Modelos analíticos

Representan, por lo general, situaciones estáticas del problema; es decir, se

asume que las condiciones son constantes en el tiempo durante el período de
estudio.

Ejemplo: las programaciones lineal y no lineal.

Los resultados llevan a obtener una solución óptima para el problema y para lograr
un solo objetivo, con lo cual se sacrifican otros objetivos secundarios. Ejemplo: la
programación lineal.

En los modelos analíticos no es posible considerar situaciones aleatorias que

podrían ocurrir en un sistema; por lo tanto, el analista se ve forzado a usar tiempos
promedios de proceso u otros indicadores que pueden producir resultados
engañosos.

Modelos de simulación
Proporcionan una medida cuantitativa del desempeño del sistema, tal como el
porcentaje de utilización de los recursos, o los tiempos de ciclo, etcétera. La
simulación es una herramienta de evaluación de escenarios que permite al
diseñador del experimento conocer qué alternativas de diseño y estrategias
operativas tienen mayor impacto en el desempeño del sistema.

Determinan cómo el sistema responde a cambios en su estructura y ambiente, o

bajo ciertos supuestos.

La simulación es usada para probar la efectividad de un sistema en particular.

Pero por sí misma no resuelve un problema u optimiza un diseño. Ayuda a evaluar
una solución pero no genera solución alguna. La solución solo puede ser
conseguida a través de la experimentación, corriendo y comparando los resultados
de las soluciones alternativas.

A diferencia de los modelos analíticos, la simulación hace posible monitorear las

más complejas fluctuaciones estadísticas e interdependencias en el sistema.

Ayuda a eliminar las ineficiencias ocultas en un modelo analítico, que solo se

detectan cuando el sistema está en operación; es decir, cuando es demasiado
tarde.
 Un modelo es una representación de una realidad en la que los elementos que la
componen deben ser aquellos considerados los más relevantes para la estructura
del modelo, este modelo representa solamente una parte de la realidad. Estos
cobran importancia al momento de solventar un problema en una entidad bastante
compleja, esto se debe a que su principal función es la de predecir el
comportamiento de un sistema o entidad modelada.
 En un modelo se trata de representar a una entidad con la finalidad de
observar su comportamiento de una manera más efectiva y económica que en el
mundo real, en un modelo se abstraen las variables que influyen en el problema
que presente la entidad, se hacen una serie de pruebas para observar el
comportamiento del modelo y partiendo de su comportamiento, se pueden tomar
decisiones que mejoren la problemática que afecta a la entidad.
                Para la construcción de modelos en la dinámica de sistemas, se deben
considerar las siguientes fases:

      Conceptualización

·         Descripción verbal
·         Definición precisa del modelo en el tiempo
·         Diagrama causal

      Formulación

·         Construcción del diagrama de Forrester

·         Establecimiento de las ecuaciones para la simulación

      Análisis y evaluación

·         Análisis del modelo (comparación, análisis de sensibilidad, análisis de

políticas).
·         Evaluación, comunicación e implementación.

Modelos estáticos

Estos modelos no toman en cuenta el paso del tiempo dentro del proceso,
describen un sistema, en términos de ecuaciones matemáticas, donde el efecto
potencial de cada alternativa es evaluado a través de ecuaciones. La actuación del
sistema es determinada sumando los efectos individuales.

Modelos dinámicos

En este tipo de modelo si se toma en cuenta el transcurso del tiempo en el

proceso, son una representación de la conducta dinámica de un sistema, mientras
un modelo estático involucra la aplicación de una sola ecuación, los modelos
dinámicos, por otro lado, son reiterativos.
 Modelo Deterministas

Un modelo determinista es un modelo matemático donde las mismas entradas o

condiciones iniciales producirán invariablemente las mismas salidas o resultados,
no contemplándose la existencia de azar, o incertidumbre en el proceso modelada
mediante dicho modelo.
Está estrechamente relacionado con la creación de entornos simulados a través
de simuladores para el estudio de situaciones hipotéticas, o para crear sistemas
de gestión que permitan disminuir la propagación de errores. Los modelos
deterministas sólo pueden ser adecuados para sistemas deterministas no
caóticos, para sistemas azarosos (no-determinista) y caóticos (determinista
inpredictible a largo plazo) los modelos deterministas no pueden predecir
adecuadamente la mayor parte de sus características.
La inclusión de mayor complejidad en las relaciones con una cantidad mayor de
variables y elementos ajenos al modelo determinista hará posible que éste se
aproxime a un modelo probabilístico o de enfoque estocástico.
Por ejemplo, la planificación de una línea de producción, en cualquier proceso
industrial, es posible realizarla con la implementación de un sistema de gestión de
procesos que incluya un modelo determinista en el cual estén cuantificadas
las materias primas, la mano de obra, los tiempos de producción y los productos
finales asociados a cada proceso.
Un conjunto de ecuaciones diferenciales de un sistema físico macroscópico
constituye un modelo determinista que puede predecir la evolución determinista en
el tiempo de un buen número de magnitudes características del sistema.

Modelo Probabilístico

Un modelo es estocástico cuando al menos una variable del mismo es tomada

como un dato al azar y las relaciones entre variables se toman por medio de
funciones probabilísticas. Sirven por lo general para realizar grandes series de
muestreos, quitan mucho tiempo en el computador son muy utilizados en
investigaciones científicas. Para lograr modelar correctamente un proceso
estocástico es necesario comprender numerosos conceptos de probabilidad y
estadística.
Dentro del conjunto de procesos estocásticos se encuentran, por ejemplo, el
tiempo de funcionamiento de una máquina entre avería y avería, su tiempo de
reparación y el tiempo que necesita un operador humano para realizar una
determinada operación.
Modelo probabilístico es la forma que pueden tomar un conjunto de datos
obtenidos de muestreos de datos con comportamiento que se supone aleatorio.
Es un tipo de modelo matemático que usa la probabilidad, y que incluye un
conjunto de asunciones sobre la generación de algunos datos muéstrales, de tal
manera que asemejen a los datos de una población mayor.
Las asunciones o hipótesis de un modelo estadístico describen un conjunto de
distribuciones de probabilidad, que son capaces de aproximar de manera
adecuada un conjunto de datos. Las distribuciones de probabilidad inherentes de
los modelos estadísticos son lo que distinguen a los modelos de otros modelos
matemáticos deterministas.
Un modelo estadístico queda especificado por un conjunto de ecuaciones que
relacionan diversas variables aleatorias, y en las que pueden aparecer otras
variables no aleatorias. Como tal "un modelo es una representación formal de una
teoría"1
Todos los test de hipótesis estadísticas y todos los estimadores
estadísticos proceden de modelos estadísticos. De hecho, los modelos
estadísticos son una parte fundamentalmente de la inferencia estadística.
Modelos
Existen diferentes métodos para la toma de decisiones en una empresa, pero
todas suelen recurrir a ciertos modelos cuando es necesario simplificar la realidad
de situaciones muy complejas. Estos modelos sirven para destacar los aspectos
de la realidad más relevantes para el análisis y poder así comprender mejor la
realidad que representan.

Los modelos se clasifican en:

Objetivos y subjetivos

Los modelos objetivos son aquellos que pueden expresarse a través de datos o
estudios formales, es decir, como su nombre indica, de manera objetiva.

Mientras que cuando eso no es posible, se recurre a modelos informales basados

en la subjetividad y la intuición de aquellas personas implicadas en el proceso de
toma de decisiones.

Analíticos y de simulación

Los modelos analíticos ofrecerán soluciones a problemas que deben ser resueltos.
Mientras que los modelos de simulación sirven para representar los efectos que
las diferentes alternativas presentadas pueden tener sobre la empresa y la
resolución del problema.

Estáticos y dinámicos

Los modelos estáticos no incluyen la variable del tiempo, a diferencia de los

modelos dinámicos que no solo es que la tengan en cuenta, es que un elemento
fundamental de los mismos.

Deterministas y probabilísticos

En los modelos deterministas, los datos se conocen con certeza. Mientras que
cuando se carece de este conocimiento, estamos hablando de modelos
probalísticos.
 Conclusiones, recomendaciones

El análisis probabilístico es muy útil para la gestión de riesgos en países en

desarrollo, donde la información, recursos y la especialización técnica es escasa.
Actualmente, la mayoría de las agencias regulatorias en el mundo recomiendan el
uso de los enfoques determinísticos para el análisis de los problemas relacionados
con la toma de decisiones.

 Sin embargo, este enfoque no incorpora la incertidumbre en las variables, ni su

propagación a través de los distintos procesos en que intervienen. Con ello se
reduce arbitrariamente la complejidad del problema y se desaprovecha
información valiosa para la definición de políticas realistas.

Podemos concluir que la toma de decisiones en una empresa es un proceso clave

para determinar la marcha y el futuro de la propia empresa; un mal proceso de
toma de decisiones que continua en el tiempo terminará por abocar al fracaso a la
empresa. Y aunque, generalmente, hay una o unas pocas personas implicadas en
la elección final de las decisiones, escuchar más alternativas y propuestas de los
diferentes niveles de la empresa, puede ayudar a dar con las decisiones más
adecuadas y consensuadas para la empresa.

Además, la toma de decisiones en la empresa se produce en todos sus niveles,

desde aquellas que debe tomar la dirección o la gerencia y que afectan al conjunto
de toda la empresa en el medio y largo plazo, como aquellas que toman los
miembros de la plantilla en el desarrollo de su actividad diaria.

e-grafía
https://protecciondatos-lopd.com/empresas/proceso-toma-de-
decisiones-en-una-empresa/
https://www.captio.net/blog/las-ocho-etapas-en-el-proceso-de-
toma-de-decisiones-de-la-empresa
http://dinamicadesistemasudo.blogspot.com/2012/07/modelos-y-
su-ayuda-en-la-toma-de.html
https://es.scribd.com/presentation/411294533/Simulacion-
Modelos-analiticos-y-de-simulacion-pptx