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 categoras generales dependiendo de la habilidad personal para predecir las consecuencias de cada alternativa.

Categoras Certidumbre Riesgo Incertidumbre Conflicto

Consecuencias Deterministas Probabilsticas Desconocidas Influidas por un oponente

TOMA DE DECISIONES BAJO INCERTIDUMBRE En los procesos de decisin bajo incertidumbre, el decisor conoce cules son los posibles estados de la naturaleza, aunque no dispone de informacin alguna sobre cul de ellos ocurrir. No slo es incapaz de predecir el estado real que se presentar, sino que adems no puede cuantificar de ninguna forma esta incertidumbre. En particular, esto excluye el conocimiento de informacin de tipo probabilstico sobre las posibilidades de ocurrencia de cada estado. REGLAS DE DECISIN A continuacin se describen las diferentes reglas de decisin en ambiente de incertidumbre, y que sern sucesivamente aplicadas al ejemplo de construccin del hotel. Criterio de Wald Criterio Maximax Criterio de Hurwicz Criterio de Savage Criterio de Laplace

Modelos de Toma de Decisiones

Para trabajar con los criterios utilizaremos la siguiente matriz:

Estados de la Naturaleza

e1

e2 . . .

en
x1n x2n ... xmn

a1 x11 x12 . . .
Alternativas

a2 x21 x22 . . . ... ... ... ... am xm1 xm2 . . .

Forma general de una tabla de decisin

CRITERIO DE LAPLACE
Este criterio, propuesto por Laplace en 1825, est basado en el principio de razn insuficiente: como a priori no existe ninguna razn para suponer que un estado se puede presentar antes que los dems, podemos considerar que todos los estados tienen la misma probabilidad de ocurrencia, es decir, la ausencia de conocimiento sobre el estado de la naturaleza equivale a afirmar que todos los estados son equiprobables. As, para un problema de decisin con n posibles estados de la naturaleza, asignaramos probabilidad 1/n a cada uno de ellos. La regla de Laplace selecciona como alternativa ptima aquella que proporciona un mayor resultado esperado:

1 n m _ai x x( ai , e j ) n j= 1
EJEMPLO Partiendo del ejemplo de construccin del hotel, la siguiente tabla muestra los resultados esperados para cada una de las alternativas.

Modelos de Toma de Decisiones

Estados de la Naturaleza Alternativa s Aeropuerto en

Terreno comprado A B AyB Ninguno A Aeropuerto en B Resultad o esperad o 0.5 1.5 2 0

13 -8 5 0

-12 11 -1 0

En este caso, cada estado de la naturaleza tendra probabilidad ocurrencia 1/2. El resultado esperado mximo se obtiene para la tercera alternativa, por lo que la decisin ptima segn el criterio de Laplace sera comprar ambas parcelas. CRITERIO DE WALD Este es el criterio ms conservador ya que est basado en lograr de las peores condiciones posibles. esto es, si el resultado representa prdida para el decisor, entonces, para ai la peor independientemente de lo que ej pueda ser, es mx ej { x(ai, criterio minimax elige entonces la accin ai asociada a : lo mejor x(ai, ej) prdida ej) }. El

E l e _gaii =r m ai m ej xx(ai , ej ) n

En una forma similar, si x(ai, ej) representa la ganancia, el criterio elige la accin ai asociada a :

E l e _ aii =r m ai mx ej n (ai , ej ) g x

Este criterio recibe el nombre de criterio maximin, y corresponde a un pensamiento pesimista, pues razona sobre lo peor que le puede ocurrir al decisor cuando elige una alternativa. EJEMPLO Partiendo del ejemplo de construccin del hotel, la siguiente tabla muestra las recompensas obtenidas junto con los niveles de seguridad de las diferentes alternativas:

Alternativas

Estados de la Naturaleza

Modelos de Toma de Decisiones

B AyB Ninguno

-8 5 0

11 -1 0

-8 -1 0

La alternativa ptima segn el criterio de Wald sera no comprar ninguno de los terrenos, pues proporciona el mayor de los niveles de seguridad. CRITERIO DE HURWICZ Este criterio representa un intervalo de actitudes desde la ms optimista hasta la ms pesimista. En las condiciones ms optimistas se elegira la accin que proporcione el mx ai mx ej { x(ai, ej) }. Se supone que x(ai, ej), representa la ganancia o beneficio. De igual manera, en las condiciones ms pesimistas, la accin elegida corresponde a mx ai mn ej { x(ai, ej) }. El criterio de Hurwicz da un balance entre el optimismo extremo y el pesimismo extremo ponderando las dos condiciones anteriores por los pesos respectivos y (1- ), donde 0 1. Esto es, si x(ai, ej) representa beneficio, seleccione la accin que proporcione:
mxi mxj x(ai , ej ) + (1 )mnej x(ai , ej ) a e

Para el caso donde x(ai, ej) representa un costo, el criterio selecciona la accin que proporciona:
mnai mnej x(ai , ej ) + (1 )mxj x(ai , ej ) e

El parmetro se conoce como ndice de optimismo: cuando = 1, el criterio es demasiado optimista; cuando = 0, es demasiado pesimista . Un valor de entre cero y uno puede ser seleccionado dependiendo de si el decisor tiende hacia el pesimismo o al optimismo. En ausencia de una sensacin fuerte de una circunstancia u otra, un valor de = 1/2 parece ser una seleccin razonable. EJEMPLO Partiendo del ejemplo de construccin del hotel, la siguiente 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 = 0.4:

Alternativ as
Terreno comprado

Estados de la Naturaleza
Aeropuerto en A Aeropuerto mne mx en B ei S(ai) i

Modelos de Toma de Decisiones

A B AyB Ninguno

13 -8 5 0

-12 11 -1 0

-12 -8 -1 0

13 11 5 0

-2 -0.4 1.4 0

La alternativa ptima segn el criterio de Hurwicz sera comprar las parcelas A y B, pues proporciona la mayor de las medias ponderadas para el valor de a seleccionado.

CRITERIO DE SAVAGE
En 1951 Savage argumenta que al utilizar los valores xij para realizar la eleccin, el decisor compara el resultado de una alternativa bajo un estado de la naturaleza con todos los dems resultados, independientemente del estado de la naturaleza bajo el que ocurran. Sin embargo, el estado de la naturaleza no es controlable por el decisor, por lo que el resultado de una alternativa slo debera ser comparado con los resultados de las dems alternativas bajo el mismo estado de la naturaleza. Con este propsito Savage define el concepto de prdida relativa o prdida de oportunidad rij asociada a un resultado xij como la diferencia entre el resultado de la mejor alternativa dado que ej es el verdadero estado de la naturaleza y el resultado de la alternativa ai bajo el estado ej:

As, si el verdadero estado en que se presenta la naturaleza es ej y el decisor elige la alternativa ai que proporciona el mximo resultado xij, entonces no ha dejado de ganar nada, pero si elige otra alternativa cualquiera ar , entonces obtendra como ganancia xrj y dejara de ganar xijxrj. Savage propone seleccionar la alternativa que proporcione la menor de las mayores prdidas relativas, es decir, si se define ri como la mayor prdida que puede obtenerse al seleccionar la alternativa ai,

el criterio de Savage resulta ser el siguiente:

Modelos de Toma de Decisiones

Conviene destacar que, como paso previo a la aplicacin de este criterio, se debe calcular la matriz de prdidas relativas, formada por los elementos rij. Cada columna de esta matriz se obtiene calculando la diferencia entre el valor mximo de esa columna y cada uno de los valores que aparecen en ella. Observe que si x(ai, ej) es una funcin de beneficio o de prdida, la matriz de prdidas relativas, formada por los elementos rij representa en ambos casos prdidas. Por consiguiente, nicamente el criterio minimax ( y no el maximin) puede ser aplicado a la matriz de deploracin r. EJEMPLO Partiendo del ejemplo de construccin del hotel, la siguiente tabla muestra la matriz de prdidas relativas y el mnimo de stas para cada una de las alternativas.

Alternativas
Terreno comprado A B AyB Ninguno

Estados de la Naturaleza
Aeropuerto en Aeropuerto en A B 0 21 8 13 23 0 12 11

ri
23 21 12 13

El mayor resultado situado en la columna 1 de la tabla de decisin original es 13; al restar a esta cantidad cada uno de los valores de esa columna se obtienen las prdidas relativas bajo el estado de la naturaleza Aeropuerto en A. De la misma forma, el mximo de la columna 2 en la tabla original es 11; restando a esta cantidad cada uno de los valores de esa columna se obtienen los elementos rij correspondientes al estado de la naturaleza Aeropuerto en B. Como puede observarse, el valor ri menor se obtiene para la tercera alternativa, por lo que la decisin ptima segn el criterio de Savage sera comprar ambas parcelas. EJERCICIOS CRITERIOS DE DECISION EN INCERTIDUMBRE 1. Una 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. El nmero exacto de clientes no se conoce, pero se espera que est en una de cuatro categoras: 200,250, 300 o 350 clientes. Se sugieren, por consiguiente, cuatro niveles de abastecimiento, siendo el nivel i el ideal (desde el punto de vita de costos)

Modelos de Toma de Decisiones

si el nmero de clientes cae en la categora i. La desviacin respecto de niveles ideales resulta en costos adicionales, ya sea porque se tenga un abastecimiento extra sin necesidad o porque la demanda no puede satisfacerse. La tabla que sigue proporciona estos costos en miles de unidades monetarias.
e1(20 0) a1(20 0) Nivel de a2(25 abastecimient 0) o a3(30 0) a4(35 0 e2(25 0) e3(30 0) e4(350 )

10

18

25

23

21

18

12

21

30

22

19

15

Determine cual es el nivel de aprovisionamiento ptimo, utilizando los criterios explicados. RESULTADOS A) LAPLACE: El principio de Laplace establece que e1, e2, e3, e4 tienen la misma probabilidad de suceder. Por consiguiente las probabilidades asociadas son P(x)=1/4 y los costos esperados para las acciones son: E(a1) = E(a2) E(a3) = E(a4) = (1/4)(5+10+18+25) = (1/4)(8+7+8+23) (1/4)(21+18+12+21) (1/4)(30+22+19+15) = 14.5 = 11.5 = 18.0 = 21.5

Por lo tanto, el mejor nivel de inventario de acuerdo con el criterio de Laplace est especificado por a2. B) WALD Ya que x(ai, ej) representa costo, el criterio minimax es aplicable. Los clculos se resumen en la matriz que sigue. La estrategia minimax es a3:

e1(20 0)

e2(25 0)

e3(30 0)

e4(35 0)

Modelos de Toma de Decisiones

a1(20 0) a2(25 0) Nivel de abastecimien to a3(30 0)

10

18

25

25

23

23

21
21 18 12 21

(valor minimax)
30

a4(35 0

30

22

19

15

C) HURWICZ Supongamos =1/2. Los clculos necesarios se muestran enseguida. La solucin ptima est dada por a1 a2.

a1 a2 a3 a4

5 7 12 15

25 23 21 30

15 (mn) 15 (mn) 16.5 22.5

D) SAVAGE Se obtiene primero la matriz rij restando 5, 7, 8 y 15 de las columnas 1, 2, 3 y 4 respectivamente.

Nivel de abastecimient o a1(20 0) a2(25 0) e1(20 0) e2(25 0) e3(30 0) e4(35 0)

10

18

25

10

23

8 (valor minimax)

Modelos de Toma de Decisiones

a3(30 0) a4(35 0

21

18

12

21

16

30

22

19

15

25

2. Considere la siguiente matriz de pagos (beneficios):

e1 a1 15 a2 a3 a4 3 1 7 e2 10 14 5 19 e3 0 8 14 10 e4 -6 9 20 2 e5 17 2 -3 0

No se conocen probabilidades para la ocurrencia de los estados de la naturaleza. Compare las soluciones obtenidas con cada uno de los criterios aprendidos. 3. Considere las siguientes tablas de retribuciones en la que cada dato es un rendimiento neto en dlares. Suponga que es una decisin en la que no se tiene conocimiento del estado de la naturaleza. Determine la mejor decisin utilizando los criterios aprendidos. Tabla a)
Estados de la naturaleza Decisi n 1 2 3 4

35 22 27 25 22 25 20 25

25 20 25 28

12 18 28 33

Tabla b)
Estados de la

Modelos de Toma de Decisiones

10

naturaleza Decisi n 1 2 3

3 7 5

8 4 6

5 6 9

TOMA DE DECISIONES BAJO RIESGO Esta categora incluye aquellas decisiones para las que las consecuencias de una accin dada dependen de algn evento probabilista. EJEMPLO Suponga que tiene un pequeo local de ventas de pinos para Navidad. La primera tarea es decidir cuntos pinos ordenar para la siguiente temporada. Supngase que se debe pagar $3.5 por cada rbol, se pueden ordenar solo lotes de 100 y se planea venderlos a $8 cada uno. Por supuesto, si no se venden, no tienen valor de recuperacin. Se estudian los registros de ventas pasadas en la iglesia y se analiza el crecimiento potencial de las ventas con otros vendedores, llegando a las siguientes estimaciones para la siguiente temporada:

Venta de pinos 100 200 300

Probabilidad 0.3 0.3 0.4

Con estos datos se puede calcular la ganancia para cada combinacin de cantidad ordenada y ventas eventuales. Por ejemplo, si se ordenan 300 pinos y se venden slo 200, la utilidad neta ser de $4.5 por cada rbol vendido menos una prdida de $3.5 por los rboles no vendidos, es decir: 200($8-$3.5)-100($3.5)=$900-$350=$550

Modelos de Toma de Decisiones

11

Si se hace esto para cada una de las combinaciones y se obtienen los resultados mostrados en la tabla de decisiones siguiente o tambin llamada matriz de pagos:

Modelos de Toma de Decisiones

12

Eventos (demanda de rboles) 100 (0.3) Alternativ as de decisin 100 200 $450 $100 200 (0.3) $450 $900 300 (0.4) $450 $900

300

$-250

$550

$1.400

El resultado ms importante de la teora de decisiones bajo riesgo es que debe seleccionarse la alternativa que tenga el mayor VALOR ESPERADO. Existen muchas decisiones administrativas que pueden catalogarse como toma de decisiones bajo riesgo. Algunas de ellas son: Deber introducirse un nuevo producto en particular? Deber ofrecerse ms para obtener un contrato? Deber construirse una nueva planta o ampliarse la que se tiene? Cuntos pasteles deber producir una pastelera para la venta diaria?. Deber una compaa petrolera realizar pruebas ssmicas costosas antes de hacer una nueva perforacin? Deber iniciarse un nuevo programa costoso de propaganda? TOMA DE DECISIONES BAJO CERTIDUMBRE Si se pueden predecir con certeza las consecuencias de cada alternativa de accin, entonces se tiene una tarea de toma de decisiones bajo certidumbre. Otra manera de pensar en esto es que existe una relacin directa de causa y efecto entre cada acto y su consecuencia. Si est lloviendo, deber llevarse un paraguas?, si hace fro, deber llevarse un abrigo?. Ya sea que se lleve o no el paraguas o el abrigo, las consecuencias son predecibles. Una buena parte de las decisiones que se toman a diario cae dentro de esta categora. En dnde comer? En donde comprar el material de la oficina?

Modelos de Toma de Decisiones

13

Algunos de los modelos o tcnicas utilizados para manejar estas decisiones son:

Anlisis del punto de equilibrio. Programacin Lineal. Programacin de la produccin. Control de Inventarios.

PROGRAMACION LINEAL
Muchas decisiones de Direccin de Operaciones incluyen el intentar conseguir utilizar los recursos de la organizacin de la manera ms efectiva posible. Los recursos generalmente incluyen maquinarias (como los aviones), mano de obra ( como los pilotos), dinero, tiempo y materias primas (como el combustible). estos recursos se pueden utilizar para producir productos (como mquinas, muebles, alimentos y vestuario) o servicios (como listas de vuelos, campaas de publicidad o decisiones de inversin). La programacin lineal es un mtodo determinista de anlisis para elegir la mejor entre muchas alternativas. Cuando esta mejor alternativa incluye un conjunto coordinado de actividades, se le puede llamar plan o programa. Con frecuencia, seleccionar una alternativa incluye satisfacer varios criterios al mismo tiempo. Por ejemplo, cuando se compra una pieza de pan se tiene el criterio de frescura, tamao, tipo (blanco, de centeno u otro), costo, rebanado o no rebanado, etc. Se pueden adems dividir estos criterios en dos categoras: restricciones y objetivo. 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. Cuando se elige una pieza de pan, puede quererse un kilo de pan blanco rebanado y hecho en el da. Si varias marcas satisfacen estas restricciones, puede aplicarse el objetivo de un costo mnimo y escoger el ms barato. Un corredor de inversiones, por ejemplo, trata de maximizar el rendimiento sobre los fondos invertidos pero las posibles inversiones estn restringidas por las leyes y las polticas

Modelos de Toma de Decisiones

14

bancarias. Un hospital debe planear que las comidas para los pacientes satisfagan ciertas restricciones sobre sabor, propiedades nutritivas, tipo y variedad, al mismo tiempo que se trata de minimizar el costo. Un 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 tecnologa. La programacin lineal es una tcnica determinista, no incluye probabilidades. El objetivo y cada una de las restricciones se deben expresar como una relacin lineal, de ah el nombre de programacin lineal. Todos los problemas de PL (Programacin Lineal) tiene cuatro propiedades en comn: 1. Los problemas de PL buscan maximizar o minimizar una cantidad (generalmente beneficios o costos). Nos referimos a ello como la Funcin Objetivo de un PL. El principal objetivo de una empresa tipo es aximizar los beneficios a largo plazo. En el caso de un sistema de distribucin, el objetivo puede ser minimizar los costos de transporte. 2. La presencia de restricciones limita el grado en que podemos perseguir el objetivo. Por ejemplo, decidir cuntas unidades se deben fabricar para una lnea de productos de una empresa est restringido por la disponibilidad de horas de mano de obra y mquinas. Se quiere por tanto, maximizar o minimizar una cantidad (funcin objetivo) sujeta a las limitaciones de recursos (restricciones). 3. Deben existir diferentes alternativas donde poder elegir. Por ejemplo, si una empresa fabrica tres productos, los directivos pueden utilizar PL para decidir cmo asignar entre ellos sus recursos de produccin limitados (trabajo, mquinas y dems). Si no existen alternativas evidentes que seleccionar, no necesitaremos la PL. 4. La funcin objetivo y las restricciones de un PL deben ser expresadas en trminos de ecuaciones lineales o inecuaciones. Una de las aplicaciones ms comunes de la programacin lineal es el problema del plan de produccin. Do o ms productos se fabrican con recursos limitados. La empresa desea saber cuntas unidades deben fabricarse de cada producto, maximizando los beneficios globales y teniendo en cuenta las limitaciones de recursos. EJEMPLO Sony fabrica dos productos: (1) el Walkman un radiocasete porttil y (2) el Shader TV, un televisor en blanco y negro del tamao de un reloj de

Modelos de Toma de Decisiones

15

pulsera. El 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. Cada Walkman necesita cuatro horas de trabajo de electrnica y dos en el taller de montaje. Cada televisor necesita tres horas de electrnica y una en montaje. Durante el actual perodo de produccin se dispone de doscientas cuarenta horas en el departamento de electrnica y de cien horas en el de montaje. Cada Walkman vendido supone un beneficio de 7 dlares, mientras que para un televisor el beneficio unitario es de cinco dlares. El problema de Sony es determinar la mejor combinacin posible de Walkmany televisores que debe producir para alcanzar el mximo beneficio. Esta situacin puede formularse como un programa lineal. Empezaremos resumiendo la informacin necesaria para formular y resolver este problema.
Horas necesarias para producir una unidad

Departamento Electrnica Montaje Beneficios

(x1) Walkman 4 2 7

(x2) Televisores 3 1 5

Hrs. disponibles 240 100

Una vez hecho esto, utilizaremos la siguiente notacin: Sea : X1= nmero de Walkman a producir. X2= nmero de televisores a producir Ahora podemos escribir la funcin objetivo en trminos de x1 y x2: Maximizar Beneficio = 7x1 + 5x2 Nuestro siguiente paso es desarrollar relaciones matemticas que describan las dos limitaciones del problema. Una relacin de carcter general sera que la cantidad de recursos utilizados sea menor o igual ()que la cantidad de recursos disponibles. Primera restriccin: tiempo de electrnica utilizado tiempo de electrnica disponible. 4x1 + 3x2 240 (horas de trabajo en electrnica) Segunda restriccin: tiempo de montaje utilizado tiempo de montaje disponible. 2x1 + 1x2 100 (horas de trabajo en montaje)

Modelos de Toma de Decisiones

16

Ambas restricciones representan las limitaciones de capacidad y, por supuesto, afectan al beneficio total. Por ejemplo, Sony no puede producir 70 Walkman durante el perodo de produccin porque si x 1=70, ambas restricciones se incumplen. Tampoco puede hacer 50 Walkman y 10 televisores (x1 = 50, x2 = 10), porque en este caso se incumplira la segunda restriccin. Estas restricciones nos llevan a otro aspecto importante de la programacin lineal: existirn interacciones entre variables. Cuantas ms unidades se realicen de un producto menos se fabricarn de otros. La forma ms fcil de solucionar un pequeo problema de PL, como por ejemplo el de Sony , es la solucin grfica. El procedimiento grfico puede utilizarse cuando existen dos variables de decisin, como el nmero de Walkman a producir (1) y el nmero de televisores a producir (x2). Cuando existen ms de dos variables, es imposible dibujarlo en un grfico de dos dimensiones, por lo que habrn de adoptarse otros mtodos de resolucin ms complejos que se describirn ms adelante. Representacin grfica de las restricciones Para encontrar la solucin ptima de un problema PL, en primer lugar debemos identificar el conjunto o regin de soluciones posibles (valores de las variables que cumplen las restricciones del problema). El primer paso para conseguirlo es dibujar las restricciones del problema en un grfico. Retomemos el problema de ejemplo de Sony: Maximizar Beneficio = 7x1 + 5x2 S.A. electrnica) montaje) x1, x2 no debe ser negativo) Para dibujar las restricciones en un grfico, debemos transformar las desigualdades en igualdades: Restriccin A: Restriccin B: 4x1 + 3x2 = 240 2x1 + 1x2 = 100 0 (nmero de unidades 4x1 + 3x2 2x1 + 1x2 240 (horas de trabajo en 100 (horas de trabajo en

La variable x1 (Walkman) generalmente se dibuja en el eje horizontal y la variable x2 (televisores) en el eje vertical.

Modelos de Toma de Decisiones

17

UNIVERSIDAD DE GUAYAQUIL
Carrera de Ingeniera en Sistemas Computacionales
Investigacin de Operacin Ing. Walter Rodrguez Integrantes: JONATHAN LUIS LOPEZ TORRES ALLAN RICARDO CORTEZ LOZANO JORGE ALFREDO CHAVEZ LINO JOSE LEONARDO CATAGUA VASQUEZ

Modelos de Toma de Decisiones

18

Seccin S5J Ciclo I 2011-2012