Beruflich Dokumente
Kultur Dokumente
La mayora de las situaciones de decisin real, sean personales o profesionales, se caracterizan por metas (atributos) y objetivos mltiples ms que por un simple objetivo. Estas metas (atributos) pueden ser complementarias, pero frecuentemente son conflictivas y tambin inconmensurables. Por ejemplo, un productor de autos como la General Motors deseara construir un vehculo de pasajeros que pudiera venderse por menos de $200,000.00, tuviera 250 caballos y consiguiera 40 millas por galn. Consideremos, por ejemplo, las metas (atributos) de economa de combustible y de potencia. entre ms alta sea la potencia, menor es la economa de combustible, indicando que las dos metas (atributos) estn en conflicto. Adems estas dos metas (atributos) son inconmensurables, pues la potencia y las millas por galn tienen diferentes escalas y dimensiones.
PROGRAMACIN META.
La formulacin de un modelo de Programacin Meta es similar al modelo de P.L.. El Primer paso es definir las variables de decisin, despus se deben de especificar todas las metas gerenciales en orden de prioridad. As, una caracterstica de la Programacin Meta es que proporciona solucin para los problemas de decisin que tengan metas mltiples, conflictivas e inconmensurables arregladas de acuerdo a la estructura prioritaria de la administracin. La Programacin Meta es capaz de manejar problemas de decisin con una sola meta o con metas mltiples. En tales circunstancias, las metas establecidas por el tomador de decisiones son logradas nicamente con el sacrificio de otras metas. Las caractersticas que distinguen la programacin Meta es que las metas se satisfacen en una secuencia ordinal. Esto es, las metas que deben clasificarse en orden de prioridad por el tomador de decisiones son satisfechas secuencialmente por el algoritmo de solucin. Las metas con prioridad baja se consideran solamente despus de que las metas de prioridad alta se han cumplido. La Programacin meta es un proceso de satisfaccin, en el sentido de que el tomador de decisiones tratar de alcanzar un nivel satisfactorio en vez del mejor resultado posible para un solo objetivo. La nocin fundamental de la Programacin Meta, comprende incorporar todas las metas gerenciales en la formulacin del modelo del sistema. En la programacin Meta, en vez de intentar minimizar o maximizar la Funcin Objetivo directamente, como en la programacin lineal, se minimizan las desviaciones entre las metas y los lmites logrables dictados por el conjunto dado de restricciones en los recursos. Estas variables de desviacin, que se denominan de "holgura" o "sobrantes" en programacin lineal toman un nuevo significado en la Programacin Meta. Ellas se dividen en desviaciones positivas y negativas de cada una de las submetas o metas. El objetivo se convierte entonces en la minimizacin de estas desviaciones, dentro de la estructura prioritaria asignada a estas desviaciones.
Una Funcin valor v(x1,x2,....xn) es una funcin de valor aditivo si existen n funciones v1(x1), v2(x2),...vn(xn) que satisfagan i=n
Una funcin costo c(x1,x2,....xn) es funcin de costo aditivo si existen n funciones c1(x1), c2(x2),....cn(xn) que satisfagan i=n c(x1,x2,....xn) = " ci(xi) i=1
Un atributo (llammosle atributo 1) es preferencialmente independiente (pi) de otro atributo (el atributo 2) si las preferencias para valores del atributo 1 no dependen del valor del atributo 2. Si el atributo 1 es pi del atributo 2, y el atributo 2 es pi del atributo 1, entonces el atributo 1 es mutua y preferencialmente independiente (mpi) del atributo 2. Un conjunto S de atributos es mutua y preferencialmente independiente (mpi) de un conjunto S de atributos si (1) los valores de los atributos en S no afectan las preferencias para los valores de los atributos en S, y (2) los valores de los atributos en S no afectan las preferencias para los valores de los atributos en S. Un conjunto de atributos 1,2,....,n es mutua y preferencialmente independiente (mpi) si para todos los. TEOREMA 1. Si el conjunto de atributos 1,2,....,n es mpi, las preferencias del tomador de decisiones se pueden representar por una funcin valor (o costo) aditiva.
FORMULACIN DE MODELOS.
Restricciones de meta -Por cada meta Componentes en la F.O. (minimizar suma de desviaciones con respecto a las metas) | FORMULACIN -Resticciones Estructurales (no tienen que ver con las metas) Las suposiciones bsicas que caracterizan el modelo de programacin lineal se aplican igualmente al modelo de programacin meta. La diferencia principal en la estructura es que la programacin meta no intenta minimizar o maximizar la funcin objetivo como lo hace el modelo de programacin lineal. En vez de ello, busca minimizar las desviaciones entre las metas deseadas y los resultados reales de acuerdo a las prioridades asignadas.. El objetivo de un modelo de programacin meta es expresado en terminos de las desviaciones de las metas a que se apunta. esto es las desviaciones de las metas se colocan en la funcin objetivo y deben minimizarse. El modelo general de la programacin meta puede expresarse matemticamente de la siguiente manera: m min Z = " wi(di+ + di-) i=1
s.a. n "aijxj+di- - di+ = bi para toda i j=1 xj,di-,di+" 0 para toda j Donde: w = Ponderacin de las desviaciones con respecto a la meta. di- = Desviacin dficit di+ = Desviacin excedente
40
La divisin durante este perodo de planeacin se enfrenta a cambios grandes de organizacin y cree que el maximizar la utilidad no es un objetivo realista. Sin embargo, deseara lograr un nivel satisfactorio de utilidad durante este perodo de dificultad. La direccin cree que la utilidad diaria de $600 debera satisfacerse y desea determinar, dadas las restricciones del tiempo de produccin, la mezcla de producto, que debera llevar a esta tasa de contribucin a utilidades. Formula un modelo de programacin meta que satisfaga estos requerimientos Definicin de variables: x1 = Nmero de bicicletas de 3 velocidades producidas por da
x2 = Nmero de bicicletas de 10 velocidades producidas por da d1- = Cantidad por debajo de la utilidad perseguida d1+ = cantidad por encima de la utilidad perseguida Minimizar Z = d1- + d1+ s.a. x1 +3x2 " 60 (horas de ensamble). Restricciones estructurales x1 + x2 " 40 ( (horas de terminacin) 15x1 +25x2 +d1- - d1+ = 600 (Utilidad perseguida) Restriccin meta x1,x2,d1-,d1+ " 0 Nota: Puesto que tanto d1-,d1+ aparecen en la funcin objetivo y a ambas se les asigna pesos iguales, esto indica que la administracin desea lograr la utilidad meta exactamente.. TAREA. Plantea este mismo modelo con las siguiente consideracin: La administracin cree que es dos veces ms importante sobrelograr que sublograr la meta de utilidad perseguida. 1.4.2 EJEMPLO METAS MLTIPLES. Considera la informacin que se presenta en la siguiente tabla: Departamentos Producto 1 2 3 4 Disp. hrs/mes 1 .10 .08 .05 .04 320 2 2.1 1.4 1.1 .9 2400 3 1 .7 .6 .5 800 4 .3 .2 .15 .1 450 415 362 216 68
*El producto 2 no debe exceder 90 unidades al mes. *Cada hora extra aumenta los costos en $20.00 Metas:
Maximizar la utilizacin de los 4 departamentos. No producir ms del 50% de la produccin total en cualquiera de los 4 productos (en unidades). Limitar el nmero de horas extras en el departamento 2 a 300 hrs. al mes.
Definicin de variables: xi = cantidad a producir del producto i mensualmente. i = 1,2,3,4. F.O. Min Z = d1- +d2- +d3- +d4- + d5- +d6+ +d7+ +d8+ +d9+ +d10+ s.a. 1) 415x1 +362x2 +216x3 + 68x4 -20d2+ - 20d3+ - 2 0d4+ - 20d5+ -d1 + + d1- =350,000 2).10x1+.08x2+.05x3+.04x4 -d2+ + d2- = 320 2.1x1 +1.4x2 +1.1x3 +0.9x4 -d3+ + d3- = 2400 x1+.7x2+.6x3+.5x4 -d4+ +d4- = 800 .3x1 +.2x2 +.15x3 +.1x4 -d5+ +d5- = 450 3)x1-d6+ +d6- = .5(x1+x2+x3+x4) ! .5x1-.5x2-.5x3-.5x4 -d6+ +d6- = 0 -.5x1 +.5x2 -.5x3-.5x4 -d7+ +d7- = 0 -.5x1-.5x2+.5x3-.5x4 -d8+ +d8- = 0 -.5x1-.5x2-.5x3+.5x4 -d9+ +d9- = 0 4)d3+ -d10+ +d10- = 300 Restricciones estructurales: x2" 90 xi" 0 para toda i di+,di- " 0 para toda i.
Las relaciones de prioridad implican que la multiplicacin por n, no importa que tan grande sea n, no puede hacer una meta de baja prioridad tan importante como una meta de alta prioridad (por ejemplo: Pj>nPj+1). Ahora supongamos que la divisin de bicicletas de Schwim, adems de lograr sus $600.00 de meta primaria de utilidad, desea utilizar completamente sus departamentos de ensamblaje y terminacin durante la reorganizacin que se avecina. Esto es, como una meta secundaria, la divisin desea minimizar el tiempo ocioso. La formulacin del modelo es: Minimizar Z = P1(d1- + d1+) + P2(d2-+d3-) s. a. 15x1+25x2 +d1- -d1+ = 600 x1 +3x2 + d2- -d2+ = 60 x1 +x2 +d3- -d3+ = 40 x1,x2,di-,di+ " 0 Donde: x1 = Nmero de bicicletas de 3 velocidades producidas por da x2 = Nmero de bicicletas de 10 velocidades producidas por da d1- = Cantidad por debajo de la utilidad perseguida d1+ = cantidad por encima de la utilidad perseguida d2- = Tiempo ocioso diario en el departamento de ensamble d2+ = Tiempo extra diario en el departamento de ensamble d3- = Tiempo ocioso diario en el departamento de terminacin. d3+ = Tiempo extra diario en el departamento de terminacin. Nota: Puesto que d1- y d1+ se incluyen en la funcin objetivo, el modelo intentar lograr exactamente la utilidad diaria perseguida de $600, minimizando tanto las desviaciones positivas como las negativas. Con d2+ d3+ y eliminados de la funcin objetivo, sin embargo, el modelo no se preocupar del tiempo extra en el departamento de ensamble o terminacin e intentar minimizar solamente el tiempo ocioso en estos departamentos. Debido a que la meta de utilidad perseguida es ms importante que la meta de minimizacin del tiempo ocioso, a esta se le asigna prioridad P1 . El modelo intentar lograr esta meta hasta donde ms le sea posible antes de considerar la meta secundaria de minimizar el tiempo ocioso de produccin. EJERCICIO:
Resolver grficamente este problema. DIFERENCIAS ENTRE EL SIMPLEX DE PROGRAMACIN DE METAS Y EL SIMPLEX
NORMAL.
El simplex normal tiene un solo rengln 0, mientras que el simplex de programacin de metas
necesita n renglones 0, uno por cada meta.
Cuando se lleva a cabo un pivoteo, se debe actualizar el rengln 0 para cada meta. Una tabla dar la solucin ptima si todas las metas se satisfacen (esto es, Z1 = Z2 = .....= Zn = 0 ), o
si cada variable que puede entrar en la base y reducir el valor de Z'i de una meta i' no satisfecha aumenta la desviacin con respecto a una meta i que tiene ms prioridad que la meta i'.
x1 +x2 +d3- -d3+ = 40 (Horas de terminacin) x1,x2,di-,di+ " 0 Para todo i Nota: En este ejercicio se han asignado pesos diferentes (cardinales) o prioridades dentro de una meta dada, como tambin prioridades diferentes (ordinales o cardinales) a metas diferentes. EJERCICIOS: La agencia de publicidad Leon Burnit quiere determinar el programa de anuncios en TV para la Priceler Auto Company. Priceler tiene tres objetivos: Objetivo 1 Sus anuncios deben ser vistos por un mnimo de 40 millones de personas con ingresos altos (PIA) Objetivo 2 Sus anuncios deben ser vistos por un mnimo de 60 millones de personas con ingresos bajos (PIB). Objetivo 3 Sus anuncios deben ser vistos por un mnimo de 35 millones de mujeres con ingresos altos (MIA) Leon Burnit puede comprar dos tipos de anuncios: los que aparecen durante los juegos de ftbol y los que aparecen durante los melodramas; a lo ms puede gastar $600,000.00 dlares. Los costos del comercial y las audiencias potenciales de un anuncio de 1 minuto se muestran en la siguiente tabla: PIA Anuncio en el ftbol Anuncio en los melodramas PIB MIA COSTO
Leon Burnit debe plantear un modelo de programacin por metas que determine cuntos minutos comprar durante el ftbol y cuntos durante los melodramas, reduciendo al mnimo la penalizacin total por ventas perdidas. Dicha penalizacin, en miles de dlares es : $200.00 para la meta 1, $100.00 para la meta 2 y $50.00 para la meta 3
Elabora el modelo de programacin por metas. Supongamos que se aade a este modelo la restriccin de que se debe cumplir con un presupuesto de
$600,000.00 dlares. Si se decide que se tenga una penalizacin de 1 dlar por cada dlar de diferencia con esa meta, entonces cul sera la formulacin correcta del modelo modificado?.
Utiliza el mtodo simplex para resolver este problema (modificado). Utiliza LINDO para resolver este problema (modificado).
Share
Embed
Like
Save
Share
Embed
Like
Save
TEORIA DE DECISIONES
La toma de decisiones es el proceso mediante el cual se realiza una eleccin entre las alternativas o formas para resolver diferentes situaciones de la vida, estas se pueden presentar en diferentes contextos: a nivel laboral, familiar, sentimental, empresarial (utilizando metodologas cuantitativas que brinda la administracin), etc., es decir, en todo momento se toman decisiones, la diferencia entre cada una de estas es el proceso o la forma en la cual se llega a ellas. La toma de decisiones consiste, bsicamente, en elegir una alternativa entre las disponibles, a los efectos de resolver un problema actual o potencial. Para tomar una decisin, no importa su naturaleza, es necesario conocer, comprender, analizar un problema, para as poder darle solucin; en algunos casos por ser tan simples y cotidianos, este proceso se realiza de forma implcita y se soluciona muy rpidamente, pero existen otros casos en los cuales las consecuencias de una mala o buena eleccin puede tener repercusiones en la vida y si es en un contexto laboral en el xito o fracaso de la organizacin, para los cuales es necesario realizar un proceso ms estructurado que puede dar ms seguridad e informacin para resolver el problema. Una decisin ser buena o mala despus de haberla tomado FUENTE: http://es.wikipedia.org/wiki/Toma_de_decisiones 3.1 Modelos de criterios de decisin Toma de decisiones bajo certidumbre: Se tiene conocimiento total sobre el problema, las alternativas de solucin que se planteen van a causar siempre resultados conocidos e invariables. Al tomar la decisin solo se debe pensar en la alternativa que genere mayor beneficio. Mediante este modelo de decisin si se pueden predecir con certeza las consecuencias de cada alternativa de accin, entonces se tienen una tarea de toma de decisiones bajo certidumbre. Otra manera de pensar en esto es que existe una relacin directa de causa y efecto entre cada acto y su consecuencia. Si est lloviendo, deber llevarse un paraguas? Si hace fri, deber llevarse un abrigo? Ya sea que se lleve o no el paraguas o el abrigo, las consecuencias son predecibles. Toma de decisiones bajo riesgo. La informacin con la que se cuenta para solucionar el problema es incompleta, es decir, se conoce el problema, se conocen las posibles soluciones, pero no se conoce con certeza los resultados que pueden arrojar.
En este tipo de decisiones, las posibles alternativas de solucin tienen cierta probabilidad conocida de generar un resultado. En estos casos se pueden usar modelos matemticos o tambin el decisor puede hacer uso de la probabilidad objetiva o subjetiva para estimar el posible resultado. La probabilidad objetiva es la posibilidad de que ocurra un resultado basndose en hechos concretos, puede ser cifras de aos anteriores o estudios realizados para este fin. En la probabilidad subjetiva se determina el resultado basndose en opiniones y juicios personales. Este modelo, incluye aquellas decisiones para las que las consecuencias de una accin dada dependen de algn evento probabilista. Toma de decisiones bajo incertidumbre. Se posee informacin deficiente para tomar la decisin, no se tienen ningn control sobre la situacin, no se conoce como puede variar o la interaccin de la variables del problema, se pueden plantear diferentes alternativas de solucin pero no se le puede asignar probabilidad a los resultados que arrojen. Con base en lo anterior hay dos clases de incertidumbre: Estructurada: No se sabe que puede pasar entre diferentes alternativas, pero s se conoce que puede ocurrir entre varias posibilidades. No estructurada: No se sabe que puede ocurrir ni las probabilidades para las posibles soluciones, es decir no se tienen ni idea de que pueda pasar. FUENTE:http://www.mitecnologico.com/Main/TomaDeDecisionesBajoModelosDeCerti dumbreIncertidumbreYRiesgo 3.2 Etapas de la toma de decisiones para dar solucin a un problema
Identificacin y diagnostico del problema Generacin de soluciones y alternativas Seleccin de la mejor opcin Evaluacin de alternativas Evaluacin de la decisin Emplantacion de la decisin 3.3 Criterios para la toma de decisin 1er Criterio Maxi-Min: Determina el mejor peor de cada accin. 2do Criterio Maxi-Max: Determina la accin con el mejor resultado. El mejor del mejor. 3er Criterio Arrepentimiento Mini-Max: Utiliza el concepto costo de oportunidad para llegar a una decisin. 4to Criterio Valor Esperado: Elige la accin que produce la recompensa esperada ms grande. Para comprender de una mejor forma la aplicabilidad de estos criterios veamos el siguiente ejemplo. 3.4 Ejercicio propuesto La vendedora de peridicos Phyllis Pauley, debe determinar cuntos peridicos debe comprar al da, si paga a la compaa $20 unidades/monetarias por cada ejemplar y lo vende a $25 unidades/monetarias. Los peridicos que no se venden al final del da no
tiene valor alguno, ella sabe que cada da puede vender entre 6 y 10 ejemplares, cada una con probabilidad x, es decir, la misma probabilidad de que ocurra. Demuestre como se ajusta al modelo.
Solucin En este ejemplo, los elementos de son los valores posibles de la demanda diaria de peridicos. Se sabe que Phyllis debe elegir una accin (el numero de peridicos que debe ordenar cada da) de
Si Phyllis compra i ejemplares y la demanda es de j, entonces se compran i ejemplares a un costo de $20i, y min (i, j) peridicos de venden a $25 cada uno. As, si Phyllis compra i peridicos y se venden j, obtiene una ganancia neta de Rij, donde:
Ejemplo:
1er Criterio Maxi-Min: elige la accin ai con el valor ms grande de minjsRij. Este criterio recomienda ordenar 6 peridicos para obtener un beneficio de $30 unidades/monetarias.
2do Criterio Maxi-Max: elige la accin ai con el valor ms grande de maxjsRij. Este criterio recomienda ordenar 10 peridicos para obtener un beneficio de $50 unidades/monetarias.
3er Criterio Arrepentimiento Mini-Max: utiliza el concepto costo de oportunidad para llegar a una decisin, elige la accin ai y el estado sj, la perdida de oportunidad o arrepentimiento para ai en sj es ri*(j),j-Rij. Este criterio recomienda entre 6 o 7 peridicos para no arrepentirse de mayores prdidas sino de $20 unidades/monetarias.
4to Criterio Valor Esperado: elige la accin que produce la recompensa esperada ms grande. Este criterio recomienda ordenar entre 6 o 7 peridicos para obtener una ganancia de $30 unidades/monetarias.