Desarrollo Taller Efectividad de los Modelos Estocásticos en la Toma de Decisiones

Autor

XXX

Docente

XXX

Universidad XX

Facultad XX

Programa XX

Materia XX

Ciudad XX

2022
 Introducción

Los procesos empresariales han traído consigo una serie de desafíos que deben solucionarse
conforme a la gestión de pilares y políticas de implementación de modelos estocásticos, los
cuales propender por el apoyo en la toma de decisiones en diferentes contextos de ingeniería
enfocados particularmente en la mejora de procesos productivos. En este contexto Bolívar (s.f.),
argumenta que la gestión de procesos estocásticos conduce a una mejora inherente en áreas como
lo son telecomunicaciones, transporte, construcción, producción, planeación financiera y
logística, con lo cual se busca la implementación de políticas de variables aleatorias para definir
la toma de decisiones en el marco de una distribución de probabilidad dada ante un evento a
analizar a fin de consolidar oportunidades de mejora. Dicho lo anterior, el objetivo del presente
taller es identificar las ventajas y bondades de emplear los principios de los modelos estocásticos
en la toma de decisiones.

Hallazgos de Investigación

La importancia de la implementación de modelos estocásticos obedece a que se utilizan

cuando no es posible la formulación de una ley natural sobre un sistema y su dinámica
observable (Camacho, 2021), es decir, que la implementación de procesos de modelos
estocásticos generan un proceso dinámico y orientado a determinar ventajas en el análisis de las
variables de orden aleatorio que dependen de parámetros y están ligadas en el tiempo t, por lo
tanto, dentro de sus bondades se pueden referir las de evaluar las posibilidades de la ocurrencia
de eventos aleatorios que no se pueden prever con exactitud en un lapso determinado, siendo
aplicables a procesos de análisis como lo son ocurrencias de accidentes, marcadores, procesos de
epidemias, entre otros que requieren de una implementación de modelos estocásticos.

Por su parte, Climent, Hoyos y Martínez, (2018) argumenta que la gestión de modelos
estocásticos refiere con ser una colección o familia de variables aleatorias que se organizan
conforme a un subíndice t que en general se identifica con el tiempo; en efecto, para cada
instante determinado en t se tendrá una variable aleatoria distinta que se representa por Xt por lo
tanto, un modelo estocástico se puede definir como una sucesión de variables que son aleatorias
y con características que varían a lo largo del tiempo.
 Cuadro Sinóptico

Figura 1
Cuadro sinóptico de modelos estocásticos

Fuente: Elaboración propia, (2022). Con información de Bolívar, (s.f.) y Climent, Hoyos y Martínez, (2018)
 Conforme a lo expuesto en la figura 1 se determina que los modelos estocásticos cuentan con
una caracterización inherente conforme a las variables del modelo a ejecutar, en efecto, los
procesos de clasificación conllevan a que la empresa cuente con procesos de toma de decisiones
estratégicas en todas las áreas en las cuales se crea pertinente su vinculación de las cuales se
resaltan telecomunicaciones, transporte, construcción, producción, planeación financiera y
logística, de igual manera, la importancia de implementación y aplicación de modelos
estocásticos repercute de manera positiva en la representación de sucesos aleatorios que son
variantes en el tiempo.

Conclusiones

La gestión de pilares y políticas empresariales basadas en modelos estocásticos conduce a que

se maximicen los resultados operacionales en temas de gestión de tiempos operacionales, análisis
de tiempos y movimiento de los operarios, tiempos de procesos, identificación de cuellos de
botella con base en la planificación de la estocástica, esto traduce que se hace uso de la
aleatoriedad para determinar los valores más próximos a la realidad y con ello poderlos
implementar al proceso de producción, es decir, conduce a que se tengan aproximaciones
simuladas a un contexto real para poder tomar decisiones en cuanto al diseño, distribución y
modelamiento de linealidad de procesos al interior de la empresa.

Dentro de los pilares de modelos estocásticos se resaltan de Poisson los cuales permiten a los
analistas de datos visualizar una confiabilidad del sistema y se relacionan con las variables del
tiempo en el cual se presentan las variables, lo cual se traduce en una mejor significativa al
momento en el cual se utilizan los datos para la toma de decisiones y con ello minimizar la
prevalencia de los problemas productivos que se contemplan en la ingeniería.
 Referencias

Bolívar, E. (s.f.). Investigación operacional. Eje 2 analicemos la situación. Obtenido de

Fundación Universitaria del Área Andina .

Camacho, F. (2021). Modelos Estocásticos vs. Modelos Determinísticos. Obtenido de Platzi.com:

https://platzi.com/clases/1899-modelos-numericos/30806-modelos-estocasticos-vs-
modelos-deterministicos/

Climent, J., Hoyos, L., & Martínez, M. (2018). Formulación de un modelo híbrido alfa-estable
para mercados con operación de alta frecuencia. Contaduría y Administración, 63(4), 1-
13. Obtenido de https://www.scielo.org.mx/pdf/cya/v63n4/0186-1042-cya-63-04-
00008.pdf