Orígenes de la investigación de operaciones

1 Metodología de la Investigación de Operaciones (I.O) y formulación de modelos

1.1 Metodología de la Investigación de Operaciones (I.O)

1.1.1 Definición, desarrollo y tipos de modelos de la Investigación de Operaciones (I.O)

Orígenes de la investigación de operaciones

La toma de decisiones es un proceso que se inicia cuando una persona observa un problema y determina que es necesario resolverlo procediendo a definirlo, a formular un objetivo, reconocer las limitaciones o restricciones, a generar alternativas de solución y evaluarlas hasta seleccionar la que le parece mejor, este proceso puede se cualitativo o cuantitativo.

El enfoque cualitativo se basa en la experiencia y el juicio personal, las habilidades necesarias en este enfoque son inherentes en la persona y aumentan con la práctica. En muchas ocasiones este proceso basta para tomar buenas decisiones. El enfoque cuantitativo requiere habilidades que se obtienen del estudio de herramientas matemáticas que le permitan a la persona mejorar su efectividad en la toma de decisiones. Este enfoque es útil cuando no se tiene experiencia con problemas similares o cuando el problema es tan complejo o importante que requiere de un análisis exhaustivo para tener mayor posibilidad de elegir la mejor solución.

La investigación de operaciones proporciona a los tomadores de decisiones bases cuantitativas para seleccionar las mejores decisiones y permite elevar su habilidad para hacer planes a futuro.

En el ambiente socioeconómico actual altamente competitivo y complejo, los métodos tradicionales de toma de decisiones se han vuelto inoperantes e inadmisibles ya que los responsables de dirigir las actividades de las empresas e instituciones se enfrentan a situaciones complicadas y cambiantes con rapidez que requieren de soluciones creativas y prácticas apoyadas en una base cuantitativa sólida.

En organizaciones grandes se hace necesario que el tomador de decisiones tenga un conocimiento básico de las herramientas cuantitativas que utilizan los especialistas para poder trabajar en forma estrecha con ellos y ser receptivos a las soluciones y recomendaciones que se le presenten.

En organizaciones pequeñas puede darse que el tomador de decisiones domine las herramientas cuantitativas y él mismo las aplique para apoyarse en ellas y así tomar sus decisiones.

Desde al advenimiento de la Revolución Industrial, el mundo ha sido testigo de un crecimiento sin precedentes en el tamaño y la complejidad de las organizaciones. Los pequeños talleres artesanales se convirtieron en las corporaciones actuales de miles de millones de pesos. Una parte integral de este cambio revolucionario fue el gran aumento en la división del trabajo y en la separación de las responsabilidades administrativas en estas organizaciones. Los resultados han sido espectaculares. Sin embargo, junto con los beneficios, el aumento en el grado de especialización creo nuevos problemas que ocurren hasta la fecha en muchas empresas. Uno de estos problemas es la tendencia de muchos de los componentes de una organización a convertirse en imperios relativamente autónomos, con sus propias metas y sistemas de valores, perdiendo con esto la visión de la forma en que encajan sus actividades y objetivos con los de toda la organización. Lo que es mejor para una componente, puede ir en detrimento de otra, de manera que pueden terminar trabajando con objetivos opuestos. Un problema relacionado con esto es que, conforme la complejidad y la especialización crecen, se vuelve más difícil asignar los recursos disponibles a las diferentes actividades de la manera más eficaz para la organización como un todo. Este tipo de problemas, y la necesidad de encontrar la mejor forma de resolverlos, proporcionaron el ambiente adecuado para el surgimiento de la

Investigación de operaciones (IO)

Las raíces de la investigación de operaciones se remontan a muchas décadas, cuando se hicieron los primeros intentos para emplear el método científico en la administración de una empresa. Sin embargo, el inicio de la actividad llamada investigación de operaciones, casi siempre se atribuye a los servicios militares prestados a principios de la segunda guerra mundial. Debido a los esfuerzos bélicos, existía una necesidad urgente de asignar recursos escasos a las distintas operaciones militares y a las actividades dentro de cada operación, en la forma más efectiva. Por esto, las administraciones militares americana e inglesa hicieron un llamado a un gran número de científicos para que aplicaran el método científico a éste y a otros problemas estratégicos y tácticos. De hecho, se les pidió que hicieran investigación sobre operaciones (militares). Estos equipos de científicos fueron los primeros equipos de IO. Con el desarrollo de métodos efectivos para el uso del nuevo radar, estos equipos contribuyeron al triunfo del combate aéreo inglés. A través de sus investigaciones para mejorar el manejo de las operaciones antisubmarinas y de protección, jugaron también un papel importante en la victoria de la batalla del Atlántico Norte. Esfuerzos similares fueron de gran ayuda en a isla de campaña en el pacífico.

Al terminar la guerra, el éxito de la investigación de operaciones en las actividades bélicas generó un gran interés en sus aplicaciones fuera del campo militar. Como la explosión industrial seguía su curso, los problemas causados por el aumento en la complejidad y especialización dentro de las organizaciones pasaron de nuevo a primer plano. Comenzó a ser evidente para un gran número de personas, incluyendo a los consultores industriales que habían trabajado con o para los equipos de IO durante la guerra, que estos problemas eran básicamente los mismos que los enfrentados por la milicia, pero en un contexto diferente. Cuando comenzó la década de 1950, estos individuos habían introducido el uso de la investigación de operaciones en la industria, los negocios y el gobierno. Desde entonces, esta disciplina se ha desarrollado con rapidez.

Se pueden identificar por lo menos otros dos factores que jugaron un papel importante en el desarrollo de la investigación de operaciones durante este período. Uno es el gran progreso que ya se había hecho en el mejoramiento de las técnicas disponibles en esta área. Después de la guerra, muchos científicos que habían participado en los equipos de IO o que tenían información sobre este trabajo, se encontraban motivados a buscar resultados sustanciales en este campo; de esto resultaron avances importantes. Un ejemplo sobresaliente es el método simplex para resolver problemas de programación lineal, desarrollado en 1947 por George Dantzing. Muchas de las herramientas características de la investigación de operaciones, como programación lineal, programación dinámica, líneas de espera y teoría de inventarios, fueron desarrolladas casi por completo antes del término de la década de 1950.

Un segundo factor que dio ímpetu al desarrollo de este campo fue el advenimiento de las computadoras. Para manejar de una manera efectiva los complejos problemas inherentes a esta disciplina, por lo general se requiere un gran número de cálculos. Llevarlos a cabo a mano puede resultar casi imposible. Por lo tanto, el desarrollo de la computadora electrónica digital, con su capacidad para realizar cálculos aritméticos, miles o tal vez millones de veces más rápido que los seres humanos, fue una gran ayuda para la investigación de operaciones. Un avance más tuvo lugar en la década de 1980 con el desarrollo de las computadoras personales cada vez más rápidas, acompañado de buenos paquetes de software para resolver problemas de IO, esto puso las técnicas al alcance de un gran número de personas. Hoy en día, literalmente millones de individuos tiene acceso a estos paquetes. En consecuencia, por rutina, se usa toda una gama e computadoras, desde las grandes hasta las portátiles, para resolver problemas de investigación de operaciones. 

Naturaleza de la investigación de operaciones

Como su nombre lo dice, la investigación de operaciones significa "hacer investigación sobre las operaciones". Entonces, la investigación de operaciones se aplica a problemas que se refieren a la conducción y coordinación de operaciones (o actividades) dentro de una organización. La naturaleza de la organización es esencialmente inmaterial y, de hecho, la investigación de operaciones se ha aplicado de manera extensa en áreas tan diversas como la manufactura, el transporte, la constitución, las telecomunicaciones, la planeación financiera, el cuidado de la salud, la milicia y los servicios públicos, por nombrar sólo unas cuantas. Así, la gama de aplicaciones es extraordinariamente amplia.

La parte de investigación en el nombre significa que la investigación de operaciones usa un enfoque similar a la manera en que se lleva a cabo la investigación en los campos científicos establecidos. En gran medida, se usa el método científico para investigar el problema en cuestión. (De hecho, en ocasiones se usa el término ciencias de la administración como sinónimo de investigación de operaciones.) En particular, el proceso comienza por la observación cuidadosa y la formulación del problema incluyendo la recolección de los datos pertinentes. El siguiente paso es la construcción de un modelo científico (por lo general matemático) que intenta abstraer la esencia del problema real. En este punto se propone la hipótesis de que el modelo es una representación lo suficientemente precisa de las características esenciales de la situación como para que las conclusiones (soluciones) obtenidas sean válidas también para el problema real. Después, se llevan a cabo los experimentos adecuados para probar esta hipótesis, modificarla si es necesario y eventualmente verificarla. (Con frecuencia este paso se conoce como validación del modelo.) Entonces, en cierto modo, la investigación e operaciones incluye la investigación científica creativa de las propiedades fundamentales de las operaciones. Sin embargo, existe más que esto. En particular, la IO se ocupa también de la administración práctica de la organización. Así, para tener éxito, deberá también proporcionar conclusiones claras que pueda usar el tomador de decisiones cuando las necesite.

Una característica más de la investigación de operaciones es su amplio punto de vista. Como quedó implícito en la sección anterior, la IO adopta un punto de vista organizacional. de esta manera, intenta resolver los conflictos de intereses entre las componentes de la organización de forma que el resultado sea el mejor para la organización completa. Esto no significa que el estudio de cada problema deba considerar en forma explícita todos los aspectos de la organización sino que los objetivos que se buscan deben ser consistentes con los de toda ella.

Una característica adicional es que la investigación de operaciones intenta encontrar una mejor solución, (llamada solución óptima) para el problema bajo consideración. (Decimos una mejor solución y no la mejor solución porque pueden existir muchas soluciones que empaten como la mejor.) En lugar de contentarse con mejorar el estado de las cosas, la meta es identificar el mejor curso de acción posible. Aun cuando debe interpretarse con todo cuidado en términos de las necesidades reales de la administración, esta "búsqueda de la optimidad" es un aspecto importante dentro de la investigación de operaciones.

Todas estas características llevan de una manera casi natural a otra. Es evidente que no puede esperarse que un solo individuo sea un experto en todos lo múltiples aspectos del trabajo de investigación de operaciones o de los problemas que se estudian; se requiere un grupo de individuos con diversos antecedentes y habilidades. Entonces, cuando se va a emprender un estudio de investigación de operaciones completo de un nuevo problema, por lo general es necesario emplear el empleo de equipo. Este debe incluir individuos con antecedentes firmes en matemáticas, estadística y teoría de probabilidades, al igual que en economía, administración de empresas, ciencias de la computación, ingeniería, ciencias físicas, ciencias del comportamiento y, por supuesto, en las técnicas especiales de investigación de operaciones. El equipo también necesita tener la experiencia y las habilidades necesarias para permitir la consideración adecuada de todas las ramificaciones del problema a través de la organización.

¿Qué es la investigación de operaciones?

Como toda disciplina en desarrollo, la investigación de operaciones ha ido evolucionando no sólo en sus técnicas y aplicaciones sino en la forma como la conceptualizan los diferentes autores, en la actualidad no existe solamente una definición sino muchas, algunas demasiado generales, otras demasiado engañosas, aquí seleccionamos dos de las mas aceptadas y representativas.

LA DEFINICIÓN DE CHURCHMAN, ACKOFF Y ARNOFF: LA INVESTIGACIÓN DE OPERACIONES ES LA APLICACIÓN, POR GRUPOS INTERDISCIPLINARIOS, DEL MÉTODO CIENTÍFICO A PROBLEMAS RELACIONADOS CON EL CONTROL DE LAS ORGANIZACIONES O SISTEMAS (HOMBRE-MÁQUINA), A FIN DE QUE SE PRODUZCAN SOLUCIONES QUE MEJOR SIRVAN A LOS OBJETIVOS DE LA ORGANIZACIÓN.

 De ésta definición se pueden destacar los siguientes conceptos:

1.   Una organización es un sistema formado por componentes que se interaccionan, unas de estas interacciones pueden ser controladas y otras no.

2.   En un sistema la información es una parte fundamental, ya que entre las componentes fluye información que ocasiona la interacción entre ellas. También dentro de la estructura de los sistemas se encuentran recursos que generan interacciones. Los objetivos de la organización se refieren a la eficacia y eficiencia con que las componentes pueden controlarse, el control es un mecanismo de autocorrección del sistema que permite evaluar los resultados en términos de los objetivos establecidos.

3.   La complejidad de los problemas que se presentan en las organizaciones ya no encajan en una sola disciplina del conocimiento, se han convertido en multidisciplinario por lo cual para su análisis y solución se requieren grupos compuestos por especialistas de diferentes áreas del conocimiento que logran comunicarse con un lenguaje común.

4.   La investigación de operaciones es la aplicación de la metodología científica a través modelos matemáticos, primero para representar al problema y luego para resolverlo. La definición de la sociedad de investigación de operaciones de la Gran Bretaña es la siguiente:

La investigación de operaciones es el ataque de la ciencia moderna a los complejos problemas que surgen en la dirección y en la administración de grandes sistemas de hombres, máquinas, materiales y dinero, en la industria, en los negocios, en el gobierno y en la defensa. Su actitud diferencial consiste en desarrollar un modelo científico del sistema tal, que incorpore valoraciones de factores como el azar y el riesgo y mediante el cual se predigan y comparen los resultados de decisiones, estrategias o controles alternativos. Su propósito es el de ayudar a la gerencia a determinar científicamente sus políticas y acciones. 

EN RELACIÓN A ÉSTA DEFINICIÓN DEBEN DESTACARSE LOS SIGUIENTES ASPECTOS:

1.   Generalmente se asocian los conceptos de dirección y administración a las empresas de tipo lucrativo, sin embargo, una empresa es un concepto más amplio, es algo que utiliza hombres, máquinas, materiales y dinero con un propósito específico; desde éste punto de vista, se considera como empresa desde una universidad hasta una armadora de automóviles.

2.   Para tratar de explicar el comportamiento de un sistema complejo, el científico debe representarlo en términos de los conceptos que maneja, lo hace expresando todos los rasgos principales del sistema por medio de relaciones matemáticas. A esta representación formal se le llama modelo.

3.   La esencia de un modelo es que debe ser predictivo, lo cual no significa predecir el futuro, pero si ser capaz de indicar muchas cosas acerca de la forma en que se puede esperar que un sistema opere en una variedad de circunstancias, lo que permite valorar su vulnerabilidad. Si se conocen las debilidades del sistema se pueden tomar cursos de acción agrupados en tres categorías: A) Efectuar cambios que lleven a la empresa o parte de ella a una nueva ruta;   B)  Realizar  un  plan  de  toma  de  decisiones; C) Instalar estrategias que generen decisiones. Cuando se aplica alguno de estos remedios, la investigación de operaciones nos ayuda a determinar la acción menos vulnerable ante un futuro incierto.

4.   El objetivo global de la investigación de operaciones es el de apoyar al tomador de decisiones, en cuanto ayudarlo a cumplir con su función basado en estudios científicamente fundamentados.

Concepto de optimización.

            Una característica adicional, que se mencionó como de pasada, es que la Investigación de Operaciones intenta encontrar la mejor solución, o la solución óptima, al problema bajo consideración. En lugar de contentarse con sólo mejorar el estado de las cosas, la meta es identificar el mejor curso de acción posible. Aún cuando debe interpretarse con todo cuidado, esta "búsqueda de la optimalidad" es un aspecto muy importante dentro de la Investigación de Operaciones.

ENFOQUE DE LA INVESTIGACIÓN DE OPERACIONES:

la parte innovadora de la IO es sin duda alguna su enfoque modelístico, producto de sus creadores aunado a la presión de supervivencia de la guerra o la sinergía generada al combinarse diferentes disciplinas, una descripción del enfoque es la siguiente. (Ver la figura 11).

1.   Se define el sistema real en donde se presenta el problema. Dentro del sistema interactúan normalmente un gran número de variables.

2.   Se seleccionan las variables que norman la conducta o el estado actual del sistema, llamadas variables relevantes, con las cuales se define un sistema asumido del sistema real.

3.   Se construye un modelo cuantitativo del sistema asumido, identificando y simplificando las relaciones entre las variables relevantes mediante las utilización de funciones matemáticas.

4.   Se obtiene la solución al modelo cuantitativo mediante la aplicación de una o más de las técnicas desarrolladas por la IO.

5.  Se adapta e imprime la máxima realidad posible a la solución teórica del problema real obtenida en el punto 4, mediante la consideración de factores cualitativos o no cuantificables, los cuales no pudieron incluirse en el modelo. Además se ajusta los detalles finales vía el juicio y la experiencia del tomador de decisiones.

6.   Se implanta la solución en el sistema real. 

LA INVESTIGACIÓN DE OPERACIONES OBTIENE LA SOLUCIÓN DEL PROBLEMA REAL INDIRECTAMENTE, Y NO COMO NORMALMENTE SE INTENTARÍA PASANDO DIRECTAMENTE DEL PROBLEMA REAL A LA SOLUCIÓN REAL. 1

Modelos: clasificación

Como acabamos de ver con anterioridad una de las fases de la aplicación del método científico se basa en la construcción de modelos o formulación de hipótesis. En nuestro caso nos centraremos en la construcción de modelos.

Aunque hay numerosas acepciones y definiciones de un modelo, hemos elegido la de Aracil (1):

" Un modelo constituye una representación abstracta de un cierto aspecto de la realidad, y tiene una estructura que esta formada por los elementos que caracterizan el aspecto de la realidad modelada y por las relaciones entre estos elementos".

A partir de este concepto de modelo se pueden obtener distintas clasificaciones (icónico, analógicos, simbólicos, etc.), sin embargo, solo estamos interesados en los modelos matemáticos, es decir, los modelos formales basados en la lógica matemática, y se basan en un conjunto de relaciones matemáticas (tales como ecuaciones, inecuaciones, relaciones lógicas, etc.) que se corresponden con las relaciones del mundo real (tales como relaciones tecnológicas, leyes físicas, restricciones del mercado, etc.).

No vamos a entrar en esta polémica, sino que lo único que queremos es poner de manifiesto que los modelos deben usarse como una herramienta más para la toma de decisiones y que deben valorarse en su justa medida, ya que difícilmente es comprensible un problema complejo sin una mínima modelización, aunque también hay que reconocer que no es posible modelar la totalidad de las situaciones reales.

Con anterioridad nos hemos referido a tipos de modelos basados en sus formas de representación (icónico, analógicos, simbólicos), no obstante podemos establecer otros tipos de clasificaciones de los modelos matemáticos:

Clasificados según su función:

Modelos predictivos: Este tipo de modelos nos informan del comportamiento de la  variable en un futuro, es decir, lo que debería ser. A este tipo de modelos corresponden aquellos basados en técnicas estadísticas y/o econométricas, es decir, modelos de previsión.

Modelos evaluativos: Una técnica evaluativa corresponde a medir las diferentes alternativas, y así poder comparar los resultados de ellas. Este tipo de modelos se corresponden con los denominados árboles de decisión.

Modelos de optimización: Se trata de modelos que tratan de identificar un optimo (por lo general, el optimo global) del problema, es decir, buscan la mejor de las alternativas posibles. Estos métodos son los que están basados en las técnicas de programación matemática.

Otra clasificación de los modelos se basa en la realidad que pretender modelar, así podemos hablar de:

Modelos deterministas versus modelos estocásticos. En los modelos deterministas todos los datos del problema se conocen con absoluta certeza, mientras que cuando esto no es así tenemos los modelos estocásticos. Por lo general los modelos más realistas son los modelos estocásticos, pero tienen la dificultad de poderlos resolver adecuadamente, y muchas de las técnicas aplicables a los modelos estocásticos tratan de reducir el problema a su versión determinista para poderlo resolver.

Modelos estáticos versus modelos dinámicos. En un modelo estático la variable tiempo no desempeña un papel relevante, mientras que en los modelos dinámicos la variable fundamental, y de la que dependen las restante variables relevantes. Además, la variable tiempo se considera como una variable continua.

Una vez establecida una serie de clasificaciones de  los modelos, es conveniente plantear una medida de su solución, ya que el objetivo de plantear el modelo es el poderlo resolver y extraer de la solución los resultados necesarios para la toma de decisiones. El nivel de resolubilidad de los problemas es función de tres características fundamentales:

a)  El tamaño del problema: El numero de variables y ecuaciones que contiene. Cuanto mayor sea este número, más difícil de resolver es.

b)  La clase del problema: Lineal, Entero y No lineal, y además por ese orden, es decir, los problemas lineales son "fácilmente" resolubles, mientras que los no lineales son "intrínsecamente" difíciles de resolver.

c)  El tipo de instancias utilizadas: Ciertas o deterministas, con riesgo (conocemos las probabilidades de ocurrencia), con incertidumbre (conocemos los resultamos posibles pero no las probabilidades de ocurrencia) y turbulencia ( no conocemos nada).

Problema de asignación

El Problema de la Asignación es un problema clásico de la Investigación de Operaciones y es un caso particular del Problema del Transporte.

Este problema se trata de asignar una serie de Recursos a una serie de tareas. 

Tiene una limitante y es que a cada tarea se le puede asignar sólo un recurso, pueden sobrar recursos o podrían sobrar tareas pero no se le puede asignar dos recursos a una misma tarea, o tres… por ejemplo si se tienen tres operarios con diferentes tiempos de operación en cuatro máquinas el modelo nos diría como asignar los tres operarios a tres máquinas (nos sobraría una) de manera que se minimice el tiempo total, pero no nos diría como asignar dos operarios a dos máquinas y el otro operario a las otras dos máquinas.

Ejemplos de Asignaciones: Operarios a Tareas, Máquinas a Operarios, Nadadores a Estilos, Novias a días de la semana, etc, etc, etc.

El Problema de la Asignación se basa en una información comparativa para tomar la decisión de que asignar a que, por ejemplo una matriz de costos, una matriz de tiempos, de ingresos, etc.

Cuando la matriz no está balanceada, es decir, cuando no es cuadrada, cuando sobran filas o columnas, se debe balancear para que tenga solución mediante la inclusión de filas o columnas ficticias, con valores de cero en dicha matriz.

 Supongamos el siguiente ejemplo:

Existen cuatro operarios que se pueden asignar al trabajo con tres máquinas.  Un estudio de tiempos y movimientos ha arrojado los siguientes tiempos por operario para las tres máquinas. Indicar que operario debe trabajar en que máquina y cuál de ellos no será asignado a ninguna.

Como la matriz no esta balanceada, es necesario incluir una máquina ficticia:(esto es fundamental para asegurar que haya una respuesta. Si la matriz no está balanceada, el problema no será factible de resolver)

Xij = Se debe asignar el operario i a la máquina j? Sí o no?

En matemáticas existen dos números cuyas propiedades hacen que puedan representar estas respuestas son el 1 y el 0, debido a que todo número multiplicado por 1 da el mismo número entonces el 1 se puede reemplazar por la respuesta Sí y como todo número multiplicado por cero da cero entonces se puede reemplazar por la respuesta No.

Así por ejemplo:

10X11 + 7X12 + 9X13 + 0X14

representa el tiempo sumado  que emplearía el operario1 en operar las máquinas, pero solo una variable de las tres anteriores puede tomar el valor de Sí, o sea de 1 las demás tendrán que tomar el valor de 0, y eso es debido a que el operario 1 sólo puede ser asignado a una máquina, lo que significaría que el tiempo que utilice el operario 1 puede ser ya sea de "10" de "7" o de "9". Con base en esto podemos formular la función objetivo:

Restricciones:

Como cada operario sólo puede estar asignado a una máquina….

X11 + X12 + X13 + X14 = 1X21 + X22 + X23 + X24 = 1X31 + X32 + X33 + X34 = 1X41 + X42 + X43 + X44 = 1

Y como cada máquina solo puede tener un operario asignado…

X11 + X21  + X31 + X41 = 1X12 + X22  + X32 + X42 = 1X13 + X23  + X33 + X43 = 1X14 + X24  + X34 + X44 = 1

Xij = 1 o 0 para toda i,j.

Al resolver utilizando Software, por ejemplo el Solver del Excel, la respuesta que se obtiene es la siguiente:

Esto significa que el Operario 1 queda asignado a la Máquina Ficticia (es decir, es el que sobra), el operario 2 se asigna a la máquina 2, el operario 3 se asigna a la máquina 1 y el operario 4 se asigna a la máquina 3.

Teorema fundamental de la asignación:

Si a todos los elementos de una fila o de una columna de una matriz de rendimientos se le suma o se le resta una cantidad constante la asignación optima no varia.

Algoritmo Húngaro:

El algoritmo Húngaro esta destinado para minimizar si tenemos que maximizar tendremos previamente que darle la vuelta a la matriz restándole el mayor elemento de toda la matriz a cada uno de los elementos de la misma de manera que el elemento que era más pequeño pasara a ser el más grande y a la inversa.

El Algoritmo Húngaro se debe a D. König y E. E Egervóry.

Cuando hay que pasar de maximizar a minimizar en lugar de operar con el mayor de toda la matriz podemos ir tomando el mayor de cada fila o columna e ir restándole todos los elementos de esa fila o columna con lo cual conseguiremos de camino obtener por lo menos un cero como mínimo en cada fila o columna. Si en alguna columna no hubiera ceros le quitamos el mayor a la columna.

El método Húngaro

Este algoritmo se usa para resolver problemas de minimización, ya que es más eficaz que el empleado para resolver el problema del transporte por el alto grado de degeneración que pueden presentar los problemas de asignación. Las fases para la aplicación del método Húngaro son:

Paso 1: Encontrar primero el elemento más pequeño en cada fila de la matriz de costos m*m; se debe construir una nueva matriz al restar de cada costo el costo mínimo de cada fila; encontrar para esta nueva matriz, el costo mínimo en cada columna. A continuación se debe construir una nueva matriz (denominada matriz de costos reducidos) al restar de cada costo el costo mínimo de su columna.

Paso 2: (En algunos pocos textos este paso se atribuye a Flood). Consiste en trazar el número mínimo de líneas (horizontales o verticales o ambas únicamente de esas maneras) que se requieren para cubrir todos los ceros en la matriz de costos reducidos; si se necesitan m líneas para cubrir todos los ceros, se tiene una solución óptima entre los ceros cubiertos de la matriz. Si se requieren menos de m líneas para cubrir todos los ceros, se debe continuar con el paso 3. El número de líneas para cubrir los ceros es igual a la cantidad de asignaciones que hasta ese momento se pueden realizar.

Paso 3: Encontrar el menor elemento diferente de cero (llamado k) en la matriz de costos reducidos, que no está cubierto por las líneas dibujadas en el paso 2; a continuación se debe restar k de cada elemento no cubierto de la matriz de costos reducidos y sumar k a cada elemento de la matriz de costos reducidos cubierto por dos líneas (intersecciones). Por último se debe regresar al paso 2.

Notas:

1. Para resolver un problema de asignación en el cual la meta es maximizar la función objetivo, se debe multiplicar la matriz de ganancias por menos uno (-1) y resolver el problema como uno de minimización.

2. Si el número de filas y de columnas en la matriz de costos son diferentes, el problema de asignación está desbalanceado. El método Húngaro puede proporcionar una solución incorrecta si el problema no está balanceado; debido a lo anterior, se debe balancear primero cualquier problema de asignación (añadiendo filas o columnas ficticias) antes de resolverlo mediante el método Húngaro.

3. En un problema grande, puede resultar difícil obtener el mínimo número de filas necesarias para cubrir todos los ceros en la matriz de costos actual. Se puede demostrar que si se necesitan j líneas para cubrir todos los ceros, entonces se pueden asignar solamente j trabajos a un costo cero en la matriz actual; esto explica porqué termina cuando se necesitan m líneas.

Mediante el siguiente ejemplo vamos a ilustrar la manera de aplicar el método Húngaro a la solución de un problema de asignación de minimización:

Una factoría tiene cuatro operarios, los cuales deben ser asignados al manejo de cuatro máquinas; las horas requeridas para cada trabajador en cada máquina se dan en la tabla adjunta; el tiempo a laborar por cada operario en cada una de las máquinas se pretende que sea mínimo, para lo cual se busca la asignación óptima posible.

Planteamiento del Modelo Primal:

MIN W = 10 X11+ 14 X12+ 16 X13+ 13 X14+ 12 X21+ 13 X22+ 15 X23+ 12 X24+ + 9 X31+ 12 X32+ 12 X33+ 11 X34+ 14 X41+ 16 X42+ 18 X43+ 16 X44

sujeto a las siguientes restricciones: