Villahermosa, Tab. 27 de octubre del 2010 ING. INDUSTRIAL INVESTIGACIÓN DE OPERACIONES II CATEDRATICO: Zinath Javier Gerónimo UNIDAD 3: Teoría De Decisión.

Presentación del tema: "Villahermosa, Tab. 27 de octubre del 2010 ING. INDUSTRIAL INVESTIGACIÓN DE OPERACIONES II CATEDRATICO: Zinath Javier Gerónimo UNIDAD 3: Teoría De Decisión."— Transcripción de la presentación:

1 Villahermosa, Tab. 27 de octubre del 2010 ING. INDUSTRIAL INVESTIGACIÓN DE OPERACIONES II CATEDRATICO: Zinath Javier Gerónimo UNIDAD 3: Teoría De Decisión Teoría De Decisión EQUIPO 6 MONTEJO ZAPATA MARICELA BULOS ZAMORA GRACE ANAHI SALAS ALPUIN LUIS ALFREDO MERCADO GÁMEZ OMAR SÁNCHEZ ORTIZ LUIS MANUEL VÁZQUEZ FLORES LINO MAURICIO

2

3 Decisión puede ser definida como La selección que se hace de entre dos o más alternativas.

4 Decisión. Lesión de columna Operarse No operarse

5 Características Situación problemática Consecuencias Definir el problema Aspectos (pueden ser contrapuestos) Incertidumbre Aspectos cuantificables Otros involucrados Tiempo disponible

6 Objetivo del análisis de decisiones Decisiones mal o bien tomadas Seleccionar la alternativa óptima (mejores resultados), tomando en cuenta las limitaciones, la incertidumbre y la dificultad de cuantificación Formalización (uso de instrumentos y procedimientos) Simplifican y esclarecen el problema Reducen la ansiedad Ayudan a superar las limitaciones Permiten aplicar métodos de análisis (benchmarking) Ayudan a orientar los juicios con mayor corrección Introducción a la toma de decisiones

7 Elementos en la toma de decisiones Situación problemática (problema existente) Alternativas de solución (más de una solución) Tiempo y recursos disponibles Decisor capacitado

8 Análisis Selección de criterios Búsqueda de alternativas Definición del problema Decisión Ejecución y control Proceso de decisión Introducción a la toma de decisiones

9 Incertidumbre Dificulta o limita la capacidad de evaluación de las alternativas Originada por la falta de información necesaria para análisis Indisponibilidad de información necesaria aunque existente Inexistencia de la información por tratarse de hechos futuros

10 Elementos en la toma de decisiones Sin TD: Actuaciones por reflejo, por instinto o por costumbre adquirida sin previo análisis Situación problemática (problema existente) Alternativas de solución (más de una solución) Tiempo y recursos disponibles Decisor capacitado

11 Decisiones son tomadas por los individuos Elemento activo Motor de todo proceso de toma de decisión ProblemasAlternativas de solución Objetivos que el decisor persigue

12 Objetivos Organizacionales Individuales Lo que la organización pretende alcanzar Utilidades, productividad, calidad, reducción de Costos, participación en el mercado, satisfacción Del cliente, etc. Lo que las personas pretenden alcanzar Salario, beneficios sociales, seguridad y estabili_ dad en el empleo. Condiciones adecuadas de Trabajo. Desarrollo profesional, etc.

13 El Individuo Conocer y definir el problema Generar posibles soluciones Analizar las consecuencias Evaluar las consecuencias Información para…

14 El Decisor Seleccionar y recoger información del entorno s/problema y alternativas Guardar información y recuperarla (cuando se necesite) Procesarla por razonamientos Juzgar importancia de información procesada Actividades para tomar una decisión

15 3.2 CRITERIOS DE DECISIÓN DETERMINISTICOS Y PROBABLISTICOS.

16  Determinista: Conozco todos los datos necesarios de la realidad. Si tomo una opción, se cual será el resultado preciso.  En los modelos probabilisticos las variables son aleatorias y los resultados también. 16 Unidad. -3

17  Definición del problema.  Análisis de la información disponible.  Desarrollo de soluciones alternativas.  Selección de la alternativa.  Implantación de la estrategia elegida. 17 Unidad. -3

18  Para que tengamos un problema hace falta:  Un objetivo que se quiere alcanzar.  Un camino trazado para alcanzar el objetivo.  Un impedimento que nos bloquea el camino y no nos deja alcanzar el objetivo. 18 Unidad. -3

19  Investigar la situación de partida.  Identificar las variables del problema.  Valorar las variables:  De forma cuantitativa si es posible,  De forma cualitativa si no hay alternativa.  Identificar las variables y valores en el objetivo. 19

20  Tres enfoques:  Confianza en el pasado (experiencia)  Experimentación.  Investigación y análisis. 20 Experimentación Investigación y Análisis Confianza en el Pasado ¿Cómo escoger una de varias opciones Opción Tomada Unidad. -3

21  Modelización Mecánica.  Herramientas para la decisión con certeza.  Criterios de decisión en incertidumbre.  Nos enfrentamos a la naturaleza.  Nos enfrentamos a otro jugador. Unidad. -3

22 Si se pudiera contar con un predictor perfecto, se podría seleccionar por anticipado el curso de acción óptimo correspondiente a cada evento pronosticado. Ponderando la utilidad correspondiente a cada curso de acción óptimo por la probabilidad de ocurrencia de cada evento se obtiene la utilidad esperada contando con información perfecta (UEIP). El VEIP es la diferencia entre UEIP y VE. Refleja el aumento en la utilidad esperada a partir de contar con un mecanismo de predicción perfecto. 3.3 Valor Información Perfecta

23 Interpretación del VEIP El VEIP puede considerarse como una medida general del impacto económico de la incertidumbre en el problema de decisión. Es un indicador del valor máximo que convendría pagar por conseguir información adicional antes de actuar. El VEIP también da una medida de las oportunidades perdidas. Si el VEIP es grande, es una señal para que quien toma la decisión busque otra alternativa que no se haya considerado hasta el momento.

24 El Valor Esperado al Contar con Información Perfecta. La Ganancia que se espera obtener al conocer con certeza la ocurrencia de ciertos estados de la naturaleza se le denomina: El Valor Esperado de la Información Perfecta (VEIP) Esta decisión es la que genera una menor pérdida para el tomador de decisiones.

25 Análisis Bayesiano - Tomador de Decisiones con Información Imperfecta. La estadística Bayesiana construye un modelo a partir de información adicional obtenida de diversas fuentes. Esta información adicional mejora la probabilidad obtenida de la ocurrencia de un determinado estado de la naturaleza y ayuda al tomador de decisiones a escoger la mejor opción.

26

27 Un árbol de decisión es un modelo de predicción utilizado en el ámbito de la inteligencia artificial. Dada una base de datos se construyen diagramas de construcciones lógicas, muy similares a los sistemas de predicción basados en reglas, que sirven para representar y categorizar una serie de condiciones que ocurren de forma sucesiva, para la resolución de un problema

28 . El desarrollo de árboles de decisión beneficiado analista en:  La necesidad de describir condiciones y acciones llevan a los analistas a identificar de manera formal las decisiones que actualmente deben tomarse, sin importar que este dependa de variables cuantitativas o cualitativas. Los árboles también obligan a los analistas a considerar la consecuencia de las decisiones.

29 .  Se ha demostrado que los árboles de decisión son eficaces cuando es necesario describir problemas con más de una dimensión o condición.  También son útiles para identificar los requerimientos de datos críticos que rodean al proceso de decisión, es decir, los árboles indican los conjuntos de datos que la gerencia requiere para formular decisiones o tomar ..

30 cuál es la decisión que necesitamos tomar Dibujaremos un recuadro para representar esto en la parte izquierda de una página grande de papel Desde este recuadro se deben dibujar líneas hacia la derecha para cada posible solución, y escribir cuál es la solución sobre cada línea Al final de cada línea se debe estimar cuál puede ser el resultado Si este resultado es incierto, se puede dibujar un pequeño círculo. Si el resultado es otra decisión que necesita ser tomada, se debe dibujar otro recuadro.

31 Los recuadros representan decisiones, y los círculos representan resultados inciertos. Se debe escribir la decisión o el causante arriba de los cuadros o círculos. Si se completa la solución al final de la línea, se puede dejar en blanco. Comenzando por los recuadros de una nueva decisión en el diagrama, dibujar líneas que salgan representando las opciones que podemos seleccionar Desde los círculos se deben dibujar líneas que representen las posibles consecuencias. Nuevamente se debe hacer una pequeña inscripción sobre las líneas que digan que significan. Seguir realizando esto hasta que tengamos dibujado tantas consecuencias y decisiones como sea posible ver asociadas a la decisión original.

32

33 En la teoría de la Utilidad se supone que los consumidores poseen una información completa acerca de todo lo que se relacione con su decisión de consumo, pues conoce todo el conjunto de bienes y servicios que se venden en los mercados, además de conocer el precio exacto que tienen y que no pueden variar como resultado de sus acciones como consumidor, adicionalmente también conocen la magnitud de sus ingresos.

34 Adam Smith y David Ricardo, fundamentaban sus razones acerca de la utilidad de los objetos por la capacidad que tienen para satisfacer una necesidad El único medio para medir la utilidad de las cosas consiste en utilizar una escala subjetiva de gustos que muestre teóricamente un registro estadístico de la utilidad del consumo que se hace. Sin embargo, existen otras razones por las cuales también puede obtenerse satisfacción y no es precisamente utilidad.

35 La utilidad de los bienes no podrá medirse jamás, pero si puede calcularse mediante un sencillo procedimiento matemático, el cual se desarrollará de manera analítica. La utilidad de un bien se calcula mediante las fórmulas matemáticas de la Utilidad Total (utx), utilidad marginal (Umx) y la Promedio (Upx), las cuales muestran que mientras unidades se consuman por cada unidad de un bien, mayor será la utilidad que se reciba; a pesar de que la utilidad total aumenta, la marginal disminuirá. El punto de partida lo constituye la definición de la utilidad que dice lo siguiente: “Es el grado de satisfacción que proporcionan los distintos satisfactores que utiliza un consumidor”. 35

36 Representa la suma de las utilidades que obtiene un consumidor al utilizar cierta cantidad de bienes (artículos). Utilidad Total. (Utx) Representa una distribución aritmética como resultado de la acción de dividir la utilidad total entre el número de satisfactores consumidos. La Fórmula de cálculo se expresa: Upx= Utx/Qx Donde: Upx =Utilidad promedio de un artículo. Utx = Utilidad de cierto artículo. Qx = Cantidad de cierto artículo. Utilidad Promedio (Upx) Representa el incremento en la utilidad de un artículo “X” en la medida que el consumidor utiliza una unidad más de un mismo satisfactor. La fórmula para calcularla es: Donde: Umx = Utilidad de cierto artículo. D Utx = Incremento o adición de la utilidad total de ciertos artículos. D Qx = Incremento o adición de la cantidad de cierto artículo. Utilidad marginal (Umx) 36

37 El valor de la utilidad, U(V) refleja la perspectiva del tomador de decisiones. El valor de la utilidad se calcula para cada posible ganancia. El menor resultado obtenido tiene un valor de utilidad de 0. El mayor resultado obtenido tiene un valor de utilidad de 1. La decisión óptima se elige usando el criterio de la utilidad esperada La decisión óptima se elige usando el criterio de la utilidad esperada.

38 - La técnica provee una cierta cantidad de riesgo para cuando el tomador de decisiones debe elegir una opción. - La técnica se basa en tomar la ganancia más segura versus arriesgar la obtención de la más alta o baja de las ganancias.

39 “Son decisiones encadenadas entre sí que se presentan a lo largo del período de estudio previamente seleccionado.”

40 Así una decisiónpuede condicionar decisiones posteriores y a su vez ser condicionada por decisiones tomadas con anterioridad a la misma. El análisis del problema de decisión bajo el enfoque secuencial suele ser preferible al enfoque estático, dado que es normal que una decisión tomada en el momento inicial condicione decisiones en los momentos posteriores de tiempo

41 Son modelos gráficos empleados para representar las decisiones secuenciales, así como las incertidumbres asociada a la ocurrencia de eventos considerados claves.

42

43

44 1.- Las consideraciones explícita de decisiones futuras obliga al decisor a elaborar planes de mas largo plazo. 2.- La técnica de resolución, aunque sencillamente, puede volverse compleja en la medidad que aumentan alternativas y eventos probabilisticos. 3.- Solo maneja distribuciones de probabilidades dsicretas.

45 3.7 ANALISIS DE SENSIBILIDAD Tienen por finalidad mostrar los efectos que sobre la Tasa Interna de Retorno (TIR) tendría una variación Al igual que cambio en el valor de una o más de las variables de costo o de ingreso que inciden en el proyecto por ejemplo la tasa de interés, el volumen y/o el precio de ventas, el costo de la mano de obra, el de las materias primas, el de la tasa de impuestos, el monto del capital, etc.

46 Un proyecto de inversión puede ser aceptable bajo las condiciones previstas en el mismo, pero podría no serlo si en el mercado las variables de costo variaran significativamente al alza o si las variables de ingreso cambiaran significativamente a la baja

47 EL ANALISIS DE SENSIBILIDAD El análisis de sensibilidad es un cuadro resumen que muestra los valores de TIR para cualquier cambio previsible en cada una de las variables más relevantes de costos e ingresos del proyecto

48 WinQSB 2.0 WinQSB es una aplicación creada por el Dr. Yih-Long Chang, que consta de una serie de módulos (subprogramas) que nos ayudan a resolver y automatizar algunos problemas de cálculos lineales, investigación de operaciones, planteamiento de producción, evaluación de proyectos, etc. 3.8 Uso de programas de computación

49 El programa incluye 19 módulos, que listamos a continuación: [adsensepost] 1. Acceptance Sampling Analysis (Análisis de muestreo de aceptación) 2. Aggregate Planning (Planeación agregada) 3. Decision Analysis (Análisis de decisiones) 4. Dynamic Programming (Programación dinámica) 5. Facility Location and Layout (Diseño y localización de plantas) 6. Forecasting (Pronósticos) 7. Goal Programming (Programación por objetivos) 8. Inventory Theory and System (Teoría y sistemas de inventarios) 9. Job Scheduling (Programación de jornadas de trabajo) 10. Linear and integer programming (Programación lineal y entera)

50 11. Markov Process (Procesos de Markov) 12. Material Requirements Planning (Planeación de Requerimiento de Materiales) 13. Network Modeling (Modelación de redes) 14. Nonlinear Programming (Programación no lineal) 15. PERT y CPM 16. Quadratic Programming (Programación cuadrática) 17. Quality Control Chart (Cartas de control de calidad) 18. Queuing Analysis (Análisis de sistemas de cola) 19. Queuing Analysis Simulation (Simulación de análisis de sistemas de cola).