸n se deben identificar las alternativas de resoluci贸n para el mismo. Para ello se puede hacer uso de programas computacionales que utilizan algoritmos de resoluci贸n espec铆ficos dependiendo de las caracter铆sticas del modelo. Por ejemplo, para resolver un problema de Programaci贸n Lineal (las variables de decisi贸n se representan como funciones lineales tanto en la funci贸n objetivo como restricciones) se puede utilizar el M茅todo Simplex.
4. Validaci贸n: Se verifica que la soluci贸n alcanzada cumpla con las condiciones (restricciones) impuestas al problema.
5. Implementaci贸n y control de la soluci贸n: Una vez verificada la soluci贸n se procede a su implementaci贸n. Cabe destacar que esto puede lugar a actualizaciones del modelo de optimizaci贸n tanto en t茅rminos del modelo como el valor de los par谩metros estimados. Por ejemplo, si el modelo de optimizaci贸n corresponde a un Plan Maestro de la Producci贸n (PMP) y se genera un cambio en el valor de la hora hombre de los trabajadores ser谩 necesario actualizar el valor del par谩metro que representa dicho costo para posteriores instancias de resoluci贸n.
En la actualidad聽el uso de modelos de optimizaci贸n es cada vez m谩s frecuente en la toma de decisiones.聽Este mayor uso se explica, principalmente, por un mejor conocimiento de estas metodolog铆a en las diferentes disciplinas, la creciente complejidad de los problemas que se desea resolver, la mayor disponibilidad de software y el desarrollo de nuevos y mejores algoritmos de soluci贸n.
Las sub disciplinas m谩s destacadas en la Investigaci贸n de Operaciones moderna son:
- Tecnolog铆as de la Informaci贸n
- Medioambiente, Energ铆a y Recursos Naturales
- Ingenier铆a Financiera
- Manufactura y Servicios
- Gesti贸n de la Cadena de Suministro (SCM)
- Marketing
- Revenue Management
- Problemas de Transporte
- Simulaci贸n
- Modelos Estoc谩sticos