1.3.- La Investigación Operativa y su aplicación a la logística empresarial

1.3.- La Investigación Operativa y su aplicación a la logística empresarial

Como materia básica y fundamental en la toma de decisiones, la Investigación Operativa es una ciencia y un arte. Es una ciencia por las técnicas matemáticas con las que trabaja, y es un arte porque el éxito de todas las fases que anteceden y siguen a la resolución del modelo matemático depende mucho del proceso de modelización realizado por el factor humano (Mathur y Solow, 1996; Hillier y Lieberman, 2006).

Las primeras actividades formales de la ciencia de la Investigación Operativa se dieron en Inglaterra durante la Segunda Guerra Mundial, cuando se encomendó a un equipo de científicos adoptar decisiones acerca de la mejor utilización de los materiales bélicos disponibles.

Al término de la guerra, las ideas formuladas en operaciones militares fueron adaptadas para mejorar la eficiencia y la productividad en el sector civil (Colerus, 1972), resurgiendo el interés por los modelos matemáticos, así como desarrollando y mejorando nuevas herramientas cuantitativas para la toma de decisiones. Durante las siguientes décadas continuó el auge de estas técnicas y en los últimos tiempos, los avances en las nuevas tecnologías de la información y la comunicación, han contribuido a relanzar aún con más fuerza el interés por estos modelos.

En términos generales, podemos decir que la Investigación Operativa recoge una filosofía de actuación del ser humano ante los diferentes problemas con los que se enfrenta en la vida real. En ese sentido, existen diferencias a la hora de entender y delimitar las atribuciones y el campo de acción de esta disciplina, lo que lleva a no tener una única definición concisa y clara (Sarabia, 1996; Hillier y Lieberman, 2006).

Para unos autores, es un cuerpo de materias formado por problemas y técnicas de solución que surgen, fundamentalmente, en los campos de la gestión empresarial, en la planificación logística y en la distribución comercial. Para otros, es una actividad intelectual más amplia que requiere un compendio de conocimientos y que, por su propia naturaleza, permite su aplicación en la resolución de muchos problemas donde se busca optimizar unos objetivos.

Miller y Starr (1960) definen la Investigación Operativa como la aplicación de la teoría de la decisión, recurriendo a cualquier medio científico, matemático o lógico, para tratar de controlar los problemas a los que se enfrenta la dirección, cuando intenta aplicar la racionalidad en el tratamiento de los problemas de toma de decisiones. En la mayoría de las ocasiones, a la hora de describirla, se citan las definiciones propuestas por las dos sociedades de referencia a nivel mundial como son la Operational Research Society of United Kingdom (ORS) y la Operations Research Society of America (ORSA).

Ambas destacan que la Investigación Operativa se caracteriza por su validez para tomar decisiones dentro de los sistemas u organizaciones, el uso de modelos como su esencia, el empleo del enfoque científico mediante el 53 análisis cuantitativo, así como su casi ilimitada amplitud de aplicaciones. Una definición que sintetiza y resalta las características fundamentales de esta disciplina establece que es aquel conjunto de modelos, desarrollos teóricos y procedimientos algorítmicos que permiten abordar la solución de problemas reales, intentando optimizar cierta medida de eficiencia o función objetivo (Ventsel, 1983; Rios, 1995; Mathur y Solow, 1996).

Desde esa perspectiva, es imprescindible destacar que un elemento esencial de esta materia es su capacidad de abstracción para realizar la modelización matemática de los problemas reales (Ackoff y Sasieni, 1971; Shamblin y Stevens, 1975; Schroeder, 1992; Monks, 1994; Eppen y Gould, 2000; Taha, 2004; Hillier y Lieberman, 2006).

Para la resolución de los problemas en los sistemas u organizaciones, se utiliza una metodología que se apoya en el proceso de modelización (Rios, 1995), como representación simplificada de algún sistema real (Prawda, 1991), de forma que se pueda trabajar en un marco apropiado que permita buscar las mejores soluciones posibles a los problemas planteados. Aunque sea menos completo que el sistema al cual sustituye, y a pesar de las dificultades que se pueden originar al representar problemas reales a través del recurso a los modelos, existen múltiples razones positivas para su utilización en la investigación, en lugar de trabajar directamente sobre la realidad (Rios, 1995).

Entre las principales razones se encuentran el ahorro de dinero, tiempo u otro bien de valor, el evitar riesgos de daños al sistema real cuando se está solucionando el problema, así como entender mejor las condiciones y el entorno que rodea al sistema cuando éste es muy complicado. En todo caso, es preciso destacar que, en la actualidad, la complejidad de los problemas y la imprecisión de las situaciones ha hecho necesario introducir esquemas matemáticos más flexibles y adecuados al entorno empresarial contemporáneo (Sarabia, 1996). Además, en todo proceso de decisión va implícito un cierto nivel de riesgo, ya que existen elementos, no controlables por parte del decisor, que pueden modificar su eficacia, por lo cual un análisis sistemático de las variables que influyen en el proceso decisor puede hacer disminuir, de manera considerable, ese nivel de riesgo (Miranda et al., 2005).

En ese sentido, aunque la solución del modelo matemático establece una base para tomar una decisión, se deben tener en cuenta factores intangibles o no cuantificables, como por ejemplo, el comportamiento humano para llegar a una decisión final (Taha, 2004; Hillier y Lieberman, 2006). Efectivamente, en la toma de decisiones el análisis puede tomar dos formas: cualitativo y cuantitativo.

El análisis cualitativo se basa principalmente en el juicio y experiencia del decisor y es más un arte que una ciencia, mientras que el análisis cuantitativo se concentra en hechos medibles o datos asociados con los problemas, y desarrolla expresiones matemáticas que describen las relaciones existentes en ellos, 54 obteniendo resultados con los que se hacen recomendaciones basadas en los aspectos cuantitativos del problema (Hillier y Lieberman, 2006).

De ahí que, en algunas situaciones, cuando el problema, el modelo y los insumos permanecen iguales, el análisis puede llevar a adoptar una decisión automática con los resultados obtenidos al usar los métodos cuantitativos adecuados. Evidentemente, en otros casos, el análisis cuantitativo es sólo una ayuda para tomar la decisión y sus resultados deben ser apoyados con información de carácter cualitativa. Los modelos matemáticos utilizados en el marco de la Investigación Operativa son la base del análisis cuantitativo y representan sistemas del mundo real, cuantificando sus variables y combinándolas en expresiones y fórmulas matemáticas. Así, éstos permiten capturar características selectas de un sistema, proceso o realidad, combinándolas en una representación abstracta del original (Mathur y Solow, 1996).

Por tanto, como señalan Eppen y Gould (2000), se tratan de idealizaciones de problemas de la vida real basadas en supuestos claves, relacionando variables de decisión con parámetros o coeficientes fijos que, frecuentemente, buscan maximizar o minimizar una función objetivo sujeta a restricciones. La Investigación Operativa, al ser un campo científico dedicado al estudio y resolución de problemas reales, integra como parte esencial el análisis de los problemas de optimización y control (Monks, 1994).

En muchos de los problemas a analizar se desea optimizar, en general, un conjunto de funciones en un contexto de restricciones representadas, en la mayoría de los casos, por otras funciones que definen un conjunto de posibilidades para elegir la correspondiente solución óptima. La programación matemática se ocupa entonces de edificar una estructura de conceptos, propiedades, algoritmos, etc., con los que se pretende resolver problemas de optimización formulados matemáticamente (Schroeder, 1992).

Si bien, la programación matemática proporciona un conjunto de técnicas y procedimientos generales para la optimización de funciones objetivo, existen un conjunto de métodos específicos que estudian problemas reales en diversas materias recogidas en la Investigación Operativa, como pueden ser la planificación y secuenciación de tareas o actividades, la programación de proyectos, la teoría de colas, el análisis de redes, la localización de servicios y la gestión de los inventarios. Esta última tiene un enorme interés empresarial, así como una importante incidencia estratégica en los resultados de las organizaciones, debido a su aplicación a los sectores productivo y comercial de la economía.