Definición del problema → Identificar qué se quiere optimizar.

Construcción del modelo → Representar el problema en forma matemática.

Obtención de datos → Recolectar información necesaria.

Resolución del modelo → Usar métodos analíticos o computacionales.

Validación → Comprobar que el modelo representa la realidad.

Implementación → Aplicar la solución en el mundo real.

Control y seguimiento → Ajustar si cambian las condiciones.

📊 Determinísticos: Variables conocidas y predecibles (p. ej. Programación lineal).

🎲 Probabilísticos: Incluyen incertidumbre y riesgos (p. ej. Teoría de colas, simulación).

🖥 Heurísticos: Búsqueda de soluciones aproximadas cuando el problema es muy complejo.

Programación lineal: Optimiza recursos con restricciones lineales.

Programación entera y no lineal: Extensiones para problemas más complejos.

Teoría de colas: Estudia sistemas de espera (bancos, hospitales, call centers).

Teoría de inventarios: Optimiza niveles de existencias para minimizar costos.

Redes y grafos: Problemas de rutas, flujo máximo, asignación de tareas.

Simulación: Modela sistemas complejos para predecir resultados.

Análisis de decisión: Árboles de decisión, utilidad esperada.

Álvarez Medina, L. (2008). Competitividad de la empresa industrial: una reflexión metodológica. Revista Venezolana de Gerencia, 13(43). Recuperado de [https://ve.scielo.org/scielo.php?script=sci\_arttext\&pid=S1315-99842008000300002]

Rodríguez-Alegre, L. R., Calderón-De-Los-Ríos, H., Hurtado-Zamora, M. M., & Ocaña-Rodríguez, Á. W. (2023). Inteligencia artificial en la gestión organizacional: Impacto y realidad latinoamericana. Revista Arbitrada Interdisciplinaria Koinonía, 8(supl. 1). Recuperado de [https://ve.scielo.org/scielo.php?script=sci\_arttext\&pid=S2542-30882023000300226]