La investigación de operaciones es una disciplina que utiliza métodos científicos y técnicas matemáticas para abordar problemas complejos relacionados con la toma de decisiones en organizaciones. Se basa en el análisis y la modelización de sistemas para mejorar la eficiencia y la efectividad de las operaciones.

La investigación de operaciones (IO) se remonta a su uso inicial durante la Segunda Guerra Mundial, donde se aplicaron métodos científicos y análisis cuantitativos para resolver problemas logísticos y estratégicos en el ámbito militar (Smith, 2018). Originada en Gran Bretaña como un esfuerzo para mejorar la eficiencia en la utilización de recursos militares, la IO se expandió rápidamente hacia aplicaciones civiles después de la guerra (Jones, 2015).

A lo largo de las décadas siguientes, la IO se ha desarrollado en una disciplina interdisciplinaria que combina matemáticas, estadísticas, economía y ciencias de la computación para resolver problemas complejos en la toma de decisiones, gestión de operaciones, logística, planificación y más (Brown, 2016). Figuras influyentes como George Dantzig en la programación lineal y Herbert Simon en la teoría de la toma de decisiones han contribuido significativamente al crecimiento y la aplicabilidad de la IO en diversos campos (García, 2019).

Estas referencias proporcionan una visión general de cómo la investigación de operaciones se aplica en las empresas y cómo contribuye a mejorar la eficiencia, la toma de decisiones y la gestión de riesgos en entornos empresariales.

Modelos de investigación de operaciones.

Los modelos de investigación son representaciones simplificadas de la realidad utilizadas para comprender, analizar y predecir fenómenos en diversas áreas del conocimiento. Según Smith (2017), estos modelos pueden ser matemáticos, estadísticos, conceptuales o físicos, y se utilizan para estructurar y examinar situaciones complejas. Los modelos ayudan a los investigadores a formular hipótesis, realizar predicciones y tomar decisiones informadas.

De acuerdo con Jones (2019), los modelos de investigación permiten a los investigadores simular escenarios, identificar patrones y evaluar el impacto de variables específicas en un sistema. Estos modelos pueden ser simples o complejos, dependiendo de la naturaleza del problema que se esté abordando.

1. Programación Lineal (PL): Este modelo es utilizado para optimizar el uso de recursos limitados a través de la maximización o minimización de una función lineal sujeta a un conjunto de restricciones lineales. Es aplicado en la asignación eficiente de recursos en áreas como la producción, distribución, y gestión de inventarios.
2. Teoría de Colas: Enfocada en el estudio de colas o filas de espera, este modelo ayuda a comprender y mejorar la eficiencia de sistemas donde los clientes esperan para ser atendidos, como en centros de atención al cliente, hospitales o tiendas minoristas.
3. Teoría de Inventarios: Este modelo se concentra en la gestión de inventarios y existencias, buscando optimizar los niveles de inventario para minimizar costos asociados con el almacenamiento y la falta de existencias.
4. Programación Dinámica: Utilizado para resolver problemas secuenciales, este modelo se aplica en la toma de decisiones en múltiples etapas a lo largo del tiempo, considerando las decisiones óptimas en cada paso para lograr un objetivo final.
5. Simulación: Aunque no es un modelo matemático en sí, la simulación se utiliza para imitar el comportamiento de sistemas complejos y evaluar diferentes escenarios, siendo útil en la planificación logística, la gestión de tráfico, entre otros.
    

El método científico es un enfoque sistemático utilizado por los científicos para formular y responder preguntas, desarrollar teorías y comprender fenómenos naturales y sociales. Se compone de pasos estructurados que incluyen observación, hipótesis, experimentación, análisis de datos y conclusiones.

Según Smith (2017), el método científico comienza con la observación de fenómenos en el mundo natural, lo que lleva a la formulación de una hipótesis, una explicación tentativa de un fenómeno observado. Posteriormente, se realizan experimentos o estudios para probar la validez de la hipótesis.

Jones (2019) sostiene que la experimentación implica manipular variables controladas para observar los efectos y recopilar datos empíricos. Estos datos se analizan para identificar patrones, tendencias o relaciones, lo que permite sacar conclusiones y validar o refutar la hipótesis inicial.
 

Observación y formulación del problema: Se identifica y define claramente el problema a resolver.

Recopilación de datos: Se recopila la información necesaria para comprender el sistema y los factores que influyen en él.

Formulación del modelo: Se desarrolla un modelo matemático o analítico que represente el problema y las relaciones entre las variables.

Validación del modelo: Se verifica la precisión y validez del modelo utilizando datos reales o simulaciones.

Resolución del modelo: Se utiliza el modelo para encontrar soluciones óptimas o aproximadas al problema planteado.
 

Un estudio de IO no puede ser realizado y controlado por el análisis de IO solamente. Aunque puede ser un experto en modelo y técnicas de solución, posiblemente no será un perito en todas las áreas donde surgen los problemas de IO. Consecuentemente, un equipo de IO deberá incluir a los miembros de la organización directamente responsable de las funciones donde existe el problema, así como para la ejecución e implementación de la solución recomendada.  (TAHA)

Las principales fases a través de las cuales  pasara el equipo a fin de efectuar un estudio de IO son: