Una vez definido el problema del tomador de decisiones, la siguiente etapa consiste en reformularlo de manera conveniente para su análisis. La forma convencional en que la investigación de operaciones logra este objetivo es mediante la construcción de un modelo matemático que represente la esencia del problema. Antes de analizar cómo se elaboran los modelos de este tipo, se explorará su naturaleza general y, en particular, la de los modelos matemáticos.
Los modelos, o representaciones idealizadas, son una parte integral de la vida diaria. Entre los ejemplos más comunes pueden citarse modelos de avión, retratos, globos terráqueos y otros. De igual manera, los modelos tienen un papel importante en la ciencia y los negocios, como lo hacen patente los modelos del átomo y de las estructuras genéticas, las ecuaciones matemáticas que describen las leyes físicas del movimiento o las reacciones químicas, las gráficas, los organigramas y los sistemas contables en la industria. Esos modelos son invaluables, pues extraen la esencia del material de estudio, muestran sus interrelaciones y facilitan el análisis.
Los modelos matemáticos también son representaciones idealizadas, pero están expresados en términos de símbolos y expresiones matemáticas. Las leyes de la física como F = ma y E = mc2 son ejemplos familiares. En forma parecida, el modelo matemático de un problema industrial está conformado por el sistema de ecuaciones y expresiones matemáticas relacionadas que describen la esencia del problema. De esta forma, si deben tomarse n decisiones cuantificables relacionadas entre sí, se representan como variables de decisión —x1, x2, …, xn — para las que se deben determinar los valores respectivos. En consecuencia, la medida de desempeño adecuada (por ejemplo, la ganancia) se expresa como una función matemática de estas variables de decisión —por ejemplo, P = 3x1 + 2x2 + … + 5xn —. Esta función se llama función objetivo. También se expresan en términos matemáticos todas las limitaciones que se puedan imponer sobre los valores de las variables de decisión, casi siempre en forma de ecuaciones o desigualdades —como x1 + 3x1x2 + 2x2 ≤ 10—. Con frecuencia, tales expresiones matemáticas de las limitaciones reciben el nombre de restricciones. Las constantes —los coeficientes o el lado derecho de las ecuaciones— de las restricciones y de la función objetivo se llaman parámetros del modelo. El modelo matemático puede expresarse entonces como el problema de elegir los valores de las variables de decisión de manera que se maximice la función objetivo, sujeta a las restricciones dadas. Un modelo de este tipo, y algunas de sus variantes menores, tipifican los modelos analizados en investigación de operaciones.
La determinación de los valores apropiados que deben asignarse a los parámetros del modelo —un valor por parámetro— es una tarea crítica y a la vez un reto en el proceso de construcción del modelo. Al contrario de los problemas presentados en los libros donde se proporcionan estos números, la determinación de los valores de los parámetros en los problemas reales requiere la recolección de los datos relevantes. Como se vio en la sección anterior, a menudo la recolección de datos exactos es difícil. Por lo tanto, es común que el valor asignado a un parámetro sea, por necesidad, sólo una estimación. Debido a la incertidumbre sobre el valor real del parámetro, es importante analizar la forma como cambiaría —si lo hace— la solución derivada del problema cuando el valor asignado al parámetro cambia por otros valores posibles. Este proceso, que se conoce como análisis de sensibilidad, se estudiará en la siguiente sección (y en gran parte del capítulo 6).
Aun cuando se hable de “el” modelo matemático de un problema en la industria, por lo general los problemas reales no pueden ser representados por un solo modelo “correcto”. En la sección 2.4 se describe la manera como el proceso de prueba de un modelo conduce a una serie de modelos que proporcionan representaciones cada vez mejores del problema real. Incluso, es posible desarrollar dos o más tipos de modelos diferentes para analizar el mismo problema.
A lo largo de este libro se proporcionarán numerosos ejemplos de modelos matemáticos. En los capítulos siguientes se estudia cierta clase de modelo con una importancia especial, denominado modelo de programación lineal, en el que las funciones matemáticas que aparecen tanto en la función objetivo como en las restricciones, son funciones lineales. En el capítulo 3 se construyen modelos específicos de programación lineal que se ajustan a diversos tipos de problemas, tales como determinar 1) la mezcla de productos que maximiza la ganancia; 2) el diseño de la terapia de radiación que combata de manera eficaz un tumor y que al mismo tiempo minimice el daño al tejido sano circundante; 3) la asignación de hectáreas a distintos cultivos para maximizar el rendimiento total neto, y 4) la combinación de métodos de control de contaminación que logre los estándares de calidad del aire a un costo mínimo.
Los modelos matemáticos tienen muchas ventajas sobre una descripción verbal del problema. La más obvia es que el modelo matemático describe un problema en forma mucho más concisa. Esta característica tiende a hacer más comprensible toda la estructura del problema y ayuda a revelar las relaciones importantes causaefecto. En segundo lugar, indica con mayor claridad qué datos adicionales son importantes para el análisis. También facilita el manejo del problema en su totalidad y, al mismo tiempo, el estudio de sus interrelaciones. Por último, un modelo matemático forma un puente para el empleo de técnicas matemáticas y computadoras de alto poder para analizar el problema. Sin duda, existe una amplia disponibilidad de paquetes de software para resolver muchos tipos de modelos matemáticos, en computadoras personales y de gran poder.
No hay comentarios.:
Publicar un comentario