![\"\"](\"https:\/\/www.ull.es\/portal\/hipotesis\/wp-content\/uploads\/sites\/62\/2021\/06\/optimizacion2-225x300.png\")
<\/p>\n<\/p>\n
<\/p>\n
Juan Jos\u00e9 Salazar<\/i><\/b><\/p>\n
Universidad de La Laguna<\/i><\/b><\/p>\n
<\/p>\n
El t\u00e9rmino \u00aboptimizar\u00bb est\u00e1 impl\u00edcito en la Naturaleza. Todos los seres vivos afrontan el desaf\u00edo de maximizar el beneficio que obtienen con recursos limitados. El crecimiento demogr\u00e1fico y econ\u00f3mico genera nuevos retos tecnol\u00f3gicos y de log\u00edstica, lo que acent\u00faa la necesidad de optimizar en las empresas.<\/span><\/p>\n Las Matem\u00e1ticas son \u00fatiles para resolver retos tecnol\u00f3gicos, pero imprescindibles para afrontar problemas de log\u00edstica. Existen empresas donde se contin\u00faa tomando decisiones \u00abpor inercia\u00bb, sin Optimizaci\u00f3n Matem\u00e1tica. Pero cualquiera de ellas que quiera ampliar su mercado, o que conviva en un sector altamente competitivo (como es el caso de las l\u00edneas a\u00e9reas), necesita recurrir a la Optimizaci\u00f3n Matem\u00e1tica para tomar decisiones con garant\u00edas de \u00e9xito. Las recientes crisis econ\u00f3micas han puesto a prueba la robustez de muchas planificaciones empresariales, con el consiguiente fracaso de las empresas que no gestionaban eficientemente sus recursos. A modo de ejemplo y s\u00f3lo considerando las l\u00edneas a\u00e9reas regionales en Espa\u00f1a, desde el a\u00f1o 2000 ha cerrado una aerol\u00ednea cada a\u00f1o: Islas Airways, Air Madrid, Futura, Air Comet, Helitt, \u00c1ndalus o Iberline, entre otras. Binter Canarias contin\u00faa operando hoy gracias a la apuesta que hizo en su momento por optimizar sus recursos iniciando en 2008 una fruct\u00edfera colaboraci\u00f3n con grupos de investigaci\u00f3n y desarrollo de la Universidad de La Laguna que emplearon t\u00e9cnicas de la Optimizaci\u00f3n Matem\u00e1tica para planificar los turnos de servicio de sus tripulaciones y aeronaves.\u00a0<\/span><\/p>\n Este mismo tipo de desarrollos matem\u00e1ticos ha sido clave tambi\u00e9n para otras empresas dedicadas al transporte terrestre o mar\u00edtimo de personas, a la distribuci\u00f3n de mercanc\u00edas, o a la elaboraci\u00f3n de inventario o de gesti\u00f3n de telecomunicaciones. Hoy en d\u00eda un puerto se bloquea (con todo lo que ello implica para la poblaci\u00f3n) si no funcionan las herramientas que gestionan las entradas y salidas de barcos, las cargas y descargas de contenedores, el tr\u00e1fico de camiones, la gesti\u00f3n de las gr\u00faas o los turnos de sus trabajadores. Detr\u00e1s de todos los programas de gesti\u00f3n de estos procesos hay modelos matem\u00e1ticos y algoritmos de optimizaci\u00f3n.<\/span><\/p>\n En este contexto, el modelo matem\u00e1tico es una representaci\u00f3n abstracta de la log\u00edstica real que hay que desarrollar y del problema que se pretende resolver. Puede imaginarse como una fotograf\u00eda del objeto real. En el modelo las cuestiones sobre las que hay tomar decisiones se representan como variables num\u00e9ricas. Las condiciones que limitan los recursos que influyen sobre dichas variables o los valores admisibles (restricciones) se describen mediante ecuaciones y desigualdades. La soluci\u00f3n al sistema de ecuaciones puede resultar en un problema sin soluci\u00f3n (infactible); pero cuando no es as\u00ed, da lugar a muchas soluciones v\u00e1lidas, si bien no todas son igual de buenas o deseables para el que tiene que tomar la decisi\u00f3n. Es por esto que los modelos matem\u00e1ticos incluyen una funci\u00f3n objetivo que mide el beneficio o preferencia de cada soluci\u00f3n v\u00e1lida, la bondad de la soluci\u00f3n. De este modo, resolver el problema equivale a buscar una soluci\u00f3n v\u00e1lida que optimice la funci\u00f3n objetivo.\u00a0<\/span><\/p>\n Un mismo problema puede representarse por distintos modelos matem\u00e1ticos, de igual forma que un objeto puede ser fotografiado desde distintos puntos de vista. Hay por tanto modelos mejores y modelos peores para un mismo problema, lo que en la pr\u00e1ctica se traduce en modelos que permiten llegar a una decisi\u00f3n \u00f3ptima con m\u00e1s o menos esfuerzo computacional. Construir buenos modelos es un arte que se conoce como Modelizaci\u00f3n Matem\u00e1tica. Como todo arte, la Modelizaci\u00f3n Matem\u00e1tica requiere experiencia para plasmar matem\u00e1ticamente las caracter\u00edsticas del problema de una empresa y del contexto espec\u00edfico en el que se da, a la vez que conforma un sistema num\u00e9ricamente resoluble.<\/span><\/p>\n Seg\u00fan las relaciones matem\u00e1ticas que se dan entre las variables presentes en las desigualdades, los modelos se clasifican en distintas categor\u00edas; la m\u00e1s frecuente es la denominada Optimizaci\u00f3n Lineal. Para esta y otras categor\u00edas se han desarrollado algoritmos muy efectivos, capaces en ocasiones de encontrar soluciones \u00f3ptimas para problemas de optimizaci\u00f3n de grandes dimensiones (cientos de miles de inc\u00f3gnitas y desigualdades) muy r\u00e1pidamente.\u00a0<\/span><\/p>\n La demanda de estos algoritmos en las \u00faltimas d\u00e9cadas es cada vez mayor, como lo demuestra el creciente n\u00famero de programas de optimizaci\u00f3n disponibles. La importancia de esto queda ilustrada por el caso del grupo IBM, que en 2009 compr\u00f3 la librer\u00eda pionera de la Optimizaci\u00f3n Matem\u00e1tica (ILOG CPLEX). Otro ejemplo es Microsoft, que en 2011 comercializ\u00f3 el programa Microsoft Solver Foundation. Recientemente Google se ha incorporado a esta carrera con su Google OR-tools, herramienta basada en c\u00f3digo abierto. Estas y otras librer\u00edas de algoritmos ofrecen interfaces sencillas que permiten que incluso empresas peque\u00f1as puedan incorporar Optimizaci\u00f3n Matem\u00e1tica en sus sistemas de toma de decisiones, si bien en todos los casos antes tiene que dise\u00f1arse el modelo matem\u00e1tico. Hasta el momento la tarea de creaci\u00f3n del modelo es algo exclusivo del ingenio humano, lo que explica en parte la creciente demanda de matem\u00e1ticas y matem\u00e1ticos en el mercado laboral.<\/span><\/p>\n Las ventajas de la Optimizaci\u00f3n Matem\u00e1tica se ven acentuadas por la enorme cantidad de datos que la tecnolog\u00eda actual pone a nuestra disposici\u00f3n. Los sensores de los dispositivos electr\u00f3nicos recogen informaci\u00f3n de los usuarios a trav\u00e9s de las c\u00e1maras webs, navegadores de internet, tarjetas electr\u00f3nicas, m\u00f3viles y relojes digitales. sensores de cargas y volumen, y un largo etc\u00e9tera; todos ellos en conjunto proporcionan datos sobre las necesidades de los clientes, el estado de los almacenes, los movimientos de veh\u00edculos que, convenientemente tratados, pueden mejorar much\u00edsimo la eficiencia de las empresas. Esta superabundancia de datos ha dado lugar a la moderna disciplina llamada Ciencia de los Datos (Data Science), evoluci\u00f3n de lo que tradicionalmente conocemos como Estad\u00edstica, pero ahora combinada con Programaci\u00f3n Inform\u00e1tica. La carrera por una mejor captura, tratamiento, gesti\u00f3n y an\u00e1lisis de los datos, lejos de detenerse, se acelera cada vez m\u00e1s. Los ordenadores cu\u00e1nticos multiplicar\u00e1n la potencia de c\u00e1lculo y acentuar\u00e1 la necesidad disponer y aplicar esta rama de las matem\u00e1ticas que, bajo diversas denominaciones (Big Data, Data Mining, Deep Learning,…), van contribuyendo a un nuevo campo: la Inteligencia Artificial.\u00a0<\/span><\/p>\n Las matem\u00e1ticas modernas se han ido adaptado a la realidad de nuestro tiempo y ha sabido evolucionar desde los algoritmos est\u00e1ticos (como el algoritmo para calcular el m\u00e1ximo com\u00fan divisor de dos n\u00fameros) a otros mucho m\u00e1s complejos, capaces de afrontar problemas din\u00e1micos, de aprender de los datos, detectando patrones de comportamiento y adapt\u00e1ndose de forma aut\u00f3noma (Machine Learning).\u00a0<\/span><\/p>\n El sue\u00f1o de predecir y optimizar es ya una realidad en muchos casos gracias a la Optimizaci\u00f3n Matem\u00e1tica, y lo ser\u00e1 mucho m\u00e1s en un futuro cercano.\u00a0<\/span><\/p>\n <\/p>\n","protected":false},"excerpt":{"rendered":" Juan Jos\u00e9 Salazar Universidad de La Laguna El t\u00e9rmino \u00aboptimizar\u00bb est\u00e1 impl\u00edcito en la Naturaleza. Todos los seres vivos afrontan el desaf\u00edo de maximizar el beneficio que obtienen con recursos limitados. El crecimiento demogr\u00e1fico y econ\u00f3mico genera nuevos retos tecnol\u00f3gicos y de log\u00edstica, lo que acent\u00faa la necesidad de optimizar en las empresas….<\/p>\n","protected":false},"author":56,"featured_media":11871,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"inline_featured_image":false,"footnotes":""},"categories":[145,47],"tags":[],"acf":[],"yoast_head":"\n