Scribd Logo
Importer

Bienvenue sur Scribd !

  • Davis - PRODUCCIÓN CP 1

    Transféré par

    manuallc
    28 vues22 pages
    PRODUCCIÓN

    Titre original

    Davis_PRODUCCIÓN CP 1

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Signaler ce document
    PRODUCCIÓN

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF ou lisez en ligne sur Scribd
    Signaler comme contenu inapproprié
    28 vues22 pages

    Davis - PRODUCCIÓN CP 1

    Transféré par

    manuallc
    PRODUCCIÓN

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF ou lisez en ligne sur Scribd
    Signaler comme contenu inapproprié
    sur 22
    CAPITULO Introducci6n a los modelos WY a la ciencia de la administraci6n 2 Capitulo 1 * Sntroduccién a los modelos y a la ciencia de la administracion INTRODUCCION En los tiltimos diez aftos, la practica de la administracién se ha visto muy afectada por laciencia de la administracion y la tecnologia de computadoras. Considere, por ejemplo, lo siguiente:' 1. ElDepartamento de Control de Vuelos y de Administracidn de Combustibles de Aerolt- neas Nacionales utiliza un modelo de administracién y asignacién de combustibles que, en un periodo de cuatro afos, ha dado como resultado ahorros multimillonarios. Et modelo especifica cudl es la mejor estacién para reabastecimiento de combustible y cud! es e! mejor proveedor para cada vuelo, con base en precios, disponibilidad, consu- ‘mo, datos de yuelos y costos de almacenamiento. El modelo utiliza también muchas técnicas de andlisis de sensibilidad para sentalar a los administradores cudndo es posible que se requiera una nueva politica. 2. Cahill May Roberts, una compaftia farmacéutica grande (con més de $35 millones de ventas anwales), usa un sistema de planeacién de recursos e instalaciones que ha permiti- do ahorros en costos de entrega y transporte de 23.3% y 20%, respectivamente, y ha aumentado los niveles de servicio a clientes en 60%. Se utiliza el sistema de planeacién ara evaluar estrategias alternativas de administracién ante costos que flucttian y movi- ‘mientos de poblacién. Aparte de definir territorios uinicos para los centros de distribu- cidn dé la compania y programas éptimos de servicio al cliente dentro de esos territorios, ‘puede utilizarse el sistema para evaluar ubicaciones alternativas para los centros de dis- tribucién bajo la doble incertidumbre de los costos y la demanda. 3. El personal encargado de la planeacién del condado Du Page en Wheaton, Ilinoif” informa acerca de la utilizacién de un modelo de planeacién de uso del suelo para prepa- "Estos casos son aplicaciones reales que se mencionaron en Interfaces, Vol. 9, No. 2, Pt. 2, febrero de 1979. Caso 1: “Fuel Management and Allocation Model”, D. Wayne Darnell y Carolyn Loffin, pp. 64-65; Caso 2: “A Planning System for Facilities and Resources in Distribution Networks", H. Harrison, pp. 622; Caso : “Development of a Comprehensive Land Use Plan by Means of a Multiple Objective Mathematical Pro- gramming Model”, Deepak Bammi y Dalip Bammi, pp. 50-63. Evolucién de ia ciencia de la administracién 3 rar un plan exkaustivo para uso del suelo, en el que se consideran en forma sirmultdnea diversos objetivos y que también satisfaga restricciones sobre los patrones deseados de crecimiento, El plan de uso del suelo recomendado por el modelo ha dado como resultado una reduccidn del 50% en el uso de terrenos de costo elevado que se requieren de acuerdo con otras planes alternativos de uso del suelo. El modelo minimizael conflic- to entrelos usos de suelos adyacentes, minimizael tiempo de trastado, as/como también los costos fiscales, los impactos negativos sobre el medio ambiente y el costo de las instalaciones comunitarias. También puede utilizarse este modelo paraevaluar el impac- to del crecimiento de la poblacién » de cambios en los niveles de empleo. Estos casos son solo unos cuantos de los muchos posibles que ilustran el impacto que la ciencia de la administracién puede tener y ha tenido sobre la administracién y sobre la tomade decisiones, Definida en términos amplios, la ciencia dea administracion es la aplicacién de procedimientos, técnicas y herramientas cientificos a problemas ope- rativos, con el objeto de desarrollar y ayudar a evaluar soluciones. Como disciplina, la ciencia de la administracién incluye todos los enfoques racionales que se aplican en la toma de decisiones en administracidn y quese basan en la aplicacidn de una metodologia cientifica. La ciencia de la administracién se basa en la filosofia de que una gran parte de a toma de decisiones consiste en (1) identificar y analizar problemas cuantificables, (2) comprender las relaciones entre los factores interrelacionados y (3) aislar los factores sobre los cuales tiene el control quien toma las decisiones. El objetivo de la ciencia de 1a administracion es proporcionar procesos y procedimientos que ayuden a resolver pro- blemas. Dado que la ciencia de la administracién es un tema muy amplio, se restringird Ja atencién a sus principales aspectos para que pueda lograrse una comprensién global de los conceptos generales. En este texto, se presentan fundamentos tedricos de las herra- ‘mientas de la ciencia de la adiministracién; sin embargo, se pone énfasis en el plantea- ‘miento del problema, lainterpretacién del resultado del modelo (algoritmo) yenelimplante. Eneste capitulo se presentan los principales desarrollos de la ciencia de la adminis- tracién y su estructura. En especifico, en este capitulo se examina: (1) la evolucién de la ciencia de la administracion, (2) ef papel de la construccién de modelos, (3) ef proceso deresolucién de problemas y, por ultimo, (4) la computacién y las ciencias de la adminis- tracion. Es evidente que existen factores hist6ricos que desempenan un papel en el de- sarrollo de cualquier campo; esto es cierto también para la ciencia de la administracion. Sin embargo el objetivo principal del capitulo no es el desarrollo historico en si, sino, mds bien, permitir al lector una comprensiOn bdsica de cémo es que ha evolucionado esta drea. El material mds importante de este capitulo se incluye en las tltimas secciones. EVOLUCION DE LA CIENCIA DE LA ADMINISTRACION “Ciencia de la administracién’” sigue siendo un término nuevo para muchas personas, aun cuando el drea tuvo sus comienzos durante la Segunda Guerra Mundial y la primera edicidn de la revista titulada Management Science se publicé en octubre de 1954. Durante la primera parte del siglo XX, los investigadores comenzaron a utilizar procedimientos cientificos para investigar problemas que se encontraban fuera de las ciencias puras, pero no fue sino hasta comienzos de la Segunda Guerra Mundial que | | | A Capitse 1 = introduccién a los modelos y a la ciencia de la administracién esos esfuerzos se unificaron para perseguir un objetivo comtin, En 1937; en Gran Breta- fia, se reunié a un equipo de matematicos, ingenieros y cientificos en dreas basicas para estudiar los problemas estratégicos y tcticos asociados con la defensa del pais. El objeti- vo del equipo era determinar la forma mas efectiva de utilizar recursos militares limita- dos. Las actividades de este grupo, que se organizé como parte del Personal Operativo de la organizacién militar britanica, no se denominaron ciencia de la administracién, investigacién sino més bien investigacién de operaciones, debido a que el equipo se dedicaba a analizar de operaciones The Institute of el establecimiento de The Institute of Management Si Management Sciences (TIMS) operaciones (militares). Los éxitos de los equipos de investigacién de operaciones britanicos en muchos de sus esfuerzos de investigacién motivaron a los Estados Unidos de Norteamérica a em- prender actividades similares. Algunas actividades exitosas de estos equipos en Estados Unidos incluyeron el estudio de problemas logistics complejos, el desarrollo de patrones de vuelo para aviones, la planeacién de maniobras navales y la utilizacién efectiva de recursos militares. Después de la guerra, muchas de las personas asociadas con la investigacion de operaciones durante el conflicto bélico se dieron cuenta de que muchos de los métados y téenicas que se aplicaron alos problemas militares podian aplicarse a problemas indus- triales. Sin embargo, estos conceptos ¢ ideas comenzaron a aplicarse a la industria hasta la década de 1950, cuando se desarrollaron y estuvieron disponibles comercialmente las computadoras. Al principio, muchos de los problemas industriales que se estudiaron, como el control de inventarios y los sistemas de transporte, eran semejantes a problemas militares. Pero, en la actualidad, es facil encontrar numerosos casos en los que los con- ceptos de investigacién de operaciones/ciencia de la administracién se han aplicado a compras, mercadotecnia, contabilidad, planeacién financiera y otras areas. Aunque Gran Bretaia tiene el crédito del inicio de la investigacién de operaciones como disciplina, los investigadores de los Estados Unidos de Norteamérica han hecho contribuciones importantes a su desarrollo. Una de las técnicas matematicas de mas amplia aceptacién, el método simplex de la programacién lineal, fue desarrollado en 1947 por un estadounidense, George B. Dantzig. Esta técnica en particular ha tenido amplias aplicaciones a muchos problemas operativos y es la base para muchas otras técnicas matematicas, como la programacién de metas y la programacién entera, En Gran Bretafia se utilizaron los términos investigacién de operaciones investiga- cin operacional para describir,desarrollos en esta area. En Estados Unidos se han usado en forma tradicional los términos investigacién de operaciones (IO) y ciencia de la adit nistracién (CA). El término ciencia de la administracién recibi6 un estimulo inicial con ces (TIMS) en 1953.” Aunque numerosas aplicaciones de la ciencia de la administracién ocurrieron en los aftos de 1950, no fue sino hasta principios de la década de 1960 que se establecieron programas académicos que ponian énfasis en esta drea, v hasta mediados de esta misma década comenzaron a salir de las universidades las primeras personas con una capacita- cién formal. En consecuencia, los grupos de asesoria formales de investigacién de opera- ciones/ciencia de la administracién no comenzaron a aparecer en las organizaciones in- dustriales y en las operaciones gubernamentales sino hasta finales de la década de 1960, Sin embargo, el desarrollo de grupos formales de asesoria en CA/1O no condujo a.una utilizacién exitosa de las técnicas. Por el contrario, muchos especialistas en ciencia 2Se han hecho numerosos intentos de diferenciar CA € 10, pero e§ dificil hacer una distincién clara, En este texto, ulilizaremos ambos términos en forma indistinta, \ Construccién de modelos y ciencia de fa administracién 5 de la administracién fueron acusados de estar mas interesados en manipular problemas para que se ajustaran alas técnicas que en trabajar con los administradores para analizar problemas, desarrollar métodos apropiados de solucién y desarrollar e implantar siste- mas funcionales para producir las soluciones definidas. En retrospectiva, durante el cre- cimiento de los programas académicos en ciencia de la administracién se concentré la atencién en el desarrollo de técnicas y herramientas en vez de hacerlo en las aplicaciones y estrategias para implantar esas técnicas. Y, aunque los conocimientos avanzaron en Areas asociadas con técnicas y modelos matematicos, la CA/TO experimenté un éxito limitado con la aplicacién de las técnicas en sus afios de formacién. Ahora la ciencia de la administracién ya ha madurado y una gran cantidad de los problemas de implante que aparecieron a finales de la década de 1960 y principios de la de 1970 se han superado, gracias a los progresos de la tecnologia de computadoras y a cambios en los curricula académicos. Un mejor desarrollo de técnicas y modelos, Enfasis en el implantey la aplicacién, y la disponibilidad de computadoras, han ampliado en gran medida el alcance y la magnitud de los problemas que resulta posible analizar. El desarrollo de sistemas computadorizados de tiempo compartidg ha ayudado al area de implante al permitir que quienes toman las decisiones interactiien en forma directa con los modelos de la ciencia de la administracién. Como resultado, esto ha disminuido la necesidad de que un experto en ciencia de la administracién actie como intermediario entre el administrador y el modelo, y ha permitido que el administrador explore pregun- tas hipotéticas con el objeto de comprender y apreciar mejor el potencial del modelo, Los sistemas de tiempo compartido también han puesto el poder de las computadoras grandes a disposicién de un gran nimero de empresas, ampliando de esta manera la aplicacién potencial de las técnicas de la ciencia de la administracién. Es posible apreciar de alguna manera el alcance y la capacidad de la CA/IO, asi como también algunas de sus limitaciones, examinando al mismo tiempo aplicaciones exitosas y fallidas, Sin embargo, para apreciar en forma completa los diferentes aspectos dela CA/IO, es necesario comprender primero los fundamentos de las técnicas y después determinar cémo utilizarlas 0 no en diversas circunstancias. Pero antes de examinar algunas de las técnicas, resulta conveniente comprender mejor los conceptos generales de planteamiento y desarrollo de modelos, y la forma en que se relacionan con el rea de la ciencia de la administracién. CONSTRUCCION DE MODELOS Y CIENCIA DE LA ADMINISTRACION Ya sea que se trate del sector privado o del ptiblico, una de las principales funciones de un administrador es resolver problemas; es decir, los administradores son quienes deben resolver los problemas. Ya sea que se dé cuenta de ello 0 no, el administrador aborda la tarea de resolver problemas principalmente a través de la construccién de mo- delos, o planteamiento de modelos. La construccién de modelos es un medio que permite alos administradores analizar y estudiar problemas, asi como también examinar diferen- tes alternativas. La construccién de modelos no es una idea nueva; el proceso se utiliza todos los dias, con frecuencia en forma inconsciente, en situaciones de problemas basicos. Consi- dere el problema de una anfitriona que desea redistribuir los muebles de la sala de su casa. El objetivo es tener una disposicién apropiada que resulte atractiva pero también 6 Capitulo 1 © introduccién a ios modelos y a Ja ciencia de la administracién modelo mental modelo aescala modelos matemiticos funcional para el grupo de bridge que se reunird en la noche. Una forma de abordar el problema consiste en visualizar diferentes disposiciones de los muebles y evaluar cada alternativa; es decir, la anfitriona puede utilizar un modelo mental del problema. Un segundo método consistirfa en que la afitriona pidiera a su esposo que moviera los mue- bles en la sala hasta que encontrara una forma de acomodarlos que le agradara. Es proba- ble que este método firera més apropiado por diversas razones: el modelo mental simple- mente no permite suficientes manipulaciones, existen demasiados elementos que deben tenerse presentes, 0 tal vez.la anfitriona no sea capaz de visualizar la apariencia de cada una de las diferentes disposiciones. Se podria avanzar més hacia un enfoque de ciencia de la administracién al problema desarrollando un modelo a escala del cuarto y exami nando diferentes disposiciones. Este tiltimo método puede utilizarse sdlo si la anfitriona acepta que el modelo a escala es una representacién vélida del problema. Considere ahora el problema que enfrenta un administrador a cargo del disefio de una planta en una empresa manufacturera importante. De la misma manera que en €l caso del problema de la disposicién de los muebles, es dificil resolver mentalmente el problema de la disposicidn de la planta: la imagen que el administrador tiene de la planta es demasiado vaga, existen demasiadas restricciones acerca de dénde deben ubicarse ciertos equipos y piezas, ete. Hay una diferencia entre los dos problemas. El gerente de planta no puede permitirse resolver el problema haciendo que un grupo de empleados ensayen cuatro 0 cinco disposiciones diferentes, haciendo una corrida de produccién encada una deellas y observando la forma en que funcionan. Sin embargo, el administra- dor podria basarse en un modelo a escala, tal como se sugirié para el problema de la anfitriona. E] administrador tiene también la opcién de utilizar un modelo matematico, en particular si sabe que existe un modelo general de diseiio de plantas (CRAFT).’ Es probable que abordar el problema del administrador a través de un modelo matematico resulte un medio mas econémico para evaluar diferentes alternativas. Es evidente que la construccién de modelos ha existido durante muchos afios, en particular en la forma de modelos mentales y modelos a escala, pero los modelos mate- maticos son relativamente nuevos, en particular en relacidn con la toma de decisiones en la administracion. La mayoria de los analisis de ciencia de la administracién se llevan a cabo utilizando modelos matematicos. Esos modelos se elaboran usando simbolos ma- tematicos para representar los diferentes componentes del problema. No todos los modelos matematicos son complejos. Por ejemplo, puede elaborarse un modelo matemético para determinar cual es el pago que un vendedor recibe por una comisién de $20 por cada venta. En forma més especifica, supéngase que se tienen los siguientes datos para describir la relacidn entre la comisién del vendedor y el nimero de ventas. ‘Niimero de ventas ° 1 2 3 4 5 dolares de ingresos por comision 0 20 40, 60,8010 En vez de utilizar la tabla como un modelo descriptivo del problema, es posible elaborar un modelo matemético mas simbélico al desarrollar una relacién funcional entre el mi- mero de ventas y los ingresos por comisién. Si utilizamos ¥ para representar el mimero SCRAFT es un acrénimo de Computerized Relative Allocation of Fat rizada de Asignacién Relativa de Instalaciones), ies Technique (Técnica Computado- Los modelos matematicos y la ciencia de la administracion 7 de ventas, cualesquiera que sean, y y para representar la cantidad de ingresos en délares, entonces la funcién matematica entre las ventas y los ingresos se expresa: y= 20x ay Esta relacién funcional puede visualizarse mentalmente pensando que representa una operacién de procesamiento, de manera muy semejante a la forma en que visualiza- riamos una operacién de procesamiento de datos. Puede pensarse que los diversos valo- res de x (0, 1, 2, 3, ...) son entradas, y los correspondientes valores de y (0, 20, 40, 60, salidas o resultados. A entradas y resultados se les denomina por lo general variables, Una variable es solo una representacién de algo que puede asumir diversos valores numé- ricos. Utilizando la terminologia matematica convencional, la variable de entrada se de- nomina variable independiente y la variable de salida es la variable dependiente. Pot ello, en la ecuacién (1.1) x es la variable independiente y y es la dependiente. El valor numérico 20 se denomina de diversas formas: constante, coeficiente y pardmetro. Si, enla relacién funcional, se designara la cantidad que se paga por ventas como ‘‘a délares por venta’ en vez de “$20 por venta”, la funcién se expresaria: yrax (1.2) en donde se dice que a es el parametro del modelo. En el planteamiento de modelos matematicos en ocasiones resulta titil expresar la relaci6n funcional en términos generales. En nuestro modelo especitico, si decimos que yes una funcién no especificada del mimero de ventas x, entonces la representacién simbélica se expresa: yah) (1.3) Esta notacién no significa que y sea igual a f multiplicada por x. Mas bien indica que la variable y tiene un valor numérico determinado por una funcidn (0 una “regla de procesamiento”) f y por el valor numérico de la variable x. Esevidente que la elaboracién de modelos en la ciencia de la administracién implica, algo mas que el desarrollo de relaciones abstractas 0 funcionales entre variables. En Ja siguiente subseccién contemplaremos diferentes modelos que se utilizan en la ciencia de la administracién y en los procesos de solucién que se aplican para identificar solucio- nes a estos modelos. LOS MODELOS MATEMATICOS Y LA CIENCIA DE LA ADMINISTRACION Modelos normativos comparados con modelos descriptivos ‘modelos descriptivos ‘modelos normativos Dentro de los modelos matematicos existen dos clases principales: los modelos descripti- vos y los modelos normativos. Un modelo descriptivo es el que representa una relacin pero que no indica ningiin curso de accién. Un modelo normativo, que en ocasiones se denomina modelo de optimizacién, es prescriptivo porque sefiala el curso de accion 8 Capitulo 1 © Introduccién a los modelos y a la ciencia de ta administracién variable de decisin restricciones funcién objetivo que el administrador (quien toma las decisiones) debe seguir para alcanzar un objetivo definido. Los modelos descriptivos son titles para pronosticar la conducta de sistemas pero no pueden identificar el ‘mejor’ curso de accién que debe tomarse. El modelo que se desarrollé en el ejemplo de la comisién por ventas [ecuacién (1.1)] podria denomi- narse modelo descriptivo. Describe, o puede utilizarse para pronosticar, la comisién por ventas, si se especifica el niimero de éstas. Muchos modelos estadisticos son descripti- vos. Por ejemplo, un modelo de regresién sefala la relacién entre una variable depen- diente y una 0 mas variables independientés. Los modelos de lineas de espera que se analizan en el capitulo 13 son descriptivos ya que permiten a quien toma las decisiones pronosticar diversas caracteristicas de situaciones de lineas de espera, suponiendo que se tienen ciertos datos sobre las variables independientes, Un modelo normativo puede contener submodelos descriptivos, pero difiere det modelo descriptivo porque es posible determinar un curso de accién éptimo 0 mejor. Esto implica que se incorpora un objetivo al modelo y que es posible identificar los efectos que diferentes cursos de accién tienen sobre el objetivo. Puesto que muchos mo- delos de ciencia de la administracién caen bajo la clasificacién de modelos normativos, resulta apropiado identificar las caracteristicas claves de estos modelos. La mayoria de los modelos normativos estan constituidos por tres conjuntos basicos de elementos: (1) variables de decision y pardmetros, (2) restricciones, y (3) una 0 mds funciones objetivo.* 1. Variables de decision y pardmetros. Las cantidades desconocidas que deben determi- narse en la solucién del modelo son las variables de decisién. Un ejemplo de variable de decisién seria la cantidad de un determinado producto que debe elaborarse en una operacién de produccién en la que podrian fabricarse diversos productos a partir del mismo recurso basico. Los pardmetros son los valores que describen la relacién entre las variables de decisién. Los pardmetros permanecen constantes para cada problema, pero varian con problemas distintos. Un ejemplo serian las horas de mano de obra que se requieren para fabricar una unidad de un producto determinado. 2. Restricciones. Para incluir las limitaciones fisicas que ocurren en el problema cuyo modelo se plantea, dicho modelo debe incluir cualesquiera restrieciones que limiten las variables a valores permisibles (factibles), Por lo general, las restricciones se expresan como funciones matematicas (submodelos descriptivos). Por ejemplo, si suponemos que x, ¥ X, (Variables de decision) representan el mimero de unidades de dos productos que se esta considerando fabricar y a, y a, (pardmetros) son los respectivos requerimientos unitarios de materias primas para fabricar los productos, y si se sefiala que la cantidad total disponible de materia prima es , la funcién correspondiente de restriceién podria expresarse como a,x, + aX, < b. 3. Funcidn objetivo. La funcién objetivo define la efectividad del modelo como funcién de las variables de decision. Por ejemplo, si el objetivo es maximizar las utilidades totales, entonces la funcién objetivo debe describir éstas en términos de las variables de decision. En forma matemitica, la funcién Z = 4x, + Sx, describe las utilidades en términos de las variables de decisin, suponiendo que se sabe que se obtiene una utilidad de $4.00 por cada x; y $5.00 por cada x,En general, se obtiene la solucién éptima del modelo ‘Hamdy A. Taha, Operations Research: An Introduction (New York: Macmillan), p. 7. Los modelos matematicos y la ciencia de la administracién 9 cuando los valores de las variables de decisién arrojan el mejor valor dea funcién objeti- vo, al mismo tiempo que se satisfacen todas las restricciones. Es posible explicar con mayor detalle la relacién entre los modelos descriptivos y los normativos utilizando un ejemplo especifico. Suponga que se tiene un proceso de produccién en el que pueden fabricarse tres productos distintos. El tinico recurso limita- do para esa operacién es la mano de obra; existen disponibles 400 horas-hombre de mano de obra por semana. De experiencias pasadas, se sabe que el producto No. 1 requie- re 8 horas de mano de obra por unidad fabricada y el producto No. 2 requiere 4 horas por unidad, y de la misma manera, el producto No. 3 requiere 2 horas por unidad. Si se supone por un momento que existe una cantidad ilimitada de mano de obra, si ut mos x, para representar el ntimero de unidades del producto No. 1 que se fabricaran, X, para representar el mimero de unidades del producto No. 2y x, el nimero de unida- des del producto No. 3, entonces la expresién siguiente seria un modelo descriptivo de los requerimientos totales de mano de obra: — L= 8x, + 4x; + 2x5 aay Pero yasabemos que sdlo hay disponibles 400 horas-hombre de mano de obra; por tanto, la relacién funcional en realidad es, 8x, + 4x; + 2x5 = 400 as) Puede hacerse alguna afirmacién acerca del problema con cualquier modelo; sin embar- 20, en este punto no hay manera de determinar cual es el mejor curso de accién. En el primer caso, ecuacién (1.4), si se consideran ciertos valores de x,, x, ¥ x, entonces €s posible pronosticar el total de mano de obra que se requiere. En el segundo caso, ecuacién (1.5), e facil calcular el niimero maximo de unidades de cada producto que podrian fabricarse (50, 100, 200), suponiendo que no se fabrica ninguna unidad de los otros dos productos Suponga que ademés de los datos iniciales que se proporcionan, se sefiala que el producto No. I contribuye con $12 por unidad a las utilidades, el producto No. 2 contri- buye con $10 por unidad y el producto No. 3 contribuye con $8 por unidad. A partir de estos datos, puede desarrollarse un modelo descriptivo para las utilidades totales, Z; esto se expresa de la siguiente manera: Z= 12x, + 10x + 8%) (1.6) Aligual queen el caso del modelo (1.4), puede emplearse este modelo para pronosti cat las utilidades s6lo si se proporcionan ciertos valores de x,, x, ¥,. Pero si se combi- nan los modelos (1.5) y (1.6), y se supone que el objetivo es maximizar las utilidades, entonces se tiene un modelo normativo. El modelo seria: MAXIMIZAR: Z = 12x; + 10x, + 8x; a7) SUJETO A: 8x, + 4x, + 2x, = 400 Lo que se pretende en este punto-es resolver el modelo para obtener los valores de x,, x y x, que den como resultado el mayor valor de Z. Un poco més adelante se | | | 10 Capitulo 1 * Introduccién a los modelos y a la ciencia de la aaministracién analizard este punto con detalle; sin embargo, antes de pasar a ese material, es necesario realizar algunos comentarios adicionales acerca de los modelos matematicos y la ciencia de la administracién. Clasificacion de.los modelos modelo determinis- tico modelo estocdstico modelo lineal modelo no lineal modelo estdtico modelo dindmico Ademés de la clasificacién de modelos descriptivos y normativos que se analiz6 antes, con frecuencia se mencionan otras clasificaciones de los modelosen laliteratura referente a la ciencia de la administracién: modelos determinésticos y estocdsticos, lineales y no lineales, estaticos y dindmicos y, por ultimo, modelos de simulacién. Podria argumentar- se que estas son clasificaciones distintas de los modelos. Pero, en realidad, son subclasifi- caciones de los modelos descriptivos y normativos, y puede clasificarse un modelo espect- fico aplicandole uno a varios de estos términos. Un examen de cada uno deestos términos aclarara este punto. En un modelo deterministico, las relaciones funcionales, es decir, los pardmetros del modelo, se conocen con certidumbre, El modelo (1.6) podria denominarse modelo deterministico porque los parémetros (los coeficientes de contribucién: $12, $10 y $8) se conocen con certidumbre. De la misma manera, el modelo (1.5) podria denominarse modelo deterministico. Si en el modelo (1.5) no conociéramos con seguridad que se requieren 8 horas de mano de obra para fabricar una unidad del producto No. 1 (por ejemplo, suponiendo que existe una probabilidad 0.60 de que se requieran 10 horas de mano de obra), entonces elaborarfamos un modelo estocistico para incorporar la incertidumbre. Un modelo esto- céstico puede tener algunas relaciones funcionales que sean deterministicas y estocdsticas o todas pueden ser estocdsticas. Pueden obtenerse soluciones para esos modelos siseestruc- turan en forma de un modelo normativo, que proporcionen los mejores resultados espe- rados; es decir, se optimiza la funcién objetivo para obtener los resuitados esperados maximos 0 minimos. Otra subclasificacién de los modelos es 1a de modelos lineales o no lineales. Un ‘modelo lineal es en el que todas las relaciones funcionales implican quela variable depen- diente es proporcional a las variables indevendientes. (El concepto de linealidad se ana- lizard con cierta profundidad en el capitulo 2.) Por otra parte, los modelos no lineales utilizan ecuaciones curvilineas ono proporcionales. Al igual queen el caso de os modelos estocasticos, no es necesario que todas las relaciones funcionales del modelo sean no lineales para clasificarlo como no lineal. Si una o més de las relaciones son no lineaies, se clasifica al modelo dentro de esta categoria. Los procesos de solucién (algoritmos) que se requieren para resolver los modelos no lineales son mucho mas complejos que Jos necesarios para un modelo lineal. En este texto se hace énfasis en el uso delos modelos lineales en la toma de decisiones en la administracién. Una tercera subclasificacién de los modelos es en modelos estaticos y modelos dind- micos. Los modelos estaticos se definen en un punto fijo del tiempo y se supone que las condiciones del modelo no cambian para ese periodo especitico en el proceso de solu- cién del modelo. Se determina una decisién dptima o curso de accién éptimo sin hacer referencia al curso de accién que se toma en periodos previos o futuros. Un modelo dindmico difiere de uno estatico en que el curso de accién mejor u éptimo se determina examinando periodos multiples. Los. modelos dindmicos se utilizan en situaciones en as que no puede determinarse el curso éptimo de accién para un mimero multiple de Procesos métodos heuristicos Los modelos matemdticos y la ciencia de la administracion 141 periodos sin considerar en forma colectiva las acciones que se emprenden en cada perio- do. Enel capitulo 10 se analizan los modelos dinémicos, sus caracteristicas y un proceso de solucién para determinar las acciones éptimas para estos modelos. La subclasificacién final de los modelos que se inenciona es la simulacidn. La simu- lacién es un proceso de planteamiento de modelos y experimentacién que se utiliza para describir y/o analizar un problema oun area de problemas especiticos. Se utiliza el térmi- no ‘proceso de planteamiento de modelos y experimentacién’’, porque la simulacién puede utilizarse para ambos propésitos. A partir de los datos y las caracteristicas descrip- tivas del problema de produccién que se mencioné antes fue posible plantear un modelo normativo, es decir, el modelo (1.7). Sin embargo, es.frecuente que la complejidad 0 Ja naturaleza de un problema hagan imposible desarrollar un planteamiento matematico que se ajuste en forma adecuada a dicho problema. Bajo esas circunstancias, tal vez sea posible simular el problema con el objeto de analizar diferentes cursos de accién. Debido a que los modelos de simulacién no requieren funciones matematicas de forma cerrada para relacionar las variables, es posible simular sistemas complejos cuyo modelo no puede plantearse en forma matematica. de solucién Pueden utilizarse tres procesos 0 métodos de solucién para llegar a soluciones éptimas 0 casi 6ptimas para problemas basados en la ciencia de la administracién: (1) algoritmos, (2) métodos heuristicos y (3) simulacién. Dado que el método de los algoritmos es el proceso de solucién de uso més comiin, aqui se justifica una explicacién detallada; pero antes de explorar esta drea, es necesario hacer unos cuantos comentarios acerca del uso de la simulacién y los métodos heuristicos. ‘Cuando dejamos el andlisis del modelo (1.7), hicimos notar que el siguiente paso del proceso consistia en resolver el modelo. Un poco més adelante demostraremos que es posible obtener una solucién analitica para ese modelo; sin embargo, esto puede no ser cierto en muchos casos. En algunos problemas tal vez sea imposible resolver en forma analitica el modelo; es decir, en forma matematica. En esos casos puede utilizarse la simulacién para analizar el problema, pero la solucién que se tiene a partir de un proceso de simulacién no necesariamente es la éptima. Un modelo de simulacién precisamente “simula” la conducta del problema para un conjunto definido de condiciones de entra- da, Para determinar “‘el mejor curso de accién’” debe analizarse la conducta del modelo bajo diversos datos de entrada y elegir el que proporcione el nivel deseado de resultados. En ocasiones-el planteamiento matematico de un problema puede ser tan complejo que una solucién analitica es casi imposible, y la evaluacién a través de simulacién no es practica debido al tiempo excesivo de procesamiento. Enestos casos pueden utilizarse métodos heuristicos para desarrollar soluciones aproximadas aceptables. El proceso heu- ristico de solucién se basa en reglas empiricas 0 intuitivas que, cuando se aplican al modelo, proporcionan una o mas soluciones. Los inétodos heuristicos son procedimien- tos de busqueda que intentan pasar de un punto de solucién a otro, de manera que se mejore el objetivo del modelo con cada movimiento sucesivo. Cuando ya no es posible encontrar mejoras al objetivo del modelo utilizando la regla de busqueda elegida, la solucién aleanzada se denomina solucién aproximada, En este texto es minimo el andlisis de los procesos heuristicos de solucién (se cubren en forma breve en el capitulo 9), puesto que por lo general dependen en gran medida del problema especifico que se resuelve, | 12 Capitulo 1» Introduccién a los modelos y a la ciencia de la administracién algoritmo se usan en términos generales para problemas de particular complejidad y, con frecuen- cia, dependen de algoritmos para resolver partes del problema. Se concentrard la aten- cién en el uso de algoritmos. Un algoritmo es simplemente un conjunto de procedimientos o reglas que, cuando sesiguen en forma ordenada, proporcionan la mejor solucién para unmodelo determina- do. Ya que un algoritmo se desarrolla para un modelo dado o definido, es aplicable s6lo para resolver un problema que se ajuste a las caracteristicas especificas del modelo. Aunque tal vez sea posible alterar un algoritmo para que satisfaga los requerimientos de problemas especializados, lo mas probable es que se convierta en ura labor dificil porque exigird alterar los programas de computadora que existen para los algoritmos. Puede ilustrarse el concepto de algoritmo utilizando el modelo que se planted antes acerca del proceso de produccién [modelo (1.7)]. Recuérdese que el modelo se express de la siguiente manera: Maxizar: — Z= 12x, + 10x, + Bxy susero.s 8x, + 4x, + 2x = 400 Recuérdese también que las contribuciones a las utilidades eran de 12, 10 y 8 para la venta de los productos No. 1, No. 2 y No. 3, respectivamente, y que 8, 4 y 2 eran las horas de mano de obra que se requerfan por unidad para la fabricacién de los respectivos productos. Examinando el modelo, puede observarse que el producto No. 1 contribuye con $12 a las utilidades, en comparacién con $10 y $8 de los otros dos productos; por ello, podriamos concluir que deben fabricarse tantos productos No. 1 como los recursos Jo permitan, Pero, si examinamos los costos de mano de obra asociados con el primer producto (8 horas/unidad) es facil observar que tiene el més alto requerimiento unitario de mano de obra.’La decisi6n de fabricar tantos productos No. 1 como sea posible quiza no sea una decisién inteligente. Dado que tanto los coeficientes de contribucién y los de mano de obra por unidad afectan la decisién respecto al numero de unidades que deben fabricarse de los tres productos, es necesario un medio que permita examinar ambos coeficientes en forma simulténea, Es posible lograr esto calculando una razén de los dos coeficientes. Esos cocientes serian: $12/unidad No. 1: —————__= 1.50 détares/hora 8 horas/unidad $10/unidad No. 2: — —"““__- 2.50 délares/hora 4 horas/unidad $8/unidad No. 3: ———_. 2 horas/unidad 4.00 délares/hora Estas razones representan la “‘contribucién en délares por hora de mano de obra inverti- da” en la fabricacién de los respectivos productos. Examinando estos cocientes, puede concluirse que la decisién apropiada seria fabricar la mayor cantidad del producto No. 3 que el recurso de mano de obra permita. Para determinar el nimero real de unidades del producto No. 3 que deben fabricar- se, se divide el total disponible de horas de mano de obra (400) entre los reqiierimientos de este recurso para el producto (2 horas/unidad). Entonees, el “mejor curso de accién’? es fabricar 0 unidades del producto No. 1 (x, = 0), 0 unidades del producto No. 2 Los modelos matematicos y la ciencia de la administracion 13 (x; = 0) y 200 unidades del producto No. 3 (x, resultantes serian 200). En este caso, las utilidades Z = 12(0) + 10(0) + 8(200) = $1600 Elalgoritmo para el modelo (1.7), definido de manera no muy formal, se expresaria de la siguiente manera: Calcular una razén para cada producto dividiendo el coeficiente correspondiente de contri- bucién a las utilidades entre el coeficiente de mano de obra por unidad. La mayor razén denota el “producto que debe fabricarse’’. Determinar la “cantidad que debe fabricarse”’, dividiendo el total de horas de mano de obra disponibles entre el coeficiente de mano de obra del producto que debe fabricarse. Dado que el algoritmo se ha definido de manera poco formal, es decir, no toma en consideracién la posibilidad de que existan coeficientes negativos 0 cocientes negati- vos, y al estar tan estrechamente relacionado con el problema especifico, nos obliga a desarrollar un algoritmo mas estructurado en términos matematicos que se ajuste a un modelo general que pudiera utilizarse tanto para este problema como para otros. Puede comenzarse desarrollando un modelo general del modelo (1.7). Si utilizamos ¢; para representar la contribucién por unidad del producto j, a, para representar el re- querimiento unitario de mano de obra para la fabricacién del producto j, y b para repre- sentar el total de mano de obra disponible, entonces el modelo puede expresarse de la siguiente manera: MaxiMIZAR: — Zm CX, + O42 + CX sureTo A 4.x, + x + ax 0. Observar cual es la mayor razén y denotar la variable de decisién asociada como £, (Si hay varios cocientes con igual valor, esto denota que la fabricacién de los productos asoci dos rinde el mismo nivel de utilidades.) Si lamayor raz6n que se ha identificado es igual o menor que cero, entonces no debe produ- cirse nada; el curso éptimo de accién consiste en no fabricar unidad alguna. Si la mayor raz6n es superior a cero, entonces se continiza, Calcular la cantidad dptima que debe producirse con la relacién x, = b/d, en donde d ¢s el coeficiente de mano de obra asociado con el mayor cociente identificado antes. (Si existen razones iguales, entonces hay politicas éptimas alternativas.) Es evidente que este algoritmo no es complejo porque el modelo (1.8) no es un modelo muy complejo; sin embargo, ilustra muy bien el concepto de desarrollo de un algoritmo, EL PROCESO DE SOLUCION DE PROBLEMAS EN CA/IO proceso de solucién de problemas Se sefialé antes en el capitulo que el objetivo del texto no es desarrollar o ampliar la teoria de algoritmos de solucién sino, mds bien, examinar y estudiar la estructura de los problemas a los que puede aplicarse un algoritmo determinado. Se examinan ciertos algoritmos s6lo como auxiliares para comprender mejor la estructura de los problemas a Jos cuales se aplican. Nuestro objetivo es mucho mds amplio, Resolver un problema 6, en términos mas especificos, utilizar modelos de CA/IO como ayuda en la solucion de problemas, implica algo mas que encontrar un algoritmo que se ajuste a un problema determinado. Existen ciertas etapas que deben seguirse en cualquier estudio de CA/1O; éstas co- mienzancon la identificacién del problema y llegan hasta el implante y evaluacién finales del sistema disefiado para resolverlo. Estas etapas deben seguirse para que sea posible esperar cierto grado de éxito en el proceso de planteamiento de modelos. Estas etapas se denominan proceso de solucién de problemas. El proceso de solucién de problemas de CA/TO puede describirse en una estructura de seis etapas, como sigue: 1, identificacién, observacién y planteamiento del problema 2. construccién del modelo 3. generacién de una solucién 4, prueba y evaluacién de la solucién 5. implante 6. evaluacién En la figura 1-1 se muestra una representacién mas detallada y practica de este proceso. Las seis etapas del proceso se identifican con los cuadros de lineas punteadas, numerados (a ©. El proceso de solucién de problemas en CA/IO 15 « lentiticar et poblema yy ' , 1 i Observar el problema, 1 recopilar datos i i I 1 1 1 1 i I I vertal ol problema ‘pronosticado” pp] Lp descriptivos « identiicar |_| Resultados ! i factores que los afectan ! \ i 1 I \ ' ¥ ' 1 ' y | | [Bescon tea \ Tee] oar) I 1 1 i \ \ ¥ 1 | [etasfear tos taciores i | Fintewato ee } | coma “contolbies" o | | | | predeterminado | Py resutacos | | no controle’ | | [se vatores saistacen || ! | | tas metas? || I \ I I ¥ i fl | [Beserrte det moder: i Metas I | |e) estructura } >! ! | (0) parametos ! i I \ = -------] ‘st ai 7 Generar la sation Sontnvar “0” GET cosio de ‘cambiar os >| ahorros? Correr éatos de prueba ato ae na! ¥ Rovisar 1 modelo evalua Aceptabl 1 ' ' | 1 1 ! 1 1 L FIGURA 1-1. £I proceso de solucién de problemas de CANO. (Adapiado

    Vous aimerez peut-être aussi