OPTATIVA:

INVESTIGACION DE
OPERACIONES I

HISTORIA Y PRINCIPALES HERRAMIENTAS DE LA

INVESTIGACION DE OPERACIONES
INGENIERIA EN SISTEMAS

Grupo.- 7ITP2
Equipo.Sergio Alejandro Panduro Ochoa 256868
Alan Guillermo Arvayo Carmona 244768
Genaro Salazar Lpez 257241

27 DE AGOSTO DEL 2014

Investigacin de Operaciones
Definicin
Como su nombre lo dice la investigacin de las operaciones a realizar para el logro ptimo de los
objetivos de un sistema o la mejora del mismo. Esta disciplina brinda y utiliza la metodologa
cientfica en la bsqueda de soluciones ptimas, como apoyo en los procesos de decisin, en
cuanto a lo que se refiere a la toma de decisiones ptimas y en sistemas que se originan en la vida
real.

Principales herramientas
1. Programacin Lineal
Permiten optimizar los recursos en operaciones de opciones mltiples. Una de sus aplicaciones es
el mtodo de camino crtico (MCC); esta tcnica es de mayor aplicacin sobre todo en proyectos
nuevos, puesto que permite encontrar el tiempo mnimo para realizarlo (ruta crtica).
Este procedimiento tiene como objetivo, minimizar los costos y maximizar la eficiencia mediante
ciertos lmites y obligaciones. Un requisito indispensable es que exista una localizacin de planta y
hay que tomar en cuenta ciertas variables de materia prima, lugar de venta, etc.
2. Teora de Colas
Es una herramienta valiosa para llegar a decisiones que requieren un balance ptimo entre el
costo del servicio y el costo por prdidas de espera, porque, al analizar "las colas" de espera, se
pueden detectar costos muy grandes debido a deserciones, entre otras cosas. Sirven tambin para
analizar cuellos de botella en la produccin, e inclusive para programar el mantenimiento en una
planta. Ejemplo: Las "unicolas" de los bancos, los parques de diversiones, la sala de espera del
Doctor, etc.
Su objetivo es optimizar distribuciones en condiciones de aglomeraciones. Se encarga de eliminar
los tiempos de espera o demoras innecesarias y los puntos de inters son el tiempo de espera y el
nmero de clientes (las unifilas de los bancos son una solucin por ste medio).
3. Teora de la Probabilidad:
Sirve para tomar una decisin entre varias alternativas de la solucin, para comprender sta teora
es necesario entender el concepto de toma de decisiones el cual se define a continuacin: es el
proceso de seleccin de una alternativa dentro de un conjunto de ms de dos de stas.
Para una correcta toma de decisiones se requiere conocer el riesgo de cada alternativa y la
probabilidad de xito. Esto no es fcil debido a que el administrador no cuenta con toda la
informacin del medio ambiente por lo que muchas decisiones se toman con un alto grado de
riesgo; sin embargo podemos afirmar que las buenas decisiones no son producto del azar, sino de
la buena y oportuna informacin y del conocimiento de la probabilidad, a fin de saber cundo
asumir un riesgo.

Es un sistema que se utiliza cuando los datos son difciles de obtener. El sistema estadstico
muestra las caractersticas que debe tener una alternativa para que pueda ser elegida. Este
sistema se utiliza mucho en control de calidad, crditos, seguros, etc. Este sistema permite
conocer la probabilidad de xito que tiene una alternativa.
4. Econometra Administrativa:
Disciplina que se encarga de medir la economa o el estado de un macro sistema. Los
administradores han recurrido a las matemticas para estudiar el comportamiento de un mercado,
en cuanto a precios, ingresos, preferencias de consumo y canales de distribucin adecuados; es
decir, la mercadotecnia o investigacin de mercados es una parte de lo que conocemos como
econometra.
5.-Teora de juegos:
En esta teora se analizan los conflictos. En l intervienen dos o ms personas; a cada una se le da
un nmero limitado de estrategias las cules reflejarn el resultado de cada uno de los cursos de
accin. Los resultados son calculados preferentemente por medio de una matriz.
6.-Programacin dinmica:
Este tipo de programacin se utiliza cuando antes de llegar al objetivo final tenemos que pasar por
ciertas fases intermedias, pero relacionadas y que si una de ellas no se logra adecuadamente se
afecta el objetivo final.
Ejemplo: vendedores que tienen programadas una serie de visitas a sus clientes.
7.-Simulacin de Computadora
Permite mediante la simulacin de un problema o mtodo, a travs del uso de un programa por
computadora, anticiparnos a conocer el impacto o resultado de un problema.

Qu es la Investigacin de Operaciones?
En esta disciplina se destacan las siguientes caractersticas esenciales:
Una fuerte orientacin a Teora de Sistemas
La participacin de equipos interdisciplinarios
La aplicacin del mtodo cientfico en apoyo a la toma de decisiones
En base a estas propiedades, una posible definicin es: la Investigacin Operativa es la aplicacin
del mtodo cientfico por equipos interdisciplinarios a problemas que comprenden el control y
gestin de sistemas organizados (hombre- mquina); con el objetivo de encontrar soluciones que
sirvan mejor a los propsitos del sistema (u organizacin) como un todo, enmarcados en procesos
de toma de decisiones.

Historia de la Investigacin de Operaciones

El trmino IO se utiliza por primera vez en el ao 1939 durante la 2da Guerra Mundial,
especficamente cuando surge la necesidad de investigar las operaciones tcticas y estratgicas de
la defensa area, ante la incorporacin de un nuevo radar, en oportunidad de los ataques
alemanes a Gran Bretaa. El avance acelerado de la tecnologa militar hace que los ejecutivos y
administradores militares britnicos deban recurrir a los cientficos, en pos de apoyo y orientacin
en la planificacin de su defensa. El xito de un pequeo grupo de cientficos que trabajaron en
conjunto con el ejecutivo militar a cargo de las operaciones en la lnea, deriv en una mayor
demanda de sus servicios y la extensin del uso de la metodologa a USA, Canad y Francia entre
otros. Sin embargo, el origen de la Investigacin Operativa puede considerarse como anterior a la
Revolucin Industrial, aunque fue durante este perodo que comienzan a originarse los problemas
tipo que la Investigacin Operativa trata de resolver. A partir de la Revolucin Industrial y a travs
de los aos se origina una segmentacin funcional y geogrfica de la administracin, lo que da
origen a la funcin ejecutiva o de integracin de la administracin para servir a los intereses del
sistema como un todo.
La Investigacin Operativa tarda en desarrollarse en el campo de la administracin industrial. El
uso de la metodologa cientfica en la industria se incorpora al principiar los aos 50, a partir de la
2da Revolucin Industrial, propiciada por los avances de las Comunicaciones, y la Computacin,
que sientan las bases para la automatizacin, y por sobre todo por el florecimiento y bienestar
econmico de ese perodo.
Los primeros desarrollos de esta disciplina (IO) se refirieron a problemas de ordenamiento de
tareas, reparto de cargas de trabajo, planificacin y asignacin de recursos en el mbito militar en
sus inicios, diversificndose luego, y extendindose finalmente a organizaciones industriales,
acadmicas y gubernamentales.
1759 Quesnay (ecnomo) - Programacin Matemtica
1874 Walras- Precursor de modelos lineales
1873 Jordan - Precursor de modelos lineales
1896 Minkowsky - Precursor de modelos lineales
1903 Farkas- Precursor modelos dinmicos probabilsticos
189~ Markov - Primer desarrollo de modelos de inventarios
191~ Erlang - Primeros estudios de lneas de espera
1920-30 Koning y Egervary - Mtodos de asignacin (analticos)
1937 Von Neuman - Teora de juegos y de preferencias
1939 Kantorovich - Problemas de distribucin

Tipos de modelos
Un modelo es el cuerpo de informacin relativa a un sistema recabado con el fin de estudiarlo, un
modelo no es slo un sustituto del sistema, es tambin su simplificacin.
Adems no existe un modelo nico de un sistema, ya que cada objeto de estudio establecido
determinar la naturaleza de la informacin a reunir.
Existe una gran diversidad en la manera de clasificar los tipos de modelos en el estudio de
sistemas.
A veces la clasificacin se realiza segn la naturaleza del sistema a estudiar, a saber:
1) Continuo vs. Discreto
2) Determinstico vs. Aleatorio.
Consideremos una primera divisin en modelos fsicos y matemticos:

Esta primera divisin se realiza para tener en cuenta que un modelo no es necesariamente una
descripcin matemtica del sistema, existen por ejemplo: modelos a escala que se utilizan en los
tneles de viento, tanques de agua para estudiar el diseo de naves acuticas, modelos a escala
de cursos de ros, de puertos (ej: Puerto de la Paloma, estudiado por el IMFIA), diversos tipos de
modelos.
La tercera distincin (nivel) se realiza segn la tcnica empleada para resolver el modelo.
En un modelo matemtico, las entidades de un sistema y sus atributos se representan mediante
variables y las actividades mediante funciones que interrelacionan las variables (ej. restricciones).
Un modelo esttico despliega las relaciones entre los atributos del sistema cuando est en
equilibrio, sin mostrar la manera en que cambian los valores de los atributos (no existen
actividades).
Un modelo matemtico dinmico permite deducir los cambios de los atributos del sistema en

funcin del tiempo y dependiendo de la complejidad del modelo, la deduccin puede hacerse con
una solucin analtica o por clculo numrico (ej: el comportamiento de la llanta de un auto en
movimiento se modela con ecuaciones diferenciales de 2 orden).
Los modelos matemticos dinmicos que se pueden resolver analticamente y que dan resultados
prcticos aplicables no son del todo comunes. Lo ms frecuente es que esos problemas deban
resolverse mediante mtodos numricos y la simulacin es uno de esos mtodos.
Un ejemplo de modelo matemtico dinmico es el que describe las condiciones bajo las cuales
vibra la estructura de una aeronave, modelo que se puede plantear pero no resolver
analticamente. La cuestin de si habr o no vibraciones se puede determinar numricamente
calculando las races de determinadas ecuaciones asociadas. En este caso los clculos numricos
no constituyen simulacin, ya que el clculo no sigue el movimiento de la estructura de la
aeronave en el tiempo, es sencillamente un procedimiento para determinar las races de una
ecuacin, es un mtodo numrico puro.
Se tratar de simulacin si los clculos tienen en cuenta los cambios producidos en el tiempo, es
decir si describimos a travs de algn mecanismo la distintas variaciones producidas en
determinado intervalo de tiempo.
PROGRAMACIN LINEAL
El problema de la resolucin de un sistema lineal de inecuaciones se remonta, al menos, a Joseph
Fourier, despus de quien nace el mtodo de eliminacin de Fourier-Motzkin. La programacin
lineal se plantea como un modelo matemtico desarrollado durante la Segunda Guerra
Mundial para planificar los gastos y los retornos, a fin de reducir los costos al ejrcito y aumentar
las prdidas del enemigo. Se mantuvo en secreto hasta 1947. En la posguerra, muchas industrias lo
usaron en su planificacin diaria.
Los fundadores de la tcnica son George Dantzig, quien public el algoritmo simplex, en
1947, John von Neumann, que desarroll la teora de la dualidad en el mismo ao, y Leonid
Kantorvich, un matemtico ruso, que utiliza tcnicas similares en la economa antes de Dantzig y
gan el premio Nobel en economa en 1975. En 1979, otro matemtico ruso, Leonid Khachiyan,
dise el llamado Algoritmo del elipsoide, a travs del cual demostr que el problema de la
programacin lineal es resoluble de manera eficiente, es decir, en tiempo polinomial. Ms tarde,
en 1984, Narendra Karmarkar introduce un nuevo mtodo del punto interior para resolver
problemas de programacin lineal, lo que constituira un enorme avance en los principios tericos
y prcticos en el rea.

A esta parte se le debe dar una especial importancia debido a que es la herramienta ms
importante dentro del campo de la investigacin operativa. Nos proporciona un tratamiento
matemtico de los problemas.
La programacin lineal (PL) es una tcnica matemtica de optimizacin, es decir, un mtodo que
trata de maximizar o minimizar un objetivo.
Su inters principal es tomar decisiones ptimas.
Se usa mucho en la industria militar y en la petrolera. S i bien esos sectores han sido quiz los
principales usuarios de ella, el sector servicios y el sector pblico de la economa tambin la han
aprovechado ampliamente.

VARIABLES
Las variables son nmeros reales mayores o iguales a cero.
En caso que se requiera que el valor resultante de las variables sea un nmero entero, el
procedimiento de resolucin se denomina Programacin entera.
RESTRICCIONES
Las restricciones pueden ser de la forma:

Tipo 1:

Tipo 2:

Tipo 3:
Donde:

A = valor conocido a ser respetado estrictamente;

B = valor conocido que debe ser respetado o puede ser superado;

C = valor conocido que no debe ser superado;

j = nmero de la ecuacin, variable de 1 a M (nmero total de restricciones);

a; b; y, c = coeficientes tcnicos conocidos;

X = Incgnitas, de 1 a N;

i = nmero de la incgnita, variable de 1 a N.

En general no hay restricciones en cuanto a los valores de N y M. Puede ser N = M; N > M; , N <
M. Sin embargo si las restricciones del Tipo 1 son N, el problema puede ser determinado, y puede
no tener sentido una optimizacin.
Los tres tipos de restricciones pueden darse simultneamente en el mismo problema.
FUNSION OBJETIVO
La funcin objetivo puede ser:

Donde:

= coeficientes son relativamente iguales a cero.

MTODOS PARA LA RESOLUCIN DE PROBLEMAS EN PROGRAMACIN LINEAL.

MTODO DE REPRESENTACIN GRFICA.
Consiste en representar las restricciones sobre unos ejes de coordenadas, para delimitar la regin
dnde se encuentran las soluciones factibles.
Las soluciones ptimas se encontrarn en el permetro del polgono resultante.

Si nuestra funcin objetivo es una maximizacin y la lnea que delimita nuestro dominio no es
convexa, entonces nuestro problema, bajo estas condiciones, no tiene solucin.
Ejemplo:
F.O.: Max 5X+6Y
S.a.: X+Y 4
X+2Y 6
Dando valores a la funcin objetivo vamos obteniendo sucesivas rectas paralelas, de forma que
segn aumenta la funcin objetivo, la recta se separa del origen.
Por tanto, puede suceder que nuestra funcin objetivo de valor ptimo coincida con una arista o
con un vrtice del polgono que delimite nuestro dominio.
En nuestro caso, el vrtice A (2,2) ser la solucin ptima.
Luego el valor ptimo de nuestra funcin objetivo ser:

Si por el contrario nuestro problema hubiese sido:

F.O.: Max 5 X + 6 Y
S.a.: X + Y 4
X+2Y6
Grficamente:

En este caso nuestra solucin no est acotada, luego nuestro problema no tendr solucin.

MTODO SIMPLEX.
Resuelve los problemas del tipo maximizar con restricciones menor o igual.
Vamos a ilustrar con un ejemplo los pasos a dar para la resolucin de un problema:
F.O.: Max 3 X1 + 5 X2
S.a. 2 X1 + 3 X2 8
8 X1 + 3 X2 20
a) Se tienen que transformar las inecuaciones en ecuaciones, para lo cual introducimos unas
variables llamadas variables de holgura.
Para transformar una desigualdad menor o igual en igual tendremos que sumarle la variable de
holgura.
En nuestro caso:
8 X1 + 3 X2 + X3 = 20
2 X1 + 3 X2 + X4 = 8
b) Para empezar a aplicar el mtodo simplex necesitamos una base factible inicial (luego iremos
optimizando).
Entonces partimos de una solucin inicial del sistema formado por las restricciones y luego
mediante una serie de iteraciones del mtodo iremos mejorando esta solucin de acuerdo con
nuestra funcin objetivo.
En nuestro caso: X1=0, X2=0, X3=20, X4=8, es decir, hacemos cero las variables reales e igualamos
las variables de holgura a los recursos.

c) Se construye la siguiente tabla:

En L1 y L2 ponemos los coeficientes de las restricciones, y

en L0 los coeficientes de la funcin objetivos cambiados de signo. En bi colocamos los recursos.
El valor de la funcin objetivo es el correspondiente a la columna bi en nuestro caso cero.
d) Se investiga si alguna variable no bsica, si pasa a serlo, mejora nuestra funcin objetivo.
Observando la funcin objetivo (en L0) vemos que los coeficientes negativos representan el
incremento unitario que tendr la funcin objetivo por entrar la variable correspondiente en la
base.
Por tanto, deber entrar en la base aquella variable que ms optimice nuestra funcin objetivo.
Criterio de entrada a la base: CRITERIO 1
De todas las variables no bsicas, que son aqullas con coeficiente distinto de cero en L0 (lnea
cero), se elige aqulla que tenga el coeficiente ms negativo, y ste me indicar la columna
correspondiente a la variable que entra.
En nuestro caso la variable X2, que tiene el coeficiente ms negativo: -5.
En el caso de que no existiese en L0 algn coeficiente negativo, entonces se habr alcanzado la
solucin ptima y las variables que en ese momento formen la base confeccionarn la solucin
ptima.
Luego lo que va a sealar el final de aplicar el mtodo SIMPLEX es que en L0 no haya elementos
negativos.
Para que entre una variable en la base es necesario que salga otra de la base.
Criterio de salida de la base: CRITERIO 2

Se dividen los elementos de la columna bi por sus correspondientes aij en la columna de la

variable que entra, siempre que estos ltimos sean mayores que cero.
Si hubiese algn elemento menor o igual que cero, no haramos dicho cociente. En el caso de que
todos los elementos fuesen menores o iguales a cero, entonces tendramos una solucin no
acotada y no podramos seguir.
Lo que nos interesa es incrementar la variable que entra en la base lo ms posible, hasta que
hagamos nula una de las variables que estn ahora en la base.
Entonces saldr aqulla variable bsica, Xi, tal que el cociente bi / aij sea menor. En nuestro caso:
Mnimo [20/1, 8/3] = 8/3.
Con esto pasamos al procedimiento matemtico de entrada a la base de la variable seleccionada.
Para ello pivotamos en el coeficiente aij de la variable seleccionada.
Entonces dividimos la fila i por aij; en el resto de las filas haremos la eliminacin de Gauss.
Es decir, en nuestro caso buscaremos, mediante las realizaciones de las operaciones oportunas,
que en la columna correspondiente a X2 aparezca un 1 en la lnea L2, y ceros en el resto de las
filas.
Obtenemos la siguiente tabla:

Hemos obtenido una base con un valor mejor de la funcin

objetivo = 40/3.
Volveramos a aplicar el criterio 1 de entrada en la base. Como en la lnea cero todos los
coeficientes son positivos, hemos acabado con nuestro problema.
La interpretacin de la tabla es la siguiente:
X1=X4= 0 pues no estn en la base.
X2= 8/3

X3= 52/3
Al ser X4= 0 quiere decir que la restriccin segunda: 2 X1 + 3 X2 + X4 = 8 est a tope, es decir, que
se cumple que 2 X1 + 3 X2 = 8.
Y por fin, el valor mximo de nuestra funcin objetivo es 40/3 que es nuestra solucin ptima.
Vamos a comprobarlo:
F.O.: 3 X1 + 5 X2 = 3*0 + 5*8/3= 40/3
Que como vemos coincide.
Luego vemos que el sistema permite pasar de una solucin bsica factible a otra (criterio 2)
mejorando en cada caso la optimalidad de la funcin objetivo (criterio 1).
MTODO DE LAS DOS FASES.
Este mtodo se aplica cuando existen restricciones del tipo mayor o igual.
El tratamiento de las restricciones para convertir las desigualdades en igualdades en este caso es
el siguiente. Sea
aij * Xj bi lo podremos transformar en
aij * Xj Yk = bi donde Yk ser una nueva variable denominada variable de holgura.
Si introdujsemos esto en la tabla de simplex, nos dara lugar a una base inicial no factible, por lo
que para poder resolver el problema, tendremos que aplicar una tcnica diferente. Esta tcnica es
la del mtodo de las dos fases.
El mtodo de las dos fases va a realizar un tratamiento de nuestro problema, para que sea posible
aplicar el mtodo simplex.
Para poder crear una base factible inicial que nos permita aplicar el mtodo simplex, al
transformar las desigualdades de tipo mayor o igual en igualdades, introducimos una variable
ficticia, que nos dar lugar a una base cannica.
Para explicar el mtodo, nos basaremos en el siguiente ejemplo:
F.O.: Min 3 X1 + 2 X2

S.a.: X1 + X2 = 10
X1 4
Transformamos el problema en:
F.O.: Min 3 X1 2 X2
S.a.: X1 + X2 = 10
X1 4
Transformamos las desigualdades en igualdades.
X1 4 X1 h1 = 4
X1 + X2 = 10 X1 + X2 = 10
Aadimos las variables ficticias para encontrar una base cannica.
X1 + X2 + Y1 = 10
X1 + h1 + Y2 = 4
Primera fase:
Se minimizan las variables ficticias sujetas a las restricciones del problema.
Pueden presentarse dos casos:
a) Que la minimizacin no pueda realizarse. Entonces el problema no tiene solucin.
b) Que la minimizacin si pueda realizarse. (b-1) Si el valor ptimo es cero, entonces pasamos a la
segunda fase. (b-2) Si no es cero, entonces no existe solucin.
Entonces tendremos que hacer:
Min Y1 + Y2
Donde:
Y1 + Y2 = - 2 X1 2 X2 + h1 + 14
Vamos a minimizar:

- 2 X1 X2 + h1 + 14 que es lo mismo que maximizar:

2 X1 + X2 - h1 14
Si yo maximizo 2 X1 + X2 h1 de forma que su valor mximo sea 14, habr obtenido lo que busco,
que Y1 + Y2 = 0.
Esto es lo mismo que asignarle el valor inicial 14 a la funcin Y1 + Y2 e ir incrementando la
funcin Y1 + Y2 parando cuando su valor valga cero.
El problema de la maximizacin de la funcin Y1 + Y2 lo vamos a resolver mediante el mtodo
simplex. Para ello vamos a crear una tabla de la siguiente forma:
En las columnas aparecern todas las variables de nuestro problema:
- Variables propias.
- Variables de holgura.
- Variables ficticias.
- Columna de valores bi.
En las filas aparecern:
LF: lnea ficticia. Lnea de funcin de las variables ficticias.
LO: lnea de funcin objetivo de nuestro problema inicial.
Li: lnea correspondiente a la restriccin i.
Notas: cmo vamos a aplicar el mtodo simplex, la asignacin de valores a la tabla se ha de
realizar con las reglas anteriormente explicadas. Podemos observar que en la resolucin de esta
primera fase, nuestra F.O. inicial funciona como una restriccin ms.
De esta forma, la tabla de nuestro ejemplo es:

Aplicamos el simplex. Entra X1 y sale Y2.

Hay un empate para aplicar el criterio I.

Elegimos X2 para entrar en la base. Sale Y1.

Ya hemos conseguido que Y1 +Y2 sea cero.

En este punto, resulta que hemos encontrado ya una base factible para nuestro problema inicial,
por lo cual hemos terminado con la primera fase.
Nota: si en nuestra solucin hubisemos obtenido una base en la que apareciese alguna variable
ficticia, esto indicara que por este mtodo no podemos resolver nuestro problema.

Segunda fase:
Eliminamos la lnea ficticia y las columnas correspondientes a las variables ficticias.

A esta tabla as obtenida, le aplicamos el mtodo simplex, ya que ahora tenemos una base factible

Al aplicar el criterio 1, como en este caso no hay ningn coeficiente negativo en la lnea LO, la
solucin de esta tabla coincide con la solucin ptima.
La base es X1 = 4, X2 = 6. El valor de la funcin objetivo es 24.
Nota: el valor de la funcin objetivo en nuestra tabla es negativo (-24), pero si asignamos los
valores X1 = 4 y X2 = 6 a nuestra funcin objetivo obtendremos como solucin el valor 24. Esto es
debido a que para resolver nuestro problema hemos realizado un cambio de signo a nuestra
funcin objetivo, para pasar de un problema de minimizar a uno de maximizar. Por tanto, el
resultado de nuestro problema nos saldr con el signo cambiado.
Nota: para sacar una base factible inicial se puede emplear cualquier tipo de operacin
matemtica matricial, siempre y cuando los valores de las variables bsicas obtenidas sean
mayores o iguales a cero.
FUNDAMENTOS DE SISTEMAS
CONCEPTO DE SISTEMA
En la actualidad el trmino sistema se aplica en forma genrica para designar casi a cualquier ente
el cual est formado por elementos fsicos o no, y que estn agrupados y estructurados de
determinada manera que forman un conjunto definido y especfico. As decimos: sistema escolar,
sistema educativo, sistema de transporte, sistema poltico, sistema social, sistema numrico, etc.
Al hablar de un sistema nos referimos a la forma como un conjunto de elementos llevan a cabo
una funcin con un objetivo determinado. Es decir, que estos elementos interactan entre s, para
un fin comn.
La idea de sistema viene de las ciencias biolgicas, debido a los trabajos del bilogo Ludwing von
Bertalanffy, quien describiera este concepto en su obra Teora General de los Sistemas.
SISTEMA: Es la integracin de un conjunto de elementos u objetos (fsicos o abstractos) que se
relacionan entre s con un propsito comn.
Elemento de un sistema.- Unidad bsica que interacta con los dems elementos del sistema y
que tiene una funcin dentro del sistema.
A su vez esta unidad bsica puede ser un sistema por si misma que al pertenecer a un sistema
mayor se la denomina subsistema.

Subsistema.- Los objetos pertenecientes a un sistema pueden considerarse partes del ambiente
de otro subsistema. La consideracin de un subsistema implica un conjunto nuevo de relaciones.
Es posible que el comportamiento del subsistema no sea completamente anlogo al del sistema
original.
CLASIFICACIN DE LOS SISTEMAS.
La forma como se lleva a cabo la funcin de un sistema la conforman los siguientes componentes.
1. Los elementos que intervienen en la funcin, ya sea en forma activa o pasiva.
2. Los elementos que no intervienen en dicha funcin.
3. Los elementos que se ven afectados directa o indirectamente por la actividad productiva.
4. La liga entre los elementos que intervienen.
5. El mecanismo utilizado para desarrollar la funcin.
6. La bondad con que el sistema desarrolla la funcin.
7. Los recursos que utiliza para la funcin.
A continuacin se describen los diferentes conceptos en la clasificacin de los sistemas:
De acuerdo a su cambio de posicin en el tiempo:
esttico o dinmico

Sistema esttico:
Es definido por la geografa y anatoma del universo. Es una representacin de un sistema en
determinado punto en el tiempo.
Sistema dinmico:

Aquellos que tienen ciertos movimientos necesarios. Es una representacin de cmo evoluciona
un sistema a travs del tiempo.
De acuerdo a su discrecionalidad en: discreto o continuo

Sistema discreto:
Es aquel en el cual las variables de estado cambian slo en puntos discretos o contables en el
tiempo. Un banco es un ejemplo de sistemas discretos ya que las variables de estado cambian slo
cuando llega un cliente, o cuando un cliente termina sus trmites y se va. Estos cambios tienen
lugar en puntos discretos en el tiempo.
Sistema continuo:
Es aquel en el que las variables de estado cambian en forma continua a travs del tiempo. Un
proceso qumico es un ejemplo. En este caso, el estado del sistema vara continuamente a travs
del tiempo. Estos sistemas se modelan en general mediante ecuaciones diferenciales.
De acuerdo a su interaccin con su medio ambiente: abierto o cerrado.

Sistema abierto:
La mayor parte de los sistemas orgnicos son abiertos, lo cual significa que intercambian energa
con sus ambientes. Consideremos una computadora digital como un sistema abierto, ste existir
en estado si proveemos formas altas de energa como la energa elctrica, la energa humana
para el mantenimiento, las piezas de repuesto, etc. y si eliminamos formas bajas de energa tales
como el calor o las lmparas gastadas.

En esta condicin como su insumo en forma de datos y un programa de direcciones,

transformando los datos como lo especifique el programa y presentando los resultados como su
producto.
Es un auxilio poderoso el anlisis de los sistemas abiertos mediante el reconocimiento de sus
aspectos de red. Los sistemas de transporte, comunicacin, tuberas y distribucin de energa
tienen caractersticas de una red.
Sistemas cerrados:
Un sistema es cerrado si no hay importacin o exportacin de informacin, calor o materiales
fsicos, y por ende no hay cambio de componentes. Un ejemplo es una reaccin qumica que
ocurre en un recipiente sellado o aislado; este ejemplo sugiere que uno de los usos del concepto
de un sistema cerrado es la simplificacin del modelo fsico y su adecuacin para el anlisis. El que
un sistema dado sea abierto o cerrado depende de la porcin del universo que se incluya en el
ambiente.
Por ejemplo la segunda ley de la termodinmica es universalmente aplicable a los sistemas
cerrados; slo parece ser violada por los aspectos orgnicos. Sin embargo, la segunda ley sigue
aplicndose al sistema orgnico y su ambiente.
Por la certidumbre de sus resultados se clasifican en
probabilsticos y determinsticos.

Sistema Probabilstico:
Los modelos de sistemas que se basan en las probabilidades y en las estadsticas y que se ocupan
de incertidumbres futuras. Los sistemas probabilsticos no usan valores precisos y determinados, y
se desconoce el resultado final que el sistema arrojar.
Sistemas Determinsticos:
Son modelos de sistemas cuantitativos que no contienen consideraciones probabilsticas. Los
sistemas determinsticos usan valores precisos y determinados, y se conocen de alguna manera los

resultados finales del sistema.

HISTORIA DE LA INGENIERIA DE SISTEMAS

La ingeniera de sistemas es un modo de enfoque e interdisciplinario que permite estudiar y
comprender la realidad, con el propsito de implementar u optimizar sistemas complejos. Puede
tambin verse como la aplicacin tecnolgica de la teora de sistemas a los esfuerzos de
la ingeniera, adoptando en todo este trabajo el paradigma sistmico. La ingeniera de sistemas
integra otras disciplinas y grupos de especialidad en un esfuerzo de equipo, formando un proceso
de desarrollo centrado.
La ingeniera de sistemas es, la aplicacin de las ciencias matemticas y fsicas para desarrollar
sistemas que utilicen econmicamente los materiales y fuerzas de la naturaleza para el beneficio
de la humanidad.
La ingeniera de Sistemas comenz a desarrollarse en la segunda parte del siglo XX con el veloz
avance de la ciencia de sistemas. Las empresas comenzaron a tener una creciente aceptacin de
que dicha ingeniera, poda gestionar el comportamiento impredecible y la aparicin de
caractersticas imprevistas de los sistemas (propiedades emergentes). Las decisiones tomadas al
comienzo de un proyecto, cuyas consecuencias pueden no haber sido entendidas claramente,
tienen una enorme implicacin ms adelante en la vida de un sistema. Un ingeniero de sistemas
debe explorar estas cuestiones y tomar decisiones crticas.