Este documento describe los sistemas de soporte a la decisión basados en modelos. Explica que estos sistemas usan modelos matemáticos para evaluar alternativas de decisión considerando incertidumbre. Describe diferentes tipos de modelos como simulación, optimización y heurísticos, así como técnicas como el método de Montecarlo para manejar la incertidumbre en la toma de decisiones. El autor es Javier Prieto de la Universidad Carlos III de Madrid.
Este documento presenta conceptos básicos sobre simulación de negocios. Explica que la simulación permite representar y analizar el comportamiento de sistemas complejos mediante la creación de modelos. Define los conceptos de sistema, modelo, simulación y tipos de modelos como modelos matemáticos. También describe ventajas y desventajas de la simulación y áreas donde se aplica como manufactura, logística y salud.
La simulación de eventos discretos es una herramienta que imita sistemas dinámicos mediante un modelo de computadora para evaluar y mejorar su desempeño. Se utiliza para visualizar, analizar y optimizar sistemas de producción o prestación de servicios al reproducir sus respuestas a eventos en el tiempo. Hoy en día es crucial en el diseño y rediseño de sistemas.
El documento describe el proceso de construcción de modelos cuantitativos para la toma de decisiones. Explica que existen tres pasos clave: 1) estudiar el ambiente de la situación administrativa, 2) formular una representación selectiva de la situación, y 3) construir y analizar un modelo cuantitativo simbólico. Además, señala que los modelos pueden desempeñar diferentes roles en los distintos niveles de una empresa y que son una herramienta útil para los gerentes.
Este documento describe los conceptos clave relacionados con la resolución de problemas y la toma de decisiones. Explica que la resolución de problemas en el mundo real involucra identificar alternativas posibles en lugar de conocer todas las opciones, y que las decisiones a menudo se basan en recomendaciones, corazonadas e influencias en lugar de un enfoque puramente objetivo. También resume los modelos de Simon para la toma de decisiones y el papel de los métodos cuantitativos para guiar, ayudar y automatizar la toma de decisiones.
Modelos cuantitativos en la toma de decisionesgarciara
Este documento presenta un resumen de 3 oraciones o menos:
El documento describe el análisis cuantitativo de un proyecto de investigación sobre gerencia y toma de decisiones en una universidad venezolana, incluyendo los pasos del proceso de análisis cuantitativo y ejemplos de modelos como teoría de colas, PERT/CPM, inventarios y simulación aplicados a la toma de decisiones.
Este documento describe los modelos cuantitativos y su relación con la toma de decisiones. Explica que los modelos cuantitativos ayudan en la toma de decisiones mediante el uso de un enfoque científico y factores cuantitativos para analizar problemas empresariales. Describe tres tipos de modelos: modelos icónicos que representan visualmente un problema, modelos analógicos que simulan el comportamiento de un sistema, y modelos simbólicos que usan expresiones matemáticas. El objetivo final es desarrollar modelos que ay
El documento presenta el Modelo Delphi de Creación de Valor, el cual propone que el proceso de creación de valor de una empresa se da en forma de espiral a través de cuatro áreas clave: recursos, personas, sistemas y mercado. Si estas áreas se gestionan adecuadamente, la empresa entra en una espiral ascendente de creación de valor; de lo contrario, puede quedar atascada o iniciar un proceso de destrucción de valor. El modelo también describe ejemplos de cómo una deficiencia en cada área puede generar un atasco.
Aplicación de árboles de decisión en modelos de riesgo crediticioFranklin Cano
1. Los árboles de decisión son una herramienta efectiva utilizada por analistas financieros para la toma de decisiones.
2. Los modelos de scoring y árboles de decisión se emplean para el otorgamiento de créditos con el fin de minimizar el riesgo de crédito.
3. El uso de estas herramientas ha marcado un antes y un después en la gestión de riesgos de las instituciones financieras.
Este documento presenta conceptos básicos sobre simulación de negocios. Explica que la simulación permite representar y analizar el comportamiento de sistemas complejos mediante la creación de modelos. Define los conceptos de sistema, modelo, simulación y tipos de modelos como modelos matemáticos. También describe ventajas y desventajas de la simulación y áreas donde se aplica como manufactura, logística y salud.
La simulación de eventos discretos es una herramienta que imita sistemas dinámicos mediante un modelo de computadora para evaluar y mejorar su desempeño. Se utiliza para visualizar, analizar y optimizar sistemas de producción o prestación de servicios al reproducir sus respuestas a eventos en el tiempo. Hoy en día es crucial en el diseño y rediseño de sistemas.
El documento describe el proceso de construcción de modelos cuantitativos para la toma de decisiones. Explica que existen tres pasos clave: 1) estudiar el ambiente de la situación administrativa, 2) formular una representación selectiva de la situación, y 3) construir y analizar un modelo cuantitativo simbólico. Además, señala que los modelos pueden desempeñar diferentes roles en los distintos niveles de una empresa y que son una herramienta útil para los gerentes.
Este documento describe los conceptos clave relacionados con la resolución de problemas y la toma de decisiones. Explica que la resolución de problemas en el mundo real involucra identificar alternativas posibles en lugar de conocer todas las opciones, y que las decisiones a menudo se basan en recomendaciones, corazonadas e influencias en lugar de un enfoque puramente objetivo. También resume los modelos de Simon para la toma de decisiones y el papel de los métodos cuantitativos para guiar, ayudar y automatizar la toma de decisiones.
Modelos cuantitativos en la toma de decisionesgarciara
Este documento presenta un resumen de 3 oraciones o menos:
El documento describe el análisis cuantitativo de un proyecto de investigación sobre gerencia y toma de decisiones en una universidad venezolana, incluyendo los pasos del proceso de análisis cuantitativo y ejemplos de modelos como teoría de colas, PERT/CPM, inventarios y simulación aplicados a la toma de decisiones.
Este documento describe los modelos cuantitativos y su relación con la toma de decisiones. Explica que los modelos cuantitativos ayudan en la toma de decisiones mediante el uso de un enfoque científico y factores cuantitativos para analizar problemas empresariales. Describe tres tipos de modelos: modelos icónicos que representan visualmente un problema, modelos analógicos que simulan el comportamiento de un sistema, y modelos simbólicos que usan expresiones matemáticas. El objetivo final es desarrollar modelos que ay
El documento presenta el Modelo Delphi de Creación de Valor, el cual propone que el proceso de creación de valor de una empresa se da en forma de espiral a través de cuatro áreas clave: recursos, personas, sistemas y mercado. Si estas áreas se gestionan adecuadamente, la empresa entra en una espiral ascendente de creación de valor; de lo contrario, puede quedar atascada o iniciar un proceso de destrucción de valor. El modelo también describe ejemplos de cómo una deficiencia en cada área puede generar un atasco.
Aplicación de árboles de decisión en modelos de riesgo crediticioFranklin Cano
1. Los árboles de decisión son una herramienta efectiva utilizada por analistas financieros para la toma de decisiones.
2. Los modelos de scoring y árboles de decisión se emplean para el otorgamiento de créditos con el fin de minimizar el riesgo de crédito.
3. El uso de estas herramientas ha marcado un antes y un después en la gestión de riesgos de las instituciones financieras.
Este documento presenta una introducción al análisis cuantitativo y la modelación matemática. Explica que las herramientas matemáticas se han usado por miles de años y que el análisis cuantitativo puede aplicarse a una variedad de problemas, siempre que se comprendan sus limitaciones. También proporciona ejemplos de cómo empresas como Taco Bell y Continental Airlines han ahorrado millones usando modelos cuantitativos. Finalmente, describe los modelos matemáticos como representaciones de situaciones reales que pueden usarse para mejorar la toma de
Este documento presenta una introducción a los métodos cuantitativos para la toma de decisiones. Explica conceptos como modelos deterministas y probabilísticos, y métodos como programación lineal, teoría de pronósticos, PERT, análisis de punto de equilibrio, teoría de colas e inventarios.
método científico y fases de solucion del problemaisamar90
El documento compara el método científico y la solución de problemas, indicando que ambos procesos involucran la observación de un problema, la formulación de hipótesis, la toma de decisiones para identificar y definir el problema, y el análisis, evaluación y control durante los procesos para encontrar una solución. Luego, describe las cinco fases del proceso de solución de problemas: 1) identificar y clarificar el problema, 2) analizar el problema recopilando información, 3) desarrollar soluciones alternativas, 4) sele
1. Fundamentación General de la simulación de sistemas.pdfhectorrosales52
Este documento describe los conceptos fundamentales de la simulación de sistemas. Explica que la simulación imita el comportamiento de sistemas reales usando modelos matemáticos y por computadora. Luego define los elementos clave de un modelo de simulación como entidades, estado del sistema, eventos, localizaciones, recursos, atributos y variables. Finalmente, resume los pasos para realizar un estudio de simulación.
La asignatura Simulación es para estudiantes de ingeniería industrial. Enseña habilidades de simulación analítica para detectar problemas en sistemas de producción, servicios o gubernamentales y proponer mejoras considerando factores técnicos, económicos y sociales. Integra conceptos de matemáticas, probabilidad, estadística, programación y otras materias. El curso cubre generación de números aleatorios, variables discretas y continuas, uso de simuladores y un proyecto final integrando todos los conceptos.
Enfoques cuali cuantitativos en la toma de decisionesgarciara
El documento describe diferentes tipos y criterios para clasificar las decisiones. Estos incluyen si son individuales o grupales, programables o no programables, si afectan a uno mismo u otros, y si se toman en situaciones de certidumbre o incertidumbre. Además, explica los diferentes modelos cuantitativos y cualitativos utilizados para analizar decisiones, como árboles de decisión, pronósticos, programación lineal, y modelos basados en objetivos, grupos, y procesos individuales.
Portafolio De TOMA DE DESICIONES estadísticas IIDavid Da Silva
Este documento describe varios métodos para la toma de decisiones bajo condiciones de certidumbre y probabilidad. Explica brevemente métodos determinísticos como el análisis de Paretto y en grilla. También cubre métodos probabilísticos como Laplace, Hurwicz y Savage. Una sección detalla el uso de árboles de decisión para modelar posibles cursos de acción y resultados. El objetivo es proporcionar herramientas para la selección de la mejor opción disponible basada en la información dada.
El documento describe diferentes tipos de modelos matemáticos, incluyendo modelos determinísticos y estocásticos. Explica que los modelos determinísticos producirán siempre los mismos resultados para las mismas entradas, mientras que los modelos estocásticos incluyen variables aleatorias. También cubre conceptos como la toma de decisiones bajo incertidumbre y el uso de árboles de decisión y análisis de sensibilidad para evaluar alternativas.
Este documento introduce la simulación de eventos discretos. Explica que la simulación permite realizar estudios piloto de sistemas complejos de manera rápida y económica. Detalla las etapas de un proyecto de simulación, incluyendo la formulación del problema, recolección de datos, construcción del modelo, validación y experimentación. También define conceptos clave como sistemas, modelos, eventos y tiempos en simulación.
Este documento presenta una unidad de aprendizaje sobre análisis de decisiones. Explica los tipos de decisiones, el proceso de toma de decisiones, y analiza modelos de decisión con y sin datos previos. La unidad cubre temas como formulación de problemas, generación de alternativas, y técnicas como análisis clásico y bayesiano para tomar decisiones informadas.
Este documento introduce los conceptos básicos de modelado de sistemas. Explica que un sistema se define como un conjunto de partes interrelacionadas y que un modelo representa las relaciones entre las entradas y salidas de un sistema. También describe los tipos de modelos, incluidos los modelos mentales, formales y matemáticos, y los pasos para construir un modelo, como la conceptualización, formulación y evaluación. Finalmente, clasifica los modelos en diferentes categorías como estáticos/dinámicos y deterministas/estocásticos.
Este documento describe diferentes tipos de modelos que pueden usarse para documentar la especificación de un sistema, incluyendo modelos de flujo de datos, modelos de comportamiento, modelos de máquinas de estado, y modelos de objetos. Explica que los modelos son representaciones gráficas que describen los procesos del negocio y el sistema de una manera más comprensible que las descripciones detalladas en lenguaje natural.
Este documento presenta varios métodos para la resolución de problemas en grupo, incluyendo Kepner-Tregoe, Taguchi, diagrama de las 6 palabras, Ishikawa, 4x4, PDCA y tormenta de ideas. Explica los objetivos y pasos de cada método para ayudar a los grupos a definir problemas, identificar causas, generar soluciones y monitorear resultados.
Este documento discute dos modelos de toma de decisiones: los modelos individuales, que asumen la racionalidad humana, y los modelos organizacionales, que consideran las características y políticas de una organización.
1) El documento presenta tres modelos de toma de decisiones: el modelo de las configuraciones de Mintzberg, el modelo de Kepner-Tregoe y el análisis estructural de los sectores industriales u cinco fuerzas de Porter.
2) El modelo de Mintzberg describe diez roles que desempeñan los gerentes en la toma de decisiones. El modelo de Kepner-Tregoe presenta cuatro procesos básicos de pensamiento y cuatro patrones de análisis.
3) El modelo de Porter analiza cinco fuerzas que determin
El documento presenta una introducción a la Administración por Objetivos (APO). Explica que la APO es un sistema administrativo integral que combina actividades básicas para lograr objetivos organizacionales e individuales de manera eficaz. También describe los orígenes de la APO en la década de 1950 como una respuesta a las presiones económicas que enfrentaban las empresas privadas estadounidenses. Finalmente, cubre algunas características clave de la APO como el establecimiento conjunto de objetivos entre gerentes y subordinados y el énfasis
Este documento presenta una metodología para la toma de decisiones de forma sistemática. Explica que la toma de decisiones es un proceso de 7 pasos que incluye identificar el problema, caracterizarlo, analizar sus causas, generar soluciones, seleccionar una, planificar su implementación y aplicarla para resolver el problema. El objetivo es acercarse a soluciones óptimas mediante un enfoque de grupo que aproveche la creatividad e iniciativa individual.
Modelos matematicos para la toma de decisionesHector Banquez
Este documento presenta diferentes modelos matemáticos para la toma de decisiones bajo condiciones de certidumbre, incertidumbre y riesgo. Explica que la toma de decisiones bajo certidumbre ocurre cuando se conoce el resultado con certeza, mientras que bajo incertidumbre no se pueden asignar probabilidades a los eventos y bajo riesgo sí se pueden asignar probabilidades. También describe criterios como maximin y maximax para la toma de decisiones bajo incertidumbre y modelos como programación lineal
El documento describe los pasos generales para la toma de decisiones empresariales mediante el uso de modelos. Estos incluyen establecer criterios, seleccionar alternativas, determinar parámetros de un modelo, y seleccionar la alternativa óptima según el criterio. También discute conceptos como la abstracción, simplificación, construcción de modelos, soluciones, errores, técnicas de modelado y clasificación de modelos.
El modelo racional de toma de decisiones prescribe una serie de 7 pasos que deben seguirse para incrementar la probabilidad de que las decisiones sean lógicas y estén bien fundamentadas. Estos pasos incluyen definir y diagnosticar el problema, establecer metas, buscar soluciones alternativas, comparar y evaluar soluciones, seleccionar una solución, implementarla, y realizar seguimiento y control. El modelo organizacional reconoce que los individuos dentro de una organización pueden tener valores y preferencias diferentes, y no tienen acceso completa información, por lo
Este documento describe la Administración por Objetivos (APO). Se origina en la década de 1950 y fue acuñado por Peter Drucker en su libro "La gerencia de las empresas". Inicialmente la APO constituyó un criterio financiero de evaluación y control, pero trajo como consecuencia una distorsión profesional. La APO implica que los gerentes establecen objetivos al inicio de cada periodo en constancia con las metas generales de la organización, y que se da seguimiento y evaluación del desempeño.
Este documento presenta una introducción al análisis cuantitativo y la modelación matemática. Explica que las herramientas matemáticas se han usado por miles de años y que el análisis cuantitativo puede aplicarse a una variedad de problemas, siempre que se comprendan sus limitaciones. También proporciona ejemplos de cómo empresas como Taco Bell y Continental Airlines han ahorrado millones usando modelos cuantitativos. Finalmente, describe los modelos matemáticos como representaciones de situaciones reales que pueden usarse para mejorar la toma de
Este documento presenta una introducción a los métodos cuantitativos para la toma de decisiones. Explica conceptos como modelos deterministas y probabilísticos, y métodos como programación lineal, teoría de pronósticos, PERT, análisis de punto de equilibrio, teoría de colas e inventarios.
método científico y fases de solucion del problemaisamar90
El documento compara el método científico y la solución de problemas, indicando que ambos procesos involucran la observación de un problema, la formulación de hipótesis, la toma de decisiones para identificar y definir el problema, y el análisis, evaluación y control durante los procesos para encontrar una solución. Luego, describe las cinco fases del proceso de solución de problemas: 1) identificar y clarificar el problema, 2) analizar el problema recopilando información, 3) desarrollar soluciones alternativas, 4) sele
1. Fundamentación General de la simulación de sistemas.pdfhectorrosales52
Este documento describe los conceptos fundamentales de la simulación de sistemas. Explica que la simulación imita el comportamiento de sistemas reales usando modelos matemáticos y por computadora. Luego define los elementos clave de un modelo de simulación como entidades, estado del sistema, eventos, localizaciones, recursos, atributos y variables. Finalmente, resume los pasos para realizar un estudio de simulación.
La asignatura Simulación es para estudiantes de ingeniería industrial. Enseña habilidades de simulación analítica para detectar problemas en sistemas de producción, servicios o gubernamentales y proponer mejoras considerando factores técnicos, económicos y sociales. Integra conceptos de matemáticas, probabilidad, estadística, programación y otras materias. El curso cubre generación de números aleatorios, variables discretas y continuas, uso de simuladores y un proyecto final integrando todos los conceptos.
Enfoques cuali cuantitativos en la toma de decisionesgarciara
El documento describe diferentes tipos y criterios para clasificar las decisiones. Estos incluyen si son individuales o grupales, programables o no programables, si afectan a uno mismo u otros, y si se toman en situaciones de certidumbre o incertidumbre. Además, explica los diferentes modelos cuantitativos y cualitativos utilizados para analizar decisiones, como árboles de decisión, pronósticos, programación lineal, y modelos basados en objetivos, grupos, y procesos individuales.
Portafolio De TOMA DE DESICIONES estadísticas IIDavid Da Silva
Este documento describe varios métodos para la toma de decisiones bajo condiciones de certidumbre y probabilidad. Explica brevemente métodos determinísticos como el análisis de Paretto y en grilla. También cubre métodos probabilísticos como Laplace, Hurwicz y Savage. Una sección detalla el uso de árboles de decisión para modelar posibles cursos de acción y resultados. El objetivo es proporcionar herramientas para la selección de la mejor opción disponible basada en la información dada.
El documento describe diferentes tipos de modelos matemáticos, incluyendo modelos determinísticos y estocásticos. Explica que los modelos determinísticos producirán siempre los mismos resultados para las mismas entradas, mientras que los modelos estocásticos incluyen variables aleatorias. También cubre conceptos como la toma de decisiones bajo incertidumbre y el uso de árboles de decisión y análisis de sensibilidad para evaluar alternativas.
Este documento introduce la simulación de eventos discretos. Explica que la simulación permite realizar estudios piloto de sistemas complejos de manera rápida y económica. Detalla las etapas de un proyecto de simulación, incluyendo la formulación del problema, recolección de datos, construcción del modelo, validación y experimentación. También define conceptos clave como sistemas, modelos, eventos y tiempos en simulación.
Este documento presenta una unidad de aprendizaje sobre análisis de decisiones. Explica los tipos de decisiones, el proceso de toma de decisiones, y analiza modelos de decisión con y sin datos previos. La unidad cubre temas como formulación de problemas, generación de alternativas, y técnicas como análisis clásico y bayesiano para tomar decisiones informadas.
Este documento introduce los conceptos básicos de modelado de sistemas. Explica que un sistema se define como un conjunto de partes interrelacionadas y que un modelo representa las relaciones entre las entradas y salidas de un sistema. También describe los tipos de modelos, incluidos los modelos mentales, formales y matemáticos, y los pasos para construir un modelo, como la conceptualización, formulación y evaluación. Finalmente, clasifica los modelos en diferentes categorías como estáticos/dinámicos y deterministas/estocásticos.
Este documento describe diferentes tipos de modelos que pueden usarse para documentar la especificación de un sistema, incluyendo modelos de flujo de datos, modelos de comportamiento, modelos de máquinas de estado, y modelos de objetos. Explica que los modelos son representaciones gráficas que describen los procesos del negocio y el sistema de una manera más comprensible que las descripciones detalladas en lenguaje natural.
Este documento presenta varios métodos para la resolución de problemas en grupo, incluyendo Kepner-Tregoe, Taguchi, diagrama de las 6 palabras, Ishikawa, 4x4, PDCA y tormenta de ideas. Explica los objetivos y pasos de cada método para ayudar a los grupos a definir problemas, identificar causas, generar soluciones y monitorear resultados.
Este documento discute dos modelos de toma de decisiones: los modelos individuales, que asumen la racionalidad humana, y los modelos organizacionales, que consideran las características y políticas de una organización.
1) El documento presenta tres modelos de toma de decisiones: el modelo de las configuraciones de Mintzberg, el modelo de Kepner-Tregoe y el análisis estructural de los sectores industriales u cinco fuerzas de Porter.
2) El modelo de Mintzberg describe diez roles que desempeñan los gerentes en la toma de decisiones. El modelo de Kepner-Tregoe presenta cuatro procesos básicos de pensamiento y cuatro patrones de análisis.
3) El modelo de Porter analiza cinco fuerzas que determin
El documento presenta una introducción a la Administración por Objetivos (APO). Explica que la APO es un sistema administrativo integral que combina actividades básicas para lograr objetivos organizacionales e individuales de manera eficaz. También describe los orígenes de la APO en la década de 1950 como una respuesta a las presiones económicas que enfrentaban las empresas privadas estadounidenses. Finalmente, cubre algunas características clave de la APO como el establecimiento conjunto de objetivos entre gerentes y subordinados y el énfasis
Este documento presenta una metodología para la toma de decisiones de forma sistemática. Explica que la toma de decisiones es un proceso de 7 pasos que incluye identificar el problema, caracterizarlo, analizar sus causas, generar soluciones, seleccionar una, planificar su implementación y aplicarla para resolver el problema. El objetivo es acercarse a soluciones óptimas mediante un enfoque de grupo que aproveche la creatividad e iniciativa individual.
Modelos matematicos para la toma de decisionesHector Banquez
Este documento presenta diferentes modelos matemáticos para la toma de decisiones bajo condiciones de certidumbre, incertidumbre y riesgo. Explica que la toma de decisiones bajo certidumbre ocurre cuando se conoce el resultado con certeza, mientras que bajo incertidumbre no se pueden asignar probabilidades a los eventos y bajo riesgo sí se pueden asignar probabilidades. También describe criterios como maximin y maximax para la toma de decisiones bajo incertidumbre y modelos como programación lineal
El documento describe los pasos generales para la toma de decisiones empresariales mediante el uso de modelos. Estos incluyen establecer criterios, seleccionar alternativas, determinar parámetros de un modelo, y seleccionar la alternativa óptima según el criterio. También discute conceptos como la abstracción, simplificación, construcción de modelos, soluciones, errores, técnicas de modelado y clasificación de modelos.
El modelo racional de toma de decisiones prescribe una serie de 7 pasos que deben seguirse para incrementar la probabilidad de que las decisiones sean lógicas y estén bien fundamentadas. Estos pasos incluyen definir y diagnosticar el problema, establecer metas, buscar soluciones alternativas, comparar y evaluar soluciones, seleccionar una solución, implementarla, y realizar seguimiento y control. El modelo organizacional reconoce que los individuos dentro de una organización pueden tener valores y preferencias diferentes, y no tienen acceso completa información, por lo
Este documento describe la Administración por Objetivos (APO). Se origina en la década de 1950 y fue acuñado por Peter Drucker en su libro "La gerencia de las empresas". Inicialmente la APO constituyó un criterio financiero de evaluación y control, pero trajo como consecuencia una distorsión profesional. La APO implica que los gerentes establecen objetivos al inicio de cada periodo en constancia con las metas generales de la organización, y que se da seguimiento y evaluación del desempeño.
Este documento presenta un resumen de los cuatro procesos del Análisis de Problemas basado en Kepner-Tregoe: Análisis de Situaciones, Análisis de Problemas, Análisis de Decisiones y Análisis de Problemas Potenciales. Describe cada uno de los pasos del proceso de Análisis de Problemas, incluyendo identificar el problema, determinar las causas, probar soluciones y tomar acciones correctivas. El objetivo final es prevenir que el problema vuelva a ocurrir.
Este documento describe los sistemas de soporte a la decisión, incluyendo sus objetivos, características y tipos. Explica el proceso de toma de decisiones y cómo los sistemas de soporte a la decisión pueden mejorar la calidad y rapidez de la toma de decisiones en empresas al proporcionar información y análisis.
Este documento presenta los antecedentes e historia de la investigación de operaciones, surgiendo formalmente durante la Segunda Guerra Mundial para administrar recursos escasos. Después de la guerra, las técnicas se aplicaron a problemas industriales y de negocios. Se define la investigación de operaciones y sus áreas de aplicación, incluyendo manufactura y servicios. También explica conceptos como modelos matemáticos, tipos de modelos, y los elementos de un modelo de programación lineal particular.
El documento presenta los pasos para la toma de decisiones y los modelos cuantitativos. Explica que los modelos cuantitativos se usan para problemas complejos, importantes o repetitivos al proyectar los resultados de decisiones bajo ciertas situaciones. También describe los elementos clave de un modelo como variables, restricciones y medidas de desempeño, y que un buen modelo debe ser fácil de usar, entender y confiable.
El documento describe los diferentes tipos de decisiones, incluyendo individuales, gerenciales, programables, con certidumbre, riesgo e incertidumbre. También describe técnicas cualitativas y cuantitativas para tomar decisiones, como árboles de decisión, programación lineal, simulación y métodos estadísticos. Finalmente, señala que el enfoque más aconsejable es usar ambos métodos cualitativos y cuantitativos para lograr decisiones más acertadas.
El documento describe diferentes tipos de modelos matemáticos, incluyendo modelos cuantitativos y cualitativos, probabilísticos y determinísticos, descriptivos y de optimización, estáticos y dinámicos, de simulación y no simulación. Explica que los modelos matemáticos expresan situaciones del mundo real en términos numéricos y que la investigación de operaciones se ocupa de sistematizar modelos cualitativos y cuantificarlos.
El documento describe la investigación de operaciones (IO) como una disciplina científica que aplica métodos cuantitativos para resolver problemas de administración y control en sistemas naturales y creados por humanos. Explica que la IO usa un enfoque interdisciplinario y el método científico para encontrar soluciones óptimas que ayuden a las organizaciones a lograr sus objetivos. También resume los tipos de modelos usados en la IO como herramientas para representar problemas del mundo real de manera abstracta.
Este documento describe la investigación de operaciones como la aplicación de modelos matemáticos, estadística y algoritmos para tomar decisiones de manera óptima considerando recursos limitados. La investigación de operaciones se ha aplicado en áreas como manufactura, transporte, salud y defensa para maximizar recursos y lograr objetivos organizacionales.
Este documento describe diferentes tipos de modelos, incluyendo modelos cibernéticos, matemáticos, deterministas y probabilísticos. Un modelo cibernético guía el análisis y diseño de sistemas para identificar y clasificar sus elementos y operaciones. Un modelo matemático permite simulaciones y cambios de parámetros para facilitar el desarrollo de controladores. Un modelo determinista produce los mismos resultados para las mismas entradas, mientras que un modelo probabilístico incluye probabilidad e incertidumbre.
Este documento describe diferentes tipos de modelos, incluyendo modelos cibernéticos, matemáticos, deterministas y probabilísticos. Un modelo cibernético es una guía para identificar y clasificar elementos de un sistema y su funcionamiento. Un modelo matemático permite simulaciones y cambiar parámetros. Un modelo determinista siempre produce los mismos resultados con las mismas entradas. Un modelo probabilístico usa probabilidad e incluye suposiciones sobre datos de una población más grande.
Este documento presenta el programa de un curso de Investigación de Operaciones. El curso cubre temas como programación lineal, problemas de transporte y asignación, simulación y teoría de inventarios. El objetivo es aplicar modelos cuantitativos para optimizar soluciones a problemas de administración mediante el uso de técnicas de Investigación de Operaciones. El curso incluye clases expositivas y prácticas de laboratorio con software.
El documento describe los diferentes tipos de información y diseños de investigación que se pueden utilizar para realizar una investigación de mercado. Explica que la información puede ser secundaria u primaria y los diseños pueden ser exploratorios u concluyentes. También cubre conceptos como cualitativo, cuantitativo, muestreo, validez y confiabilidad que son importantes para el diseño de investigaciones.
El documento describe los pasos para la resolución de problemas y la toma de decisiones mediante el uso de modelos cuantitativos. Explica que los modelos relacionan variables como las de decisión, exógenas e intermedias para transformar las variables de decisión en medidas de desempeño. También describe los tipos de modelos, características de buenos modelos y etapas para construir modelos, incluyendo el diseño de la estructura lógica y la especificación numérica.
Modelamiento predictivo en Analítica PredictivaLPI ONG
El documento describe el modelamiento predictivo en la analítica predictiva. Explica que el modelamiento predictivo usa métodos de análisis y algoritmos de aprendizaje para diseñar, implementar, probar y seleccionar el mejor modelo predictivo. También describe los procesos comunes de modelamiento como la creación, prueba, validación y evaluación de modelos, así como los diferentes tipos de algoritmos y categorías de modelos que se pueden usar.
Enfoques cuali cuantitativos en la toma de decisionesgarciara
Este documento describe diferentes tipos y modelos de toma de decisiones. Presenta criterios para clasificar decisiones como individuales o grupales, programables o no programables. También describe modelos cuantitativos como árboles de decisión, pronósticos y programación lineal, así como modelos cualitativos como los de Herbert Simon y Kepner-Tregoe. Finalmente, explica procesos individuales y de grupo para la toma de decisiones.
Solución de problemas empresariales con sistemas de informaciónaleramirez9210
El documento describe un enfoque sistemático para resolver problemas empresariales utilizando sistemas de información. Este enfoque incluye definir el problema, desarrollar soluciones alternativas, evaluarlas y seleccionar la mejor solución, la cual es diseñada e implementada. El ciclo de desarrollo de sistemas comprende investigación, análisis, diseño, implementación y mantenimiento. El objetivo es aplicar este método para resolver problemas que enfrentan las empresas.
Solución de problemas empresariales con sistemas de informaciónaleramirez9210
El documento describe un enfoque sistemático para resolver problemas empresariales utilizando sistemas de información. Este enfoque incluye definir el problema, desarrollar soluciones alternativas, evaluarlas y seleccionar la mejor solución, la cual es diseñada e implementada. El ciclo de desarrollo de sistemas comprende investigación, análisis, diseño, implementación y mantenimiento. El objetivo es aplicar este método para resolver problemas que enfrentan las empresas.
Este documento describe los fundamentos y aplicaciones de la dinámica de sistemas en el análisis estratégico de calidad. Explica que la dinámica de sistemas permite modelar el comportamiento dinámico y no lineal de los sistemas a través del tiempo mediante la simulación. Los modelos dinámicos capturan las retroalimentaciones que dominan la toma de decisiones en una organización. La dinámica de sistemas puede ayudar a identificar las causas profundas de los problemas de calidad y probar alternativas estrat
Este documento describe estrategias y modelos probabilísticos para la toma de decisiones en la gestión de inventarios. Identifica tres estrategias principales (proyección, compra de cantidad económica de pedido, y decisiones bajo riesgo) y los modelos probabilísticos requeridos para cada una, como el modelo de suavización exponencial simple, el modelo EOQ, y los criterios de Laplace y Hurwicz. Además, incluye una tabla que resume cada estrategia propuesta, el modelo asociado, y una justificación con referencias bibliográ
El documento presenta datos sobre la distribución de frecuencias y porcentajes de edades en una población, donde el rango de edades entre 30-34 años presenta la mayor frecuencia con un 32%, y donde los rangos entre 20-24 años y 25-29 años también presentan altas frecuencias del 16% y 20% respectivamente.
Diseno perfiles por competencias Modificadoeveliad
El documento describe varios modelos de diseño curricular y sus etapas. Presenta las etapas y productos del modelo de Arnaz, Glazman e Ibarrola, Pansza y Díaz y colaboradores. Luego, propone un modelo de diseño curricular con etapas de diagnóstico, definición de competencias, plan de estudio, evaluación continua y ejecución. Finalmente, ofrece una bibliografía sobre el tema.
Este documento presenta un resumen del perfil profesional de un ingeniero en informática. El propósito de la carrera es formar ingenieros con habilidades técnicas, de comunicación y resolución de problemas para administrar recursos tecnológicos, diseñar software y bases de datos, y crear soluciones innovadoras considerando aspectos éticos y sociales. Las funciones principales incluyen administrar infraestructura de TI, crear programas y sistemas de bases de datos.
El documento presenta un resumen del mapa funcional de la carrera de Ingeniería en Informática. Su propósito principal es formar ingenieros con habilidades técnicas y blandas para administrar infraestructura, redes, seguridad de la información y crear programas y sistemas de bases de datos que garanticen la privacidad y disponibilidad de los datos. Las funciones principales incluyen planificar recursos tecnológicos, realizar pruebas de seguridad, y crear sistemas de información que integren las mejores práctic
Este documento compara tres métodos para describir ocupaciones y competencias laborales: DACUM, AMOD y SCID. DACUM se centra en describir las tareas de una ocupación, AMOD ordena las tareas de DACUM de simple a compleja, y SCID realiza un análisis detallado de las tareas de DACUM para determinar los aspectos relevantes para la capacitación. Cada método tiene ventajas como generar descripciones ocupacionales comprensibles, pero también desventajas como centrarse demasiado en tareas y no en el context
El DACUM se centra en las tareas de un trabajo, el AMOD en las habilidades y el SCID en las competencias; el DACUM implica entrevistas con expertos para identificar tareas, el AMOD observaciones de trabajo y el SCID análisis documental; todos tres métodos buscan definir perfiles laborales de manera sistemática aunque cada uno tiene énfasis y pasos diferentes.
El análisis funcional es una técnica para identificar las competencias laborales inherentes a una función productiva mediante un enfoque deductivo que comienza estableciendo el propósito principal. Implica desarrollar una serie de pasos como definir funciones elementales y elaborar un mapa funcional que indica las funciones que debe desempeñar un individuo para alcanzar el propósito clave de la actividad productiva. Finalmente, el análisis funcional se utiliza en el enfoque por competencias para definir el perfil profesional teniendo en cuenta fact
Este documento presenta un ejercicio de redacción de competencias para la carrera de Ingeniería en Informática. Se describen cinco competencias clave que incluyen administrar redes de comunicación, utilizar herramientas de modelado de datos, diseñar sistemas de base de datos seguros, proponer sistemas de información gerencial que mejoren procesos operativos, y validar soluciones de tecnologías de la información mediante métricas.
Este documento presenta diferentes modelos de diseño curricular, incluyendo los modelos de Arnaz, Glazman e Ibarrola, Pansza y Díaz y colaboradores. Luego propone etapas generales para el diseño curricular que incluyen diagnóstico, perfil profesional, competencias genéricas y específicas, plan de estudio, ejecución y evaluación continua. Finalmente, define el diseño curricular por competencias.
Este documento describe la metodología ETED (Especificación por Tareas y Evaluación de Desempeño) aplicada a la carrera de Licenciatura en Ingeniería en Informática. El proceso ETED involucra la identificación de actores clave, recolección de información a través de entrevistas, estructuración y validación de la información, y la escritura formal de competencias. El objetivo es sistematizar los resultados para mejorar el currículo de acuerdo con las necesidades del mercado laboral. El proceso toma 7 meses y produce in
El análisis funcional es una técnica para identificar las competencias laborales inherentes a una función productiva mediante un enfoque deductivo que comienza estableciendo el propósito principal. Implica reconstruir las competencias necesarias para desempeñarse en un ámbito de trabajo a través de etapas como redactar funciones elementales y elaborar un mapa funcional. Puede usarse para diseñar perfiles profesionales en el enfoque por competencias considerando factores como necesidades socioeconómicas y normativa educativa.
Este documento presenta información sobre competencias, currículo y el rol del docente. Explica que el currículo debe contribuir a la formación integral del estudiante y prepararlo para responder a las necesidades de la sociedad. También describe la diferencia entre un currículo convencional y uno basado en competencias, señalando que este último se enfoca en el aprendizaje significativo y la resolución de problemas. Además, señala que la política influye en el currículo e insta a los docentes a reflexionar críticamente sobre su práctica y
El documento describe las características del aprendizaje y el rol del alumno. Explica que el aprendizaje es un proceso activo, flexible, abierto y continuo que ocurre a través de la construcción de conocimientos, adquisición de habilidades y apropiación de actitudes y valores. Además, señala que el alumno es el protagonista de su propio aprendizaje, debe ser autodidacta, poseer una actitud crítica y definir metas claras. El alumno aprende mediante la investigación, lectura, reflex
El documento describe las características de la enseñanza y el rol del docente en la Universidad de Panamá. La enseñanza es flexible e interactiva para asegurar una educación de calidad e inclusiva mediante el uso de las TIC. Los docentes deben tener un alto nivel de conocimiento en sus asignaturas y en estrategias de enseñanza, organizar planes de estudio considerando las diferencias individuales, y comprometerse con la formación integral de los estudiantes. El rol del docente también incluye diseñar materiales didácticos, evaluar
Presentacion Competencias: definiciones, descripcion, analisis y comparacioneveliad
El documento presenta 8 definiciones de competencia provenientes de diferentes autores. Todas las definiciones incluyen conocimientos y habilidades como componentes, mientras que la mitad también incluyen actitudes, disposiciones y valores. Las definiciones que incluyen los tres componentes son consideradas más completas para la sociedad del conocimiento actual.
El documento presenta una introducción a las teorías de aprendizaje. Define aprendizaje y enseñanza, y explica que existen diferentes teorías del aprendizaje como el conductivismo, cognitivismo, constructivismo y conectivismo. Cada teoría se caracteriza por tener diferentes perspectivas sobre el rol del estudiante y docente, objetivos, interacción, y evaluación en el proceso de aprendizaje. Finalmente, se presenta un cuadro comparativo de las principales características de cada teoría.
Actividad 3 sociedad del conocimiento eveliaeveliad
El documento describe los cambios en diferentes áreas (laboral, empresarial, vida cotidiana, social y conocimiento) que han ocurrido debido al surgimiento de la sociedad del conocimiento. Estos cambios han tenido repercusiones educativas como la necesidad de actualizar los planes de estudio universitarios para incluir nuevas competencias, capacitar constantemente a los trabajadores, y adaptar los métodos de aprendizaje para desarrollar competencias acordes a las demandas actuales.
El documento trata sobre la "geekonomía" y los cambios en la economía de la información impulsados por los "geeks". Se menciona que los "geeks" están reconfigurando viejos formatos y dando lugar a nuevas lógicas narrativas e industriales. También se analizan temas como los open access journals, la transformación de la Web 2.0, los retos de las universidades en la era digital y los ecosistemas de I+D+i.
El documento describe la Internet de las Cosas (IoT), que implica la conexión a Internet de objetos cotidianos a través de sensores. Esto permite identificar, ubicar y conocer el estado de los objetos, transformando la forma de hacer negocios y la vida diaria de las personas. El IoT genera grandes cantidades de datos que pueden usarse para mejorar la toma de decisiones y desarrollar nuevos servicios e innovaciones.
1. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Sistemas de Soporte a la Decisión
Sistemas de Soporte a la Decisión
basados en modelos
Javier Prieto1
1
Departamento de Estadística
Universidad Carlos III de Madrid, España
franciscojavier.prieto@uc3m.es
Máster en Gestión y Tecnología del Conocimiento
Universidad de Panamá, Julio de 2010
Javier Prieto Sistemas de Soporte a la Decisión
2. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
SSDs basados en modelos
Suponen decisiones racionales
Existencia de una función de utilidad que ordena las decisiones
Presencia de incertidumbre
Posibilidad de estimar las probabilidades de ocurrencia de sucesos
Modelos matemáticos que recojan consecuencias de decisiones
De forma cuantificable
Javier Prieto Sistemas de Soporte a la Decisión
3. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Proceso de toma de decisiones en modelos formales
Etapas
Identificación de alternativas
Determinación del criterio/criterios de selección
Evaluación de las alternativas
Con respecto al criterio de selección
Respecto a su viabilidad técnica
Implantación
Javier Prieto Sistemas de Soporte a la Decisión
4. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Técnicas para toma de decisiones en modelos
formales
Investigación de Operaciones
Problemas complejos
Complejidad asociada a:
Incertidumbre
Número de alternativas
Interacciones entre decisiones
Técnicas adaptadas a la complejidad de los problemas
Problemas simples vs. problemas complejos
Javier Prieto Sistemas de Soporte a la Decisión
5. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Construccion de modelos
Estructura formal de los modelos
Basada en manipulación de variables
Representan alternativas cuantificables
Variables combinadas mediante expresiones matemáticas
Relaciones que han de cumplirse
Medida del interés de unas alternativas frente a otras
Lenguaje matemático
Javier Prieto Sistemas de Soporte a la Decisión
6. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Tipos de modelos (i)
Predicción
Estimación de la evolución futura del sistema
Bajo incertidumbre
Simulación
Estimación del comportamiento del sistema bajo condiciones
alternativas
También bajo incertidumbre (normalmente)
Optimización
Selección de alternativas mejores
Normalmente sin incertidumbre (complejidad)
Heurísticos
Selección de alternativas próximas a las mejores
Con coste computacional reducido
Normalmente sin incertidumbre
Javier Prieto Sistemas de Soporte a la Decisión
7. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Tipos de modelos (ii)
Por su estructura temporal
Modelos estáticos
Decisiones a tomar en un momento en el tiempo
Modelos más sencillos
Modelos dinámicos
Decisiones a tomar a lo largo del tiempo
Modelos deben incluir dependencias temporales
Debe considerarse un mayor número de decisiones (tamaño del
modelo)
Por su complejidad
Modelos con pocas alternativas
Modelos muy simples (árboles de decisión, enumeración de
alternativas)
Modelos con muchas alternativas
Modelos complejos requieren técnicas matemáticas sofisticadas
Javier Prieto Sistemas de Soporte a la Decisión
8. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Simulación estocástica (i)
Métodos de simulación estocástica
Tratamiento cuantitativo de la incertidumbre en problemas reales
Estimación de medidas de comportamiento del sistema
Bajo situaciones futuras posibles
Ponderadas con una estimación de su probabilidad
Objetivo: comparar dichas estimaciones
Con referencias conocidas
Con otras decisiones posibles bajo incertidumbre
Mejora en el proceso de toma de decisiones
En situaciones suficientemente complejas
Javier Prieto Sistemas de Soporte a la Decisión
9. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Simulación estocástica (ii)
Modelos descriptivos
Estudio de características de un sistema bajo condiciones inciertas
Se busca información estocástica:
Estimación de valores de interés (valor medio, varianza, percentiles)
Estimación del error cometido
Medidas de riesgo
Ejemplos:
Estudio comparativo de beneficios asociados a distintas ofertas
Probabilidad de que beneficios sean inferiores a una cierta cantidad
Javier Prieto Sistemas de Soporte a la Decisión
10. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Importancia de la modelización de la incertidumbre
En la gran mayoría de las decisiones la incertidumbre es
fundamental
Las situaciones futuras son desconocidas
Se desconocen los cambios en el entorno
Se desconocen también los posibles cambios en la organización
Importancia del estudio de posibles alternativas
Selección de alternativas relevantes (escenarios)
Combinación de los resultados para las diferentes alternativas
(decisiones, riesgos)
Siempre hace falta partir de un modelo de la incertidumbre
Javier Prieto Sistemas de Soporte a la Decisión
11. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
El método de Montecarlo. Motivación
Dificultades
Se quieren calcular valores de variables no observadas
Relaciones con variables cuyos valores tampoco son conocidos
con certeza
Pero se pueden hacer hipótesis sobre las distribuciones de esas
variables
Utilizar relaciones entre variables (potencialmente complejas)
Procedimento
Se supone que dado un valor de las variables iniciales es sencillo
de calcular un valor de las variables de interés
Se construye una muestra de valores iniciales
Se genera una muestra de valores de interés
Se aplican técnicas estadísticas a la muestra
Javier Prieto Sistemas de Soporte a la Decisión
12. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
El método de Montecarlo. Descripción
Procedimiento de simulación
Definir variables entrada/salida y características
Definir relaciones
Generar valores variables de entrada
Obtener valores variables de salida
Repetir un número suficiente de veces
Estimar valores deseados
Javier Prieto Sistemas de Soporte a la Decisión
13. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Ejemplo I (i)
Expansión de capacidad
Inversión a 3 años
Datos
Coste de la expansión (aleatorio)
Capacidad
Demanda (aleatoria)
Beneficios (aleatorios)
La información se descuenta al presente
Información para la decisión
Estimaciones y errores en el valor actualizado neto
Javier Prieto Sistemas de Soporte a la Decisión
14. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Ejemplo I (ii)
Expansión de capacidad. Datos disponibles
Expansión
Coste medio 4500
Desv. Típica 700
Capacidad 100
Demanda
Valores medios
Periodo 1 75
Periodo 2 90
Periodo 3 92,5
Desv. típica 10
Beneficio unitario
Media inicial 20
Desv. típica inicial 2
Incremento mínimo 0,97
Incremento máximo 1,05
Descuento
Factor 0,05
Javier Prieto Sistemas de Soporte a la Decisión
15. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Generación de variables de entrada
Datos de entrada
Aspecto más complejo del procedimiento
Datos de entrada han de recoger la incertidumbre presente en la
realidad
Y la que pueda existir en el futuro de interés
Deben preservar la distribución que se supone para los datos
Y las relaciones de dependencia/independencia de los mismos
Generación
Dependiente de la distribución
Casos sencillos soportados por software
Otros casos: técnicas matemáticas
Un ejemplo sencillo: distribución exponencial con parámetro λ
− log U/λ, U ∼ Unif[0, 1]
Javier Prieto Sistemas de Soporte a la Decisión
16. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Tratamiento de resultados
Resultados de interés
Valores promedio e intervalos de confianza
Fórmulas estadísticas clásicas
» –
zs zs
1
s2 = 1 2
P P
m= n i xi , n−1 i (xi − m) , m − √ ,m + √
n n
Podemos seleccionar el número de repeticiones n
Cuanto mayor sea n, más coste computacional
Cuanto mayor sea n, menor error
Parar cuando el error sea suficientemente pequeño
Error proporcional a la inversa de la raíz cuadrada del número de
repeticiones
Javier Prieto Sistemas de Soporte a la Decisión
17. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Temas avanzados
Datos dependientes
En muchos casos las muestras generadas no son independientes
Inventarios, colas, etc.
Son necesarias técnicas de estimación más sofisticadas
Medias agrupadas, método regenerativo
Reducción de varianza
Coste computacional asociado a repeticiones, elevado para
errores bajos
Técnicas sofisticadas de reducción del número de repeticiones
Muestreo estratificado, muestreo de importancia
Javier Prieto Sistemas de Soporte a la Decisión
18. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Ventajas e inconvenientes
Ventajas
Procedimiento muy flexible
Planteamiento común a situaciones muy diferentes
Excepto generación de variables de entrada
Poco costoso de implementar
Fácil de aplicar con programas de propósito general (hojas de
cálculo)
Inconvenientes
Computacionalmente poco eficiente
No proporciona relaciones causales
Requiere hipótesis sobre datos de entrada
Javier Prieto Sistemas de Soporte a la Decisión
19. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Ejemplo II (i)
Gestión de ventas de billetes de avión
Decisiones sobre la cantidad de plazas a ofertar
En varios estados posibles (5)
Incertidumbre en relación con los cambios de estados
Datos
Probabilidades de paso de un estado a otro
Coste de renovación y de avería
Información para la decisión
Porcentajes de equipos a renovar y averiados
Coste promedio de gestión del sistema
Javier Prieto Sistemas de Soporte a la Decisión
20. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Ejemplo II (ii)
Gestión de ventas de billetes. Datos disponibles
Capacidad
Capacidad asientos 650
Limite ventas 715
Demanda
Promedio 620
Desv. Estandar 65
Pasajeros no aparecen
Probabilidad 0,05
Costes
Beneficio unidad 50
Coste overbooking 150
Beneficio no aparecen 75
Javier Prieto Sistemas de Soporte a la Decisión
21. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Optimización
Técnicas formales (matemáticas) de optimización
Procedimientos formales para calcular la mejor alternativa
¿Es necesario considerar todas las alternativas?
Ineficiente en casos complejos
Se basan en resultados teóricos sofisticados
Consideran un número reducido de alternativas
Escogidas para que las conclusiones sean válidas para todas ellas
Proceso dependiente de la forma del problema
Javier Prieto Sistemas de Soporte a la Decisión
22. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Conceptos generales
Objetivo
Encontrar el mejor conjunto de valores de las variables para un
criterio determinado
Valores a calcular: representados por variables
Variables de decisión (estado y control)
Variables auxiliares
Criterio a optimizar: función objetivo
Uno o varios criterios
Ordenación de alternativas
Condiciones sobre los valores aceptables de las variables:
restricciones
Estructura básica del problema
Variables
Función objetivo
Restricciones
Javier Prieto Sistemas de Soporte a la Decisión
23. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Formulación de problemas (i)
Formato estandarizado
Identificación de variables
Variables contínuas o discretas
Expresión matemática de la función objetivo
Función que tome un valor o múltiples valores
Maximización o minimización
Funciones que definan las restricciones, como
Igualdades
Desigualdades
Javier Prieto Sistemas de Soporte a la Decisión
24. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Formulación de problemas (ii)
Formalismo matemático
minx f (x)
s.a c(x) ≥ 0
d(x) = 0
Debemos saber cómo calcular f , c y d
Al menos poder escribir código para hacerlo
Las funciones han de ser contínuas
Javier Prieto Sistemas de Soporte a la Decisión
25. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Procedimiento de solución (i)
Dependiente de propiedades de problemas
Propiedades relevantes:
Todas las variables toman valores contínuos
O algunas variables toman valores discretos
Las funciones del problema son todas lineales
O algunas son no lineales
Procedimientos de solución
Programación lineal (método simplex, puntos interiores)
Programación entera (branch and bound, branch and cut)
Javier Prieto Sistemas de Soporte a la Decisión
26. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Procedimiento de solución (ii)
Resolución en Excel
Uso del Solver
Todas las diferentes partes del problema definidas en celdas
Variables, función objetivo, restricciones
Problemas que se pueden resolver
Problemas lineales contínuos
Problemas lineales enteros
Problemas no lineales contínuos
Javier Prieto Sistemas de Soporte a la Decisión
27. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Ejemplo III (i)
Problema de planificación de la producción
Datos
Capacidades disponibles
Uso de capacidad
Para dos tipos de capacidad necesarios
Beneficios por unidad
Límites a la producción
Información para la decisión
Valores óptimos de la producción
Javier Prieto Sistemas de Soporte a la Decisión
28. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Ejemplo III (ii)
Datos producción
Capacidad
Mano de obra 320
Maquinaria 320
Uso de capacidad
Producto A 0,5 0,6
Producto B 0,7 0,5
Producto C 0,9 1,0
Beneficios por unidad
Producto A 14
Producto B 17
Producto C 22
Límite de ventas
300
Javier Prieto Sistemas de Soporte a la Decisión
29. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Procedimiento de solución (iii)
Casos especiales
Problemas con varias funciones objetivo
Dificultad: comparar diferentes alternativas entre diferentes criterios
Solución habitual: buscar una combinación de criterios que
represente las preferencias del usuario
Alternativamente: construir todas las soluciones para cualquier
combinación (razonable) de los criterios (frontera eficiente)
Problemas con incertidumbre
Dificultad: falta de expresiones explícitas para criterios de interés
Solución habitual: construir un equivalente sin incertidumbre
considerando un número reducido de escenarios
Dificultad: los problemas resultantes son muy grandes
Empleo de técnicas especiales, descomposición
Javier Prieto Sistemas de Soporte a la Decisión
30. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Ventajas e inconvenientes
Ventajas
Procedimiento muy potente
Herramientas fácilmente disponibles
Para problemas de tipos habituales
Inconvenientes
Costoso de implementar
Computacionalmente costoso de resolver
Requiere modelos matemáticos detallados
Dificultad para incorporar la incertidumbre
Javier Prieto Sistemas de Soporte a la Decisión
31. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Ejemplo IV (i)
Producción de aceros
Tres tipos de acero a producir a partir de chatarra
Datos
Diferentes costes de producción, precios de venta, uso de chatarra
Demandas máximas previstas
Chatarra
Costes
Capacidad de procesamiento
Información para la decisión
Cantidades óptimas a producir
Javier Prieto Sistemas de Soporte a la Decisión
32. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Ejemplo IV (ii)
Producción de aceros. Datos disponibles
Datos aceros
Consumos Costes Precios Demanda
Barras 1,5 40 75 1200
Láminas 1,4 25 60 1600
Especiales 2,5 65 110 900
Chatarra
Costes 15
Capacidad 5000
Javier Prieto Sistemas de Soporte a la Decisión
33. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Ejemplo V (i)
Planificación de la generación eléctrica
Ofertas de una central de generación para 24 horas. Cantidades
(y precios)
Datos
Estimaciones de los precios
Costes de generación y arranque
Restricciones técnicas de la central
Capacidad
Arranques
Rampas
Información para la decisión
Cantidades óptimas a producir
Javier Prieto Sistemas de Soporte a la Decisión
34. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Ejemplo V (ii)
Planificación de la generación. Precios
12,000
10,000
8,000
31/10/08
30/10/08
29/10/08
6,000 28/10/08
27/10/08
26/10/08
25/10/08
4,000
Promedio
2,000
0,000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Javier Prieto Sistemas de Soporte a la Decisión
35. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Ejemplo V (iii)
Planificación de la generación. Restricciones técnicas
Generación Capacidad
Mínimo técnico
Tiempo
Javier Prieto Sistemas de Soporte a la Decisión
36. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Ejemplo V (iv)
Planificación de la generación eléctrica. Modelo matemático
Función objetivo
P P P
t (pt − c)xt − ca t at − cp t pt
Restricciones de capacidad respecto del estado encendido
gm yt ≤ xt ≤ gx yt
Restricciones que relacionan encendido con arranque
yt − yt−1 ≤ at , yt−1 − yt ≤ pt
Restricciones de rampa
xt − xt−1 ≤ ru , xt−1 − xt ≤ rd
Variables binarias, yt , at , pt
Caso más interesante:
Cuando existe incertidumbre en los precios
Javier Prieto Sistemas de Soporte a la Decisión
37. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Ejemplo V (v)
Planificación de la generación eléctrica. Datos disponibles
Datos técnicos
Generación máxima 250
Generación mínima 50
Rampa subida 50
Rampa bajada 25
Datos de costes
Coste generación 5.6
Coste arranque 25
Coste parada 5
Javier Prieto Sistemas de Soporte a la Decisión
38. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Ejemplo VI (i)
Evaluación del riesgo en préstamos personales
Banco debe decidir que préstamos a que clientes suponen un
riesgo excesivo
Datos
Información sobre cada cliente
Cualitativa (sexo, empleo, región, etc)
Cuantitativa (edad, años empleado, saldo de cuenta, devoluciones de
préstamos, etc)
Datos sobre clientes anteriores calificados como aceptables y no
aceptables
Información para la decisión
Regla que asigne a un nuevo cliente al grupo aceptable o al no
aceptable
Javier Prieto Sistemas de Soporte a la Decisión
39. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Ejemplo VI (ii)
Evaluación del riesgo en préstamos personales
Metodología a aplicar: SVM
Encontrar hiperplano óptimo que separe los grupos
GRÁFICA 3
6,2
5,2
w’x-b=-1
4,2
w’x-b=1
3,2
2,2
1,2
1,20 1,56 1,92 2,28 2,64 3,00
Datos 1 Datos 1I
Javier Prieto Sistemas de Soporte a la Decisión
40. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Ejemplo VI (iii)
Evaluación del riesgo en préstamos personales
SVMs: formalización matemática
Dadas observaciones xi y valores ci ∈ −1, 1
Encontrar un vector w solución de
m« w,b
ın ww
s.a ci (w xi − b) ≥ 1
En la práctica es más sencillo resolver el problema equivalente
1
P P
m«xa
a i ai − 2 aaccx x
P ij i j i j i j
s.a i ai ci = 0
ai ≥ 0
P
de manera que w = i ai ci xi
Javier Prieto Sistemas de Soporte a la Decisión
41. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Lecturas
Contenidos recomendados de las referencias
[Evans & Olson] Capítulos 6 y 10
[Power] Capítulos 4 y 10
[Savage] Capítulos 4 y 7
[Turban] Capítulos 2 y 5
Javier Prieto Sistemas de Soporte a la Decisión
42. Toma de decisiones basada en modelos
Modelos de simulación
Modelos de optimización
Referencias
Referencias I
Evans, J.R. & Olson, D.L.
Introduction to Simulation and Risk Analysis
Prentice-Hall, 2002
Power, D.J.
Decision Support Systems: Concepts and Resources for Managers
Quorum Books, 2002
Savage, S.L.
Decision Making with Insight
Thomson, 2003
Turban, E.
Decision Support and Expert Systems: Management Support Systems
Prentice Hall, 1995
Javier Prieto Sistemas de Soporte a la Decisión