Página 3

Página 4 - 9 Técnicas e instrumentos para la toma racional de

decisiones.

Métodos determinísticos (Programación lineal. Método SIMPLEX)

Métodos probabilísticos (Lógica bayesiana. Teoría de juegos)

Métodos híbridos (Modelo de transporte y localización. Técnica de

MonteCarlo)

Página 10.

Página 11.

El modelo despierta la imagen de que las personas son una supercomputadora. Sin embargo es sabido

que los gerentes deben tomar decisiones dentro de estrechos límites de tiempo y con menos información de

la que les gustaría tener. Como humanos estamos sujetos a límites cuando aplicamos la mente para

enfrentarnos al mundo.

Cada vez que se toma una decisión se pretende que haya racionalidad. No obstante, los autores

parecen no ponerse de acuerdo en el significado preciso de este término.

Una de las maneras de definir la racionalidad, utiliza términos económicos y ve a la racionalidad como

la forma de optimizar la toma de decisiones maximizando los resultados. En ella el responsable de tomar las

decisiones debe ser el hombre, individuo económico quien maximice siempre los resultados.

La toma de decisiones es el proceso durante el cual la persona debe escoger entre dos o más

alternativas. Todos y cada uno de nosotros pasamos los días y las horas de nuestra vida teniendo que tomar

decisiones. Algunas decisiones tienen una importancia relativa en el desarrollo de nuestra vida, mientras

otras son gravitantes en ella.

Otra de las definiciones de racionalidad, se basa en que las decisiones son racionales cuando el

individuo elige un curso de acción que maximiza sus ventajas, sin tomar en cuenta si se puede medir en

forma objetiva. Esta definición de racionalidad es más subjetiva e implica que el que toma la decisión es con

frecuencia una persona administrativa, que elige alternativas que son satisfactorias o al menos "lo

suficientemente buenas".

Para Los Gerentes de RRHH, el proceso de toma de decisión es sin duda una de las mayores

responsabilidades.

La toma de decisiones en una organización se circunscribe a una serie de personas que están apoyando

el mismo proyecto. Debemos empezar por hacer una selección de decisiones, y esta selección es una de las

tareas de gran trascendencia.

El método Simplex es un algoritmo de solución

muy utilizado para resolver programas lineales.

Un algoritmo es una serie de pasos para cumplir

con una tarea determinada.

El algoritmo Simplex requiere que el Modelo

Lineal, para ser solucionado, cumpla las

condiciones de Forma Estándar y Sistema

Canónico.

El Método Simplex funciona, en forma general, de

la siguiente forma: Calcula una solución posible

inicial y determina sí esa solución es óptima. Si no

lo es, se mueve a un punto extremo adyacente, en

el conjunto convexo de soluciones posibles, y

calcula la nueva solución en ese punto. De nuevo

determina si esa solución es o no óptima; si no lo

es, repite el proceso anterior. Así continúa

sucesivamente hasta encontrar un punto extremo

cuyo valor objetivo no pueda ser mejorado y allí

concluye, determinando así que ha encontrado la

solución óptima.

Aspectos Fundamentales Del Método

Simplex

Encuentra una solución óptima

Es un método de cambio de bases

Requiere que la función objetivo sea

expresada de tal forma que cada variable

básica tenga como coeficiente 0

Requiere que cada variable básica

aparezca en una y solamente una ecuación

de restricción.

La programación lineal es una herramienta de

modelos cuantitativos para manejar diferentes

tipos de problemas y ayudar a la toma de

decisiones. Proporciona un método eficiente para

determinar una decisión óptima, (o una estrategia

óptima o un plan óptimo) escogida de un gran

número de decisiones posibles.

En todos los problemas de Programación Lineal, el

objetivo es la maximación o minimización de

alguna cantidad.

La Programación Lineal (PL) es un procedimiento

matemático para determinar la asignación óptima

de recursos escasos. La PL es un procedimiento

que encuentra su aplicación práctica en casi todas

las facetas de los negocios, desde la publicidad

hasta la planificación de la producción. Problemas

de transporte, distribución, y planificación global

de la producción son los objetos más comunes del

análisis de PL. La industria petrolera parece ser el

usuario más frecuente de la PL. Un gerente de

procesamiento de datos de una importante

empresa petrolera recientemente calculó que del

5% al 10% del tiempo de procesamiento

informático de la empresa es destinado al

procesamiento de modelos de PL y similares.

La programación lineal aborda una clase de

problemas de programación donde tanto la

función objetivo a optimizar como todas las

relaciones entre las variables correspondientes a

los recursos son lineales. Este problema fue

formulado y resuelto por primera vez a fines de la

década del 40. Rara vez una nueva técnica

matemática encuentra una gama tan diversa de

aplicaciones prácticas de negocios, comerciales e

industriales y a la vez recibe un desarrollo teórico

tan exhaustivo en un período tan corto. Hoy en

día, esta teoría se aplica con éxito a problemas de

presupuestos de capital, diseño de dietas,

conservación de recursos, juegos de estrategias,

predicción de crecimiento económico y sistemas

de transporte. Recientemente la teoría de la

programación lineal también contribuyó a la

resolución y unificación de diversas aplicaciones.

La programación lineal es una herramienta

poderosa para seleccionar alternativas en un

problema de decisión y por consiguiente se aplica

en una gran variedad de entornos de problemas.

La cantidad de aplicaciones es tan alta que sería

imposible enumerarlas todas. A continuación,

indicamos algunas de las principales aplicaciones

que cubren las áreas funcionales más importantes

de una organización empresarial.).

Recursos Humanos: los problemas de planificación

de personar también se pueden analizar con

programación lineal. Por ejemplo, en la industria

telefónica, la demanda de servicios de personal de

instalación / reparación son estacionales. El

problema es determinar la cantidad de personal

de instalación / reparación y reparación de líneas

que debemos tener incorporada en la fuerza

laboral por cada mes a fin de minimizar los costos

totales de contratación, despido, horas extras y

salarios en horas ordinarias. El conjunto de

restricciones comprende restricciones con

respecto a la demanda de servicio que se debe

satisfacer, uso de horas extra, acuerdos con los

sindicatos y la disponibilidad de personal

calificado para contratar. Este ejemplo es opuesto

a la hipótesis de divisibilidad. Sin embargo, los

niveles de fuerza laboral de cada mes

normalmente son lo suficientemente altos como

para poder redondear al número entero más

cercano sin problemas, siempre y cuando no se

violen las restricciones

Finanzas: el problema del inversor podría ser un

problema de selección del mix de su cartera de

inversiones. En general, la variedad de carteras

puede ser mucho mayor que lo que indica el

ejemplo y se pueden agregar muchas más

restricciones distintas. Otro problema de decisión

implica determinar la combinación de métodos de

financiación para una cantidad de productos

cuando existe más de un método de financiación

disponible. El objetivo puede ser maximizar las

ganancias totales cuando las ganancias de un

producto determinado dependen del método de

financiación. Por ejemplo, se puede financiar con

fondos internos, con deuda a corto plazo o con

financiación intermedia (créditos amortizados).

Puede haber limitaciones con respecto a la

disponibilidad de cada una de las opciones de

financiación, así como también restricciones

financieras que exijan determinadas relaciones

entre las opciones de financiación a los efectos de

satisfacer los términos y condiciones de los

préstamos bancarios o financiación intermedia.

También puede haber límites con respecto a la

capacidad de producción de los productos. Las

variables de decisión serían la cantidad de

unidades que deben ser financiadas por cada

opción de financiación.

La inferencia bayesiana es un método de

inferencia estadística en la que algunos tipos de

pruebas u observaciones se utilizan para calcular

la probabilidad de que una hipótesis puede ser

cierta, o bien para actualizar su probabilidad

calculada previamente.

El razonamiento bayesiano proporciona un

enfoque probabilístico a la inferencia. Está

basado en la suposición de que las cantidad de

interés son gobernadas por distribuciones de

probabilidad y que se pueden tomar decisiones

óptimas razonando sobre estas probabilidades

junto con los datos obtenidos.

El Teorema de Bayes es un sistema completo de

sucesos y sea un suceso B tal que P (B/Ai) son

conocidas, entonces. Sea A un sistema complejo

de sucesos, tales que la probabilidad de cada uno

de ellos no es nula. y sea B un suceso cualquiera

para el que se conocen las probabilidades P(B/A).

El teorema de Bayes establece que estas

posibilidades son:

Si los sucesos Ai son una partición y B un suceso tal

que P(B) ¹ 0

n

1i ii

iii

)A/B(P)A(P

)A/B(P)A(P)B/A(P ,

Donde las probabilidades P(A) se llaman

probabilidad a priori; y las probabilidades P(A/B)

son llamadas posteriori. Y A es el conjunto de

eventos los cuales son mutuamente excluyentes

(los dos eventos no pueden ocurrir juntamente) y

exhaustivos (la combinación e los dos eventos es

el experimento entero); mientras que B es un

evento simple, el cual intercepta cada uno de los

eventos A.

En donde la probabilidad inicial o a priori es

aquella que se obtiene de la información conocida

del suceso y la probabilidad final o a es el

resultado después de haber realizado el

Experimento y se calcula con las probabilidades

compuestas.

Las decisiones racionales generalmente se toman

sin darnos cuenta, quizás de manera inconsciente,

podemos comenzar el proceso de considieración.

Lo mejor es aprender el proceso de toma de

decisiones para decisiones complejas,

importantes y críticas. Las decisiones críticas son

aquellas que no pueden ni deben ser objetivos

incorrectos, debemos preguntarnos: ¿qué es lo

más importante que estoy tratando de lograr en

este caso?

En tiempos de incertidumbre la teoría de juegos

podría venir al primer plano como herramienta

estratégica porque puede ofrecer perspectivas de

cómo los "jugadores" podrían actuar en diferentes

circunstancias además de otra clase de

información valiosa para la toma de decisiones.

Muchos directivos recelan de la teoría de juegos

porque piensan que es más teórica que práctica.

La clave estaría en utilizar esta disciplina para

desarrollar una gama de resultados basada en las

decisiones en situaciones razonables y presentar

las ventajas y desventajas de cada opción. Teoría

de Juegos consiste en razonamientos circulares,

los cuales no pueden ser evitados al considerar

cuestiones estratégicas. Por naturaleza, a los

humanos no se les da muy bien pensar sobre los

problemas de las relaciones estratégicas, pues

generalmente la solución es la lógica a la inversa.

En la Teoría de Juegos la intuición no educada no

es muy fiable en situaciones estratégicas, razón

por la que se debe entrenar tomando en

consideración ejemplos instructivos, sin necesidad

que los mismos sean reales. Por lo contrario en

muchas ocasiones disfrutaremos de ventajas

sustanciales estudiando juegos, si se eligen

cuidadosamente los mismos. En estos juegos-

juegos, se pueden desentender de todos los

detalles.

Si en lugar de utilizar personajes ficticios

utilizamos personajes reales para los juegos si se

observase qué tan honesto es ese personaje, cómo

manipularía la información obtenida, etc. Para un

especialista en Teoría de Juegos el ser

deshonesto, etc., sería un error comparable al de

un matemático que no respeta las leyes de la

aritmética porque no le gustan los resultados

queque está obteniendo.

Esta incertidumbre podría paralizar las decisiones

corporativas o lo que podría ser peor, obligar a los

directivos a fundamentar las decisiones en sus

instintos y poco más.

Por todo ello la teoría de juegos podría revitalizar

y contribuir a clarificar la información para la toma

de decisiones pero sólo si los potenciales usuarios

escogen un cantidad de información relevante

para que el ejercicio sea práctico y poder analizar

la gama de posibles escenarios.Actualmente la

Teoría de Juegos se ocupa sobre todo de que

ocurre cuando los hombres se relacionan de forma

racional, es decir, cuando los individuos se

interrelacionan utilizando el raciocinio.

La toma de decisiones es fundamental para

cualquier actividad humana. En este sentido,

somos todos tomadores de decisiones. Sin

embargo, tomar una 'buena' decisión empieza con

un proceso de razonamiento, constante y

focalizado, que incluye muchas disciplinas.

Una variante interesante de los modelos de PL es

el modelo de transporte, en términos muy

generales se aplicaa situaciones donde existen n

centros de distribución o de oferta (orígenes) y m

puntos de demanda (destinos), se conocen

además, los costos unitarios de llevar una unidad

del origen i al destino j; el problema consiste en

encontrar el plan de distribución óptima de tal

suerte que sesatisfagan las condiciones de la

demanda sin sobrepasar la existencia disponible

en los orígenes, de modo que minimicen los

costos de traslado.

El modelo de transporte es un problema de

optimización de redes donde debe determinarse

como hacer llegar los productos desde los puntos

de existencia hasta los puntos de demanda,

minimizando los costos de envió.

El modelo busca determinar un plan de transporte

de una mercancía de varias fuentes a varios

destinos.

Entre los datos del modelo se cuenta:

1.- Nivel de oferta en cada fuente y la cantidad de

demanda en cada destino.

2.- El costo de transporte unitario de la

mercancía de cada fuente a cada destino.

El modelo se utiliza para realizar actividades

como: control de inventarios, programación del

empleo, asignación de personal, flujo de efectivo,

programación de niveles de reservas en prensas

entre otras.

Este método es considera el más fácil. Es también

considerado por ser el menos probable para dar

una buena solución inicial y de “bajo costo”

porque ignora la magnitud relativa de los costos

Cij.

Antes de describir el procedimiento, es necesario

establecer que el número de variables básicas en

cualquier solución básica de un problema de

transporte es una menos de la que se espera.

Normalmente, en los problemas de programación

lineal, se tiene una variable básica para cada

restricción. En los problemas de transporte con m

recursos y n destinos el número de restricciones

funcionales es m + n. Sin embargo,

El número de variables básicas = m + n - 1

Este procedimiento está dado por los siguientes

tres pasos:

1.- Seleccionar la celda de la esquina noroeste

(esquina superior izquierda) para envío.

2.- Efectuar el más grande envío como pueda en la

celda de la esquina noroeste.

Esta operación agotará completamente la

disponibilidad de suministros en un origen o los

requerimientos de demanda en un destino.

3.- Corrija los números de suministro y los

requerimientos para reflejar lo que va quedando

de suministro y requerimiento y regresar al paso

1.

La técnica Monte Carlo permite ver todos los

resultados posibles de las decisiones que

tomamos y evaluar el impacto del riesgo, lo cual

nos permite tomar mejores decisiones en

condiciones de incertidumbre.

¿Qué es la técnica Monte Carlo?

Es una técnica matemática computarizada que

permite tener en cuenta el riesgo en análisis

cuantitativos y tomas de decisiones. Esta técnica

es utilizada por profesionales de campos tan

dispares como los de finanzas, gestión de

proyectos, energía, manufacturación, ingeniería,

investigación y desarrollo, seguros, petróleo y gas,

transporte y medio ambiente.

La técnica de Monte Carlo ofrece a la persona

responsable de tomar las decisiones una serie de

posibles resultados, así como la probabilidad de

que se produzcan según las medidas tomadas.

Muestra las posibilidades extremas —los

resultados de tomar la medida más arriesgada y la

más conservadora— así como todas las posibles

consecuencias de las decisiones intermedias.