INSTITUTO TECNOLOGICO

1. INSTITUTO TECNOLOGICO de villahermosa ING. INDUSTRIAL INVESTIGACIÓN DE OPERACIONES II CATEDRATICO: Zinath Javier Gerónimo UNIDAD 3: Teoría De Decisión EQUIPO 6 MONTEJO ZAPATA MARICELA BULOS ZAMORA GRACE ANAHI SALAS ALPUIN LUIS ALFREDO MERCADO GÁMEZ OMAR SÁNCHEZ ORTIZ LUIS MANUEL VÁZQUEZ FLORES LINO MAURICIO Villahermosa, Tab. 27 de octubre del 2010

2. UNIDAD 3 TEORIA DE DECISION

3. Teoría de decisión

4. Introducción a la toma de decisiones (ejemplo) Decisión. Operarse Lesión de columna No operarse

5. 3.1 Características generales de la teoría de decisión Situación problemática Consecuencias Definir el problema Aspectos (pueden ser contrapuestos) Incertidumbre Aspectos cuantificables Otros involucrados Tiempo disponible Características

6. a la toma de decisiones Introducción a la toma de decisiones Decisiones mal o bien tomadas Objetivo del análisis de decisiones Formalización (uso de instrumentos y procedimientos) Simplifican y esclarecen el problema Reducen la ansiedad Ayudan a superar las limitaciones Permiten aplicar métodos de análisis (benchmarking) Ayudan a orientar los juicios con mayor corrección Seleccionar la alternativa óptima (mejores resultados), tomando en cuenta las limitaciones, la incertidumbre y la dificultad de cuantificación

7. Introducción a la toma de decisiones Elementos en la toma de decisiones Situación problemática (problema existente) Alternativas de solución (más de una solución) Tiempo y recursos disponibles Decisor capacitado

8. Introducción a la toma de decisiones Definición del problema Ejecución y control Selección de criterios Proceso de decisión Búsqueda de alternativas Decisión Análisis

9. Introducción a la toma de decisiones Incertidumbre Dificulta o limita la capacidad de evaluación de las alternativas Originada por la falta de información necesaria para análisis Indisponibilidad de información necesaria aunque existente Inexistencia de la información por tratarse de hechos futuros

10. Factor Humano Elementos en la toma de decisiones Situación problemática (problema existente) Alternativas de solución (más de una solución) Tiempo y recursos disponibles Decisor capacitado Sin TD: Actuaciones por reflejo, por instinto o por costumbre adquirida sin previo análisis

11. Factor Humano Decisiones son tomadas por los individuos Problemas Alternativas de solución Elemento activo Motor de todo proceso de toma de decisión Objetivos que el decisor persigue

12. Organizacionales Lo que la organización pretende alcanzar Utilidades, productividad, calidad, reducción de Costos, participación en el mercado, satisfacción Del cliente, etc. Objetivos Individuales Lo que las personas pretenden alcanzar Salario, beneficios sociales, seguridad y estabili_ dad en el empleo. Condiciones adecuadas de Trabajo. Desarrollo profesional, etc.

13. Factor Humano El Individuo Información Conocer y definir el problema Generar posibles soluciones Analizar las consecuencias Evaluar las consecuencias para…

14. Factor Humano El Decisor Seleccionar y recoger información del entorno s/problema y alternativas Guardar información y recuperarla (cuando se necesite) Procesarla por razonamientos Juzgar importancia de información procesada Actividades para tomar una decisión

15. 3.2 CRITERIOS DE DECISIÓN DETERMINISTICOS Y PROBABLISTICOS.

16. Determinista vs. Probabilística • Determinista: Conozco todos los datos necesarios de la realidad. Si tomo una opción, se cual será el resultado preciso. • En los modelos probabilisticos las variables son aleatorias y los resultados también. Unidad. -3

17. El proceso de toma de decisiones. • Definición del problema. • Análisis de la información disponible. • Desarrollo de soluciones alternativas. • Selección de la alternativa. • Implantación de la estrategia elegida. Unidad. -3

18. Definición del problema. • Para que tengamos un problema hace falta: • Un objetivo que se quiere alcanzar. • Un camino trazado para alcanzar el objetivo. • Un impedimento que nos bloquea el camino y no nos deja alcanzar el objetivo. Unidad. -3

19. Análisis de la información disponible. • Investigar la situación de partida. • Identificar las variables del problema. • Valorar las variables: • De forma cuantitativa si es posible, • De forma cualitativa si no hay alternativa. • Identificar las variables y valores en el objetivo.

20. Selección de la alternativa. • Tres enfoques: • Confianza en el pasado (experiencia) • Experimentación. • Investigación y análisis. Experimentación Confianza en el Pasado ¿Cómo escoger una de varias opciones Opción Tomada Investigación y Análisis Unidad. -3

21. Herramientas para la toma de decisiones. • Modelización Mecánica. • Herramientas para la decisión con certeza. • Criterios de decisión en incertidumbre. • Nos enfrentamos a la naturaleza. • Nos enfrentamos a otro jugador. Unidad. -3

22. 3.3 Valor Información Perfecta • Si se pudiera contar con un predictor perfecto, se podría seleccionar por anticipado el curso de acción óptimo correspondiente a cada evento pronosticado. • Ponderando la utilidad correspondiente a cada curso de acción óptimo por la probabilidad de ocurrencia de cada evento se obtiene la utilidad esperada contando con información perfecta (UEIP). • El VEIP es la diferencia entre UEIP y VE. Refleja el aumento en la utilidad esperada a partir de contar con un mecanismo de predicción perfecto.

23. Interpretación del VEIP • El VEIP puede considerarse como una medida general del impacto económico de la incertidumbre en el problema de decisión. • Es un indicador del valor máximo que convendría pagar por conseguir información adicional antes de actuar. • El VEIP también da una medida de las oportunidades perdidas. Si el VEIP es grande, es una señal para que quien toma la decisión busque otra alternativa que no se haya considerado hasta el momento.

24. El Valor Esperado al Contar con Información Perfecta. La Ganancia que se espera obtener al conocer con certeza la ocurrencia de ciertos estados de la naturaleza se le denomina: El Valor Esperado de la Información Perfecta (VEIP) Esta decisión es la que genera una menor pérdida para el tomador de decisiones.

25. Análisis Bayesiano - Tomador de Decisiones con Información Imperfecta. La estadística Bayesiana construye un modelo a partir de información adicional obtenida de diversas fuentes. Esta información adicional mejora la probabilidad obtenida de la ocurrencia de un determinado estado de la naturaleza y ayuda al tomador de decisiones a escoger la mejor opción.

26. 3.4 ARBOL DE DECISION

27. Un árbol de decisión es un modelo de predicción utilizado en el ámbito de la inteligencia artificial. Dada una base de datos se construyen diagramas de construcciones lógicas, muy similares a los sistemas de predicción basados en reglas, que sirven para representar y categorizar una serie de condiciones que ocurren de forma sucesiva, para la resolución de un problema

28. “USO DE ARBOLES DE DECISION” . El desarrollo de árboles de decisión beneficiado analista en: • La necesidad de describir condiciones y acciones llevan a los analistas a identificar de manera formal las decisiones que actualmente deben tomarse, sin importar que este dependa de variables cuantitativas o cualitativas. Los árboles también obligan a los analistas a considerar la consecuencia de las decisiones.

29. “USO DE ARBOLES DE DECISION” . • . • Se ha demostrado que los árboles de decisión son eficaces cuando es necesario describir problemas con más de una dimensión o condición. • También son útiles para identificar los requerimientos de datos críticos que rodean al proceso de decisión, es decir, los árboles indican los conjuntos de datos que la gerencia requiere para formular decisiones o tomar

30. CÓMO DIBUJAR UN ÁRBOL DE DECISIONES

32. EJEMPLO

33. 3.5 Teoría de Utilidad

35. TIPOS DE UTILIDAD El punto de partida lo constituye la definición de la utilidad que dice lo siguiente: “Es el grado de satisfacción que proporcionan los distintos satisfactores que utiliza un consumidor”. La utilidad de los bienes no podrá medirse jamás, pero si puede calcularse mediante un sencillo procedimiento matemático, el cual se desarrollará de manera analítica. La utilidad de un bien se calcula mediante las fórmulas matemáticas de la Utilidad Total (utx), utilidad marginal (Umx) y la Promedio (Upx), las cuales muestran que mientras unidades se consuman por cada unidad de un bien, mayor será la utilidad que se reciba; a pesar de que la utilidad total aumenta, la marginal disminuirá.

37. Acerca de la utilidad El valor de la utilidad, U(V) refleja la perspectiva del tomador de decisiones. El valor de la utilidad se calcula para cada posible ganancia. El menor resultado obtenido tiene un valor de utilidad de 0. El mayor resultado obtenido tiene un valor de utilidad de 1. La decisión óptima se elige usando el criterio de la utilidad esperada.

38. Determinando el valor de la utilidad - La técnica provee una cierta cantidad de riesgo para cuando el tomador de decisiones debe elegir una opción. - La técnica se basa en tomar la ganancia más segura versus arriesgar la obtención de la más alta o baja de las ganancias.

39. 3.6 DESICIONES SECUENCIALES “Son decisiones encadenadas entre sí que se presentan a lo largo del período de estudio previamente seleccionado.”

40. Así una decisiónpuede condicionar decisiones posteriores y a su vez ser condicionada por decisiones tomadas con anterioridad a la misma. El análisis del problema de decisión bajo el enfoque secuencial suele ser preferible al enfoque estático, dado que es normal que una decisión tomada en el momento inicial condicione decisiones en los momentos posteriores de tiempo

41. ARBOLES DE DECISION Son modelos gráficos empleados para representar las decisiones secuenciales, así como las incertidumbres asociada a la ocurrencia de eventos considerados claves.

44. VENTAJAS Y DESVENTAJAS 1.- Las consideraciones explícita de decisiones futuras obliga al decisor a elaborar planes de mas largo plazo. 2.- La técnica de resolución, aunque sencillamente, puede volverse compleja en la medidad que aumentan alternativas y eventos probabilisticos. 3.- Solo maneja distribuciones de probabilidades dsicretas.

45. 3.7 ANALISIS DE SENSIBILIDAD Tienen por finalidad mostrar los efectos que sobre la Tasa Interna de Retorno (TIR) tendría una variación Al igual que cambio en el valor de una o más de las variables de costo o de ingreso que inciden en el proyecto por ejemplo la tasa de interés, el volumen y/o el precio de ventas, el costo de la mano de obra, el de las materias primas, el de la tasa de impuestos, el monto del capital, etc.

46. Un proyecto de inversión puede ser aceptable bajo las condiciones previstas en el mismo, pero podría no serlo si en el mercado las variables de costo variaran significativamente al alza o si las variables de ingreso cambiaran significativamente a la baja

47. El análisis de sensibilidad es un cuadro resumen que muestra los valores de TIR para cualquier cambio previsible en cada una de las variables más relevantes de costos e ingresos del proyecto EL ANALISIS DE SENSIBILIDAD

48. 3.8 Uso de programas de computación WinQSB 2.0 WinQSB es una aplicación creada por el Dr. Yih-Long Chang, que consta de una serie de módulos (subprogramas) que nos ayudan a resolver y automatizar algunos problemas de cálculos lineales, investigación de operaciones, planteamiento de producción, evaluación de proyectos, etc.

49. El programa incluye 19 módulos, que listamos a continuación: • [adsensepost] • 1. AcceptanceSamplingAnalysis (Análisis de muestreo de aceptación) • 2. AggregatePlanning (Planeación agregada) • 3. DecisionAnalysis (Análisis de decisiones) • 4. DynamicProgramming (Programación dinámica) • 5. FacilityLocation and Layout (Diseño y localización de plantas) • 6. Forecasting(Pronósticos) • 7. GoalProgramming (Programación por objetivos) • 8. InventoryTheory and System (Teoría y sistemas de inventarios) • 9. Job Scheduling (Programación de jornadas de trabajo) • 10. Linear and integerprogramming (Programación lineal y entera)

50. 11. Markov Process (Procesos de Markov) • 12. Material RequirementsPlanning (Planeación de Requerimiento de Materiales) • 13. Network Modeling (Modelación de redes) • 14. Nonlinear Programming (Programación no lineal) • 15. PERT y CPM • 16. QuadraticProgramming (Programación cuadrática) • 17. QualityControl Chart (Cartas de control de calidad) • 18. QueuingAnalysis (Análisis de sistemas de cola) • 19. QueuingAnalysisSimulation (Simulación de análisis de sistemas de cola).