Dirección de la

Producción:
Decisiones tácticas
Módulo A:
Herramientas para la toma de
decisiones
 Contenido
El proceso de la decisión en las operaciones
Fundamentos de la toma de decisiones
Tablas de decisión
 Toma de decisiones bajo incertidumbre
 Toma de decisiones bajo riesgo
 Toma de decisiones bajo certeza
 Valor esperado de la información perfecta (VEIP)

Árboles de decisión
 Un árbol de decisión más complejo
 Objetivos de aprendizaje
Cuando haya completado este capítulo, debe ser capaz
de:
 Identificar o definir:
 Árboles de decisión y tablas de decisión
 El valor monetario más alto
 Valor esperado de la información perfecta
 Decisiones secuenciales

 Describir o explicar:
 Toma de decisiones bajo riesgo
 Modelos y técnicas de la dirección
científica
 Pueden ayudar a los directivos a:
 Tener una visión más profunda de la naturaleza de las
relaciones empresariales.
 Encontrar métodos mejores para valorar dichas
relaciones.
 Buscar un medio para reducir, o al menos
comprender, la incertibumbre que rodea a los planes y
actividades empresariales.
 Pasos en la toma de buenas
decisiones
 Definir el problema y los factores que influyen en él.
 Establecer el criterio de decisión.
 Elegir la herramienta de toma de decisiones (modelo).
 Identificar y evaluar las alternativas a través de la
herramienta de toma de decisiones (modelo).
 Seleccionar la mejor alternativa.
 Implementar la decisión.
 Evaluar el resultado.
 Modelos
 Son menos caros y crean menos problemas organizativos que la
experimentación con los sistemas del mundo real.
 Permite al director de operaciones responder a preguntas del tipo
“¿Qué pasaría si...?”.
 Han sido creados para solucionar los problemas de dirección y
dar valor a las entradas de la gestión.
 Obligan a un enfoque consistente y sistemático en el análisis de
problemas.
 Obliga a los directivos a ser concretos acerca de las restricciones
y objetivos de un problema.
 Ayudan a reducir el tiempo necesario para la toma de decisiones.
 Desventajas de los modelos
 Pueden resultar caros y necesitar mucho tiempo en su
desarrollo y prueba.
 A menudo son mal empleados y mal entendidos (y
temidos) por su complejidad matemática y lógica.
 Tienden a subvalorar el papel y el valor de la información
no cuantificable.
 A menudo presentan hipótesis que simplifican en exceso
las variables del mundo real.
El proceso de la toma de decisiones
Análisis cuantitativo
Lógica
Datos históricos
Investigación de marketing
Problema Análisis científico Decisión
Modelado

Análisis cualitativo
Emociones
Intuición
Motivación y experiencia
personal
Rumores
 Modos de exponer un problema de
decisión

 Árboles de decisión.
Resultados
 Tablas de decisión.
Estados de la
naturaleza

Alternativas

Problema de decisión
 Fundamentos de la teoría de la
decisión
Tres tipos de modelos de decisión:

 Toma de decisiones bajo incertidumbre.

 Toma de decisiones bajo riesgo.
 Toma de decisiones bajo certeza.
 Fundamentos de la teoría de la
decisión
Términos:
 Alternativa: curso de la acción o de la elección.
 Estado de la naturaleza: un hecho sobre el que el decisor
no tiene control.

Símbolos utilizados en los árboles de decisión:

 Un vértice de decisión en el que debe seleccionarse una
de las distintas alternativas.
 Un vértice de estado de la naturaleza a partir del cual se
presentará un estado de la naturaleza.
 Tabla de decisión

Estados de la naturaleza
Alternativas Estado 1 Estado 2

Alternativa 1 Resultado 1 Resultado 2

Alternativa 2 Resultado 3 Resultado 4

 Toma de decisiones bajo
incertidumbre
Maximax: selecciona la aternativa que maximiza el
máximo resultado de todas las alternativas. Se ha
considerado un criterio de decisión “optimista”.
Maximin: selecciona la alternativa que maximiza el
mínimo resultado de todas las alternativas. Se ha
considerado un criterio de decisión “pesimista”.
Equiprobabilidad: halla la alternativa con el mayor
resultado medio.
 Ejemplo: toma de decisiones bajo
incertidumbre
Estados de la naturaleza
Alternativas Mercado Mercado Máximo Mínimo de Media de
favorable desfavorable de la fila la fila la fila
Construir 200.000$ -180.000$ 200.000$ -180.000$ 10.000$
planta grande
Construir 100.000$ -20.000$ 100.000$ -20.000$ 40.000$
planta pequeña
No hacer nada 0$ 0$ 0$ 0$ 0$
Maximax Maximin Equiprobable
 Toma de decisiones bajo riesgo

 Se basa en las probabilidades.

 Los estados de la naturaleza tienen
probabilidades estimadas.
 Selecciona el valor monetario esperado (VME)
para cada alternativa:
 VME = resultado medio para cada alternativa, si
pudiéramos repetir la decisión en gran número de
ocasiones.
 Ecuación del valor monetario
esperado
Número de estados de la naturaleza

N
Valor del resultado
VME ( A i ) =  V i * P (V i ) Probabilidad del resultado
i =1

= V 1 * P (V 1 ) + V 2 * P (V 2 ) + ... +V N * P (V N )

Alternativa i
 Ejemplo: toma de decisiones bajo
incertidumbre
Estados de la naturaleza
Alternativas Mercado Mercado Valor
favorable desfavorable esperado
P(0,5) P(0,5)
Construir 200.000$ -180.000$ 10.000$
planta grande
Construir 100.000$ -20.000$ 40.000$ Mejor opción
planta pequeña
No hacer nada 0$ 0$ 0$
 Valor esperado de una información
perfecta (VEIP)
El VEIP fija un límite acerca de lo que se
pagaría por obtener información adicional.

El VEIP es el valor esperado de la información

perfecta bajo certeza menos el máximo VME
(VALOR MONETARIO ESPERADO).
 Valor esperado de una información
perfecta (VE|PI)

n
VE | PI   (mejor resultado del estado de la naturaleza j) * P(S j )
j 

donde j =1 con respecto al número de estados de la

naturaleza, n.
 Valor esperado de una información
perfecta

 VEIP = VE|IP - máximo VME

 Valor esperado de una información
perfecta
Estado de la naturaleza
Alternativa Mercado Mercado VME
favorable ($) desfavorable ($)

Construir una 200.000$ -180.000$ 20.000$

planta grande
100.000$ 20.000$ 40.000$
Construir una
planta pequeña

No hacer nada 0$ 0$ 0$

Probabilidades 0,50 0,50

 Valor esperado de una información
perfecta
VEIP = valor esperado bajo certeza de una
información perfecta - máx(VME)

= 200.000$ x 0,50 + 0 x 0,50 - 40.000$

= 60.000$
 Pérdida de oportunidad esperada
La POE es el coste de no elegir la mejor
solución.
 POE = pérdida esperada
 Calcular la POE: la tabla de la
pérdida de oportunidad

Estado de la naturaleza
Alternativa Mercado Mercado
favorable ($) desfavorable($)
Planta grande 200.000 – 200.000 0 - (-180,000)
Planta pequeña 200.000 – 100.000 0 -(-20.000)
No hacer nada 200.000 - 0 0-0
Probabilidades 0,50 0,50
La tabla de la pérdida de oportunidad

Estado de la naturaleza
Alternativa Mercado Mercado
favorable ($) desfavorable
($)
Planta grande 0 180.000
Planta pequeña 100.000 20.000
No hacer nada 200.000 0
Probabilidades 0,50 0,50
 La tabla de la pérdida de oportunidad
Alternativa POE
Planta grande (0,50) x 0$ + 90.000$
(0,50) x
(180.000$)
Planta pequeña (0,50) x 60.000$
(100.000$) +
(0,50) x (20.000$)
No hacer nada (0,50) x 100.000$
(200.000$) +
(0,50) x (0$)
 Análisis de sensibilidad

VME(planta grande) = 200.000$P - (1-P)180.000$

VME(planta pequeña) = 100.000$P - 20.000$(1-P)

VME(no hacer nada) = 0$P + 0(1-P)

 Análisis de sensibilidad

250000
200000
Punto 1
Punto 2
150000
100000
pequeña)
nta
Valores VME

50000 E (P la
VM
0
-50000 0 0,2 0,4 0,6 0,8 1
de)
-100000 n
ta gra
-150000 lan
E(P
-200000 VM
Valores de P
 Árboles de decisión
 Representación gráfica del proceso de decisión.
 Se utilzan para resolver problemas:
 Con una combinación de alternativas y estados de la
naturaleza. También se pueden utilizar las tablas de
decisión.
 Con varias combinaciones de alternativas y estados de
la naturaleza (decisiones secuenciales). No se pueden
utilizar las tablas de decisión.
 El VME es el criterio más empleado.
 Análisis de problemas mediante
árboles de decisión
Definir el problema.
Estructurar o dibujar el árbol de decisión.
Asignar probabilidades a los estados de la naturaleza.
Estimar los resultados de cada combinación posible
de alternativas y estados de la naturaleza.
Resolver el problema calculando los valores
monetarios para cada vértice de estado de la
naturaleza.
 Árbol de decisión

Estado 1
Resultado 1
v a 1 1 Estado 2
na ti Resultado 2
lt er
A
Alte
rna
tiva Estado 1
2 Resultado 3
2 Estado 2
Resultado 4
Nodo de
decisión
Nodo de estado de la naturaleza