CAPTULO

Introduccin a los
modelos
y a la ciencia de la
administracin
1
2 Captulo 1 Introduccin a los modelos y a la ciencia de la administracin
INTRODUCCiN
Enlosltimosdiezaos, laprcticade laadministracinsehavistomuyafectadapor
lacienciadelaadministracinylatecnologadecomputadoras.Considere,porejemplo,
lo siguiente:
l
l. ElDepartamentodeControldeVuelosydeAdministracindeCombustiblesdeAerol-
neasNacionalesutilizaunmodelodeadministracinyasignacindecombustiblesque,
en unperiododecuatroaos, hadado comoresultado'ahorrosmultimillonarios. El
modelo especificacules la mejorestacinparareabastecimiento de combustibley
culeselmejorproveedorparacadavuelo, conbaseenprecios,disponibilidad, consu-
mo, datosdevuelosy costosde almacenamiento. Elmodelo utilizatambin muchas
tcnicasdeanlisisdesensibilidadparasealaralosadministradorescundoesposible
queserequiera unanuevapoltica.
2. CahillMayRoberts, unacompaafarmacuticagrande(con msde$35 millonesde
ventasanuales),usaunsistemadeplaneacinderecursoseinstalacionesquehapermiti-
doahorrosen costosdeentregay transportede23.3% y20%, respectivamente, y ha
aumentadolosnivelesdeservicioaclientesen60%. Seutilizaelsistemadeplaneacin
paraevaluarestrategiasalternativasdeadministracinantecostosquefluctany movi-
mientosdepoblacin. Apartededefinirterritoriosnicosparaloscentrosdedistribu-
cindelacompayprogramasptimosdeservicioalclientedentrodeesosterritorios,
puedeutilizarseelsistemaparaevaluarubicacionesalternativasparaloscentrosdedis-
tribucin bajo la doble incertidumbrede los costosy lademanda.
3. Elpersonalencargado de laplaneacin delcondado Du Page en Wheaton, Illinoif,'
informaacercadelautilizacindeunmodelodeplaneacindeusodelsueloparaprepa-
Estos casos son aplicaciones reales que se mencionaron en Interfaces, Vol. 9, No. 2, Pt. 2, febrero
de 1979. Caso 1: "Fuel Management and Allocation Model", D. Wayne Darnelly Carolyn Loffin, pp. 64-65;
Caso 2: HA Planning System for Facilities and Resources in Distribution H. Harrison, pp. 6-22; Caso
3: "Development of a Comprehensive Land Use Plan by Means of a Multiple Objectve Mathematical Pro-
gramming Model", Deepak Ba.mmi y Dalip Bammi, pp. 50-63.
Evolucn de la cenca de la admnlstracln 3
rar un plan exhaustivo para uso del suelo, en el que se consideran en forma simultnea
diversos objetivos y que tambin satisfaga restricciones sobre los patrones deseados
de crecimiento. El plan de uso del suelo recomendado por el modelo ha dado como
resultado una reduccin del 50% en el uso de terrenos de costo elevado que se requieren
de acuerdo con otros planes alternativos de uso del suelo. El modelo minimiza el conflic-
to entre los usos de suelos adyacentes, minimiza el tiempo de traslado, ascomo tambin
los costos fiscales, los impactos negativos sobre el medio ambiente y el costo de las
instalaciones comunitarias. Tambin puede utilizarse este modelo para evaluar el impac-
to del crecimiento de la poblacin y de cambios en los niveles de empleo.
Estos casos son slo unos cuantos de los muchos posibles que ilustran el impacto
que la ciencia de la administracin puede tener y ha tenido sobre la administracin y
sobre la toma de decisiones. Definida en trminos amplios, la ciencia de la administracin
es la aplicacin de procedimientos, tcnicas y herramientas cientificos a problemas ope-
rativos, con el objeto de desarrollar y ayudar a evaluar soluciones. Como disciplina,
la ciencia de la administracin incluye todos los enfoques racionales que se aplican en la
toma de decisiones en administracin y quese basan en la aplicacin de una metodologa
cientifica.
La ciencia de la administracin se basa en la filosofa de que una gran parte de
la toma de decisiones consiste en (1) identificar y analizar problemas cuantificables, (2)
comprender las relaciones entre los factores interrelacionados y (3) aislarlos factores
sobre los cuales tiene el control quien toma las decisiones. El objetivo de la ciencia de
la administracin es proporcionar procesos y procedimientos que ayuden a resolver pro-
blemas.
Dado que la ciencia de la administracin es un tema muy amplio, se restringir
la atencin a sus principales aspectos para que pueda lograrse una comprensin global
de los conceptos generales. En este texto, se presentanfundamentos tericos de las herra-
mie'!tas de la ciencia de la administracin; sin embargo, se pone nfasis en e/ plantea-
miento del problema, la interpretacin del resultado del modelo (algoritmo) y en e/implante.
En este captulo se presentan los principales desarrollos de la ciencia de la adminis-
tracin y su estructura. En especifico, en este captulo se examina: (1) la evolucin de
la ciencia de la administracin, (2) el papel de la construccin de modelos, (3) el proceso
de resolucin de problemas y, por ltimo, (4) la computacin y las ciencias de la adminis-
tracin. Es evidente que existen factores histricos que desempean un papel en el de-
sarrollo de cualquier campo; esto es cierto tambin para la ciencia de la administracin.
Sin embargo el objetivo principal del captulo no es el desarrollo histrico en s, sino,
ms bien, permitir al lector una comprensin bsica de cmo es que ha evolucionado
esta rea. El material ms importante de este capr'tulo se incluye en las ltima> secciones.
EVOLUCiN DE LA CIENCIA DE LA ADMINISTRACiN
"Ciencia de la administracin" sigue siendo un trmino nuevo para muchas personas,
aun cuando el rea tuvo sus comienzos durante la Segunda Guerra Mundial y la prmrera
edicin de la revista titulada Management Science se public en octubre de 1954.
Durante la primera parte del siglo XX, los investigadores comenzaron a utilizar
procedimientos cientficos para investigar problemas que se encontraban fuera de las
ciencias puras, pero no fue sino hasta comienzos de la Segunda Guerra Mundial que
4 1 Introduccin a los modelos ya la ciencia de la administracin
esosesfuerzosseunificaronparaperseguirunobjetivocomn.En1937;enGranBreta-
a,sereuniaunequipodematemticos,ingenierosycientficosenreasbsicaspara
estudiarlosproblemasestratgicosytcticosasociadosconladefensadelpas.Elobjeti-
vodel equipoeradeterminarlaformamsefectivadeutilizarrecursosmilitareslimita-
dos. Lasactividadesdeestegrupo,queseorganizcomopartedelPersonalOperativo
delaorganizacinmilitar britnica, nose denominaroncienciadelaadministracin,
investigacinsinomsbieninvestigacindeoperaciones,debidoaqueelequiposededicabaaanalizar
de operaciones (militares).
operaciones Losxitosdelosequiposdeinvestigacindeoperacionesbritnicosenmuchosde
sus esfuerzosdeinvestigacinmotivarona losEstadosUnidosdeNorteamricaa em-
prenderactividadessimilares. AlgunasactividadesexitosasdeestosequiposenEstados
Unidosincluyeronelestudiodeproblemaslogsticoscomplejos,eldesarrollodepatrones
de vuelo paraaviones, laplaneacinde maniobrasnavalesy lautilizacinefectivade
recursos militares.
Despus de laguerra, muchas de las personas asociadas con lainvestigacin de
operacionesduranteelconflictoblicosedieroncuentadequemuchosdelosmtodos
ytcnicasqueseaplicaronalosproblemasmilitarespodanaplicarseaproblemasindus-
triales.Sinembargo,estosconceptoseideascomenzaronaaplicarsealaindustriahasta
ladcadade1950,cuandosedesarrollarony estuvierondisponiblescomercialmentelas
computadoras. Al principio, muchosdelos problemasindustriales que seestudiaron,
comoelcontroldeinventariosy lossistemasdetransporte,eransemejantesaproblemas
militares.Pero,enlaactualidad,es fcil encontrarnumerososcasosenlosqueloscon-
ceptosde investigacindeoperaciones/cienciadelaadministracin se hanaplicadoa
compras, mercadotecnia, contabilidad, planeacin financiera y otras reas. .
AunqueGranBretaatieneel crditodeliniciodelainvestigacindeoperaciones
comodisciplina, los investigadoresdelosEstadosUnidosdeNorteamricahanhecho
contribuciones importantes a su desarrollo. Unade las tcnicas matemticas de ms
ampliaaceptacin, el mtodo smplex dela programacinlineal, fue desarrollado en
1947 porunestadounidense, George B. Dantzig. Estatcnicaen particular hatenido
amplias aplicaciones a muchos problemas operativos y es labase para muchas otras
tcnicas matemticas, como la programacin de metas y la programacin entera.
EnGranBretaa seutilizaronlostrminosinvestigacindeoperacioneseinvestiga-
cinoperacionalparadescribir,desarrollosenestarea.EnEstadosUnidossehanusado
enformatradicionallostrminosinvestigacindeoperaciones(10)ycienciadela
The nistracin(CA).Eltrminocienciadelaadministracinrecibiunestmuloinicialcon
lnstitute 01 elestablecimiento de The Institute ofManagementSciences (TIMS) en 1953.
2
Aunquenumerosas aplicaciones de laciencia de la administracinocurrieronen
losaosde 1950, nofuesinohastaprincipiosdeladcadade1960queseestablecieron
programasacadmicosqueponannfasisenestarea,y hastamediadosdeestamisma
dcadacomenzaronasalirdelasuniversidadeslasprimeraspersonasconunacapacita-
cinformal.Enconsecuencia,losgruposdeasesoraformalesdeinvestigacindeopera-
t ciones/cienciadelaadministracinnocomenzarona aparecerenlasorganizacionesin-
dustrialesyenlasoperacionesgubernamentalessinohastafinalesdeladcadade1960.
Sinembargo,el desarrollodegruposformalesdeasesoraenCA/lOnocondujo
aunautilizacinexitosadelastcnicas.Porelcontrario,muchosespecialistasenciencia
2Se han hechoimmerososintentosdediferenciarCAe10,pero difcilhacerunadistincinclara.Eneste
texto, utilizaremos ambos trminos en forma indistinta. \
Construccin de modelos y ciencia de la administracin 5
de la administracin fueron acusados de estar ms interesados en manipular problemas
para que se ajustaran a las tcnicas que en trabajar cOn los administradores para analizar
problemas, desarrollar mtodos apropiados de solucin y desarrollar e implantarsiste-
mas funcionales para producirlas soluciones definidas. En retrospectiv, duranteel cre-
cimiento de los programas acadmicos en ciencia de la administracin se concentr la
atencin en el desarrollo de tcnicas y herramientas en vez de hacerlo en las aplicaciones
y estrategias para implantar esas tcnicas. Y, aunque los conocimientos avanzaron en
reas asociadas con tcnicas y modelos matemticos, la CA/10 experiment un xito
limitado con la aplicacin de las tcnicas en sus aos de formacin.
Ahora la ciencia de la administracin ya ha madurado y una gran cantidad de los
problemas de implante que a finales de la dcda de 1960 y principios de
la de 1970 se han superado, gracias a los progresos de la tecnologa de computadoras
y a cambios en los currcula acadmicos. Un mejor desarrollo de tcnicas y modelos,
nfasis en el implante y la aplicacin, y la disponibilidad de computadoras, han ampliado
en gran medida el alcance y la magnitud de los problemas que resulta posible analizar.
El desarrollo de sistemas computadorizados de tiempo compartido ha ayudado al rea
de implante al permitir que quienes toman las decisiones interacten en forma directa
con los modelos de la ciencia dela administracin. Como resultado, esto ha disminuido
la necesidad de que un experto en ciencia de la administracin acte'como intermediario
entre el administrador y el modelo, y ha permitido que el administrador explore pregun-
tas hipotticas con el objeto de comprender y apreciar mejor el potencial del modelo.
Los sistemas de tiempo compartido tambin han puesto el poder de las computadoras
grandes a disposicin de un gran nmero de empresas, ampliando de esta manera la
aplicacin potencial de las tcnicas de la ciencia de la administracin.
Es posible apreciar de alguna manera el alcance y la capacidad de la CA/10, as
como tambin algunas de sus limitaciones, examinando al mismo tiempo aplicaciones
exitosas y fallidas. Sin embargo, para apreciar en forma completa los diferentes aspectos
de la CA/10, es necesario comprender primero los fundamentos de las tcnicas y despus
determinar cmo utilizarlas o no en diversas circunstancias. Pero antes de examinar
algunas de las tcnicas, resulta conveniente comprender mejor los conceptos generales
de planteamiento y desarrollo de modelos, y la forma en que se relacionan con el rea de
la ciencia de la administracin.
"
CONSTRUCCiN DE MODELOS Y CIENCIA DE LA ADMINISTRACiN
Ya sea que se trate del sector privado o del pblico, una de las principales funciones
de un administrador es resolver problemas; es decir, los administradores son quienes
deben resolver los problemas. Ya sea que se d cuenta de ello no, el administrador
aborda la tarea de resolver problemas principalmente a travs de la construccin de mo-
delos, o planteamiento de modelos. La construccin de modelos es un medio que permite
a los administradores analizar y estudiar problemas, as como tambin examinar diferen-
tes alternativas.
La construccin de modelos no es una idea nueva; el proceso se utiliza todos los
das, con frecuencia en forma inconsciente, en situaciones de problemas bsicos. Consi-
dere el problema de una anfitriona que desea redistribuir los muebles de la sala de su
casa. El objetivo es tener una disposicin apropiada que resulte atractiva pero tambin
6 Captulo 1 Introduccin a los modelos ya la ciencia de la administracin
funcional parael grupo de bridge que se reunir en lanoche. Una forma de abordar
clproblemaconsisteenvisualizardiferentesdisposicionesdelosmueblesyevaluarcada
modelo alternativa; es decir, laanfitrioaa puede utilizar un modelo mental del problema. Un
mental segundomtodoconsistiraenquelaafitrionapidieraasuesposoquemovieralosmue-
blesenlasalahastaqueencontraraunaformadeacomodarlosqueleagradara.Esproba-
blequeestemtodofueramsapropiadopordiversasrazones:elmodelomentalsimple-
menteno permitesuficientesmanipulaciones, existendemasiadoselementosquedeben
tenersepresentes,otalvezlaanfitrionanoseacapazdevisualizarlaaparienciadecada
unadelasdiferentesdisposiciones. Se podraavanzarms haciaunenfoquedeciencia
delaadministracinalproblemadesarrollandounmodeloaescaladelcuartoyexami-
nandodiferentesdisposiciones.Esteltimomtodopuedeutilizarseslosilaanfitriona
acepta que el modelo a escala es una representacin vlida del problema.
Considereahorael problemaqueenfrentaunadministradoracargodeldiseode
una planta en una empresa manufactureraimportante. De lamisma manera que en
elcasodelproblemadeladisposicindelosmuebles, es difcilresolvermentalmenteel
problemadeladisposicindelaplanta:laimagenqueeladministradortienedelaplanta
es demasiado vaga, existen demasiadas restricciones acerca de dnde deben ubicarse
ciertos equipos ypiezas, etc. Hay unadiferencia entrelos dos problemas. El gerente
deplantanopuedepermitirseresolverelproblemahaciendoqueungrupodeempleados
ensayen cuatroo cinco disposiciones diferentes, haciendo unacorridade produccin
encadaunadeellasyobservandolaformaenquefuncionan.Sinembargo,eladministra-
modelo dorpodrabasarseenunmodelo a escala, tal como se sugiri parael problemadela
a escala anfitriona.Eladministradortienetambinlaopcindeutilizarunmodelomatemtico,
en particularsi sabeque existe unmodelo general de diseo de plantas (CRAFTVEs
probablequeabordarelproblemadeladministradoratravsdeunmodelomatemtico
resulte un medio ms econmico para evaluar diferentes alternativas.
Es evidente quelaconstruccinde modelos haexistido durantemuchos aos, en
modelos particularenlaformademodelosmentalesymodelosaescala,perolos modelosmate-
matemticos mticossonrelativamentenuevos, en particularen relacinconlatomade decisiones
enlaadministracin.Lamayoradelosanlisisdecienciadelaadministracinsellevan
acaboutilizandomodelosmatemticos.Esosmodelosseelaboranusandosmbolosma-
temticos para representar los diferentes componentes del problema.
Notodoslosmodelosmatemticossoncomplejos.Porejemplo, puedeelaborarse
unmodelomatemticoparadeterminarcules elpagoqueunvendedorrecibeporuna
...
comisinde $20porcadaventa. Enformamsespecfica, supngasequesetienenlos
siguientes datos paradescribirlarelacin entrelacomisindel vendedor yel nmero
de ventas.
Nmero deventas o 2 3 4 5 ...
dlares dejngresos porcomisin o 20 40 60 80 100...
Envezdeutilizarlatablacomounmodelodescrptivodelproblema,es posibleelaborar
unmodelomatemticomssimblicoaldesarrollarunarelacinfuncionalentreel n-
merodeventasylos ingresosporcomisin. Si utilizamosxpararepresentarel nmero
3CRAFTes unacrnimodeComputerizedRelativAllocationofFacilitiesTechnique(TcnicaComputado-
rizada deAsignacin RelativadeInstalaciones).
7 Los modelos matemticos y la ciencia de la administracin
de ventas, cualesquiera que sean, y y para representar la cantidad de ingresos en dlares,
entonces la funcin matemtica entre las ventas y los ingresos se expresa:
y 20x ( 1.1)
Esta relacin funcional puede visualizarse mentalmente pensando que representa
una operacin de procesamiento, de manera muy semejante a la forma en que visualiza-
ramos una operacin de procesamiento de datos. Puede pensarse que los diversos valo-
res de x (O, 1,2, 3, ...) son entradas, y los correspondientes valores de y (O, 20, 40, 60,
... ) salidas o resultados. A entradas y resultados se les denomina por lo general yariables.
Una variable es slo una representacin de algo que puede asumir diversos valores num-
ricos.
Utilizando la terminologa matemtica convencional, la variable de entrada se de-
nomina variable independiente y la variable de salida es la variable dependiente. Por
ello, enla ecuacin (1.1) x es la variable independiente y y es la dependiente. El valor
numrico 20 se denomina de diversas formas: constante, coeficiente y parmetro. Si,
en la relacin funcional, se designara la cantidad que se paga por ventas como" a dlares
por venta" en vez de "$20 por venta", la funcin se expresara:
y ax (1.2)
en donde se dice que a es el Earmetro del modelo.
En el planteamiento de modelos matemticos en ocasiones resulta til expresar la
relacin funcional en trminos generales. En nuestro modelo especfico, si decimos que
y es una funcin no especificada del nmero de ventas x, entonces la representacin
simblica se expresa:
y f(x) (1.3)
Esta notacin no significa que y sea igual a f multiplicada por x. Ms bien indica que
la variable y tiene un valor numrico determinado por una funcin (o una "regla de
procesamiento") f y por el valor ,numrico de la variable ,x.
Es evidente que la elaboracin de modelos en la ciencia de la administracin implica
algo ms que el desarrollo de relaciones abstractas o funcionales entre variables. En
la siguiente subseccin contemplaremos diferentes modelos que se utilizan en la ciencia
de la administracin y en los procesos de solucin que se aplican para identificar solucio-
nes a estos modelos.
5 ...
,100 ...
LOS MODELOS MATEMTICOS y LA CIENCIA DE LA ADMINISTRACiN
Modelos normativos comparados con modelos descriptivos
elaborar
modelos Dentro de los modelos matemticos existen dos clases principales: los Qlodelos descripti-
descriptivos
vos y los modelos normativos. Un modelo descriptivo es el que representa una relacin
modelos pero que no indica ningn curso de accin. Un modelo normativo, que en ocasiones
normativos
se denomina modelo de optimizacin, es prescriptivo porque seala el curso de accin
---------
8
"'!llI!
Captulo 1 Introduccin a los modelos y a la ciencia de la administracin
que el administrador (quien toma las decisiones) debe seguir para alcanzar un objetivo
definido. Los modelos descriptivos son tiles para pronosticar la conducta de sistemas
pero no pueden identificar el "mejor" curso de accin que debe tomarse. El modelo
que se desarroll en el ejemplo de la comisin por ventas [ecuacin (1.1)] podra denomi-
narse modelo descriptivo. Describe, o puede utilizarse para pronosticar, la comisin
por ventas, si se especifica el nmero de stas. Muchos modelos estadsticos son descripti-
vos. Por ejemplo, un modelo de regresin seala la relacin entre una variable depen-
diente y una o ms variables independientes. Los modelos de lneas de espera que se
analizan en el captulo 13 son descriptivos ya que permiten a quien toma las decisiones
pronosticar diversas caractersticas de situaciones de lneas de espera, suponiendo que
se tienen ciertos datos sobre las variables independientes.
Un modelo normativo puede contener submodelos descriptivos, pero difiere del
modelo descriptivo porque es posible determinar un curso de accin ptimo o mejor.
Esto implica que se incorpora un objetivo al modelo y que es posible identificar los
efectos que diferentes cursos de accin tienen sobre el objetivo. Puesto que muchos mo-
delos de ciencia de la administracin caen bajo la clasificacin de modelos normativos,
resulta apropiado identificar las caractersticas claves de estos modelos. La mayora de
los ,modelos normativos estn constituidos por tres conjuntos bsicos de elementos: (1)
variablesdedecisinyparmetros, (2) restricciones, y (3) unaomsfuncionesobjetivo.
4
1. Variablesdedecisinyparmetros.Las cantidades desconocidas que deben determi-
variable narse en la solucin del modelo son las variables de decisin. Un ejemplo de variable
de decisin de decisin sera la cantidad de un determinado producto que debe elaborarse en una
operacin de produccin en la que podran fabricarse diversos productos a partir del
mismo recurso bsico. Los parmetrosson los valores que describen la relacin entr
las variables de decisin. Los parmetros permanecen constantes para cada problema,
pero varan con problemas distintos. Un ejemplo seran las horas de mano de obra que
se requieren para fabricar una unidad de un producto determinado.
2. Restricciones. Para incluir las limitaciones fsicas que ocurren en el problema cuyo
modelo se plantea, dicho modelo debe incluir cualesquiera restricciones que limiten las
restricciones variables a valores permisibles (factibles). Por lo general, las restricciones se expresan
como funciones matemticas (submodelos descriptivos). Por ejemplo, si suponemos que
XI y x
2
(variables de decisin) representan el nmero de unidades de dos productos que se
est considerando fabricar y al y a
2
(parmetros) son los respectivos requerimientos
unitarios de materias primas para fabricar los productos, y si se seala que la cantidad
total disponible de materia prima es b, la funcin correspondiente de restriccin podra
expresarse como ax
I
+ a ~ ::S b.
funcin
objetivo
3. Funcinobjetivo.La funcin objetivo define la efectividad del modelo como funcin
de las variables de decisin. Por ej emplo, si el objetivo es maximizar las utilidades totales,
entonces la funcin objetivo debe describir stas en trminos de las variables de decisin.
En forma matemtica, la funcin Z 4x + 5x describe las utilidades en trminos
de las variables de decisin, suponiendo que se sabe que se obtiene una utilidad de $4.00
por cada Xl y $5.00 por 'cada x2'-En general, se obtiene la solucin ptima del modelo
.__..---
4Hamdy A. Taha, OperationsResearch:Anlntroduction (New York: Macmillan), p. 7.
mo-
_J_LYVUa. de
"CJ.t()s: (1)
"blacuyo
_ _ m t ~ n las
11: expresan
" ..nos que
.ldClS que se
Los modelos matemticos y la ciencia de la administracin 9
cuando los valores de las variables de decisin arrojan el mejor valor de la funcin objeti-
vo, al mismo tiempo que se satisfacen todas las restricciones.
Es posible explicar con mayor detalle la relacin entre los modelos descriptivos y
los normativos utilizando un ejemplo especfico. Suponga que se tiene un proceso de
produccin en el que pueden fabricarse tres productos distintos. El nico recurso limita-
do para esa operacin es la mano de obra; existen disponibles 400 horas-hombre de
mano de obra por semana. De experiencias pasadas, se sabe que el producto No. 1requie-
re 8 horas de mano de obra por unidad fabricada y el producto No. 2 requiere 4 horas
por unidad, y de la misma manera, el producto No. 3 requiere 2 horas por unidad. Si
se supone por un momento que existe una cantidad ilimitada de mano de obra, si utiliza-
mos Xl para representar el nmero de unidades del producto No. 1 que se fabricarn,
x
2
para representar el nmero de unidades del producto No. 2 y Xl el nmero de unida-
des del producto No. 3, entonces la expresin siguiente sera un modelo descriptivo de
los requerimientos totales de mano de obra:
(lA)
Pero ya sabemos que slo hay disponibles 400 horas-hombre de mano de obra; por tanto,
la relacin funcional en realidad es,
;$ 400 (1.5)
Puede hacerse alguna afirmacin acerca del problema con cualquier modelo; sin embar-
go, en este punto no hay manera de determinar cul es el mejor curso de accin. En
el primer caso, ecuacin (l.4), si se consideran ciertos valores de xl' x
2
y Xl' entonces
es posible pronosticar el total de mano de obra que se requiere, En el segundo caso,
ecuacin (1.5), es fcil calcular el nmero mximo de unidades de cada producto que
podran fabricarse (50, 100, 200), suponiendo que no se fabrica ninguna unidad de los
otros dos productos.
Suponga que adems de los datos iniciales que se proporcionan, se seala que el
producto No. 1 contribuye con $12 por unidad a las utilidades, el producto No. 2 contri-
buye con $10 por unidad y el producto No. 3 contribuye con $8 por unidad. A partir
de estos datos, puede desarrollarse un modelo descriptivo para las utilidades totales,
Z; esto se expresa de la siguiente manera:
(1.6)
Al igual que en el caso del modelo (104), puede emplearse este modelo para pronosti-
car las utilidades slo si se proporcionan ciertos valores de xl' x
2
Y Xl' Pero si secombi-
nan los modelos (1.5) y (1.6), y se supone que el objetivo es maximizar las utilidades,
entonces se tiene un modelo normativo. El modelo sera:
MAXIMIZAR: z 12x + lOx
2
+ 8X3
(1.7)
SUJETO A;
8x + 4x
2
+ 2X3 ;$ 400
Lo que se pretende en este punto es resolver el modelo para obtener los valores
de xl' x
2
y x
3
que de como resultado el mayor valor de Z. Un poco ms adelante se
10 Captulo 1 Introduccin a los modelos y a la ciencia de la administracin
analizar este punto con detalle; sin embargo, antes de pasar a ese material, es necesario
realizar algunos comentarios adicionales acerca de los modelos matemticos y la ciencia
de la administracin.
Clasificacin de los modelos
Adems de la clasificacin de modelos descriptivos y normativos que se analiz antes,
con frecuencia se mencionan otras clasificaciones de los modelos en la literatura referente
a la ciencia de la administracin: modelos determinsticos y estocsticos, lineales y no
lineales, estticos y dinmicos y , por ltimo, modelos de simulacin. Podra argumentar-
se que estas son clasificaciones distintas de los modelos. Pero, en realidad, son subclasifi-
caciones de los modelos descriptivos y normativos, y puede clasificarse un modelo espec-
fico aplicndole uno a varios de estos trminos. Un examen de cada uno de estos trminos
aclarar este punto.
modelo En un modelo determinstico, las relaciones funcionales, es decir, los parmetros
determins-
del modelo, se conocen con certidumbre. El modelo (1.6) podra denominarse modelo
tico
determinstico porque los parmetros (los coeficientes de contribucin: $12, $10 y $8)
se conocen con certidumbre. De la misma manera, el modelo (1.5) podra denominarse
modelo determinstico.
Si en el modelo (1.5) no conociramos con seguridad que se requieren 8 horas de
mano de obra para fabricar una unidad del producto No. 1 (por ejemplo, suponiendo
que existe una probabilidad 0.60 de que se requieran 10 horas de mano de obra), entonces
modelo elaboraramos un modelo estocstico para incorporar la incertidumbre. Un modelo esto-
estocstico
cstico puede tener algunas relaciones funcionales que sean determinsticas y estocsticas
o todas pueden ser estocsticas. Pueden obtenerse soluciones para esos modelos si se estruc-
turan en forma de un modelo normativo, que proporcionen los mejores resultados espe-
es decir, se optimiza la funcin objetivo para obtener los resuitados esperados
mximos o mnimos.
Otra subclasificacin de los modelos es la de modelos lineales o no lineales. Un
modelo modelo lineal es en el que todas las relaciones funcionales implican que la variable depen-
lineal
diente es proporcional a las variables indeoendientes. (El concepto de linealidad se ana-
modelo no lizar con cierta profundidad en el captulo 2.) Por otra parte, los modelos no lineales
lineal
utilizan ecuaciones curvilneas o no proporcionales. Al igual que en el caso de los modelos
estocsticos, no es necesario que todas las relaciones funcionales del modelo sean no
lineales para clasificarlo como no lineal. Si una o ms de las relaciones son no lineales,
se clasifica al modelo dentro de esta categora. Los procesos de solucin (algoritmos)
que se requieren para resolver los modelos no lineales son mucho ms complejos que
los necesarios para un modelo lineal. En este texto se hace nfasis en el usode los modelos
lineales en la toma de decisiones en la administracin.
Una tercera subclasificacin de los modelos es en modelos estticos y modelos din-
modelo micos. Los modelos estticos se definen en un punto fijo del tiempo y se supone que
esttico
las condiciones del modelo no cambian para ese periodo especfico en el proceso de solu-
cin del modelo. Se determina una decisin ptima o curso de accin ptimo sin hacer
modelo referencia al curso de accin que se toma en periodos previos o futuros. Un modelo
dinmico
dinmico difiere de uno esttico en que el curso de accin mejor u ptimo se determina
examinando periodos mltiples. Los modelos dinmicos se utilizan en situaciones en
las que no puede determinarse el CursO ptimo de accin para un nmero mltiple de
Los modelos matemticos y la ciencia de la administracin 11
pClOlues en
lllilltip'le de
periodos sin considerar en forma colectiva las acciones que se emprenden en cada perio-
do. En el captulo lOse analizan los modelos dinmicos, sus caractersticas y un proceso
de solucin para determinar las acciones ptimas para estos modelos.
La subclasificacin final de los modelos que S'e menciona es la simulacin. La simu-
lacin es un proceso de planteamiento de modelos y experimentacin que se utiliza para
describir y / o analizar un problema o un rea de problemas especficos. Se utiliza el trmi-
no "proceso de planteamiento de modelos y experimentacin", porque la simulacin
puede utilizarse para ambos propsitos. A partir de los 'datos y las caractersticas descrip-
tivas del problema de produccin que se mencion antes fue posible plantear un modelo
normativo, es decir, el modelo (1.7). Sin embargo, es frecuente que la complejidad o
la naturaleza de un problema hagan imposible desarrollar un planteamiento matemtico
que se ajuste en forma adecuada a dicho problema. Bajo es,as circunstancias, tal vez
sea posible simular el problema con el objeto de analizar diferentes cursos de accin.
Debido a que los modelos de simulacin no requieren funciones matemticas de forma
cerrada para relacionar las variables, es posible simular sistemas complejos cuyo modelo
no puede plantearse en forma matemtica.
Procesos de solucin
Pueden utilizarse, tres procesos o mtodos de solucin para llegar a soluciones ptimas
o casi ptimas para pro blemas basados en la ciencia de la administracin: (1) algoritmos,
(2) mtodos heursticos y (3) simulacin. Dado que el mtodo de los algoritmos es el
proceso de solucin de uso ms comn, aqu se justifica una explicacin detallada; pero
antes de explorar esta rea, es necesario hacer unos cuantos comentarios acerca del uso
de la simulacin y los mtodos heursticos.
Cuando dejamos el anlisis del modelo (1.7), hicimos notar que el siguiente paso
del proceso consista en resolver el modelo. Un poco ms adelante. demostraremos que
es posible obtener una solucin analtica para ese modelo; sin embargo, esto puede no
ser cierto en muchos casos. En algunos problemas tal vez sea imposible resolver en forma
analtica el modelo; es decir, en forma matemtica. En esos casos puede utilizarse la
simulacin para analizar el problema, pero la solucin que se tiene a partir de un proceso
de simulacin no necesariamente es la ptima. Un modelo de simulacin precisamente
"simula" la conducta del problema para un conjunto definido de condiciones de entra-
da. Para determinar' 'el mejor curso de accin" debe analizarse la conducta del modelo
bajo de entrada y elegir elque proporcione el nivel deseado de resultados.
En pUt.rteamientomatemtico de un problema puede ser tan complejo
que una solucin analtica es casi impOsible" y la evaluacin a travs de simulacin no
es prctica debido al tiempo excesivo de procesamiento. En.esos casos pueden utilizarse
mtodos. mtodos heursticos paradesarrollar soluciones aproximadas aceptables. El proceso heu-
heurfsticos rstico de solucin se basa en reglas empricas o intuitivas que, cuando se aplican al
modelo, 'proporcionan una o ms soluciones. Las mtodos heursticos son pTocedimien-
tos de bsqueda que intentan pasar de un punto de solucin a otro, de manera que se
mejore el objetivo del modelo caneada movimiento sucesivo. Cuando ya no es posible
encontrar mejoras al objetivo del modelo utilizando la regla de bsqueda elegida, la
solucin alcanzada se denomina solucin aproximada. En este texto es mnimo el anlisis
de los procesos heursticos de solucin (se <:ubren en forma breve en el captulo 9), puesto
que por lo general dependen en gran medida del problema especfico que se resuelve,
12 Captulo 1 Introduccin a los modelos y a la ciencia de .Ia administracin
se usan en trminos generales para problemas de particular complejidad y, con frecuen-
cia, dependen de algoritmos para resolver partes del problema. Se concentrar la aten-
cin en el uso de algoritmos.
algoritmo Un algoritmo es simplemente un conjunto de procedimientos o reglas que, cuando
se siguen en forma ordenada, proporcionanla mejor solucin paraun modelo determina-
do. Ya que un algoritmo se desarrolla para un modelo dado o definido, es aplicable
slo para resolver un problema que se j u s t ~ a las caractersticas especficas del modelo.
Aunque tal vez sea posible alterar un algoritmo para que satisfaga los requerimientos
de problemas especializados, lo ms probable es que se convierta en una labor difcil
porque exigir alterar los programas de computadora que existen para los algoritmos.
Puede ilustrarse el concepto de algoritmo utilizando el modelo que se plante antes
acerca del proceso de produccin [modelo (1.7)]. Recurdese que el modelo se expres
de la siguiente manera:
MAXIMIZAR; Z 12x + IOx
2
+ 8x
3
SUJETO A: 8x + 4x
2
+ 2x) oS 400
Recurdese tambin que las contribuciones a las utilidades eran de 12, 10 y 8 para la
venta de los productos No. 1, No. 2 y No. 3, respectivamente, y que 8,4 Y 2 eran las
horas de mano de obra que se requeran por unidad para la fabricacin de los respectivos
productos. Examinando el modelo, puede observarse que el producto No. 1 contribuye
con $12 a las utilidades, en comparacin con $10 y $8 de los otros dos productos; por
ello, podramos concluir que deben fabricarse tantos productos No. 1como los recursos
lo permitan. Pero, si examinamos los costos de mano de obra asociados con el primer
producto (8 horas/unidad) es fcil observar que tiene el ms alto requerimiento unitario
de mano de obra:La decisin de fabricar tantos productos No. 1como sea posible quiz
no sea una decisin inteligente. Dado que tanto los coeficientes de contribucin y los
de_mano de obra por unidad afectan la decisin respecto al nmero de unidades que
deben fabricarse de los tres productos, es necesario un medio que permita examinar
ambos coeficientes en forma simultnea. Es posible lograr esto calculando una razn
de los dos coeficientes. Esos cocientes seran:
$12/unidad
No. 1: 1.50 dlares/hora
8 horas/unidad
$ lO/unidad
No. 2: 2.50 dlares/hora
4 horas/unidad
$8/unidad
No. 3: 4.00 dlares/hora
2 horas/unidad
Estas razones representan la "contribucin en dlares por hora de mano de obra inverti-
da" en la fabricacin de los respectivos productos. Examinando estos cocientes, puede
concluirse que la decisin apropiada sera fabricar la mayor cantidad del producto No.
3 que el recurso de mano de obra permita.
Para determinar el J;l.mero real de unidades del producto No. 3 que deben fabricar-
se, se divide el total disponible de horas de mano de obra (400) entre los requerimientos
de este recurso para el producto (1 horas/unidad). Entonces, el "mejor curso de accin"
es fabricar O unidades del producto No. 1 (Xl = O), O unidades del producto No. 2
I para la
_.mlas
"fEtOs;por
Los modelos matemticos y la ciencia de la administracin 13
(X
2
= O) Y 200 unidades del producto No. 3 (x
3
200). En este caso, las utilidades
resultantes seran .
Z 12(0) + 10(0) + 8(200)
$1600
El algoritmo para el modelo (1.7), definido de manera no muy formal, se expresara
de la siguiente manera:
Calcular una razn para cada producto dividiendo el coeficiente correspondiente de contri-
bucin a las utilidades entre el coeficiente de mano de obra por unidad.
La mayor razn denota el "producto que debe fabricarse"
Determinar la "cantidad que debe fabricarse", dividiendo el total de horas de mano de
obra disponibles entre el coeficiente de mano de obra del producto que debe fabricarse.
Dado que el algoritmo se ha definido de manera poco formal, es decir, no toma
en consideracin la posibilidad de que existan coeficientes negativos o cocientes negati-
vos, y al estar tan estrechamente relacionado con el problema especfico, nos obliga
a desarrollar un algoritmo ms estructurado en trminos matemticos que se ajuste a
un modelo general que pudiera utilizarse tanto para este problema como para otros.
Puede comenzarse desarrollando un modelo general del modelo (1.7). Si utilizamos
c
j
para representar la contribucin por unidad del producto j, aj para representar el re-
querimiento unitario de mano de obra para la fabricacin delproductoj, y b para repre-
sentar el total de mano de obra disponible, entonces el modelo puede expresarse de la
siguiente manera:
MAXIMIZAR:
Z - CIX
I
+ C
Z
X2 + C)X
SUJETO A:
al XI + a2x2 + aJx) :S b
Dado que estamos tratando de desarrollar un modelo general, es necesario tomar en
consideracin que pueden fabricarse ms de tres productos. Se supone que es posible
fabricar n productos. Para ser realistas, es necesario observar tambin que todas las
variables de decisin (Xl' X
2
y X
3
) son cero o mayores. Por ello, el modelo sera
MAXIMIZAR: Z = C
I
XI + C2X2 +CJXJ + .. + C.X.
SUJETO A: alx + a
2
x
Z
+ a)x3 + .. -. + anX
n
:S b (1.8)
Expresado esto en una forma matemtica ms compacta, el modelo general es como sigue:
MAXIMIZAR:
SUJETO A: (1.9)
y
para toda j
14 Captulo 1 Introduccin a los modelos y a la ciencia de la administracin
Este modelo es un modelo ms general que el (1.7), pero al igual que ste, modela en
forma completa el problema de produccin.
El algoritmo para este modelo general sera:
Calcular la razn slaj para todas las variables, en dOnde aj > O.
Observar cul es la mayor razn y denotar la variable de decisin asociada como Xj' (Si
hay varios cocientes con igual valor, esto denota que la fabricacin de los productos asocia-
dos rinde el mismo nivel de utilidades.)
Si la mayor razn que se ha identificado es igualo menor que cero, entonces no debe produ-
cirse nada; el curso ptimo de accin consiste en no fabricar unidad alguna. Si la mayor
razn es superior a cero, entonces se contina.
I
Calcular la cantidad ptima que debe producirse con la relacin Xj = bli
j
, en donde iij
es el coeficiente de mano de obra asociado con el mayor cociente identificado antes. (Si
existen razones iguales, entonces hay polticas ptimas alternativas.)
1
Es evidente que este algoritmo no es complejo porque el modelo (L8) no es un
modelo muy complejo; sin embargo, ilustra muy bien el concepto de desarrollo de
I
un algoritmo.

EL PROCESO DE SOLUCiN DE PROBLEMAS EN CAllO
Se seal antes en el captulo que el objetivo del texto no es desarrollar o ampliar la
teora de algoritmos de solucin sino, ms bien,examinar y estudiar la estructura de
los problemas a los que puede aplicarse un algoritmo determinado. Se examinan ciertos
algoritmos slo como auxiliares para comprender mejor la estructura de los problemas
a los cuales se aplican. Nuestro objetivo es mucho ms amplio. Resolver un problema
o, en trminos ms especficos, utilizar modelos de CAllO como ayuda en la solucin
de problemas, implica algo ms que encontrar un algoritmo que se ajuste a un problema
determinado.
Existen ciertas etapas que deben seguirse en cualquier estudio de CAllO; stas co-
mienzan conla identificacin del problema y llegan hasta el implante y evaluacin finales
del sistema diseado para resolverlo. Estas etapas deben seguirse para que sea posible
esperar cierto grado de xito en el proceso de planteamiento de modelos. Estas etapas
proceso de se denominan proceso de solucin de problemas.
solucin de
El proceso de solucin de problemas de CAllO puede describirse en una estructura
problemas
de seis etapas, como sigue:
1. identificacin, observacin y planteamiento del problema
2. construccin del modelo
3. generacin de una solucin
4. prueba y evaluacin de la solucin
5. implante
6. evaluacin
Eh la figura 1-1 se muestra una representacin ms detallada y prct1ca de este-proceso.
Las seis etapas del proceso se identifican con los cuadros de lneas punteadas, numerados
(1) a (6).
______
El proceso de solucin de problemas en CAllO 15
1(1) --------1
1
:
I
1
1
1
1
1

1
1
1
I
1
1
1
1
1
...--- -, I ______
Identificarel poblema :
1
I

Observarel problema,
recopilar datos
descriptivos El identificar
factores que los afectan
Describiren forma
verbal el problema
L------r
1(2)- - - - -f - - - --1
: Clasificarlos factores
1 como "controlables" o
I "nocontrolables"
I
I
I 1F
: Desarrollo del modelo:
I (a) estructura
I (b) parmetros
1 -
1(3)----""'r
I
Generarfa solucin
1
1
1
1_------1-
1(4)- - - - - ""1'-
1 Correr datos de prueba
1
1
1
1
I
I
1
1
I
I
I
I
I
1
J
I
:
I
I
1
1
:
I
I
_1
i
I
1
1
-'
-
1
1
I

1
1
I
I
1
I
I
.-__....;,"-,_-'-----, I
1
I <ll
Evaluar
:c
1
1
Q.
'" 1
I
'" I
"-----.,---.,-----1, "
1___ -
1.- -+-_-1
No aceptable
1(51
1
r
Implante
1
1
1
__1
L
--------
-1
1(S).--____.L.-____-, 1
! Resultados 1
I
1 1
Futuro
"pronosticado"
Intervalo
predeterminado
de valores
Metas
Continuar
Datos
Ls
resultados
satisfacen
las metas?
I
1 1
1 1
I 1
1 1
1
1
I
I
1
I
I 1
I
I
1
1
I
I
1
1
I
1
1
I
I I
1
1
1
1
I
1
1
1
I
I
I
I
1
I
1
I
1
1
1
1
1
1
I
I
1
1
1
1
"s"
,......___....,
I
1
1
1
Alto

1
1
I
I
I
1
L_______
I
"no"
I
1
I
1
1
I
El costo de
I
cambiar es > I
ahorros? I
I
I
I
I
1
Revisar
I
el modelo
I
I
____1
FIGURA 1-1.El procesodesolucindeproblemasdeCAllO. (Adaptado
deRonaldV. Hartley,Operations Research: AManagerial Emphass.
year Publishing Co.. 1976, p. 10) "
16 Captulo 1 Introduccin a los modelos ya la ciencia de la administracin
La etapa 1comienza cuando quien tomalas decisiones observa la realidad y se
dacuentaopercibequeunresultadoquesedeseanoseestproduciendobajolasopera-
ciones existentes. Lasegunda fase de laetapaincluye a quienconstruye el modelo y
a quien tomalas decisiones. Eneste punto, se observa el problemacon el objeto de
identificarvariables yrelaciones clave. Laobservacin del problemapuede llevarse a
caboenforinacolectivaoseparada. Sinembargo,es necesario desarrollarunenfoque
unificado; porello, debeocrrirunagraninteraccinentrequientomalas decisiones
yquienconstruyeel modelo. Lafase final de laetapa1consisteendescribir enforma
verbalelproblema.Esteproblemaverbalesunadescripcinnarrativadelasvariables,
las restricciones yelobjetivo, as comotambinciertasideas generales con respecto a
las relacionesqueexistenenel modelo. Ladescripcinverbaldel problemaes unafase
muy importantede laetapa 1, porquees labase sobrela cual se plantearel modelo
matemtico.
I
Laetapa2delprocesodesolucindeproblemasimplicael.desarrollodelmodelo,
pero antes deestructurarenforma matemticael problemaes necesario examinarlos
factores identificados enlaetapa] paradiferenciarentre las variables controlablesy
las no controlables. Lasvariablescontrolablespuedenmanipularse omodificarsepor
quientomalasdecisiones;lasvariablesnocontrolablesnopuedencambiarse.Paraayu-
I
daraplantearelmodelomatemtico,lapersonaquetomalasdecisionesdebeidentificar
lasvariablescontrolablesrelevantes. Conbaseenestasvariablesyrelacionesclaveque
sehanidentificadoydocumentadoenelmodeloverbal,elconstructordelmodeloestruc-
t
turaunoquedescribe entrminosmatemticosel problema. Puederesultarnecesario
haceralgunasconsideracionesquelimitenalproblemarealparaquepuedaresolverse.
Conbastantefrecuenciaes necesario probarunplanteamientoinicialdel modelo para
determinar las consideraciones que deben hacerse.
Eldesarrollodelalgoritmooprocesodeseleccinocurreenlaetapa3.Enlaprctica
real,existeciertogradoderetroalimentacinentrelasetapas2y3,dadoquedebetenerse
laseguridaddequeel problemaplanteadoenlaetapa2satisfacetodaslascondiciones
oconsideracionesqueelalgoritmoutilizaenlaetapa3.Enrealidad,hayquetenercuida-
doalusareltrminoalgoritmoenestepunto,porqueunprocesodesolucinnoselimita
a unalgoritmo. Recurdese que mencionamos quelos mtodos heursticos, as como
tambinlasimulacin,puedenutilizarsepararesolverdeterminadosproblemas.Hemos
decidido ponernfasis enel proceso algortmicodesolucinen este punto, yaque la
mayorade los problemas que se abordan enel texto puedenresolverse utilizando un
algoritmo.
Enlaetapa4seevalaysepruebaelmodeloadoptadoodesarrolladoenlaetapa
3, conel objeto de determinar si produceresultados tiles parael problema original.
Puedenutilizarsediversosprocedimientosparaprobarelmodelo.Enprimerlugar,quien
tomalasdecisionessimplementepuedeexaminarlosresultadosyhaceralgnjuiciocon
respectoacunrazonables son.Ensegundolugar,esposibleadoptarunprocedimiento
de pruebaatravsdelcualseutilicensituacioneshistricaspreviascomomodelobase.
Es decir,puedeintroducirseinformacinprovenientedeunadecisinpreviaal modelo
ycompararlos resultadosconloqueocurrienrealidad. Sinimportarsiseutilizauno
de estos procesosde prueba, o ambos,paraevaluar el modelo, ste debe modificarse
si no satisfacelas necesidadesdeqtiientomalasdecisiones. Conbastante frecuencia
el procesode revisinimplicaaadiryeliminarvariables, peropodraimplicarvolver
alproblemaobservadooriginalmente.(Estosemuestraenlafigura1-1 comoelcircuito
de regreso a la etapa l.)
._lady se
las opera-
modelo y
objeto de
Devarse a
.mlatbles y
....Ildoun
La ciencia de la administracin y la computadora 17
La etapa 5 del proceso de solucin de problemas de CA/lO es el implante del modelo
validado. Por desgracia, la mayora de los especialistas en ciencia de la administracin
no reconocen que el implante comienza el primer dadel proyecto, y no cuando el modelo
se ha desarrollado y ya est operando. Los administradores deben partidpar en el proyec-
to de CA/lO durante todo su desarrollo. El implante no significa que el modelo que
se pone en prctica simplemente se entrega a los administradores y que, con esta accin,
quien lo construy se retira del proyecto. Quien construye el modelo debe: (1) trabajar
con quien toma las decisiones para identificar en forma apropiada el problema (etapa 1),
(2) obtener retroalimentacin de quien toma las decisiones con respecto a la validez del
modelo (etapa 4) y (3) trabajar con quien toma las decisiones para implantar y utilizar
el modelo.
En el captulo 16 se examina en detalle el rea del implante. En ese captulo se identi-
fica un modelo de juegos de implante y se presentan diversos estudios relacionados con
problemas en esta rea. En este captulo hemos hecho notar que el implante es una
etapa clave en el proceso de solucin de problemas y que, si los administradores no
participan en forma amplia en el proyecto y no apoyan en forma completa su objetivo,
lo ms probable es que se juzgue que el modelo es slo un ejercicio prctico para quien
lo construy.
La ltima etapa del proceso de solucin de problemas (etapa 6) es la evaluacin
y revisin del modelo. Dado que no es raro que un modelo de CA/lO se utilice en forma
repetida en el anlisis de problemas de decisin, el modelo debe evaluarse en forma conti-
nua para determinar si los valores de los parmetros han cambiado y/o para ver si el
modelo sigue satisfaciendo las metas de quien toma las decisiones. Si las caractersticas
del problema cambian, o si no se estn satisfaciendo las metas de quien toma las decisio-
nes, entonces debe considerarse una modificacin del modelo. Se utiliza el trmino "con-
siderar" porque debe contrastarse el costo de cambiar el modelo con los ahorros que se
lograran con la modificacin. Si el costo de la modificacin supera a los ahorros,
entonces debe descontinuarse el proyecto. De nuevo, es aqu donde los administradores
pueden tener una mala experiencia con los modelos de CA/lO. Si los administradores
no reconocen el momento en el que un proyecto excede su utilidad, los resultados defi-
cientes de periodos posteriores de uso del modelo pueden opacar su desempeo previo,
cuando el modelo en verdad resolva el problema .
LA CIENCIA DE LA ADMINISTRACiN Y LA COMPUTADORA
Uno de los factores clave que ha ayudado tanto al crecimiento como al desarrollo de la
ciencia de la administracin ha sido el advenimiento de la computadora. Sin ella, estara
severamente limitado el uso de las tcnicas de la ciencia de la administracin. A partir del
anlisis referente a "modelos matemticos y ciencia de la administracin", resulta
evidente que los procesos de solucin que se utilizan en la ciencia de la administracin
pueden volverse bastante laboriosos y, en algunos casos, complejos. Por fortuna, uti-
lizando la computadora, es posible reducir gran parte de la complejjdad matemtica y
de la carga de clculos implcitos en el uso de diferentes tcnicas de solucin. Esto no
significa que podamos ignorar el "proceso de solucin de problemas de CA/lO" . Por
el contrario, tan slo significa que la capacidad yla velocidad de clculo de una computa-
d9ra reduce esa tarea en forma significativa.
18 Captulo 1 Introduccin a los modelos y a la cencia de la administracin
Dadoqueel nfasisde estetextosedaenlaaplicacin detcnicasdesolucin(en
lamayoradeloscasos,algoritmos)msqueeneldesarrollodelastcnicas,lacomputa-
doraes una parteintegraldel proceso de solucin de problemas. En todo el texto se
harnfasis enlainterpretacin de los resultados de los modelos. En la mayora de
loscasossepresentaruninformederesultadomanual(tabla)yunasolucincomputa-
dorizada.Se"esperaqueesteenfoquepromuevaelusodeprocedimientoscomputadoriza-
dos, peronoacostadeexcluirporcompletoel examendelosprocesosdesolucinque
se utilizan.
RESTRICCIONES EN EL CAMPO DE LA CAllO
Lacienciadelaadministracin,aligualquecualquierotrocampo,tieneciertasrestric-
cionesylimitaciones.Unalimitacineslanecesidaddehacerconsideracionesalestructu-
raroplantearelproblemaqueseaborda.Confrecuenciasonnecesariaslassimplificacio-
nes porqueel problemaoriginales tancomplejoqueresultadifcilplantarunmodelo
, 'Oresolverlo.Entonces,pararesolverlo,sehacensimplificacionesenformadeconsidera-
I
cionesacercadeciertasvariables. Esteprocesodesimplificacinproduceunproblema
o modelo simplificado que puedemanipularse conel objeto de llegar a unasolucin
inicialparael problema.Unejemploeneconomaes elestudiodemercado.Estasitua-
cin muy compleja se simplifica en gran meqida suponiendo que existe competencia
perfecta. Estaes unaconsideracinamplia; aunas, conellaes posibledesarrollarun
modelo econmico bskoqueresultatilparaestudiarlos efectosdediversas fuerzas
sobreelmercado. Dadoquelosmodelossonrepresentacionessimplificadasdelareali-
dad,confrecuenciasurgelapregutarespectoasielmodelocapturalaesenciadelpro-
blemaoriginalqueesmscomplejo.Enrealidad,puedenllegarseahacertantasconside-
Realidad
Problema
original
Modelo
simple
Tiempo
t,
FIGURA 12. Simplficacin del modelo encomparaciil con la realidad
.!liOhlcim (en
la computa-
d texto se
de
"IDb:IClm que
Restricciones en el campo de la CAllO 19
raciones para simplificar el problema original, que esto provocara que el modelo resultante
no sea til. Por tanto, es importante que quien construye el modelo investigue con quien
toma las decisiones las consideraciones que daran como resultado que el modelo sea
vlido. As, el constructor del modelo puede intentar resolver una versin ms compleja
que sera til para quien toma las decisiones. Este proceso se muestra en forma grfica
en la figura 1-2.
5
En esta figura, quien construye el modelo comienza en el tiempo lo con el proble-
ma complejo. Despus, se hacen suposiciones que simplifican el problema para que pue-
da obtenerse una solucin en el tiempo tI' Despus se suavizan las consideraciones, una
por una, y el modelo regresa hacia la realidad, utilizando lo que se aprendi en la solucin
del modelo simple para resolver versiones del problema cada vez ms complejas.
Una segunda limitacin de la ciencia de la administracin es que la mayora de los
modelos consideran slo una funcin objetivo. Al analizar el planteamiento de mode-
los normativos, se habl slo de funciones objetivo nicas. Las tcnicas de ciencia de
la administracin como la programacin lineal, la programacin entera y los modelos
de transporte consideran un solo objetivo.
En la prctica los modelos con un solo objetivo pueden resultar problemas clave,
porque con frecuencia quienes toman las decisiones tienen otros objetivos aparte de
maximizar las utilidades o minimizar los costos. Una tcnica, la programacin de metas
(captulo 8), tiene la capacidad de manejar objetivos mltiples. Diversos investigadores
se dedican en la actualidad a desarrollar otros modelos de decisin de criterios mltiples.
Otra rea de problemas en la ciencia de la administracin es el tamao del sistema
de ecuaciones (es decir, las restricciones del problema) que existen en un problema prcti-
co. Muchos problemas en la industria, el gobierno y el sector pblico contienen un gran
nmero de restricciones. Esto plantea dos problemas en el proceso de planteamiento
de modelos de CAllO. En primer lugar, en los crculos acadmicos existe una tendencia
a examinar problemas pequeos y nicos con el objeto de ilustrar el modelo o concepto.
Las personas que elaboran modelos 9 toman decisiones pueden desarrollar una opinin
muy ingenua sobre los problemas prcticos. Es necesario reconocer que muchos proble-
mas prcticos pueden contener varios cientos de restricciones.
6
El segundo problema se refiere a la cantidad de clculos. Los algoritmos que descri-
biremos en el texto son directamente apropiados para problemas bsicos pequeos. Cuando
se considera un conjunto grande de ecuaciones, es necesario utilizar algoritmos eficientes
en trminos de clculo porque, de otra manera, el costo de proceso de planteamiento
del modelo podra ser excesivo.
7
Con bastante frecuencia resulta posible aproximar so-
luciones a problemas grandes aplicando el proceso de simplificacin que mencionamos.
Un rea final de problemas que debe considerarse, es la de la comparacin de
y beneficios. Esta cuestin debe abordarse antes de emprender un prOyecto de
ciencia de la administracin. Es fcil involucrarse en un modelo de CA/lO hasta el punto
de adoptar las capacidades computadorizadas de solucin de problemas de la ciencia
5Vase A. H. Packer. "Applying Cost-Effectiveness Concepts to the Community Health System", Opera-
tions Research, 16, No. 2 (marzo-abril de 1968), pp. 227-253.
6En este texto. presentaremos, como nuestras contrapartes han hecho en el pasado, problemas bsicos que
ilustran la naturaleza del problema que puede abordarse. Est fuera de nuestro objetivo examinar problemas
grandes y complejos.
1Existen en la prctica diversos algoritmos eficientes en trminos de clculo; pueden adquirirse de los fabri-
cantes de com putadoras y las casas vendedoras de software.
20 Captulo 1 Introduccin a los modelos y a la ciencia de la administracin
delaadministracinsinexaminarlos beneficiospotencialesque.sealcanzarn.Enmu-
chassituaciones,elcostodedesarrollareimplantarunmodelopuedesuperarlosahorros
queseobtienenporsuuso.Muchosproblemasdetomadedecisionespuedenresolverse
sinutilizarmodelosmuyelaborados.Unproblemaqueconfrecuenciaencuentranquie-
nes toman las decisiones y construyen los modelos es que se involucran tanto con el
proceso de laconstruccindel modelo que todo problemade decisin se abordacon
un modelo. Laciencia de laadministracin, al igual quecualquier otrocampo, debe
utilizarse y aplicarse dentro de lmites lgicos.
GLOSARIO
algoritmo:conjuntode procedimientosque,cuandosesiguenen formaordenada,proporcionan
una solucin ptima a un problema.
funcin objetivo: funcin matemtica que define la efectividad del modelo como una funcin
de las variables de decisin.
investigacin de operaciones: nombreque se utiliz paradescribir las actividadesdecienciade
la administracin/investigacin de operaCiones en las operaciones militares britnicas durante
la segunda guerra mundial.
mtodosheursticos: procesosdesolucin quese basanen reglas intuitivasoempricasparadar
una solucin aproximada a un problema.
modelo a escala: estructura fsica, de tamao reducido, que representa el problema real.
modelodescriptivo:modelomatemticoquerepresentaunarelacinfuncionalperoquenoseala
ningn curso de accin.
modelo determinstico: modelo en el que se conocen con certidumbre los parmetros.
modelodinmico: modelocuyascaractersticasvarande un periodoaotro. Determinarelcurso
ptimo de accin requiere el examen de periodos mltiples.
modelo esttico: modelo definido en un punto fijo del tiempo.
modeloestocstico: modelo en el que los parmetros no se conocenconcertidumbre; es decir,
existe cierta probabilidad de ocurrencia paradiferentes parmetros del modelo.
modelolineal:modeloenelquetodaslasrelacionesfuncionalessondetalnaturalezaquelavaria-
bledependienteesproporcionalalasumadelasvariablesindependientes.Estosmodelostambin
tienen la caractersticade que, para cualquier cambio en una variable independiente, mientras
semantienenlasdemsfijas, el cambioenlavariabledependienteesdirectamenteproporcional.
modelo matemtico: representacin simblica y abstracta de un problema.
modelo mental: imagen mental de la estructuraque describe un problema.
modelo nolineal: modelo en el que existen ecuaciones o funciones que no son proporcionales.
Estos modelos tienen variables elevadas a una potenciadiferente de uno y/otienen productos
de dos o ms variables.
modelonormativo:modelomatemticoquedescribe unarelacinfuncionalyprescribeuncurso
de accin para alcanzar el objetivo que se defini para el modelo.
ORSA: Operations Research Society ofAmerca (SociedadEstadounidensede Investigacinde
Operaciones);grupopioneroalquesedacrditoporeldesarrollodelainvestigacindeoperacio-
nes en Estados Unidos de Norteamrica. .
procesodesolucinde problemas:etapas(estructura)quesesiguenparadesarrollareimplantar
un modelo de CA/lO. .
restriccin:funcinmatemticaquedescribeoasignaunlmitefactiblealmodeloy/olasvariables
de decisin.
TlMS:TheInstituteofManagementSciences(InstitutodeCienciasdelaAdministracin);organi-
zacin fundada en 1953 n Estados Unidos paradar relevancia a las investigaciones aplicdas
en ciencia de la administracin/investigacin de operaciones.
variablesdedecisin:cantidadesdesconocidasquedebendeterminarseenlasolucinparaunmodelo.
Proposiciones falso/verdadero 21
Enmu-
ahorros
. _lo con el
a.[)Tela con
"lIIpo,debe
lU!iJOr-cicman
":inde
REFERENCIAS
1. Budnick,FrankS., RichardMojenayThomasE. Vollmann. PrincipIes of Operations Re-
search for Management. Homewood, IIl.: Richard D. Irwin, 1977.
2. Buffa,ElwoodS. yJamesS.Dyer.Management Science/Operations Research: Model For-
mulation and Solution Methods. Santa Barbara, Calif.: J. Wiley, 1977.
3. Hartley,RonaldV. Operations Research: A Managerial Emphasis. PacificPalisades,Calif.:
Goodyear Publishing, 1976.
4. Taha, Hamdy A. Operations Research: An Introduction. New York: Macmillan, 1976.
S. Wagner, Harvey M. Principies of Management Science, 2a. ed. Englewood Cliffs, N. J.:
Prentice-Hall, 1975.
PREGUNTAS DE REPASO
1. Comente en forma breve laevolucin del campo de CA/lO.
2. Dequmaneraserelacionalaconstruccindemodelosconlacienciadelaadministrac;:in?
3. Expliquelasdiferenciasentreunmodelodescriptivoyunonormativo.Dejemplosdo:cada
uno de ellos.
4. Qu conjunto bsicodeelementosexisteen cualquier modelo normativo? Comentecada
uno de esos elementos.
S. Cules son las clasificaciones de los modelos normativos y los descriptivos?
6. Explique ladiferencia entre un modelo determinstco y uno estocstico.
7. Explique la diferencia entre un modelo lineal y uno no lineal.
8. Explique la dferencia entre un modelo esttico y uno dinmico.
9. Cundo se utiliza un modelo de simulacin en la ciencia de la administracin?
10. QuprocesosdesolucinexistenenelcampodelaCA/lO?Expliqueocomenteen forma
breve cadauno deellos.
11. Es necesario desarrollar un algoritmo para todo problema que se aborda en un estudio
deCAllO? (Supongaqueunalgoritmoeslatcnicaapropiadaquedebeutilizarse,encompa-
racin con un mtodo heurstico o unasolucin simulada.)
12. Identifiquelas etapasgenerales quedebieranseguirseen cualquierestudio deCAllO. Co-
mente cada una de ellas.
13. Identifiquealgunas delas limitaciones o problemas que existen en el campo de laciencia
de la administracin.
14. EsposiblemanejarproblemasconobjetivomltipleconalgunatcnicaexistentedeCAllO?
15. Comenteelproblemadelacomparacindecostosybeneficios,ysurelacinconunproyecto
de CAllO.
PROPOSICIONES FALSOIVERDADERO
1. Eltrminocienciadelaadministracinrecibisuimpulsoinicialconel establecimiento de
TheInstitute ofManagementSciences (TIMS) en 1953.
2. Secreaunmodeloaescalavisualizandodiferentesdisposicionesyevaluandocadaalternativa.
3. Un modelo descriptivorepresenta unarelacin y seala un curso apropiado de accin.
4. Unmodelo normativo nuncapuede contener submodelos descriptivos.
S. Laefectividad del modelocomo funcin de las variables dedecisin sedefinea travs de
la funcin objetivo.
22 Captulo 1 Introduccin a los modelos ya la ciencia de la administracin
6. Determinadascualidadesdeunmodeloquepermitenalusuariotomardecisiones,sedenomi-
nan variables de decisin.
7. Un modelo lineal es aquelen el que todas las relaciones funcionales sonde tal forma que
la variable dependiente es proporcional a las variables independientes.
8. Un algoritmo es un conjuntodeprocedimientos o reglas que, cuando se siguen en forma
ordenada, proporcionan la mejor solucin a un modelo determinado.
9. Losmtodosheursticossonprocesosdesolucinquesebasanenreglasintuitivasoempricas
para daruna solucin ptima a un problema.
10. Un modelo dinmico se define en un punto fijo del tiempo.