Modelos de Toma de Decisiones

MODELOS DE TOMA DE DECISIONES

La teora de decisiones proporciona una manera til de clasificar modelos para la toma de decisiones. Se supondr que se ha definido el problema, que se tienen todos los datos y que se han identificado los cursos de accin alternativos. La tarea es entonces seleccionar la mejor alternativa. la teora de decisiones dice que esta tarea de hacer una seleccin caer en una de las cuatro cate oras enerales dependiendo de la habilidad personal para predecir las consecuencias de cada alternativa.

Categoras !ertidumbre #ies o %ncertidumbre !onflicto

Consecuencias "eterministas $robabilsticas "esconocidas %nfluidas por un oponente

TOMA DE DECISIONES BAJO INCERTIDUMBRE

&n los procesos de decisin bajo incertidumbre, el decisor conoce cules son los posibles estados de la naturale'a, aunque no dispone de informacin al una sobre cul de ellos ocurrir. (o slo es incapa' de predecir el estado real que se presentar, sino que adems no puede cuantificar de nin una forma esta incertidumbre. &n particular, esto e)cluye el conocimiento de informacin de tipo probabilstico sobre las posibilidades de ocurrencia de cada estado.

Modelos de Toma de Decisiones

REGLAS DE DECISIN

+ continuacin se describen las diferentes reglas e ecisi!n en ambiente de incertidumbre, y que sern sucesivamente aplicadas al ejemplo de construccin del hotel.

!riterio de ,ald !riterio -a)ima) !riterio de .ur/ic' !riterio de Sava e !riterio de Laplace

$ara trabajar con los criterios utili'aremos la si uiente matri'0

Esta os e la Naturale"a

e$ a$
Alternati#as )11 )*1

e%
)1* )** ... )m*

...
... ... ... ...

en
)1n )*n ... )mn

a%

... ... a&

1orma eneral de una tabla de decisin )m1

Modelos de Toma de Decisiones

CRITERIO DE LA'LACE
&ste criterio, propuesto por Laplace en 13*4, est basado en el (rinci(io e ra"!n insu)iciente0 como a priori no e)iste nin una ra'n para suponer que un estado se puede presentar antes que los dems, podemos considerar que to os los esta os tienen la &is&a (ro*a*ili a e ocurrencia, es decir, la ausencia de conocimiento sobre el estado de la naturale'a equivale a afirmar que todos los estados son equiprobables. +s, para un problema de decisin con n posibles estados de la naturale'a, asi naramos (ro*a*ili a $+n a cada uno de ellos. La re la de Laplace selecciona como alternativa ptima aquella que proporciona un mayor resultado esperado0

1 n mx 5 ai x( ai , e j ) n j= 1
EJEM'LO $artiendo del ejemplo de construccin del hotel, la si uiente tabla muestra los resultados esperados para cada una de las alternativas.

Alternati#as
Terreno co&(ra o A B A2B Ninguno

Esta os e la Naturale"a
Aero(uerto en A $, -1 0 . Aero(uerto en B -$% $$ -$ . Resulta o es(era o ./0 $/0 % .

&n este caso, cada estado de la naturale'a tendra probabilidad ocurrencia 16*. &l resultado esperado m)imo se obtiene para la tercera alternativa, por lo que la decisin ptima se n el criterio de Laplace sera comprar ambas parcelas. CR3TICA

Modelos de Toma de Decisiones

La o*4eci!n que se suele hacer al criterio de Laplace es la si uiente0 ante una &is&a reali a 5 (ue en tenerse istintas (ro*a*ili a es5 seg6n los casos 7ue se consi eren . $or ejemplo, una partcula puede moverse o no moverse, por lo que la probabilidad de no moverse es 16*. &n cambio, tambi8n puede considerarse de la si uiente forma0 una partcula puede moverse a la derecha, moverse a la i'quierda o no moverse, por lo que la probabilidad de no moverse es 162. "esde un punto de vista prctico, la dificultad de aplicacin de este criterio reside en la necesidad de elaboracin de una lista e89austi#a 2 &utua&ente e8clu2ente e to os los (osi*les esta os e la naturale"a. $or otra parte, al ser un criterio basado en el conce(to e #alor es(era o, su funcionamiento debe ser correcto tras sucesivas repeticiones del proceso de toma de decisiones. Sin embar o, en aquellos casos en que la eleccin slo va a reali'arse una ve', puede conducir a decisiones poco acertadas si la distribucin de resultados presenta una ran dispersin, como se muestra en la si uiente tabla0

Esta os e la Naturale"a Alternati#as

a$ a% e$ $0... 0... e% -0... :...

Resulta o es(era o
0... :0..

&ste criterio seleccionara la alternativa a$, que puede ser poco conveniente si la toma de decisiones se reali'a una nica ve', ya que podra conducirnos a una p8rdida elevada

Modelos de Toma de Decisiones

CRITERIO DE ;ALD &ste es el criterio ms conservador ya que est basado en lo rar lo mejor de las peores condiciones posibles. esto es, si el resultado x(ai, ej) representa p8rdida para el decisor, entonces, para ai la peor p8rdida independientemente de lo que ej pueda ser, es mx ej { x(ai, ej) }. &l criterio minima) eli e entonces la accin ai asociada a 0

Elegir 5 ai = mn ai mx ej x : ai , e j 9

&n una forma similar, si x(ai, ej) representa la anancia, el criterio eli e la accin ai asociada a0

Elegir 5 ai = mx ai mn ej x : ai , ej 9

&ste criterio recibe el nombre de criterio &a8i&in, y corresponde a un (ensa&iento (esi&ista, pues ra'ona sobre lo peor que le puede ocurrir al decisor cuando eli e una alternativa. EJEM'LO $artiendo del ejemplo de construccin del hotel, la si uiente tabla muestra las recompensas obtenidas junto con los niveles de se uridad de las diferentes alternativas0

Alternati#as

Esta os e la Naturale"a si
-$% -1 -$ .

Terreno co&(ra o Aero(uerto en A Aero(uerto en B A B A2B Ninguno $, -1 0 . - $% $$ -$ .

La alternativa ptima se n el criterio de ,ald sera no comprar nin uno de los terrenos, pues proporciona el mayor de los niveles de se uridad. CR3TICA

Modelos de Toma de Decisiones

&n ocasiones, el criterio de ,ald puede conducir a decisiones poco adecuadas. $or ejemplo, consideremos la si uiente tabla de decisin, en la que se muestran los niveles de se uridad de las diferentes alternativas.

Esta os e la Naturale"a Alternati#as a$ a% e$ $... $.. e% << $.. si << $..

&l criterio de ,ald seleccionara la alternativa a2, aunque lo ms ra'onable parece ser ele ir la alternativa a1, ya que en el caso ms favorable proporciona una recompensa mucho mayor, mientras que en el caso ms desfavorable la recompensa es similar.

Modelos de Toma de Decisiones

<

CRITERIO DE =UR;IC> &ste criterio representa un intervalo de actitudes desde la ms optimista hasta la ms pesimista. &n las condiciones ms optimistas se ele ira la accin que proporcione el mx ai mx ej { x(ai, ej) =. Se supone que x(ai, ej), representa la anancia o beneficio. "e i ual manera, en las condiciones ms pesimistas, la accin ele ida corresponde a mx ai mn ej { x(ai, ej) =. &l criterio de .ur/ic' da un balance entre el optimismo e)tremo y el pesimismo e)tremo ponderando las dos condiciones anteriores por los pesos respectivos y :1> 9, donde ? @ @ 1. &sto es, si x(ai, ej) representa beneficio, seleccione la accin que proporcione0

mx ai mx e j x : ai , ej 9 + : 1 9mn e j x : ai , ej 9

$ara el caso donde x(ai, ej) representa un costo, el criterio selecciona la accin que proporciona0

mn ai mn e j x : ai , ej 9 + :1 9mx e j x : ai , ej 9

&l parmetro se conoce como n ice e o(ti&is&o? cuando A 1, el criterio es demasiado optimistaB cuando A ?, es demasiado pesimista . Cn valor de entre cero y uno puede ser seleccionado dependiendo de si el decisor tiende hacia el pesimismo o al optimismo. &n ausencia de una sensacin fuerte de una circunstancia u otra, un valor de A 16* parece ser una seleccin ra'onable.

Modelos de Toma de Decisiones

EJEM'LO $artiendo del ejemplo de construccin del hotel, la si uiente tabla muestra las recompensas obtenidas junto con la media ponderada de los niveles de optimismo y pesimismo de las diferentes alternativas para un valor a @ ./:0

Alternati#as
Terreno co&(ra o A B A2B Ninguno

Esta os e la Naturale"a
Aero(uerto en A $, -1 0 . Aero(uerto en B -$% $$ -$ .

&nei &A8ei SBaiC

-$% -1 -$ . $, $$ 0 . -% -./: $/: .

La alternativa ptima se n el criterio de .ur/ic' sera comprar las parcelas + y D, pues proporciona la mayor de las medias ponderadas para el valor de a seleccionado.

Modelos de Toma de Decisiones

CRITERIO DE SADAGE
&n 1E41 Sa#age ar umenta que al utili'ar los valores 8i4 para reali'ar la eleccin, el decisor compara el resultado de una alternativa bajo un estado de la naturale'a con todos los dems resultados, independientemente del estado de la naturale'a bajo el que ocurran. Sin embar o, el estado de la naturale'a no es controlable por el decisor, por lo que el resulta o e una alternati#a s!lo e*era ser co&(ara o con los resulta os e las e&As alternati#as *a4o el &is&o esta o e la naturale"a. !on este propsito Sava e define el concepto de (Er i a relati#a o (Er i a e o(ortuni a ri4 asociada a un resultado 8i4 como la diferencia entre el resultado de la mejor alternativa dado que e4 es el verdadero estado de la naturale'a y el resultado de la alternativa ai bajo el estado e40

+s, si el verdadero estado en que se presenta la naturale'a es e4 y el decisor eli e la alternativa ai que proporciona el m)imo resultado 8i4, entonces no ha dejado de anar nada, pero si eli e otra alternativa cualquiera ar , entonces obtendra como anancia 8r4 y dejara de anar 8i4-8r4. Sava e propone seleccionar la alternativa que proporcione la menor de las mayores p8rdidas relativas, es decir, si se define ri como la mayor p8rdida que puede obtenerse al seleccionar la alternativa ai,

el criterio de Sava e resulta ser el si uiente0

!onviene destacar que, como paso previo a la aplicacin de este criterio, se debe calcular la matri' de p8rdidas relativas, formada por los elementos ri4. !ada columna de esta matri' se obtiene calculando la diferencia entre el valor m)imo de esa columna y cada uno de los valores que aparecen en ella.

Modelos de Toma de Decisiones

1?

Fbserve que si x(ai, ej) es una funcin de beneficio o de p8rdida, la matri' de p8rdidas relativas, formada por los elementos ri4 representa en ambos casos p8rdidas. 'or consiguiente5 6nica&ente el criterio &ini&a8 B 2 no el &a8i&inC (ue e ser a(lica o a la &atri" e e(loraci!n r/ EJEM'LO $artiendo del ejemplo de construccin del hotel, la si uiente tabla muestra la matri' de p8rdidas relativas y el mnimo de 8stas para cada una de las alternativas.

Alternati#as
Terreno co&(ra o A B A2B Ninguno

Esta os e la Naturale"a
Aero(uerto en A . %$ 1 $, Aero(uerto en B %, . $% $$

ri
%, %$ $% $,

&l mayor resultado situado en la columna 1 de la tabla de decisin ori inal es 12B al restar a esta cantidad cada uno de los valores de esa columna se obtienen las p8rdidas relativas bajo el estado de la naturale'a Aeropuerto en A. "e la misma forma, el m)imo de la columna * en la tabla ori inal es 11B restando a esta cantidad cada uno de los valores de esa columna se obtienen los elementos ri4 correspondientes al estado de la naturale'a Aeropuerto en . !omo puede observarse, el valor ri menor se obtiene para la tercera alternativa, por lo que la decisin ptima se n el criterio de Sava e sera comprar ambas parcelas.

Modelos de Toma de Decisiones

11

CR3TICA &l criterio de Sava e puede dar lu ar en ocasiones a decisiones poco ra'onables. $ara comprobarlo, consideremos la si uiente tabla de resultados0 Esta os e la Naturale"a Alternati#as a$ a% e$ < : e% % F

La ta*la e (Er i as relati#as correspondiente a esta tabla de resultados es la si uiente0 Esta os e la Naturale"a Alternati#as a$ a% e$ . 0 e% : . ri : 0

La alternativa ptima es a$. Supon amos ahora que se aGade una alternativa, dando lu ar a la si uiente tabla de resultados0 Esta os e la Naturale"a Alternati#as a$ a% a, e$ < : , e% % F <

Modelos de Toma de Decisiones

1*

La nueva tabla de p8rdidas relativas sera0 Esta os e la Naturale"a Alternati#as a$ a% a, e$ . 0 F e% G , . ri G 0 F

&l criterio de Sava e selecciona ahora como alternativa ptima a%, cuando antes seleccion a$. &ste cambio de alternativa resulta un poco paradjico0 supon amos que a una persona se le da a ele ir entre (eras y &an"anas5 y prefiere (eras. Si posteriormente se la da a ele ir entre (eras, &an"anas y naran4as, Hesto equivaldra a decir que ahora prefiere &an"anas/

Modelos de Toma de Decisiones

12

EJERCICIOS CRITERIOS DE DECISION EN INCERTIDUMBRE 1. Cna instalacin recreativa debe decidir acerca del nivel de abastecimiento que debe almacenar para satisfacer las necesidades de sus clientes durante uno de los das de fiesta. &l nmero e)acto de clientes no se conoce, pero se espera que est8 en una de cuatro cate oras0 *??,*4?, 2?? o 24? clientes. Se su ieren, por consi uiente, cuatro niveles de abastecimiento, siendo el nivel i el ideal :desde el punto de vita de costos9 si el nmero de clientes cae en la cate ora i. La desviacin respecto de niveles ideales resulta en costos adicionales, ya sea porque se ten a un abastecimiento e)tra sin necesidad o porque la demanda no puede satisfacerse. La tabla que si ue proporciona estos costos en miles de unidades monetarias.

e1:*??9 e*:*4?9 e2:2??9 e7:24?9 a1:*??9 (ivel de abastecimiento a*:*4?9 a2:2??9 a7:24? 4 3 *1 2? 1? < 13 ** 13 3 1* 1E *4 *2 *1 14

"etermine cual es el nivel de aprovisionamiento ptimo, utili'ando los criterios e)plicados. RESULTADOS AC LA'LACE? &l principio de Laplace establece que e1, e*, e2, e7 tienen la misma probabilidad de suceder. $or consi uiente las probabilidades asociadas son $:)9A167 y los costos esperados para las acciones son0 &:a19 A EBa%C @ &:a29 A &:a79 A :1679:4I1?I13I*49 B$+:CB1HGH1H%,C :1679:*1I13I1*I*19 :1679:2?I**I1EI149 A 17.4 @ $$/0 A 13.? A *1.4

$or lo tanto, el mejor nivel de inventario de acuerdo con el criterio de Laplace est especificado por a*.

Modelos de Toma de Decisiones

17

BC ;ALD Ja que x(ai, ej) representa costo, el criterio minima) es aplicable. Los clculos se resumen en la matri' que si ue. La estrate ia minima) es a20

e1:*??9 e*:*4?9 e2:2??9 e7:24?9

a1:*??9 (ivel de abastecimiento a*:*4?9

4 3

1? <

13 3

*4 *2

*4 *2

a2:2??9

*1

13

1*

*1

%$ B#alor &ini&a8C
2?

a7:24?

2?

**

1E

14

CC =UR;IC> Supon amos A16*. Los clculos necesarios se muestran ense uida. La solucin ptima est dada por a1 a*.

a1 a* a2 a7

4 < 1* 14

*4 *2 *1 2?

$0 B&nC $0 B&nC 1;.4 **.4

Modelos de Toma de Decisiones

14

DC SADAGE Se obtiene primero la matri' ri4 restando 4, <, 3 y 14 de las columnas 1, *, 2 y 7 respectivamente.

e1:*??9 e*:*4?9 e2:2??9 e7:24?9

a1:*??9 (ivel de abastecimiento

1?

13

*4

1?

a*:*4?9

<

*2

1 B#alor &ini&a8C
1; *4

a2:2??9 a7:24?

*1 2?

13 **

1* 1E

*1 14

*. !onsidere la si uiente matri' de pa os :beneficios90

e1 a1 a* a2 a7 14 2 1 <

e* 1? 17 4 1E

e2 ? 3 17 1?

e7 >; E *? *

e4 1< * >2 ?

(o se conocen probabilidades para la ocurrencia de los estados de la naturale'a. !ompare las soluciones obtenidas con cada uno de los criterios aprendidos.

Modelos de Toma de Decisiones

1;

2. !onsidere las si uientes tablas de retribuciones en la que cada dato es un rendimiento neto en dlares. Supon a que es una decisin en la que no se tiene conocimiento del estado de la naturale'a. "etermine la mejor decisin utili'ando los criterios aprendidos. Kabla a9
&stados de la naturale'a "ecisin 1 * 2 7 1 24 *< ** *? * ** *4 *4 *4 2 *4 *? *4 *3 7 1* 13 *3 22

Kabla b9

&stados de la naturale'a "ecisin 1 * 2 1 2 < 4 * 3 7 ; 2 4 ; E

Modelos de Toma de Decisiones

1<

TOMA DE DECISIONES BAJO RIESGO &sta cate ora incluye aquellas decisiones para las que las consecuencias de una accin dada dependen de al n evento probabilista. &L&-$LF Supon a que tiene un pequeGo local de ventas de pinos para (avidad. La primera tarea es decidir cuntos pinos ordenar para la si uiente temporada. Supn ase que se debe pa ar M2.4 por cada rbol, se pueden ordenar solo lotes de 1?? y se planea venderlos a M3 cada uno. $or supuesto, si no se venden, no tienen valor de recuperacin. Se estudian los re istros de ventas pasadas en la i lesia y se anali'a el crecimiento potencial de las ventas con otros vendedores, lle ando a las si uientes estimaciones para la si uiente temporada0

Denta e (inos 1?? *?? 2??

'ro*a*ili a ?.2 ?.2 ?.7

!on estos datos se puede calcular la anancia para cada combinacin de cantidad ordenada y ventas eventuales. $or ejemplo, si se ordenan 2?? pinos y se venden slo *??, la utilidad neta ser de M7.4 por cada rbol vendido menos una p8rdida de M2.4 por los rboles no vendidos, es decir0 *??:M3>M2.49>1??:M2.49AME??>M24?AM44? Si se hace esto para cada una de las combinaciones y se obtienen los resultados mostrados en la tabla de decisiones si uiente o tambi8n llamada matri' de pa os0

Modelos de Toma de Decisiones

13

E#entos B e&an a e Ar*olesC 1?? :?.29 Alternati#as e ecisi!n 1?? *?? M74? M1?? *?? :?.29 M74? ME?? 2?? :?.79 M74? ME??

2??

M>*4?

M44?

M1.7??

&l resultado ms importante de la teora de decisiones bajo ries o es que debe seleccionarse la alternativa que ten a el mayor N+LF# &S$&#+"F. &)isten muchas decisiones administrativas que pueden catalo arse como toma de decisiones bajo ries o. +l unas de ellas son0 O"eber introducirse un nuevo producto en particularP O"eber ofrecerse ms para obtener un contratoP O"eber construirse una nueva planta o ampliarse la que se tieneP O!untos pasteles deber producir una pastelera para la venta diariaP. O"eber una compaGa petrolera reali'ar pruebas ssmicas costosas antes de hacer una nueva perforacinP O"eber iniciarse un nuevo pro rama costoso de propa andaP

Modelos de Toma de Decisiones

1E

TOMA DE DECISIONES BAJO CERTIDUMBRE

Si se pueden predecir con certe'a las consecuencias de cada alternativa de accin, entonces se tiene una tarea de toma de decisiones bajo certidumbre. Ftra manera de pensar en esto es que e)iste una relacin directa de causa y efecto entre cada acto y su consecuencia. Si est lloviendo, Odeber llevarse un para uasP, si hace fro, Odeber llevarse un abri oP. Ja sea que se lleve o no el para uas o el abri o, las consecuencias son predecibles. Cna buena parte de las decisiones que se toman a diario cae dentro de esta cate ora.

O&n dnde comerP O&n donde comprar el material de la oficinaP +l unos de los modelos o t8cnicas utili'ados para manejar estas decisiones son0

+nlisis del punto de equilibrio. $ro ramacin Lineal. $ro ramacin de la produccin. !ontrol de %nventarios.

'ROGRAMACION LINEAL
-uchas decisiones de "ireccin de Fperaciones incluyen el intentar conse uir utili'ar los recursos de la or ani'acin de la manera ms efectiva posible. Los recursos eneralmente incluyen maquinarias :como los aviones9, mano de obra : como los pilotos9, dinero, tiempo y materias primas :como el combustible9. estos recursos se pueden utili'ar para producir productos :como mquinas, muebles, alimentos y vestuario9 o servicios :como listas de vuelos, campaGas de publicidad o decisiones de inversin9. La pro ramacin lineal es un m8todo determinista de anlisis para ele ir la mejor entre muchas alternativas. !uando esta mejor alternativa incluye un conjunto coordinado de actividades, se le puede llamar plan o pro rama. !on frecuencia, seleccionar una alternativa incluye satisfacer varios criterios al mismo tiempo. $or ejemplo, cuando se compra una pie'a de pan se tiene el criterio de frescura, tamaGo, tipo :blanco, de centeno u otro9, costo, rebanado o no rebanado, etc. Se pueden adems dividir estos criterios en dos cate oras0 restricciones y objetivo.

Modelos de Toma de Decisiones

*?

Las restricciones son las condiciones que debe satisfacer una solucin que est bajo consideracin. Si ms de una alternativa satisfacen todas las restricciones, el objetivo se usa para seleccionar entre todas las alternativas factibles. !uando se eli e una pie'a de pan, puede quererse un Qilo de pan blanco rebanado y hecho en el da. Si varias marcas satisfacen estas restricciones, puede aplicarse el objetivo de un costo mnimo y esco er el ms barato. &)isten muchos problemas administrativos que se ajustan a este modelo de tratar de minimi'ar o ma)imi'ar un objetivo que est sujeto a una lista de restricciones. Cn corredor de inversiones, por ejemplo, trata de ma)imi'ar el rendimiento sobre los fondos invertidos pero las posibles inversiones estn restrin idas por las leyes y las polticas bancarias. Cn hospital debe planear que las comidas para los pacientes satisfa an ciertas restricciones sobre sabor, propiedades nutritivas, tipo y variedad, al mismo tiempo que se trata de minimi'ar el costo. Cn fabricante, al planear la produccin futura, busca un costo mnimo al mismo tiempo cmo cumplir restricciones sobre la demanda del producto, la capacidad de produccin, los inventarios, el nivel de empleados y la tecnolo a.

!a programaci"n lineal es una t#cnica determinista, no inclu$e pro%a%ilidades. El o%jeti&o $ cada una de las restricciones se de%en expresar como una relaci"n lineal, de a' el nom%re de programaci"n lineal.

Modelos de Toma de Decisiones

*1

Kodos los problemas de $L :$ro ramacin Lineal9 tiene cuatro propiedades en comn0 1. Los problemas de $L buscan &a8i&i"ar o &ini&i"ar una cantidad : eneralmente beneficios o costos9. (os referimos a ello como la Iunci!n O*4eti#o de un $L. &l principal objetivo de una empresa tipo es a)imi'ar los beneficios a lar o pla'o. &n el caso de un sistema de distribucin, el objetivo puede ser minimi'ar los costos de transporte. 2. La presencia de restricciones limita el rado en que podemos perse uir el objetivo. $or ejemplo, decidir cuntas unidades se deben fabricar para una lnea de productos de una empresa est restrin ido por la disponibilidad de horas de mano de obra y mquinas. Se quiere por tanto, ma)imi'ar o minimi'ar una cantidad :funcin objetivo9 sujeta a las limitaciones de recursos :restricciones9. 3. "eben e)istir i)erentes alternati#as donde poder ele ir. $or ejemplo, si una empresa fabrica tres productos, los directivos pueden utili'ar $L para decidir cmo asi nar entre ellos sus recursos de produccin limitados :trabajo, mquinas y dems9. Si no e)isten alternativas evidentes que seleccionar, no necesitaremos la $L. 7. La funcin objetivo y las restricciones de un $L deben ser e)presadas en t8rminos de ecuaciones lineales o inecuaciones.

Cna de las aplicaciones ms comunes de la pro ramacin lineal es el problema del plan de produccin. "o o ms productos se fabrican con recursos limitados. La empresa desea saber cuntas unidades deben fabricarse de cada producto, ma)imi'ando los beneficios lobales y teniendo en cuenta las limitaciones de recursos.

EJEM'LO Sony fabrica dos productos0 :19 el ,alQman un radiocasete porttil y :*9 el Shader KN, un televisor en blanco y ne ro del tamaGo de un reloj de pulsera. &l proceso de produccin de ambos productos se asemeja en que los dos necesitan un nmero de horas de trabajo en el departamento de electrnica, y un cierto nmero de horas de mano de obra en el departamento de montaje. !ada ,alQman necesita cuatro horas de trabajo de electrnica y dos en el taller de montaje. !ada televisor necesita tres horas de electrnica y una en montaje. "urante el actual perodo de produccin se dispone de doscientas cuarenta horas en el departamento de electrnica y de cien horas en el de montaje. !ada ,alQman vendido supone un beneficio de < dlares, mientras que para un televisor el beneficio unitario es de cinco dlares. &l problema de Sony es determinar la mejor combinacin posible de ,alQmany televisores que debe producir para alcan'ar el m)imo beneficio. &sta situacin puede formularse como un pro rama lineal. &mpe'aremos resumiendo la informacin necesaria para formular y resolver este problema.

.oras necesarias para producir una unidad

Modelos de Toma de Decisiones

**

"epartamento &lectrnica -ontaje Deneficios

:)19 ,alQman 7 * <

:)*9 Kelevisores 2 1 4

.rs. disponibles *7? 1??

Cna ve' hecho esto, utili'aremos la si uiente notacin0 Sea 0 J$@ n6&ero e ;alK&an a (ro ucir/ J%@ n6&ero e tele#isores a (ro ucir +hora podemos escribir la funcin objetivo en t8rminos de )1 y )*0 Ma8i&i"ar Bene)icio @ G8$ H 08% (uestro si uiente paso es desarrollar relaciones matemticas que describan las dos limitaciones del problema. Cna relacin de carcter eneral sera que la cantidad de recursos utili'ados sea menor o i ual :@9que la cantidad de recursos disponibles. $rimera restriccin0 tiempo de electrnica utili'ado @ tiempo de electrnica disponible. :8$ H ,8% L %:. B9oras e tra*a4o en electr!nicaC Se unda restriccin0 tiempo de montaje utili'ado @ tiempo de montaje disponible. %8$ H $8% L $.. B9oras e tra*a4o en &onta4eC +mbas restricciones representan las limitaciones de capacidad y, por supuesto, afectan al beneficio total. $or ejemplo, Sony no puede producir <? ,alQman durante el perodo de produccin porque si )1A<?, ambas restricciones se incumplen. Kampoco puede hacer 4? ,alQman y 1? televisores :)1 A 4?, )* A 1?9, porque en este caso se incumplira la se unda restriccin. &stas restricciones nos llevan a otro aspecto importante de la pro ramacin lineal0 e)istirn interacciones entre variables. !uantas ms unidades se realicen de un producto menos se fabricarn de otros.

Modelos de Toma de Decisiones

*2

La forma ms fcil de solucionar un pequeGo problema de $L, como por ejemplo el de Sony , es la solucin rfica. &l procedimiento rfico puede utili'arse cuando e)isten dos variables de decisin, como el nmero de ,alQman a producir :19 y el nmero de televisores a producir :)*9.

!uando e)isten ms de dos variables, es imposible dibujarlo en un rfico de dos dimensiones, por lo que habrn de adoptarse otros m8todos de resolucin ms complejos que se describirn ms adelante.

Re(resentaci!n grA)ica e las restricciones $ara encontrar la solucin ptima de un problema $L, en primer lu ar debemos identificar el conjunto o re in de soluciones posibles :valores de las variables que cumplen las restricciones del problemaC/ &l primer paso para conse uirlo es dibujar las restricciones del problema en un rfico. #etomemos el problema de ejemplo de Sony0 Ma8i&i"ar Bene)icio @ G8$ H 08% S/A/ :8$ H ,8% %8$ H $8% 8$5 8% L %:. B9oras e tra*a4o en electr!nicaC L $.. B9oras e tra*a4o en &onta4eC M. Bn6&ero e uni a es no e*e ser negati#oC

Modelos de Toma de Decisiones

*7

$ara dibujar las restricciones en un i ualdades0 Restricci!n A? Restricci!n B?

rfico, debemos transformar las desi ualdades en

:8$ H ,8% %8$ H $8%

@ %:. @ $..

La variable )1 :,alQman9 eneralmente se dibuja en el eje hori'ontal y la variable )* :televisores9 en el eje vertical.

Modelos de Toma de Decisiones

*4

'ROGRAMACIN LINEAL
'ROBLEMAS .$ Cn
frutero necesita 1; cajas de naranjas, 4 de pltanos y *? de man'anas. "os mayoristas pueden suministrarle para satisfacer sus necesidades, pero slo venden la fruta en contenedores completos. &l mayorista + enva en cada contenedor 3 cajas de naranjas, 1 de pltanos y * de man'anas. &l mayorista D enva en cada contenedor * cajas de naranjas, una de pltanos y < de man'anas. Sabiendo que el mayorista + se encuentra a 14? Qm de distancia y el mayorista D a 2?? Qm, calcular cuntos contenedores habr de comprar a cada mayorista, con objeto de ahorrar tiempo y dinero, reduciendo al mnimo la distancia de lo solicitado.

.% Cna compaGa tiene dos minas0 la mina + produce diariamente 1 tonelada de carbn de antracita de alta

calidad, * toneladas de carbn de calidad media y 7 toneladas de carbn de baja calidadB la mina D produce * toneladas de cada una de las tres clases. La compaGa necesita <? toneladas de carbn de alta calidad, 12? de calidad media y 14? de baja calidad. Los astos diarios de la mina + ascienden a 14? dlares y los de la mina D a *?? dlares. O!untos das debern trabajar en cada mina para que la funcin de coste sea mnimaP inemos que las necesidades semanales mnimas de una persona en protenas, hidratos de carbono y rasas son, respectivamente, 3, 1* y E unidades. Supon amos que debemos obtener un preparado con esa composicin mnima me'clando dos productos + y D, cuyos contenidos por R son los que se indican en la si uiente tabla0 $rotenas + D * 1 .idratos ; 1 Srasas 1 2 !osto6Q ;?? 7??

., %ma

a9 O!untos R de cada producto debern comprarse semanalmente para que el costo de preparar la dieta sea mnimoP b9 O!untos R de cada producto deberamos comprar si el precio de + subiera a 1.??? pesos6R P

.: &n la elaboracin de un producto + se necesita una sustancia D. La cantidad de + obtenida es menor o

i ual que el doble de D utili'ada, y la diferencia entre las cantidades del producto D y + no supera los * mientras que la suma no debe sobrepasar los 4 . +dems se utili'a por lo menos 1 de D y se requiere 1 de +. La sustancia + se vende a 4 millones y la D cuesta 7 millones el ramo. !alcular la cantidad de sustancia D necesaria para que el beneficio sea m)imo.

Modelos de Toma de Decisiones

*;

SOLUCIONES

.$

MATEMATI>ACIN DEL 'ROBLEMA

-+JF#%SK+ -+JF#%SK+ + D (aranjas $ltanos -an'anas "istancia 3 1 * 14? Rm * 1 < 2?? Rm

(ecesidades mnimas 1; cajas 4 cajas *? cajas

DARIABLES INSTRUMENTALES

Llamamos x al nmero de contenedores del mayorista + Llamamos $ al nmero de contenedores del mayorista D

IUNCIN OBJETIDO

:Mini&i"ar9

1:T9 A 14?) I 2??y

RESTRICCIONES

REGIN DE SOLUCIONES IACTIBLES

Modelos de Toma de Decisiones

*<

SOLUCIN IACTIBLE 'TIMA

Fbservamos que el mnimo se alcan'a en el punto #:2,*9 :soluci"n "ptima9 $or tanto el frutero solicitar 2 contenedores del mayorista + y * contenedores del mayorista D.

Modelos de Toma de Decisiones

*3

.%

MATEMATI>ACIN DEL 'ROBLEMA

-ina + +lta -edia Daja !osto diario 1 * 7 M 14?

-ina D * * * M *??

(ecesidades mnimas <? 12? 14?

DARIABLES INSTRUMENTALES

Llamamos x al nmero de das trabajados en la mina + Llamamos $ al nmero de das trabajados en la mina D

IUNCIN OBJETIDO

:Mini&i"ar9

1:T9 A 14?) I *??y

RESTRICCIONES

REGIN DE SOLUCIONES IACTIBLES

Modelos de Toma de Decisiones

*E

SOLUCIN IACTIBLE 'TIMA

&l mnimo se obtiene en el punto #:;?,49 es decir, la compaGa debe trabajar ;? das en la mina + y 4 das en la mina D para que el costo sea mnimo.

DALOR DEL 'ROGRAMA LINEAL

!omo la funcin objetivo es 1:T9 A 14?) I *??y el valor del pro rama lineal : asto9 es 1:T9 A 14?U;? I *??U4 A M1?.??? diarios.

Modelos de Toma de Decisiones

2?

.,

MATEMATI>ACIN DEL 'ROBLEMA

+ $rotenas .idratos Srasas !osto * ; 1 ;??

D 1 1 2 7??

(ecesidades 3 1* E

DARIABLES INSTRUMENTALES

Llamamos x al nmero de R . usados del producto + Llamamos $ al nmero de R . usados del producto D

IUNCIN OBJETIDO

:Mini&i"ar9

1:T9 A ;??) I 7??y

RESTRICCIONES

REGIN DE SOLUCIONES IACTIBLES

Modelos de Toma de Decisiones

21

SOLUCIN IACTIBLE 'TIMA

Kodos los puntos que forman la re in ( son soluciones factibles, y por paralelismo con la recta de beneficio nulo ) vemos que #:2,*9 es el punto mnimo. $or tanto, deben comprarse 2 Q . de + y * Q . de D para que el asto sea mnimo.

DALOR DEL 'ROGRAMA LINEAL

!uando la funcin objetivo es 1:T9 A ;??) I 7??y el valor del pro rama lineal : asto9 es M*.;?? Si la funcin objetivo es 1:T9 A 1??) I 7??y la solucin ptima est en el punto V:1,;9 y el valor del pro rama lineal : asto9 es M 2.7??

Modelos de Toma de Decisiones

2*

.:

DARIABLES INSTRUMENTALES

Llamamos x a la cantidad de sustancia + Llamamos $ a la cantidad de sustancia D

IUNCIN OBJETIDO

:Ma8i&i"ar9

1:T9 A 4) I 7y

RESTRICCIONES

REGIN DE SOLUCIONES IACTIBLES

SOLUCIN IACTIBLE 'TIMA

Se encuentra en el punto V:1?62, 4629, es decir la cantidad de sustancia D para que el beneficio sea m)imo debe ser 462 .