MÉTODO NORMALIZADOR MAG

FORMAR
www.unab.cl TRANSFORMAR
 MÉTODO NORMALIZADOR MAG
 

La toma acertada de decisiones ha sido siempre una necesidad para las

empresas. En los tiempos modernos los ejecutivos exitosos se caracterizan por asumir
esta responsabilidad, sin embargo la velocidad de los cambios en los mercados y la
excesiva información disponible - a veces - y la falta de información en otros casos,
dificultan esta tarea. Las decisiones deben ser tomadas en forma oportuna y no
siempre con el tiempo necesario para analizar todas las opciones factibles, por lo cual
deben ser tomadas bajo escenarios de incertidumbre.

Si la decisión está asociada a un solo criterio de rendimiento o un solo factor

crítico, éxito o un solo objetivo, presenta un grado de complejidad menor que cuando
se requiere que la decisión o solución satisfaga simultáneamente más de un criterio u
objetivo, más aún cuando los objetivos son satisfechos en forma distinta por cada una
de las decisiones o soluciones posibles.

Es claro que en el ambiente competitivo actual, las organizaciones enfrentan

diariamente la toma de decisiones tanto en el nivel estratégico como en el táctico,
siendo muchas veces de consecuencias fundamentales para la supervivencia de la
misma.

Cuando se enfrenta el proceso de toma de decisiones o selección de

alternativas, generalmente se tienen múltiples objetivos que se contraponen entre sí,
haciendo más complejo este proceso y generando entonces la necesidad de una
herramienta o un método que permita comparar esos múltiples criterios frente a la
gama de alternativas posibles.

En síntesis la toma de decisiones multi-criterio es un problema crítico de la vida

real. Cualquier actividad involucra, de una u otra manera, la evaluación de un conjunto
de alternativas en términos de un conjunto de criterios de decisión, donde muy
frecuentemente estos están en conflicto unos con otros. Es claro que estos se
encuentran influenciados por sus patrones o modelos mentales, por la influencia de
quienes se encuentran en una posición jerárquica superior o inferior, incluyéndose
también el estado de ánimo y las relaciones familiares y sociales, lo cual determina las
prioridades al momento de abordar el problema y añaden, desde luego, mayores
elementos de complejidad.

Dentro de este marco, es vital contar con la información adecuada para tomar
la mejor decisión, la cual se determinará dentro de un conjunto de posibles
alternativas, las cuales deben ser evaluadas frente a múltiples criterios que se definan
para este propósito. El resultado entonces, es un proceso complejo y delicado en el
cual la subjetividad y la dependencia de la información juegan un papel preponderante.

Por esta razón es necesario contar con herramientas que apoyen este proceso
y permitan un análisis más científico de las alternativas. Esta complejidad ha llevado al
desarrollo de modelos de preferencia, es decir, herramientas que permiten abordar el
problema de decisión multi-criterio de una forma sistemática y científica, buscando
favorecer el proceso y ayudar a quien toma la decisión.

El proceso de análisis jerárquico propuesto por Thomas Saaty en 1980, fue

diseñado para cuantificar las opiniones gerenciales donde participan diferentes
criterios que complican la toma de decisiones. Corresponden a los modelos de

1  
 
análisis multi-criterio o multi-objetivo, donde también se encuentran el método del
Scoring, la utilidad multi-atributo y las relaciones de causa-efecto.

Como se mencionó, una serie de técnicas y herramientas se han desarrollado

para ayudar en la toma de decisiones, las que suelen requerir de una cantidad de
datos y definiciones de las organizaciones, además necesitan de un arduo tratamiento
de la información disponible. Generalmente los output de estas herramientas ofrecen
un abanico de opciones a los tomadores de decisiones, quienes deben ponderar las
implicancias y riesgos asociados antes de hacer la elección del caso.

En este contexto si la herramienta para apoyar la toma de decisiones frente a

multi-criterios es fácil, rápida de utilizar y efectiva, el aporte será muy beneficioso para
quien la utilice.

El “Método Normalizador MAG” es una herramienta de fácil utilización y

comprensión, desarrollada y en proceso de publicación (2013). Si bien tiene un amplio
campo de uso, para facilitar su aplicación será descrita y aplicada en el contexto de
decidir cuál método de pronóstico sería el que mejor represente los objetivos de una
organización.

Ejemplo de aplicación
Considere que debe decidir cuál método de pronóstico es el que mejor se
ajusta al comportamiento de la demanda de un producto. Para esto usted utilizó los
siguientes métodos de pronósticos de series de tiempo:

Promedio móvil simple, con n=3 y con n=6.

Promedio móvil ponderado, 0,7; 0,2 y 0,1 (mayor ponderación a demanda más reciente).
Suavización exponencial simple con α = 0,1 y α = 0,2.

Para evaluar la magnitud de los errores se utilizó CFE (Suma Acumulativa de

los Errores) para el sesgo y MAD (Desviación Media Absoluta) para la dispersión.

La empresa asigna la misma ponderación a los errores de sesgo y a los errores

de dispersión.

A continuación se entregan los resultados al medir lo errores con cada método

y parámetros utilizados en ellos.

Tabla Nº 1: Medición de Errores

Método CFE MAD
Promedio  Móvil  Simple
Tres  Semanas  (n=3)   23,1 17,1
Seis  Semanas  (n=6)   69,8 15,5
Promedio  Móvil  Ponderado
 0,7  ;  0,2  ;  0,1   14,0 18,4
Suavización  Exponencial  Simple
α = 0,1 65,6 14,8
α = 0,2 41,0 15,3

2  
 
Caso 1: Aplicación de selección tradicional.

Tradicionalmente en la literatura se indica que para realizar la selección, debe

realizar elecciones secuenciales; es decir para cada método seleccione el pronóstico
cuyos parámetros representan de mejor manera los criterios de la organización.
Posteriormente y una vez reducidos los métodos participantes, genere la elección final.

En particular en este ejemplo, se decidirá primero entre los pronósticos

obtenidos al aplicar el método de “Promedios móviles simples” con n=3 versus con
n=6. Para esto analice los valores de la medición de los errores practicados:

Tabla Nº 2: Medición de errores Método “Promedios Móviles Simples”

Método CFE MAD
Promedio  Móvil  Simple
Tres  Semanas  (n=3)   23,1 17,1
Seis  Semanas  (n=6)   69,8 15,5

Si el criterio fuera minimizar el error de sesgo, la elección favorecería a PMS

con n=3; por el contrario si el criterio fuera minimizar la dispersión, la elección sería
PMS con n=6.

Como la empresa asigna la misma importancia a ambos criterios, se debe

analizar la magnitud de los cambios de los indicadores o errores. Si se observa el error
de sesgo, este se triplica al preferir n=6 en lugar de n=3, por otro lado el error de
dispersión solo aumenta en una pequeña magnitud (cercana al 10%) al preferir n=3 en
lugar de n=5.

En consecuencia la elección es n=3 dado que presenta un sesgo muy bajo y

una dispersión leventemente superior en relación con n=6.

Ahora se seleccionará el mejor pronóstico al aplicar el método “Suavización

Exponencial Simple” con α = 0,1 vs α = 0,2.

Tabla Nº 3: Medición de Errores Método “Suavización Exponencial Simple”

Método CFE MAD
Suavización  Exponencial  Simple
α = 0,1 65,6 14,8
α = 0,2 41,0 15,3

Al igual que en caso anterior, aquí se enfrenta una decisión en la cual se deben
ponderar los incrementos en los indicadores (errores). Al preferir el pronóstico
obtenido con α = 0,1 el error de sesgo se incrementa en un 60%, en el caso contrario,
al preferir el pronóstico obtenido con α = 0,2 la dispersión solo se incrementa en cerca
de un 3%, en consecuencia la elección favorece a α = 0,2, dado que el sesgo es
mucho menor y la dispersión levente superior.

3  
 
 Finalmente el proceso de decisión se ha reducido a tres métodos con los
siguientes datos:

Tabla Nº 4: Medición de Errores Métodos Finalistas

Método CFE MAD
Promedio  Móvil  Simple
Tres  Semanas  (n=3)   23,1 17,1
Promedio  Móvil  Ponderado
 0,7  ;  0,2  ;  0,1   14,0 18,4
Suavización  Exponencial  Simple
α = 0,2 41,0 15,3

Ahora se deben analizar y ponderar las variaciones de los tres métodos en

competencia: el que presenta el mejor comportamiento frente al sesgo es PMP y frente
a dispersión, es SES. Es claro deducir que la elección será PMP, dado que presenta el
menor sesgo y una dispersión levemente superior a los otros dos competidores.

Como se puede apreciar, el análisis tradicional corresponde a una comparación

entre métodos a través una evaluación de las variaciones en los indicadores que
representan los criterios de la empresa u organización.

Si bien este tipo de análisis es simple y requiere de concentración, es lento y se

vuelve bastante engorroso cuando los métodos que compiten son numerosos. En todo
caso no asegura que la selección sea la mejor, más aún cuando la empresa u
organización quiere asignar importancias distintas a cada criterio, resulta imposible si
los criterios implicados son más de dos.

Para estos casos se presenta el método “Normalizar MAG”, desarrollado para

tomar decisiones muti-criterios.

Método Normalizador MAG:

El “Método Normalizador MAG” consiste en asignar a un conjunto de

indicadores perteneciente a cualquiera de los métodos que compiten, el valor unitario
(1,00), identificando a este conjunto como Normalizador; posteriormente se calcula la
relación con los indicadores correspondientes a los otros métodos, dividiendo cada
indicador por el valor del indicador equivalente perteneciente al conjunto elegido; así
se lograran valores que relacionan matemáticamente la variación de cada indicador
con los homólogos de los otros métodos en competencia.

Esta normalización o “Método MAG”, permitirá asignar correctamente la

variación y los pesos dados a cada indicador.

El “Método MAG” entrega la relación que existe entre los mismos indicadores,
obtenidos por los distintos métodos, independiente del “normalizador” utilizado.
Aunque los valores sean distintos, la relación entre ellos será la misma, pero a
diferencia de los valores originales, la normalización obtenida, con el “Método MAG”
permite comparar los rendimientos asignando el mismo peso a cada indicador en
relación a los otros criterios.

4  
 
Caso 2: Aplicación de selección utilizando el “Método Normalizador MAG”.

La metodología indica que primero se debe seleccionar uno de los métodos y

asignar a ellos el valor unitario. Para este desarrollo se seleccionará el PMS n=3 como
“conjunto normalizador”.

Seguidamente se dividirán los valores de sesgo, del resto de los métodos, en

23,1. Paralelamente los valores de dispersión será divididos en 17,1; ambos valores
corresponden al sesgo (CFE) y dispersión (MAD) del método perteneciente al conjunto
normalizador, seleccionado en el paso primero.

Finalmente calcule el promedio de los valores normalizados obtenidos para

cada método. El promedio menor corresponderá al método que mejor representa los
criterios, que en este caso corresponde a asignar el mismo peso a cada criterio (sesgo
y dispersión).

Tabla Nº 5: Criterio Normalizar PMS “n= 3” y Selección

Método CFE MAD Promedio Método
Promedio  Móvil  Simple
Tres  Semanas  (n=3)   1,00 1,00 1,00 Normalizador
Seis  Semanas  (n=6)   3,02 0,91 1,96
Promedio  Móvil  Ponderado
 0,7  ;  0,2  ;  0,1   0,61 1,08 0,84 Selección
Suavización  Exponencial  Simple
α = 0,1 2,84 0,87 1,85
α = 0,2 1,77 0,89 1,33

Claramente la decisión es coincidente con la obtenida con el método

tradicional, pero en este caso está validada matemáticamente.

A continuación se presenta el resultado obtenido si la selección del conjunto

normalizador elegido es suavización exponencial simple con α = 0,1.

Tabla Nº 6: Criterio Normalizador SES “α = 0,1” y Selección

Método CFE MAD Promedio Método
Promedio  Móvil  Simple
Tres  Semanas  (n=3)   0,35 1,16 0,75
Seis  Semanas  (n=6)   1,06 1,05 1,06
Promedio  Móvil  Ponderado
 0,7  ;  0,2  ;  0,1   0,21 1,24 0,73 Selección
Suavización  Exponencial  Simple
α = 0,1 1,00 1,00 1,00 Normalizador
α = 0,2 0,63 1,03 0,83

Como se aprecia, aun cuando los valores son distintos, la selección es la

misma, y esta es una de la característica del método.

5  
 
Consideraciones especiales del método normalizador:

Pueden incluirse el numero de criterios que la empresa desee; los resultados

siempre entregarán la mejor decisión perseguida por las organizaciones, y su validez
dependerá solo de la calidad de los indicadores y criterios establecidos.

Este método permite tomar decisiones, asignando diferentes ponderaciones o

pesos a los criterios. En estos casos, en lugar de calcular en promedio, se deberá
calcular la suma ponderada en relación a los pesos asignados a los distintos criterios.

Para aplicar el método a la selección de métodos de pronósticos, se deben

respetar las siguientes condiciones:

1.- Al momento de calcular la relación de los indicadores, se debe inscribir el

valor positivo resultante de la división, es decir si un valor del error de sesgo es
negativo (pronóstico tiende a sobreestimar la demanda) debe ser registrado el valor
absoluto de la división.

2.- Solo puede incluir un indicador por criterio, es decir solo uno de sesgo y
solo uno de dispersión.

6