Matemáticas para la toma de decisiones Unidad 2

2.1 Pasos generales y técnicas de la construcción de modelos matemáticos.
¿Qué son los modelos determinísticos? Los problemas de toma de decisiones se pueden clasificar en dos categorías: modelos de decisión determinísticos y modelos de decisión probabilísticos. En los modelos determinísticos, las buenas decisiones se basan en sus buenos resultados. Se consigue lo deseado de manera "determinística", es decir, libre de riesgo. Esto depende de la influencia que puedan tener los factores no controlables, en la determinación de los resultados de una decisión y también en la cantidad de información que el tomador de decisión tiene para controlar dichos factores. ¿Qué son los modelos? Aquellos que manejan y controlan sistemas de hombres y equipos se enfrentan al problema constante de mejorar (por ejemplo, optimizar) el rendimiento del sistema. El problema puede ser reducir el costo de operación y a la vez mantener un nivel aceptable de servicio, utilidades de las operaciones actuales, proporcionar un mayor nivel de servicio sin aumentar los costos, mantener un funcionamiento rentable cumpliendo a la vez con las reglamentaciones gubernamentales establecidas, o "mejorar" un aspecto de la calidad del producto sin reducir la calidad de otros aspectos. Para identificar la mejora del funcionamiento del sistema, se debe construir una representación sintética o modelo del sistema físico, que puede utilizarse para describir el efecto de una variedad de soluciones propuestas. Un modelo puede considerarse como una entidad que captura la esencia de la realidad sin la presencia de la misma. Una fotografía es un modelo de la realidad ilustrada en la imagen. La presión arterial puede utilizarse como un modelo de la salud de una persona. Una campaña piloto de ventas puede utilizarse como un modelo de la respuesta de las personas a un nuevo producto. Por último, una ecuación matemática puede utilizarse como un 1 Ing. Rafael José Cuevas Mijangos

Una ecuación que predice las ventas anuales de un producto en particular es un modelo de ese producto pero tiene poca utilidad si lo que nos interesa es el costo de producción por unidad. Si se conoce el 2 Ing. Un modelo puede ser inadecuado aun cuando intenta capturar los elementos apropiados de la realidad si lo hace de una manera distorsionada o sesgada. La temperatura es un modelo de las condiciones climáticas pero puede ser inapropiado si uno está interesado en la presión barométrica. En consecuencia. Por lo tanto. Los modelos de este tipo se utilizan en gran medida en las ciencias físicas. un modelo útil es aquel que captura los elementos adecuados de la realidad con un grado aceptable de precisión. Ya que un modelo sólo captura determinados aspectos de la realidad. En cada caso. su uso puede no ser apropiado en una aplicación en particular porque no captura los elementos correctos de la realidad. que representa determinados aspectos del sistema físico representado en el modelo. sin afectar al sistema en sí. la utilidad del modelo depende del aspecto de la realidad que representa.Matemáticas para la toma de decisiones Unidad 2 modelo de la energía contenida en un determinado material. supóngase que se ha desarrollado un modelo matemático para predecir las ventas anuales como una función del precio de venta unitario. Un modelo matemático es una ecuación. Un modelo ofrece al analista una herramienta que puede manipular en su análisis del sistema en estudio. Rafael José Cuevas Mijangos . Una foto de una persona es un modelo de la misma pero brinda poca información acerca de sus logros académicos. el modelo captura algún aspecto de la realidad que intenta representar. desigualdad o sistema de ecuaciones o desigualdades. Por ejemplo. Una ecuación que pronostica el volumen mensual de ventas puede ser exactamente lo que el gerente de ventas quiere pero podría generar grandes pérdidas si arroja constantemente cálculos de ventas altos. en el campo de la ingeniería. Un termómetro que lee de más (o de menos) tendría poca utilidad para realizar un diagnóstico médico. los negocios y la economía.

la efectividad de los resultados de la aplicación de cualquier técnica operativa es en gran medida una función del grado en el cual el modelo representa al sistema en estudio. En la práctica.Matemáticas para la toma de decisiones Unidad 2 costo de producción por unidad. Si la función objetivo es describir el comportamiento de la medida de efectividad. En aplicaciones empresariales. Este criterio a menudo se denomina medida del rendimiento del sistema o medida de efectividad. el analista primero debe identificar un criterio según el cual se podrá medir el sistema. mediante la aplicación de las técnicas analíticas adecuadas. Rafael José Cuevas Mijangos . se pueden calcular con facilidad las utilidades anuales totales para cualquier precio de venta. determinando las ventas resultantes y calculando las utilidades anuales totales para cada valor de precio de venta examinado. Esto requiere un análisis de sensibilidad después de descubrir la mejor estrategia. Lo ideal sería que si el modelo matemático es una representación válida del rendimiento del sistema. la solución obtenida a partir del modelo debería ser también la solución para el problema del sistema. uno a la vez. Así. el analista puede determinar el precio de venta que maximizará las utilidades anuales totales. Mediante un proceso de prueba y error. debe capturar la relación entre esa medida y aquellas variables que hacen que dicha medida fluctúe. mientras que en aplicaciones gubernamentales esta medida generalmente se define en términos de un índice costo/beneficio. resulta 3 Ing. Para determinar el precio de venta que arrojará las utilidades totales máximas. Las variables del sistema pueden categorizarse en variables de decisión y parámetros. A fin de definir las condiciones que nos conducirán a la solución del problema del sistema. se pueden introducir en el modelo distintos valores para el precio de venta. la medida de efectividad generalmente son los costos o las utilidades. Una variable de decisión es una variable que puede ser directamente controlada por el decisor. El modelo matemático que describe el comportamiento de la medida de efectividad se denomina función objetivo. También existen algunos parámetros cuyos valores pueden ser inciertos para el decisor.

el analista debe evaluar la correspondencia o validez del modelo. En cambio. Normalmente se emplean dos criterios para realizar esta determinación. Por lo general. No obstante. supóngase que se desarrolla un modelo destinado a calcular el valor 4 Ing.Matemáticas para la toma de decisiones Unidad 2 casi imposible capturar la relación precisa entre todas las variables del sistema y la medida de efectividad a través de una ecuación matemática. sólo se puede determinar si estos factores realmente mejoran el modelo una vez realizadas la formulación y prueba de nuevos modelos que incluyan las variables adicionales. el éxito final es precedido por una serie de fracasos frustrantes y pequeños progresos. Rafael José Cuevas Mijangos . En cada iteración. aunque no siempre se tiene tanta buena suerte. En un nuevo intento. Si la medida de efectividad varía de manera antinatural con una sucesión de condiciones de entrada. Esta relación matemática es la función objetivo que se emplea para evaluar el rendimiento del sistema en estudio. Los intentos de desarrollo de una función objetivo pueden terminar en un fracaso. es posible que la función objetivo no sea válida. El primero implica la experimentación del modelo: someter el modelo a una serie de condiciones y registrar los valores asociados de la medida de efectividad dada por el modelo en cada caso. si el conjunto es el adecuado. porque no identifica correctamente la relación entre estas variables y la medida de efectividad. el analista de IO/CA debe tratar de identificar aquellas variables que afectan en mayor grado la medida de efectividad y luego debe intentar definir de manera lógica la relación matemática entre estas variables y la medida de efectividad. Esto puede darse porque el analista elige el conjunto incorrecto de variables para incluir en el modelo o bien. La formulación de una función objetivo que tenga sentido normalmente es una tarea tediosa y frustrante. Todo el proceso de selección y rechazo de variables puede requerir reiteraciones múltiples hasta desarrollar una función objetivo satisfactoria. el analista trata de descubrir las variables adicionales que podrían mejorar su modelo descartando aquellas que parecen tener poca o ninguna relevancia. Por ejemplo. En cada etapa del proceso de desarrollo. el analista espera lograr alguna mejora en el modelo.

no necesariamente implica que el modelo es una representación válida de la realidad. Prueba del modelo 5. relevantes Definición del problema de interés y recolección de los datos 2. cantidad de dormitorios. La segunda etapa de la validación del modelo requiere una comparación de los resultados del modelo con los resultados obtenidos en la realidad. Dado que este resultado no concuerda con la realidad. Formulación de un modelo que represente el problema 3.Matemáticas para la toma de decisiones Unidad 2 de mercado de viviendas unifamiliares. supóngase que el modelo es tal que el valor de las viviendas es una función creciente de cada una de las cuatro características citadas. Si bien este resultado es alentador. el analista lo aplica a la tasación de distintas viviendas. dado que la tasa de aumento de cada variable puede ser excesivamente alta o baja. Rafael José Cuevas Mijangos . como generalmente es de esperar. ¿Cuáles son los pasos para la construcción de modelos? Una manera de resumir las etapas usuales (no secuenciales) de un estudio de IO es la siguiente: 1. con distintos valores para las características mencionadas y descubre que el valor de mercado desciende a medida que aumenta la superficie cubierta expresada en pies cuadrados. Después de desarrollar el modelo. cantidad de baños y tamaño del lote. Por otro lado. Preparación para la aplicación del modelo 6. Puesta en marcha 5 Ing. Solución del modelo 4 . El modelo debe expresar el valor de mercado en dólares como una función de la superficie cubierta en pies cuadrados. el analista cuestionaría la validez del modelo.

esto incluye determinar los objetivos. El gerente evalúa el estudio y sus recomendaciones. Ejemplo: Un estudio de IO hecho para Citgo Petroleum Corporation optimizó tanto las operaciones de refinación como el abastecimiento. Y toma una decisión final basándose en su mejor juicio. las restricciones sobre lo que se puede hacer. Este proceso de definir el problema es muy importante ya que afectará en forma significativa las conclusiones en estudio. logrando un mejoramiento en las utilidades de alrededor de $70 millones de dólares al año. en particular bajo diferentes suposiciones. recolección de datos también jugó un papel muy importante en este estudio. sino que asesoran a la gerencia (casi siempre un tomador de decisiones). por lo general trabaja en un nivel de asesoría. Rafael José Cuevas Mijangos . Con frecuencia. es vital que el equipo de IO pueda observar desde el mismo nivel que la gerencia. Es común que el equipo de IO pase mucho tiempo recolectando los datos relevantes sobre el problema. los límites de tiempo para tomar una decisión . Lo primero que hay que reconocer es que un equipo de IO. Formulación del modelo La 6 Ing. la distribución y la comercialización de sus productos. los diferentes cursos de acción posibles las interrelaciones del área bajo estudio con otras áreas de la organización. Entonces. El equipo realiza un análisis técnico y después presentan un informe a los administradores. lo cual hace imposible extraer una respuesta correcta de un problema equivocado. A los miembros del equipo no se les presentan un problema y se les dice que lo resuelvan como puedan.Matemáticas para la toma de decisiones Unidad 2 Definición del problema y recolección de datos La primera actividad que se debe realizar es el estudio del sistema relevante. el informe a la gerencia identifica cierto número de opciones atractivas.

la siguiente etapa de un estudio consiste en desarrollar un procedimiento para derivar en una solución al problema a partir de este modelo. mediante la construcción de un modelo que represente la esencia del problema. al mismo tiempo que disminuyó la contaminación térmica y debida a las algas. se recomienda empezar con una versión muy sencilla y moverse.Matemáticas para la toma de decisiones Unidad 2 Una vez definido el problema la siguiente etapa consiste en reformularlo para su análisis. algunos de los modelos se desarrollaron en versiones sencillas y complejas. en cambio la versión compleja se usó cuando se deseaba mayor exactitud o más detalles en los resultados. contrató un importante estudio de IO para guiarlo en el desarrollo de una nueva política de administración del agua. mientras que el verdadero trabajo se encuentra en las etapas anteriores y posteriores del estudio. una ventaja obvia es que el modelo describe un problema en forma mucho más concisa. Al desarrollar el modelo. hacia modelos más elaborados que reflejen mejor la complejidad del problema real. La versión sencilla se usó para adquirir una visión básica. Los modelos siempre deben ser menos complejos que el sistema real. Obtención de una solución a partir del modelo Una vez formulado el modelo para el problema bajo estudio. en forma evolutiva. La nueva política ahorró cientos de millones de dólares en gastos de inversión y redujo el daño agrícola en alrededor de $15 millones de dólares anuales. el Rijkswaterstatt. pero por lo general no lo es. Rafael José Cuevas Mijangos . no tiene sentido trabajar con modelos si se puede trabajar con el sistema real en sí. Puede pensarse que esta debe ser la parte principal de estudio. Un tema común es la búsqueda de una solución óptima. según el tipo de modelo este puede hacerse en computadora. En lugar de formular modelo. la mejor. éste estudio de IO desarrolló un sistema integrado y comprensible de 50 modelos. Ejemplo: La oficina responsable del control del agua y los servicios públicos del gobierno de Holanda. Los modelos tienen muchas ventajas sobre una descripción verbal del problema. de otra manera. encontrar la solución es la parte divertida del estudio. es necesario reconocer que estas 7 Ing. es decir. Los modelos son representaciones idealizadas de la realidad.

Matemáticas para la toma de decisiones Unidad 2 soluciones son óptimas sólo respecto al modelo que se esta utilizando. de manera que es necesario hacer un análisis adicional. los parámetros críticos. Ejemplo: Considere de nuevo el estudio de IO para el Rijkswaterstatt sobre la política nacional de administración de agua en Holanda. Una solución óptima para el modelo original puede ser mucho menos que ideal para el problema real. Al inventar el término satisfazar como una combinación de satisfacer y optimizar. la meta de un estudio de IO debe ser llevar a cabo el estudio de una manera óptima. constituye una parte muy importante. La distinción entre optimizar y satisfazar refleja la diferencia entre la teoría y la realidad. Más bien. El eminente científico de la administración y premio Nobel de Economía. introdujo el concepto de que en la práctica es mucho más frecuente satisfazar que optimizar. en ocasiones se utilizan solo procedimientos de diseño intuitivo para encontrar una buena solución subóptima. pero si el modelo está bien formulado la solución debe tener una buena aproximación de curso de acción ideal para el problema real. se identificaron. 8 Ing. no puede existir una garantía de que la solución óptima del modelo resulte ser la mejor solución posible que pueda llevarse a la práctica para el problema real. éste determina qué parámetros del modelo son los más críticos. Como el modelo necesariamente es una idealización y no una representación del problema real. independientemente de si implica o no encontrar una solución óptima para el modelo. es de esperarse si se toma en cuenta los muchos imponderables e incertidumbre asociados a casi todos los problemas reales. El análisis posóptimo. del modelo son aquellos cuyos valores no se pueden cambiar sin que la solución óptima cambie. Al reconocer este concepto. Herbert Simon. por supuesto. Rafael José Cuevas Mijangos . Este estudio no concluyó con la recomendación de una solución. Por lo tanto. Esto.

El análisis postóptimo incluyó la evaluación del impacto en los problemas de agua si los valores de los parámetros se cambiaran de los estándares ecológicos a otros valores razonables. Por ejemplo. el equipo de IO verificó el comportamiento general de los modelos viendo si los resultados de cada uno de ellos cambiaban en forma razonable al hacer cambios en los valores de los parámetros. Ejemplo: Considerando nuevamente el estudio de IO para el El proceso de Rijkswaterstatt sobre la política de administración del agua. por lo tanto antes de usar el modelo debe probarse para identificar y corregir todas las fallas que se pueda. Tercero. Un modelo es válido si. personas totalmente ajenas al proyecto. se hizo una prueba retrospectiva. Un método común para probar la validez de un modelo es comparar su funcionamiento con algunos datos pasados disponibles del sistema actual (se le llama también prueba retrospectiva). ya que no habrá datos disponibles para poder comparar. Primero. puede dar una predicción confiable del funcionamiento del sistema. la metodología y los resultados. 9 Ing. Otro método podría ser incluir a una persona que no haya participado en la formulación del modelo. este proceso de prueba y mejoramiento se conoce como validación del modelo. Prueba del modelo Sin duda que la primera versión de un modelo grande tenga muchas fallas.Matemáticas para la toma de decisiones Unidad 2 analizaron y compararon varias alternativas atractivas. independientemente de sus inexactitudes. Rafael José Cuevas Mijangos . Segundo. El análisis postóptimo jugó un papel importante en este estudio. Debe notarse que tal método de validación no es apropiado para sistemas que no existen. llevaron a cabo una revisión técnica de los modelos. etc. la suposición sobre el efecto de tratados internacionales futuros sobre la contaminación que pudiera llegar. para poder encontrar errores que el equipo de IO no encontró. por ejemplo. ciertos parámetros de los modelos representaron estándares ecológicos. prueba del modelo en este caso constó de tres grandes partes. Se usó también para evaluar el impacto de cambio de las suposiciones de los modelos. Este proceso llevó al reconocimiento de varios aspectos importantes y a mejoras en los modelos.

es apropiado que el equipo de IO documente su metodología utilizada con suficiente claridad para que el trabajo sea reproducible. Esto básicamente implicaría la traducción de estos resultados en instrucciones de operación detallada.investigacion-operaciones.com/Modelos_Deterministicos. La administración deseaba documentación más extensa que lo normal. A la culminación del estudio. Fuente: http://www. por lo tanto si las condiciones cambian con el tiempo. Ejemplo: Volviendo al caso de la política nacional de administración del agua del Rijkswaterstatt en Holanda.htm 10 Ing. Este sistema incluirá el modelo y el procedimiento de solución (además del análisis postóptimo) y los procedimientos operativos para su implantación (este sistema casi siempre esta diseñado para computadora).investigacion -operaciones. Rafael José Cuevas Mijangos . Implantación del modelo Una vez desarrollado el sistema para aplicar el modelo.htm#ropintroduction http://www. Parte de este esfuerzo incluye el desarrollo de un proceso de mantenimiento durante su uso futuro. la última etapa consiste en la implantación de los resultados probados del modelo.com/Construccion_Modelos. este proceso debe modificar al sistema como al modelo. emitidas en una forma comprensible a los individuos que administrará y operarán al sistema.Matemáticas para la toma de decisiones Unidad 2 Preparación para la aplicación del modelo El siguiente paso es instalar un sistema bien documentado para aplicar el modelo. tanto para apoyar la nueva política como para utilizarla en la capacitación de nuevos analistas o al realizar nuevos estudios.

Sign up to vote on this title
UsefulNot useful