Fase 2.

Trabajo Colaborativo 1

Euclidia Herazo

Jorge Eduardo Peñarete

Carlos Arturo Rojas

María Camila Zea Hernández

212066_3

Tutor

Roger Ricardo Negrete

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

Ciencias Básicas, tecnología e Ingeniería

Ingeniería Industrial

Cartagena – 2017
 Introducción

En este trabajo hallaran el desarrollo de algoritmos con la herramienta de WinQSB, la

cual nos permite resolver problemas. Es un programa de herramientas muy versátil que
permite el análisis y resolución de modelos matemáticos, problemas administrativos, de
producción, proyectos, inventarios, transporte, entre muchos otros. Ofrece una interfaz
básica pero amigable, y es la aplicación por excelencia utilizada por profesionales
de Ingeniería Industrial y áreas administrativas para la resolución de sus modelos
de programación lineal, continua o entera.

Es una actividad tanto individual como colaborativa, se desarrolla en el programa y se

analiza las diversas tomas de decisiones, se procede a elegir la toma más asertiva y que
va más acorde a la temática
Problema 1. ÁRBOLES DE DECISIÓN, VEIP y VEIM

Teratex, una empresa textilera que tiene una experiencia productiva en el mercado
extranjero de 25 años, debe decidir si fabrica un nuevo producto en su planta principal,
o si por el contrario la compra a un proveedor externo. Las utilidades dependen de la
demanda del producto. La tabla muestra las utilidades proyectadas, en millones de
pesos.

Según la información correspondiente de la tabla 1 y la teoría del valor esperado de la

información perfecta (VEIP), el valor esperado de la información muestral (VEIM) y los
arboles de decisión, respondad:

a) Use VEIP para determinar si la empresa debe intentar obtener una mejor
estimación de la demanda.
 45

48

Nodo 51
2
DAB 0,25
57

37

39
Subcontratar
Nodo 1 Nodo DMAG 0,23
3 43

50

40

Nodo DMBG 0,27

41
4
43

46
DBG = Demanda baja ganancias

DMBG = Demanda media baja ganancias

DMAG = Demanda media alta ganancias

DAG = Demanda alta ganancias

Por valor esperado se obtiene:

Nodo 4 = 42,46

Nodo 3 = 42,17

Nodo 2 = 50,19

Nodo 1 = Max (Nodo 2, Nodo 3, Nodo 4)

Nodo 1 = 50,19

La decisión recomendada por el método de valor esperado es fabricar con un pago 50,19
millones.

Valor esperado de la información perfecta se calcula:

VEIP = VEcIP – VEsIP

VEcIP = (0,25 × 45) + (0,27 × 48) + (0,23 × 51) + (0,25 × 57)

VEcIP = 50,19 Millones

VEcIP – VEsIP = 50,10 – 50,19 = 0

VEIP = 0

La empresa debería intentar obtener una mejor estimación de la demanda ya que el valor
esperado de la información perfecta es 0.
b) Se espera que un estudio de mercado de prueba sobre la posible demanda del
producto reporte una condición favorable (F) o desfavorable (D). Las
probabilidades condicionales relevantes son:

P(F/baja) = 0,2 P(D/baja) = 0,8

P(F/media baja) = 0,4 P(D/media baja) = 0,6

P(F/media alta) = 0,3 P(D/media alta) = 0,7

P(F/alta) = 0,65 P(D/alta) = 0,35

Se aplica el teorema de Bayes para encontrar las posibilidades posteriores.

𝑃(𝐸 𝑆𝑗)𝑃(𝑠𝑗)
𝑃(𝑆𝑗 𝐸) =
𝑃(𝐸)

P(Sj E) = Probabilidades a posteriori

P(Sj) = Probabilidades a priori

P(E Sj) = Probabilidad de E en la hipótesis Sj

Con E = favorable (f) o desfavorable (d)

Del ejercicio tenemos lo siguiente:

P(s1) = 0,25 P(s2) = 0,27 P(s3) = 0,23 P(s4) = 0,25

 FAVORABLE
Estados de la Probabilidades Probabilidades Probabilidades Probabilidades
Naturaleza Previas P(sj) condicionales conjuntas posteriores
P(f/sj) P(F⋂Sj) P(Sj/F)
Demanda Baja
0,25 0,2 0,05 0,1283697047
Ganancia
Demanda
Media Baja 0,27 0,4 0,108 0,2772785622
Ganancia
Demanda
Media Alta 0,23 0,3 0,069 0,1771501925
Ganancia
Demanda Alta
0,25 0,65 0,1625 0,4172015404
Ganancia
P(F) 0,3895

DESFAVORABLE
Estados de la Probabilidades Probabilidades Probabilidades Probabilidades
naturaleza previas P(Sj) condicionales conjuntas posteriores
P(D/Sj) P(D∩Sj) P(Sj/D)
Demanda Baja
0,25 0,8 0,2 0,3276003276
Ganancia
Demanda
Media Baja 0,27 0,6 0,162 0,2653562653
Ganancia
Demanda
Media Alta 0,23 0,7 0,161 0,2637182637
Ganancia
Demanda Alta
0,25 0,35 0,0875 0,1433251433
Ganancia
P(D) 0,6105

Se observa que pasa en el árbol de decisión.

 4 DMAG 51

DAG 57
2 DBG 37

5 DMBG 39
DMAG 43

DAG 50

6 DBG 40
1 DMBG 41
DMAG 43

DAG 46

DBG 45
7
DMBG 48

DMAG 51
DAG 57
3 Subcontratar
DBG 37
8
DMBG 39
DMAG 43

DAG 50
DBG 40

9 DMBG 41
DMAG 43

DAG 46
Resolvemos los nodos según los resultados dados en la tabla de FAVORABLE y
DESFAVORABLE.
VE (Nodo 4) = (0,1283697047 x 45) + (0,2772785622 x 48) + (0,1771501925 x 51) +
(0,4172015404 x 57) = 51,901155
VE (Nodo 5) = (0,1283697047 x 37) + (0,2772785622 x 39) + (0,1771501925 x 43) +
(0,4172015404 x 50) = 44,041078
VE (Nodo 6) = (0,1283697047 x 40) + (0,2772785622 x 41) + (0,1771501925 x 43) +
(0,4172015404 x 46) = 43,311938

VE (Nodo 7) = (0,3276003276 x 45) + (0,2653562653 x 48) + (0,2637182637x 51) +

(0,1433251433 x 57) = 49,09828
VE (Nodo 8) = (0,3276003276 x 37) + (0,2653562653 x 39) + (0,2637182637x 43) +
(0,2637182637x 50) = 46,995905
VE (Nodo 9) = (0,3276003276 x 40) + (0,2653562653 x 41) + (0,2637182637x 43) +
(0,2637182637 x 46) = 47,454545

Se escoge el número de los nodos de decisión que sea mayor:

Nodo 2 = Max (Nodo 4, Nodo 5, Nodo 6) = 51,901155
Nodo 1 = Max (Nodo 7, Nodo 8, Nodo 9) =49,09828
VE (Nodo 1) = (0,3895 x 51,901155) + (0,6105 x 49,09828)
VE (Nodo 1) = 50,19 Millones – VEcIM,

c) ¿Cuál es el valor esperado de la información de investigación de mercados?

Para hallar el valor esperado de la información perfecta tenemos que:

VEIM = VEcIM – VEsIM

VEcIM = 50,19 Millones

VEsIP = 50,19 Millones
VEIM = 0
 Esto deduce que la influencia de la investigación de mercado no fue relevante pues
el resultado es 0.

d) ¿Cuál es la eficiencia de la información?

La Eficiencia de la información se calcula:

𝑉𝐸𝐼𝑀
∗ 100
𝑉𝐸𝐼𝑃

Dado que los valores de VEIM y VEIP son cero la eficiencia de la información es 0, de
ahí que se hace necesario buscar otro tipo de muestra o métodos de investigación de
mercado.

Pantallazos con el Software WinQSB del problema 1:

Problema 2. ÁRBOLES DE DECISIÓN, VEIP y VEIM

ElectroCom, una empresa que fabrica componentes electrónicos para la introducción en

su catálogo de productos debe decidir si fabrica un nuevo producto en su planta principal,
lo subcontrata con supervisión de la compañía o si por el contrario lo compra a un
proveedor externo. Las utilidades dependen de la demanda del producto. La tabla
muestra las utilidades proyectadas, en millones de pesos.

Tabla 1. Proceso de decisión para la comercialización del producto

Estados de la naturaleza
Alternativa de decisión Demanda baja Demanda media baja Demanda media alta Demanda alta
Ganancias ($) Ganancias ($) Ganancias ($) Ganancias ($)
Fabricar 45 48 51 57
Subcontratar 37 39 43 50
Comprar 40 41 43 46
Arrendar 38 42 45 49
Probabilidades Ʃ = 1 0,22 0,24 0,25 0,29

Tabla 2. Proceso de decisión problema 2

Según la información correspondiente de la tabla 1 y la teoría del valor esperado de la

información perfecta (VEIP), el valor esperado de la información muestral (VEIM) y los
arboles de decisión, responda:

e) Use VEIP para determinar si la empresa debe intentar obtener una mejor
estimación de la demanda.
 45

48

Nodo 51
2
DAB 0,29
57

37

Subcontratar 39
Nodo 1
Nodo DMAG 0,25
3 43

50

40
Arrendar Nodo DMBG 0,24
41
4
43

46

38
Nodo DMBG 0,24 42
5

45

49
DBG = Demanda baja ganancias
DMBG = Demanda media baja ganancias

DMAG = Demanda media alta ganancias

DAG = Demanda alta ganancias

Por valor esperado se obtiene:

Nodo 5 =43.9

Nodo 4 = 42,73

Nodo 3 = 42,75

Nodo 2 = 50,7

Nodo 1 = Max (Nodo 2, Nodo 3, Nodo 4, Nodo 5)

Nodo 1 = 50,7

La decisión recomendada por el método de valor esperado es fabricar con un pago 50,7
millones.

Valor esperado de la información perfecta se calcula:

VEIP = VEcIP – VEsIP

VEcIP = (0,22 × 45) + (0,24 × 48) + (0,25 × 51) + (0,29 × 57)

VEcIP = 50,7 Millones

VEcIP – VEsIP = 50,7 – 50,7 = 0

VEIP = 0

No se debe intentar obtener una mejor estimación de la demanda.

f) Se espera que un estudio de mercado de prueba sobre la posible demanda del
producto reporte una condición favorable (F) o desfavorable (D). Las
probabilidades condicionales relevantes son:

P(F/baja) = 0,3 P(D/baja) = 0,7

P(F/media baja) = 0,35 P(D/media baja) = 0,65

P(F/media alta) = 0,2 P(D/media alta) = 0,8

P(F/alta) = 0,38 P(D/alta) = 0,62

Se aplica el teorema de Bayes para encontrar las posibilidades posteriores.

𝑃(𝐸 𝑆𝑗)𝑃(𝑠𝑗)
𝑃(𝑆𝑗 𝐸) =
𝑃(𝐸)

P(Sj E) = Probabilidades a posteriori

P(Sj) = Probabilidades a priori

P(E Sj) = Probabilidad de E en la hipótesis Sj

Con E = favorable (f) o desfavorable (d)

Del ejercicio tenemos lo siguiente:

P(s1) = 0,22 P(s2) = 0,24 P(s3) = 0,25 P(s4) = 0,29

 FAVORABLE
Estados de la Probabilidades Probabilidades Probabilidades Probabilidades
Naturaleza Previas P(sj) condicionales conjuntas posteriores
P(f/sj) P(F⋂Sj) P(Sj/F)
Demanda Baja
0,22 0,3 0,066 0.21276595744
Ganancia
Demanda
Media Baja 0,24 0,35 0,084 0,27079303675
Ganancia
Demanda
Media Alta 0,25 0,2 0,05 0,16118633139
Ganancia
Demanda Alta
0,29 0,38 0,1102 0,3552546744
Ganancia
P(F) 0,3102

DESFAVORABLE
Estados de la Probabilidades Probabilidades Probabilidades Probabilidades
naturaleza previas P(Sj) condicionales conjuntas posteriores
P(D/Sj) P(D∩Sj) P(Sj/D)
Demanda Baja
0,22 0,7 0,154 0,22325311684
Ganancia
Demanda
Media Baja 0,24 0,65 0,156 0,22615250797
Ganancia
Demanda
Media Alta 0,25 0,8 0,2 0,28993911278
Ganancia
Demanda Alta
0,29 0,62 0,1798 0,26065526239
Ganancia
P(D) 0,6898

Se observa que pasa en el árbol de decisión.

 4 DMAG 51

DAG 57
2 DBG 37

5 DMBG 39
DMAG 43

DAG 50

6 DBG 40
1 DMBG 41
DMAG 43
DBG 46

7
DBG 38
DMBG 42
DMAG 45
DAG 49

DBG 45

DMBG 48
8
DMAG 51
DAG 57

3 Subcontratar
DBG 37
9
DMBG 39
DMAG 43

DAG 50
DBG 40

10 DMBG 41
DMAG 43

DAG 46

11 DBG 38

DMBG 42
DMAG 45

DAG 49
Resolvemos los nodos según los resultados dados en la tabla de FAVORABLE y
DESFAVORABLE.
VE (Nodo 4) = (0,21276595744*45) + (0,27079303675*48) + (0,16118633139*51) +
(0,3552546744*57) = 51,042553
VE (Nodo 5) = (0,21276595744*37) + (0,27079303675*39) + (0,16118633139*43) +
(0,3552546744*50) = 43,127015
VE (Nodo 6) = (0,21276595744*40) + (0,27079303675*41) + (0,16118633139*43) +
(0,3552546744*46) = 42,88588
VE (Nodo 7) = (0,21276595744*38) + (0,27079303675*42) + (0,16118633139*45) +
(0,3552546744*49) = 44,119278

VE (Nodo 8) = (0,22325311684*45) + (0,22615250797*48) + (0,28993911278*51) +

(0,26065526239*57) = 50,545955
VE (Nodo 9) = (0,22325311684*37) + (0,22615250797*39) + (0,28993911278*43) +
(0,26065526239*50) = 42,580458
VE (Nodo 10) = (0,22325311684*40) + (0,22615250797*41) + (0,28993911278*43) +
(0,26065526239*46) = 42,659901
VE (Nodo 11) = (0,22325311684*38) + (0,22615250797*42) + (0,28993911278*45) +
(0,26065526239*49) = 43,801392

Se escoge el número de los nodos de decisión que sea mayor:

Nodo 2 = Max (Nodo 4, Nodo 5, Nodo 6, Nodo 7) = 51,042553
Nodo 3 = Max (Nodo 8, Nodo 9, Nodo 10, Nodo 11) = 50,545955
VE (Nodo 1) = 0,3102*51,042553) + (0,6898*50,545955)
VE (Nodo 1) = 50,7 Millones – VEcIM,
g) ¿Cuál es el valor esperado de la información de investigación de mercados?

Para hallar el valor esperado de la información perfecta tenemos que:

VEIM = VEcIM – VEsIM

VEcIM = 50,07 Millones

VEsIP = 50,07 Millones
VEIM = 0

Esto deduce que la influencia de la investigación de mercado no fue relevante dado

que no aumenta.

h) ¿Cuál es la eficiencia de la información?

Con esta información se pudo determinar cuál es la mejor decisión para esta empresa
“ElectroCom” y es de fabricar ya que genera ingresos de 50,07 millones.

Pantallazo de Software WinQSB problema 2

 Conclusión

En los dos problemas encontramos que la única opción viable es fabricar el producto

ya que por los datos que tenemos tanto en las alternativas de decisión, como en los

estados de la naturaleza, al realizar el análisis con los arboles de decisión y teorema de

Bayes solo vemos que no hay pérdidas en la fabricación, pero tampoco tenemos una

ganancia representativa en el producto, por lo cual debemos buscar otra opción.

En cuanto al manejo del software WIN QSB podemos encontrar una ayuda que nos va a

permitir desarrollar con más facilidad y rapidez este tipo de ejercicios o problemas para

dar respuesta a algunas de las incógnitas y gráficos que representan los mismos en el

ámbito empresarial.
 Bibliografía

Quesada, I. (2011) Análisis cuantitativo con WinQSB. (pp. 1-10), Ibagué, Colombia:
Editorial Universidad de Ibagué. Recuperado
de: http://bibliotecavirtual.unad.edu.co:2051/login.aspx?direct=true&db=edselb&AN=eds
elb.10565777&lang=es&site=eds-live

OpenCourseWare. Universia. (2000). Breve manual del Solver, Madrid, España: Editorial
Universia. Recuperado de: http://hdl.handle.net/10596/7845

Mosquera, W. (2010). Teoría de las decisiones. (pp. 30-41), Bogotá, Colombia: Editorial
Universidad Nacional Abierta y a Distancia. Recuperado de:

http://hdl.handle.net/10596/4891

Hillier, F., & Lieberman, G. (2010). Análisis de Decisiones. (pp. 634-725), México D.F.,
México: Editorial McGraw-Hill. Recuperado de:

http://bibliotecavirtual.unad.edu.co:2053/book.aspx?i=386&opensearch=investigaci%C3
%B3n%