Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Se trata de un diagrama de flujo que empieza con una idea principal y luego se
ramifica según las consecuencias de tus decisiones. Se denomina “árbol de
decisiones” por su semejanza con un árbol con muchas ramas.
Este método se usa para realizar un análisis que consiste en delinear de forma
gráfica los posibles resultados, costos y consecuencias de una decisión compleja.
Puedes usar un árbol de decisiones para calcular el valor esperado de cada
resultado en función de las decisiones tomadas y sus respectivas consecuencias.
Luego, puedes comparar los diferentes resultados para determinar rápidamente
cuál será el mejor plan de acción. También puedes usar un árbol de decisiones para
resolver problemas, gestionar costos e identificar oportunidades.
Las empresas data-driven utilizan los árboles de decisión para tomar mejores
decisiones en distintos ámbitos. Así, un árbol de decisión puede ser útil para
predecir o anticiparse a determinados resultados y situaciones, optimizar
estrategias y poner en marcha acciones de mejora continua.
Por ejemplo, si quieres determinar qué proyecto es más rentable, puedes usar un
árbol de decisiones para analizar los posibles resultados de cada proyecto y elegir
el proyecto que tiene más posibilidades de generar mayores ganancias.
Sigue estos cinco pasos para crear un diagrama de árbol de decisiones, analizar
resultados inciertos y llegar a la solución más lógica.
1. Empieza con una idea
Empieza tu diagrama con una idea o decisión principal que representarás con un
nodo de decisión y, luego, agrega ramificaciones individuales con las diferentes
decisiones entre las que debes elegir.
Por ejemplo, si estás planificando desarrollar una aplicación pero no puedes decidir
si crear una nueva o actualizar una existente, usa un árbol de decisiones para
evaluar los posibles resultados de cada decisión.
Las tres opciones (o ramas) entre las que debes elegir son:
Una vez que hayas completado tu árbol, puedes empezar a analizar cada una de las
decisiones.
Lo ideal es que tu diagrama también incluya datos cuantitativos. Los datos que se
usan con más frecuencia en los árboles de decisiones son valores monetarios.
Por ejemplo, desarrollar o actualizar una aplicación le costará a tu empresa una
determinada cantidad de dinero. Además, cada opción tendrá un costo diferente.
Incluir estos valores en el árbol debajo de cada decisión puede ayudarte durante el
proceso de toma de decisiones.
También puedes intentar estimar el valor esperado que generará cada decisión, ya
sea grande o pequeño. Una vez que hayas determinado el costo de cada resultado y
la probabilidad de que ocurra, podrás calcular el valor esperado para cada resultado
usando la siguiente fórmula:
Para calcular el valor esperado, primero debes multiplicar los dos resultados
posibles por la probabilidad de que ocurra cada uno de ellos y sumar ambos valores.
Luego debes restar los costos iniciales de tu total.
Una vez que tengas los resultados esperados para cada decisión, determina cuál es
el mejor plan de acción para ti en función del riesgo que estás dispuesto a tomar. Es
posible que el valor esperado más alto no siempre sea el que quieras elegir. Esto se
debe a que, si bien podría resultar en una mayor rentabilidad, también significa que
debes asumir el riesgo del proyecto más alto.
Solución 1:
Elaboramos el árbol de decisión según las opciones que nos muestra el problema:
CV = Costo Variable
Procedemos a calcular los extremos de los nodos de nuestro árbol:
El costo total se obtiene sumando el costo fijo mas el costo variable total; teniendo
en cuenta el pronóstico del mercado de 200,000 unidades.
Finalmente calculamos los valores de los nodos intermedios y marcamos con 2 líneas
las alternativas rechazadas.
Ejercicio 1
Un gerente está tratando de decidir si debe comprar una máquina o dos. Si compra
sólo una y la demanda resulta ser excesiva, podría adquirir después la segunda
máquina. Sin embargo, perdería algunas ventas porque el tiempo que implica la
fabricación de este tipo de máquinas es de seis meses. Además, el costo por
máquina sería más bajo si comprara las dos al mismo tiempo. La probabilidad de que
la demanda sea baja se ha estimado en 0.30. El valor presente neto, después de
impuestos, de los beneficios derivados de comprar las dos máquinas a la vez es de
$180,000 si la demanda es baja, y de $340,000 si la demanda es alta.
Si se decide comprar una máquina y la demanda resulta ser baja, el valor presente
neto sería de $220,000. Si la demanda es alta, el gerente tendrá tres opciones. La
de no hacer nada tiene un valor presente neto de $220,000; la opción de
subcontratar, $240,000; y la de comprar la segunda máquina, $230,000.
a. Dibuje un árbol de decisiones para este problema.
b. ¿Cuántas máquinas debe comprar la compañía inicialmente? ¿Cuál es el
beneficio esperado de esta alternativa?
ANÁLISIS DE SENSIBILIDAD
El supuesto de que todos los parámetros de un modelo de programación lineal son
constantes conocida, se ve alterado ya que en realidad son estimaciones basadas en
una predicción de las condiciones futuras.
Una solución óptima, nada más en lo que se refiere al modelo específico que se está
usando para representar el problema real. Por estas razones es importante llevar a
cabo un análisis de sensibilidad, para investigar el efecto que tendría sobre la solución
óptima proporcionada por el método simplex el hecho de que los parámetros tomarán
otros valores.
Primero debemos obtener la tabla final por el método simplex del problema utilice la
página http://www.phpsimplex.com
La variable que sale de la base es P5 y la que entra es P3.
Después se vuelve a utilizar el método simplex para ver cuales variables son las que
son sensibles en caso de modificarse
La solución óptima es Z = 488 / 3
X1 = 0
X2 = 8 / 3
X3 = 56 / 3