Académique Documents
Professionnel Documents
Culture Documents
Introducción y resumen
Mediante la lucha y el sufrimiento del Siglo de las luces, apareció "el individuo". Los
seres humanos finalmente ganaron su libertad natural para pensar por si mismos. Sin
embargo, esto ha sido una gran carga de responsabilidad para muchos. Ha habido
demasiados fracasos. Las personas renuncian rápidamente a su libertad natural frente a
cualquier culto a cambio de una vida fácil.
La buena toma de decisiones permite vivir mejor. Nos otorga algo de control sobre
nuestras vidas. De hecho, muchas de las frustraciones que sufrimos con nosotros mismos
se deben a no poder usar la propia mente para entender el problema de decisión, y el
coraje para actuar en consecuencia. Una mala decisión puede obligarnos a tomar otra
mala decisión, como dijo Harry Truman: "Toda mala decisión que tomo va seguida de
otra mala decisión".
Las decisiones racionales generalmente se toman sin darnos cuenta, quizás de manera
inconsciente, podemos comenzar el proceso de consideración. Lo mejor es aprender el
proceso de toma de decisiones para decisiones complejas, importantes y críticas. Las
decisiones críticas son aquellas que no pueden ni deben ser objetivos incorrectos,
debemos preguntarnos: ¿qué es lo más importante que estoy tratando de lograr en este
caso?
El estilo y las caracteristicas del decisor se pueden clasificar en: el pensador el cowboy
(repentino e intransigente), Maquiavelico (el fin justifica los medios), el historiador
(como lo hicieron otros), el cauteloso (incluso nervioso), etc.
El objeto de este sitio es convertirlo a usted en un mejor decisor, intentando enseñarle el
proceso de toma de decisiones:
1. ¿Cuál es la meta que usted desea alcanzar? Elija la meta que satisfaga sus
"valores". Los valores deben expresarse en escala numérica y mensurable.
Esto es necesario para hallar las jerarquías entre los valores.
2. Averigüe cuál es el conjunto de cursos de acción posibles que puede tomar
y luego reúna información confiable sobre cada uno de ellos. La
información objetiva sobre los cursos de acción también puede expandir
su conjunto de alternativas. Cuantas más alternativas desarrolle, mejores
decisiones podrá tomar. Debe convertirse en una persona creativa para
expandir su conjunto de alternativas.
Pablo Picasso se dio cuenta de esto y dijo: " Todos los seres humanos
nacen con el mismo potencial de creatividad. La mayoría lo derrochan en
millones de cosas superfluas. Yo invierto el mío en una sola cosa: mi
arte". Las alternativas de decisiones creativas son originales, relevantes y
prácticas.
Las decisiones son el corazón del éxito y, a veces, hay momentos críticos en que pueden
presentar dificultad, perplejidad y exasperación. Este sitio ayuda y orienta a tomar buenas
decisiones estratégicas, que sean eficaces, usando un proceso eficiente y sistemático de
toma de decisiones.
Un gerente debe tomar muchas decisiones todos los días. Algunas de ellas son decisiones
de rutina o intrascendentes mientras que otras tienen una repercusión drástica en las
operaciones de la empresa donde trabaja. Algunas de estas decisiones podrían involucrar
la ganancia o pérdida de grandes sumas de dinero o el cumplimiento o incumplimiento de
la misión y las metas de la empresa. En este mundo cada vez mas complejo, la dificultad
de las tareas de los decisores aumenta día a día. El decisor (una persona que tiene un
problema) debe responder con rapidez a los acontecimientos que parecen ocurrir a un
ritmo cada vez mas veloz. Además, un decisor debe asimilar a su decisión un conjunto de
opciones y consecuencias que muchas veces resulta desconcertante.
El modelo de decisiones mas simple que tiene solo dos alternativas se denomina
Maniqueismo, adaptado por Zaratustra y luego adoptado por otras religiones organizadas.
El Maniqueismo es el concepto de dualidad que divide todo lo que forma parte del
universo en dos alternativas distintas o dos polos opuestos, como por ejemplo el bien y el
mal, blanco y negro, día y noche, mente (o alma) y cuerpo, etc. Este concepto de dualidad
fue un modelo suficiente de la realidad para aquella época para que el mundo fuera
manejable y calculable. Sin embargo, hoy en día sabemos con certeza que todo cambia y
todo tiene un amplio espectro continuo. No existen los opuestos en la naturaleza.
Debemos ver el mundo a través de los ojos de nuestra mente vivida; de lo contrario, no
comprendemos bien las ideas complejas.
La Revolución Industrial del siglo XIX probablemente construyera más que cualquier
otro acontecimiento en la historia a dar forma a la vida del mundo industrializado
moderno. El surgimiento de las grandes fábricas con producción en masa creó la
necesidad de una administración efectiva y eficiente de las mismas. El campo de la
Ciencia de la administración (CA), conocido también como Investigación Operacional
(IO), comenzó con la publicación de The Principles of Scientific Management (Los
Principios de la Administración Científica) y ha ayudado a los gerentes a desarrollar el
conocimiento y las herramientas necesarias para comprender los problemas de decisión,
traducirlos a términos analíticos y luego resolverlos. Los analistas de CA/IO son, por
ejemplo, jefes del gabinete del presidente, asesores, diseñadores de modelos de
investigación y desarrollo, analistas de sistemas, etc.
En nuestro mundo cada vez más complejo, las tareas de los decisores son cada día más
provocadoras. El decisor (la persona que tiene el problema) debe responder en forma
rápida ante situaciones que parecen sucederse a un paso cada vez más veloz. Asimismo,
el decisor debe asimilar a su decisión una serie de opciones y consecuencias que a veces
nos dejan azorados.
Un gerente debe tomar diariamente muchas decisiones. Algunas de estas decisiones son
rutinarias y sin consecuencias, mientras que otras influyen en forma drástica sobre las
operaciones de la empresa en la que se desempeña. Algunas de estas decisiones podrían
significar la ganancia o pérdida de grandes sumas de dinero, o que la empresa logre o no
su misión y sus metas. El campo de la Ciencia de la Administración (CA), conocido
también como Investigación Operacional (IO), ha ayudado a los gerentes a desarrollar el
conocimiento y las herramientas necesarias para comprender los problemas de decisión,
traducirlos a términos analíticos y luego resolverlos.
Los cimientos para la toma de decisiones acertadas se construyen sobre la filosofía del
conocimiento, la ciencia y la lógica, y por sobre todo, la creatividad. En este sitio Web, el
"problema" de la decisión no se refiere a los ejercicios o enigmas prefabricados que la
mayoría de los profesores continuamente les presentan a sus estudiantes, tal como el
problema de hallar la solución de un sistema de ecuaciones (sin motivarlos en absoluto
hacia la necesidad de saber).
Este sitio se trata de cómo tomar decisiones acertadas cuando uno se enfrenta a
problemas de decisión. Significa problemas reales, el manejo concreto de lo que puede
llegar a constituir una diferencia significativa. En casi todos los problemas de decisión
encontramos los siguientes componentes:
1. El decisor,
2. El analista que modeliza el problema para ayudar al decisor,
3. Factores controlables,
4. Factores incontrolables,
5. Los resultados posibles de la decisión,
6. Las restricciones ambientales/estructurales,
7. Las interacciones dinámicas entre estos componentes.
Introducción y resumen
"En algún punto de la línea de desarrollo descubrimos lo que somos en realidad, y luego
tomamos nuestra verdadera decisión por la cual somos responsables. Tome esa decisión
principalmente por usted, ya que nunca se puede vivir realmente la vida de otra persona."
-- Eleanor Roosevelt
Las decisiones son el corazón del éxito, y en algunas oportunidades existen momentos
críticos en las que pueden ser difíciles, confusas y exasperantes. Este sitio brinda ayuda y
guía para la toma de decisiones eficaces y efectivas mediante la puesta en práctica de un
abordaje bien estructurado y un proceso bien centralizado conocido como el proceso de
modelización.
Tomar una decisión es enfrentarse a una pregunta, como por ejemplo "¿Ser o no ser?", es
decir, ¿Ser el que uno desea ser o no ser? Esta es una decisión. La humanidad siempre ha
vivido a la sombra de sus miedos. Aún así no se supo nada sobre el miedo hasta que
Freud inició su estudio de fobias inusuales. Tiempo después, algunos psicólogos
sugirieron la existencia de un temor común a todo el género humano: el miedo a la
muerte.
La palabra Decido, proveniente del latín, tiene dos significados. Significa decidir y
también caer. Es por eso que a las plantas a las que se les caen las hojas en otoño se las
denomina deciduas. La palabra fall (otoño) era originalmente "leaf fall" (caída de las
hojas) y se utilizaba en lugar de autumn (otoño) en el Siglo XV. La expresión "correr el
riesgo" sugiere la importancia de ambos significados. La toma de decisiones equivocadas
provoca el miedo a la caída.
¡De niño, era difícil elegir en un surtido de caramelos! La sola preocupación por la toma
de decisiones importantes es como una mecedora: nos ocupa en algo pero no conduce a
ningún lado. Tomemos por ejemplo esta pregunta: Hay cinco ranas sentadas en un tronco.
Cuatro deciden saltar. ¿Cuántas ranas quedan? Las decisiones dilatadas incrementan el
compromiso para implementarlas. Hay una gran diferencia entre tomar una decisión e
implementarla.
Cada día laborable el gerente pone a prueba algunas cuestiones que requieren decisiones.
Primero se las debe identificar como problemas u oportunidades, justificar y clasificar
dentro de los modelos matemáticos para los que existirá una respuesta, pudiendo así
controlar el problema mediante la actualización de las soluciones debido a la naturaleza
dinámica de las decisiones de los negocios. Este es el núcleo absoluto del abordaje que
hace la Ciencia de la Administración de la toma de decisiones, que es la ciencia de la
toma de decisiones.
Es este abordaje el que hace que un negocio sea exitoso. Pero es importante advertir que
este proceso no es fácil. Como ya dijimos, se basa en tres etapas que encierran doctrinas
de integración de informática, clasificación matemática y modelización y finalmente el
reingreso de transformaciones de datos nuevos que aparecerán a medida que el tiempo
transcurra. Este es el análisis complejo en el que trabajaremos.
"Si se debe tomar una decisión importante [los persas] discuten la cuestión cuando están
ebrios y al día siguiente el jefe de la casa...presenta la decisión para su reconsideración
cuando están sobrios. Si aún así la aprueban, se adopta; si no, se abandona. A la inversa,
toda decisión tomada en estado de sobriedad, se reconsidera posteriormente cuando están
ebrios."
Ustedes podrían decir que es una manera extraña de tomar decisiones. Tal vez lo sea,
pero existen métodos de elección humana aún más extraños. A continuación una muestra
de los métodos estratégicos más conocidos:
Recurrir a alguien o incluso a algo: Algunos ejemplos son la astrología (no la astronomía,
que es una ciencia), la lectura de las manos, la observación de las estrellas, el discado del
1-900 amigos psíquicos, la reflexología (los pies saben), la iridología (los ojos saben), la
telepatía, la telequinesis, el aura, los cristales, los sueños, los colores, el Feng Shui, la
numerología, los adivinos, etc. Todas estas disciplinas terminadas en -logía, el griego por
"palabra", son objetos de adoración. También incluye a todas las ideologías presentadas a
lo largo de la historia.
Por ejemplo, con respecto a la astrología, uno debe aceptar el hecho de que el éxito no se
debe a una confluencia fortuita de las estrellas en el momento de nuestro nacimiento, sino
a un camino constante de destellos provenientes del trabajo duro, la determinación, la
buena planificación y la perseverancia constantes. En todas estas estrategias populares de
evasión es mejor que siga el consejo de Kermit la Rana. Una mujer detective de la
Ciudad de Nueva York una vez dijo, "He consultado a cientos de adivinos, y me han
dicho miles de cosas, pero nadie me dijo nunca que yo era una mujer policía a punto de
arrestarlos".
Pensar: Como dijo Henri Poincare, "Dude de todo o crea todo: son dos estrategias
igualmente convenientes. Con cualquiera de ellas, eliminamos la necesidad de pensar por
nosotros mismos".
Ser consciente de los costos hundidos: Repita la misma decisión porque "ha invertido
tanto en este abordaje (o en su trabajo actual) que no puede abandonarlo ni tomar otra
decisión (o buscar una posición mejor)".
Ser demasiado confiado: Esto lo hace sentir optimista y luego tomar decisiones de alto
riesgo.
Ser demasiado prudente: Ser excesivamente curioso durante tanto tiempo como para
retrasar la decisión.
Rendirse ante el fracaso: Creer que las elecciones que realizará están predestinadas y que
seguramente fracasará (uno se acostumbra al fracaso). Opuesto al resultado del trabajo y
el pensamiento continuos.
Crear una comisión: Para tomar una decisión, intente crear una comisión, no
necesariamente de expertos. De este modo, si todo sale bien, todos los miembros se
sentirán orgullosos. Pero si todo sale mal, nadie es responsable. Los miembros dirían,
"Yo no fui; fue la decisión de la comisión. Como puede verse, no pudimos llegar a una
conclusión, por eso votamos". Ponerle un rostro a un grupo sin rostro, llamarlo "la
comisión". La versión tecnológicamente avanzada de esta estrategia podría ser el sistema
grupal de soporte de decisiones. Por supuesto, la comisión puede crearse en la forma
correcta con los expertos correctos. Sin embargo, mi experiencia me ha demostrado que
las comisiones se utilizan más para evadir culpas y responsabilidades. No veo nada
positivo en tener responsables grupales de la toma de decisiones. Dejemos que una sola
persona sea el decisor, que sea la responsable y la que deba rendir cuentas.
Mala comprensión del problema: Esto ocurre, entre otras cosas, por subjetividad, análisis
irracional, retraso o dilación, falta de sensibilidad y falta de enfoque.
Racionalización para limitar los cursos de acción: Esta estrategia es muy popular.
Adueñarse del mazo de naipes para hacer que una alternativa aparezca como claramente
correcta y se eliminen todos los riesgos.
La decisión es sólo simbólica: Uno pelea mucho para conseguir una política y luego es
indiferente a su implementación.
El decisor tiene obligaciones: En algunos casos, los decisores actúan sin integridad para
satisfacer algunas obligaciones personales importantes.
Ansiedades posteriores a la decisión: Cuanto más convenientes son las alternativas que se
deben rechazar y cuanto más rápido deba tomarse la decisión, mayores serán las
ansiedades (también conocidas como disonancia cognitiva). La mayoría de las personas
acentúan el lado positivo de la decisión y niegan o ignoran el aspecto positivo de las
alternativas rechazadas.
Introducción y resumen
Hasta finales del siglo XVIII, casi todos los productos eran
manufacturados por artesanos en forma individual. Con el advenimiento
de las nuevas tecnologías de producción a finales del siglo XVIII y
comienzos del XIX se inició la Revolución Industrial. Los primeros
avances tuvieron lugar en Inglaterra, y se diseminaron rápidamente en el
resto de Europa. Si bien los progresos tecnológicos aumentaron la
eficiencia en los procesos de producción, el costo de los equipos
necesarios para la fabricación superaba los recursos de capital de los
artesanos individuales. Para aprovechar la producción masiva, posible
gracias a la aplicación de las nuevas tecnologías, y la penetración
concomitante de mercados masivos para los bienes producidos, las
empresas que poseían el capital suficiente organizaron sus hombres y sus
máquinas en lo que hoy se conoce como el sistema fabril. Hoy día existen
muchos grandes sistemas hechos por el hombre, además de las fábricas,
como los hospitales, los aeropuertos y los sistemas de telecomunicaciones.
"Es" como escape: Los alumnos que deben aprender IO/CA pocas veces
sienten la necesidad de formular la pregunta preliminar, "¿Qué es
IO/CA?". Es más probable que formulen preguntas específicas, como por
ejemplo "¿Qué es la programación lineal?", "¿Qué es una restricción?" o
"¿Qué es un árbol de decisión?".
"Es" como resumen: Algunos de los que trabajan en IO/CA, que están
llegando al final de sus carreras, sienten la necesidad de responder la
pregunta "¿Qué es IO/CA?" como justificación de su decreciente manejo
del tema, del mismo modo que quizás sientan la necesidad de escribir su
autobiografía. En estas circunstancias, la pregunta "¿Qué es IO/CA?" es
una excusa para viajar en la historia y la filosofía de la IO/CA.
A muy pocos nos interesa aprender lógica, ya que nos concebimos como
suficientemente hábiles en la ciencia del razonamiento. Pero esta
satisfacción se limita a la propia racionalización, y no se extiende a la de
los demás. Mucha gente utiliza "Por ejemplo,..." para probar algo, pero
"Por ejemplo" no es prueba. En cambio, un buen "antiejemplo" podría ser
no sólo necesario sino también suficiente para refutar una hipótesis
determinada.
La lógica es la higiene del proceso de pensamiento; también es un
contenedor firme en el que colocar las ideas para luego entregarlas a otros.
La lógica por sí misma no es nada. No es el alimento en el plato; las
buenas ideas residen en las mentes brillantes. Ambas son necesarias: las
buenas ideas y una buena lógica para comunicarlas.
Metodología de IO/CA
Aplicaciones prototipo
Gran parte del análisis de IO/CA comienza con modelos de sistema que
son representaciones sintéticas de sistemas físicos/operativos. El modelo
de sistema relaciona las variables que afectan del rendimiento del sistema
con una o varias medidas de desempeño de sistemas, en forma lógica.
Experimentando con el modelo pueden explorarse los efectos de diversas
decisiones de administración.
1. Hay que ver, pero no alcanza; luego hay que destinar tiempo a
observar.
2. Hay que pensar, pero no alcanza; luego hay que destinar tiempo a
razonar.
3. Hay que darse cuenta de lo que es necesario hacer, pero eso no
alcanza; luego hay que destinar tiempo a entender "cómo y por
qué" y las consecuencias.
4. También hay que planear bien las acciones, pero eso no alcanza;
luego hay que destinar tiempo a implementar, y quizás adaptar, los
planes.
5. Ahora hay que comunicarle al decisor lo que se ha hecho, pero eso
no alcanza; luego hay que destinar tiempo a interpretar lo logrado,
su significado y consecuencias, para que otros también puedan ver.
La verdad yace en algún lugar entre estas dos opiniones extremas. Los
Métodos Cuantitativos pueden resultar útiles si logra verse con claridad su
lugar correcto en el análisis de problemas de decisión.
¿Qué hacen los artistas? Crean modelos de la realidad que son más
hermosos que la realidad misma para hacer nuestra existencia más
llevadera. Sin embargo, como digo Miguel Angel alguna vez, "El hombre
pinta con su mente y no con sus manos." Un proverbio japonés dice, "El
pensar sin actuar es un ensueño. El actuar sin pensar es una pesadilla."
Recuerde que:
Los pájaros vuelan; cuando se cansan, tocan tierra.
El hombre piensa; cuando se cansa, dice "Ya entiendo."
También las religiones son un modelo para preguntas del tipo: ¿Cómo
debería vivir? ¿Qué debería creer? ¿Cómo debería comportarme? ¿Qué
debería hacer? y otras. En el Islam, por ejemplo, un hombre puede tener
muchas esposas, pero no debe beber vino. En el Cristianismo se permite lo
contrario. Aquí tenemos una opción. Los modelos cambian
permanentemente para adaptarse a la realidad. Por ejemplo, Martín Lutero,
entre otros, descubrió la necesidad de la reforma y modificó el modelo
católico. Los modelos, en general, deberían poder brindar "ideas" útiles
para resolver los problemas de decisión. En el caso de los modelos
religiosos, ¿cómo debería vivir? no es un problema de decisión. Las
respuestas imperativas y autoritarias a casi todas las decisiones similares
ya están dadas. Sin embargo, primero se debe tomar la única gran
decisión, que es "el salto de fe".
Aristóteles
Galileo Descartes Kant
Newton Spinoza Emerson
Einstein Darwin Nietzsche
Con respecto a la creencia, Henri Poincaré dijo "Dude de todo o crea todo:
son dos estrategias igualmente convenientes. Con cualquiera de ellas,
eliminamos la necesidad de pensar por nosotros mismos". Creer significa
no querer enterarse de los hechos. Que una creencia sea falsa no es
necesariamente una objeción a la misma. El tema es hasta qué punto
mejora la vida del que cree.
Las opiniones (o los sentimientos) son algo menos extremos que las
creencias; sin embargo, son dogmáticos. Una opinión significa que una
persona tiene determinadas visiones que cree son correctas. Asimismo
sabe que los demás tienen derecho a tener sus propias opiniones. La gente
respeta las opiniones de los demás y a la vez espera lo mismo. En la
formación de nuestra propia opinión, las observaciones empíricas
obviamente se ven fuertemente afectadas por la actitud y la percepción.
El que sigue es un ejemplo que quizás usted conozca: ¿Por qué no existe el
Premio Nobel de Matemática? Muchos son de la opinión que Alfred
Nobel encontró a su esposa en una situación amorosa con Mittag-Leffler,
el principal matemático sueco de la época. Nobel temía que si creaba el
premio de matemática, el primero en obtenerlo sería M-L. La historia
sigue vigente, aunque uno repita una y mil veces el simple hecho de que
Nobel no era casado.
Los modelos pueden clasificarse según sus características, como sus tipos,
evolución en el tiempo y disponibilidad de información, como se ilustra,
por ejemplo, en la siguiente figura.
Clasificación
del
conocimiento:
Conocimiento sobre objetos, eventos, procesos, relaciones
Tipos de Entender, interpretar, relacionar, seleccionar, recordar,
comprensión: comparar
Tipos de Relacionar, comparar, interpolar, extrapolar, generalizar,
análisis: especificar
Resultados de
las
Aceptar, rechazar, posible, irrelevante
evaluaciones
de modelos:
___________________________________________________
__
Los tres pasos de este proceso son similares al proceso estructurado que se
sigue para el tratamiento de una enfermedad. Cuando un paciente tiene un
problema de salud va al médico para solucionarlo. Para tal fin, el médico,
con la participación del paciente, describe el problema mediante un
análisis de sangre o de rayos X, diagnosticando la enfermedad. Luego, el
médico receta medicamentos (prescripción de medicación). Hay también
visitas de seguimiento para asegurarse de que la acción elegida es efectiva
en la curación del paciente; caso contrario, el médico cambia la
medicación. En esta analogía, el médico representa al científico de
administración y el paciente al decisor (el dueño de los problemas).
Debe ser más concreto que abstracto. Identifique los factores que influyen
en su decisión, y averigüe qué tiene y qué no tiene bajo control. A menos
que el problema haya sido claramente formulado por el científico de
administración, y que el dueño del problema lo haya aceptado como el
"mismo", es probable que éste rechace la solución estratégica. En algunos
casos, la solución estratégica de un problema existente puede crear
problemas nuevos. El proceso de modelización en IO/CA no resolverá
ningún problema de decisión, ni está diseñado para ello. Su objetivo
principal es producir ideas y promover la creatividad para ayudar a los
decisores a tomar una decisión "acertada".
Son varias las razones por las que un modelo podría fallar en el paso de
validación. A veces, el modelo es intratable o demasiado complejo de
trabajar y, por lo tanto, no puede ser verificado apropiadamente. Morris
nos da algunas sugerencias para simplificar modelos complejos.
Consideraciones de costos:
Todos los modelos, incluidos los verbales, los mentales y los matemáticos,
contienen variables independientes, variables dependientes, parámetros y
constantes. En los modelos verbales, estos elementos se reúnen en forma
libre y muchas veces intuitiva, permitiendo el entendimiento y facilitando
la comunicación. Cuando pasamos de los modelos verbales a los mentales
y matemáticos, las relaciones entre las variables y los parámetros se torna
más específica. El grado de especificidad necesario determina el tipo de
modelo que se usará en cada situación determinada.
Con respecto al proceso de falacia patética, creo que sólo se puede esperar
que los seres humanos describan a la naturaleza "como si" tuviera rasgos
humanos. Como seres humanos, estamos limitados a ver al mundo desde
nuestra propia perspectiva basada en las experiencias, el conocimiento, el
idioma, etc. Cuando realmente no sabemos cómo describir algo que no
comprendemos totalmente (como por ejemplo la naturaleza), expresamos
una idea / un pensamiento en términos que nos resulten familiares. El
peligro radica en la interpretación de la palabra por parte del individuo.
Por ejemplo, la palabra "agresivo" puede tener una connotación negativa
(prepotente, dominante) o una connotación positiva (poderoso,
ambicioso). En segundo lugar, con respecto al sentido común, el instinto y
la intuición, no considero que se deba recurrir a la ciencia para intentar
explicar de qué manera las personas aplican estas "habilidades" para
comprender algo. Creo que estas "habilidades" definitivamente no son
científicas. ¿No se trata justamente de eso? Si bien no intentaré clasificar
ni definir estos conceptos, considero que existen a nivel emocional y por
ende no pueden explicarse a través de la ciencia.
Resistencia a las decisiones: la dificultad más común surge del miedo que
siente el hombre al cambio previsto. Las personas se resisten al cambio,
más precisamente, se resisten al cambio impuesto por otras personas. La
resistencia puede adoptar la forma de hostilidad manifiesta o sabotaje
encubierto de los esfuerzos de los decisores. Aun la estrategia mejor
diseñada siempre fracasa si los que deben implementarla se rehusan a
hacerlo.
Modelos Determinísticos:
Optimización Lineal
Un modelo de Optimización Matemática consiste en una función objetivo y un conjunto
de restricciones en la forma de un sistema de ecuaciones o inecuaciones. Los modelos de
optimización son usados en casi todas las áreas de toma de decisiones, como en
ingeniería de diseño y selección de carteras financieras de inversión . Esta pagina web
presenta ejemplos focalizados y estructurados para la formulación de problemas de
optimización, diseño de la estrategia optima y herramientas de control de calidad que
incluyen validación, verificación y análisis post-solución.
Introducción y Resumen
Los problemas de toma de decisiones se pueden clasificar en dos categorías: modelos de
decisión determinísticos y modelos de decisión probabilísticos. En los modelos
deterministicos, las buenas decisiones se basan en sus buenos resultados. Se consigue lo
deseado de manera "deterministica", es decir, libre de riesgo. Esto depende de la
influencia que puedan tener los factores no controlables, en la determinación de los
resultados de una decisión y también en la cantidad de información que el tomador de
decisión tiene para controlar dichos factores.
Un modelo puede considerarse como una entidad que captura la esencia de la realidad sin
la presencia de la misma. Una fotografía es un modelo de la realidad ilustrada en la
imagen. La presión arterial puede utilizarse como un modelo de la salud de una persona.
Una campaña piloto de ventas puede utilizarse como un modelo de la respuesta de las
personas a un nuevo producto. Por último, una ecuación matemática puede utilizarse
como un modelo de la energía contenida en un determinado material. En cada caso, el
modelo captura algún aspecto de la realidad que intenta representar.
Ya que un modelo sólo captura determinados aspectos de la realidad, su uso puede no ser
apropiado en una aplicación en particular porque no captura los elementos correctos de la
realidad. La temperatura es un modelo de las condiciones climáticas pero puede ser
inapropiado si uno está interesado en la presión barométrica. Una foto de una persona es
un modelo de la misma pero brinda poca información acerca de sus logros académicos.
Una ecuación que predice las ventas anuales de un producto en particular es un modelo
de ese producto pero tiene poca utilidad si lo que nos interesa es el costo de producción
por unidad. Por lo tanto, la utilidad del modelo depende del aspecto de la realidad que
representa.
Un modelo puede ser inadecuado aun cuando intenta capturar los elementos apropiados
de la realidad si lo hace de una manera distorsionada o sesgada. Una ecuación que
pronostica el volumen mensual de ventas puede ser exactamente lo que el gerente de
ventas quiere pero podría generar grandes pérdidas si arroja constantemente cálculos de
ventas altos. Un termómetro que lee de más (o de menos) tendría poca utilidad para
realizar un diagnóstico médico. En consecuencia, un modelo útil es aquel que captura los
elementos adecuados de la realidad con un grado aceptable de precisión.
Un modelo matemático es una ecuación, desigualdad o sistema de ecuaciones o
desigualdades, que representa determinados aspectos del sistema físico representado en el
modelo. Los modelos de este tipo se utilizan en gran medida en las ciencias físicas, en el
campo de la ingeniería, los negocios y la economía.
Un modelo ofrece al analista una herramienta que puede manipular en su análisis del
sistema en estudio, sin afectar al sistema en sí. Por ejemplo, supóngase que se ha
desarrollado un modelo matemático para predecir las ventas anuales como una función
del precio de venta unitario. Si se conoce el costo de producción por unidad, se pueden
calcular con facilidad las utilidades anuales totales para cualquier precio de venta. Para
determinar el precio de venta que arrojará las utilidades totales máximas, se pueden
introducir en el modelo distintos valores para el precio de venta, uno a la vez,
determinando las ventas resultantes y calculando las utilidades anuales totales para cada
valor de precio de venta examinado. Mediante un proceso de prueba y error, el analista
puede determinar el precio de venta que maximizará las utilidades anuales totales.
Lo ideal sería que si el modelo matemático es una representación válida del rendimiento
del sistema, mediante la aplicación de las técnicas analíticas adecuadas, la solución
obtenida a partir del modelo debería ser también la solución para el problema del sistema.
Así, la efectividad de los resultados de la aplicación de cualquier técnica operativa es en
gran medida una función del grado en el cual el modelo representa al sistema en estudio.
A fin de definir las condiciones que nos conducirán a la solución del problema del
sistema, el analista primero debe identificar un criterio según el cual se podrá medir el
sistema. Este criterio a menudo se denomina medida del rendimiento del sistema o
medida de efectividad. En aplicaciones empresariales, la medida de efectividad
generalmente son los costos o las utilidades, mientras que en aplicaciones
gubernamentales esta medida generalmente se define en términos de un índice
costo/beneficio.
Optimización
La humanidad hace tiempo que busca, o profesa buscar, mejores maneras de realizar las
tareas cotidianas de la vida. A lo largo de la historia de la humanidad, se puede observar
la larga búsqueda de fuentes más efectivas de alimentos al comienzo y luego de
materiales, energía y manejo del entorno físico. Sin embargo, relativamente tarde en la
historia de la humanidad, comenzaron a formularse ciertas clases de preguntas generales
de manera cuantitativa, primero en palabras y después en notaciones simbólicas. Un
aspecto predominante de estas preguntas generales era la búsqueda de lo "mejor" o lo
"óptimo". Generalmente, los gerentes buscan simplemente lograr alguna mejora en el
nivel de rendimiento, es decir, un problema de "búsqueda de objetivo". Cabe destacar que
estas palabras normalmente no tienen un significado preciso
La programación lineal muchas veces es uno de los temas preferidos tanto de profesores
como de alumnos. La capacidad de introducir la PL utilizando un abordaje gráfico, la
facilidad relativa del método de solución, la gran disponibilidad de paquetes de software
de PL y la amplia gama de aplicaciones hacen que la PL sea accesible incluso para
estudiantes con poco conocimiento de matemática. Además, la PL brinda una excelente
oportunidad para presentar la idea del análisis what-if o análisis de hipótesis ya que se
han desarrollado herramientas poderosas para el análisis de post optimalidad para el
modelo de PL.
La Programación Lineal (PL) es un procedimiento matemático para determinar la
asignación óptima de recursos escasos. La PL es un procedimiento que encuentra su
aplicación práctica en casi todas las facetas de los negocios, desde la publicidad hasta la
planificación de la producción. Problemas de transporte, distribución, y planificación
global de la producción son los objetos más comunes del análisis de PL. La industria
petrolera parece ser el usuario más frecuente de la PL. Un gerente de procesamiento de
datos de una importante empresa petrolera recientemente calculó que del 5% al 10% del
tiempo de procesamiento informático de la empresa es destinado al procesamiento de
modelos de PL y similares.
Qué es una función: una función es una cosa que hace algo. Por ejemplo, una máquina
de moler café es una función que transforma los granos de café en polvo. La función
(objetivo) traza, traduce el dominio de entrada (denominado región factible) en un rango
de salida con dos valores finales denominados valores máximo y mínimo.
Max X2
sujeta a:
X1 + X2 0
X12 - 4 0
Aunque la segunda restricción parece "como si" fuera una restricción no lineal, esta
restricción puede escribirse también de la siguiente forma:
X1 -2, y X2 2.
En consecuencia, el problema es de hecho un problema de PL.
Para la mayoría de los problemas de PL, podemos decir que existen dos tipos importantes
de objetos: en primer lugar, los recursos limitados, tales como terrenos, capacidad de
planta, o tamaño de la fuerza de ventas; en segundo lugar, las actividades, tales como
"producir acero con bajo contenido de carbono", y "producir acero con alto contenido de
carbono". Cada actividad consume o probablemente contribuye cantidades adicionales de
recursos. Debe haber una función objetivo, es decir, una manera de discriminar una mala
de una buena o una mejor decisión. El problema es determinar la mejor combinación de
niveles de actividades, que no utilice más recursos de los disponibles. Muchos gerentes se
enfrentan a esta tarea todos los días. Afortunadamente, el software de programación
lineal ayuda a determinar esto cuando se ingresa un modelo bien formulado.
1. ¿Cuáles son las variables de decisión? Es decir, ¿cuáles con las entradas
controlables? Defina las variables de decisión con precisión utilizando
nombres descriptivos. Recuerde que las entradas controlables también se
conocen como actividades controlables, variables de decisión y
actividades de decisión.
2. Cuáles son los parámetros? Vale decir ¿cuáles son las entradas no
controlables? Por lo general, son los valores numéricos constantes dados.
Defina los parámetros con precisión utilizando nombres descriptivos.
3. ¿Cuál es el objetivo? ¿Cuál es la función objetivo? Es decir, ¿qué quiere el
dueño del problema? ¿De qué manera se relaciona el objetivo con las
variables de decisión del dueño del problema? ¿Es un problema de
maximización o minimización? El objetivo debe representar la meta del
decisor.
4. ¿Cuáles son las restricciones? Es decir, ¿qué requerimientos se deben
cumplir? ¿Debería utilizar un tipo de restricción de desigualdad o
igualdad? ¿Cuáles son las conexiones entre las variables? Escríbalas con
palabras antes de volcarlas en forma matemática.
Recuerde que la región factible tiene poco o nada que ver con la función objetivo (minim.
o maxim.). Estas dos partes en cualquier formulación de PL generalmente provienen de
dos fuentes distintas. La función objetivo se establece para cumplir con el deseo
(objetivo) del decisor mientras que las restricciones que forman la región factible
generalmente provienen del entorno del decisor que fija algunas limitaciones /
condiciones para lograr su objetivo.
Durante un par de sesiones de tormenta de ideas con un carpintero (nuestro cliente), éste
nos comunica que sólo fabrica mesas y sillas y que vende todas las mesas y las sillas que
fabrica en un mercado. Sin embargo, no tiene un ingreso estable y desea optimizar esta
situación.
El objetivo es determinar cuántas mesas y sillas debería fabricar para maximizar sus
ingresos netos. Comenzamos concentrándonos en un horizonte de tiempo, es decir, un
plazo de planificación, , para revisar nuestra solución semanalmente, si fuera necesario.
Para saber más acerca de este problema, debemos ir al negocio del carpintero y observar
lo que sucede y medir lo que necesitamos para para formular (para crear un modelo de)
su problema. Debemos confirmar que su objetivo es maximizar sus ingresos netos.
Debemos comunicarnos con el cliente.
El problema del carpintero se trata de determinar cuántas mesas y sillas debe fabricar por
semana; pero primero se debe establecer una función objetivo La función objetivo es:
5X1 + 3X2, donde X1 y X2 representan la cantidad de mesas y sillas; y 5 y 3 representan
los ingresos netos (por ejemplo, en dólares o décimas de dólares) de la venta de una mesa
y una silla, respectivamente. Los factores limitantes, que normalmente provienen del
exterior, son las limitaciones de la mano de obra (esta limitación proviene de la familia
del carpintero) y los recursos de materia prima (esta limitación proviene de la entrega
programada). Se miden los tiempos de producción requeridos para una mesa y una silla
en distintos momentos del día y se calculan en 2 horas y 1 hora, respectivamente. Las
horas laborales totales por semana son sólo 40. La materia prima requerida para una mesa
y una silla es de 1 y 2 unidades, respectivamente. El abastecimiento total de materia
prima es de 50 unidades por semana. En consecuencia, la formulación de PL es la
siguiente:
Maximizar 5 X1 + 3 X2
Sujeta a:
2 X1 + X2 40 restricción de mano de obra
X1 + 2 X2 50 restricción de materiales
tanto X1 como X2 son no negativas.
Este es un modelo matemático para el problema del carpintero. Las variables de decisión,
es decir, las entradas controlables son X1, y X2. La salida o el resultado de este modelo
son los ingresos netos totales 5 X1 + 3 X2. Todas las funciones empleadas en este
modelo son lineales (las variables de decisión están elevadas a la primera potencia). El
coeficiente de estas restricciones se denomina denomina Factores Tecnológicos (matriz).
El período de revisión es de una semana, un período conveniente dentro del cual es
menos probable que cambien (fluctúen) las entradas controlables (todos los parámetros
tales como 5, 50, 2,..). Incluso en un plazo de planificación tan corto, debemos realizar el
análisis what-if o de hipótesis para responder a cualquier cambio en estas entradas a los
efectos de controlar el problema, es decir, actualizar la solución prescripta.
Maximizar 5 X1 + 3 X2 - 2 X3
Sujeta a:
2 X1 + X2 40 + X3 restricción de la mano de obra con horas adicionales desconocidas
X1 + 2 X2 50 restricción de materiales
Un Problema de Mezcla
Esto es una pregunta de programación linear. Una porción de un cambio del aceite o del
ajuste no es factible.
X1 = Cambios del aceite, ajuste
X2 = Ajuste
Sujeta a:
X1 30 Cuenta De la Flota
20X1 + 60X2 4800 De trabajo tiempo
8X1 + 15X2 1750 Primas Materias
X1 0, X2 0.
El coste de trabajo de $10 por hora no se requiere para formular el problema desde el
beneficio por cambio del aceite y el ajuste toma en la consideración el coste de trabajo.
Finanzas: el problema del inversor podría ser un problema de selección del mix de su
cartera de inversiones. En general, la variedad de carteras puede ser mucho mayor que lo
que indica el ejemplo y se pueden agregar muchas más restricciones distintas. Otro
problema de decisión implica determinar la combinación de métodos de financiación para
una cantidad de productos cuando existe más de un método de financiación disponible. El
objetivo puede ser maximizar las ganancias totales cuando las ganancias de un producto
determinado dependen del método de financiación. Por ejemplo, se puede financiar con
fondos internos, con deuda a corto plazo o con financiación intermedia (créditos
amortizados). Puede haber limitaciones con respecto a la disponibilidad de cada una de
las opciones de financiación, así como también restricciones financieras que exijan
determinadas relaciones entre las opciones de financiación a los efectos de satisfacer los
términos y condiciones de los préstamos bancarios o financiación intermedia. También
puede haber límites con respecto a la capacidad de producción de los productos. Las
variables de decisión serían la cantidad de unidades que deben ser financiadas por cada
opción de financiación.
Administración de Producción y Operaciones: muchas veces en las industrias de proceso,
una materia prima en particular puede transformarse en una gran variedad de productos.
Por ejemplo, en la industria petrolera, el crudo puede refinarse para producir nafta,
kerosene, aceite para calefaccionar y distintas clases de aceite para motor. Según el
margen de ganancia actual de cada producto, el problema es determinar la cantidad que
se debería fabricar de cada producto. Esta decisión está sujeta a numerosas restricciones
tales como límites de las capacidades de diversas operaciones de refinado, disponibilidad
de materia prima, demandas de cada producto y políticas gubernamentales con respecto a
la fabricación de determinados productos. En la industria de productos químicos y de
procesamiento de alimentos existen problemas similares.
Dado que somos una especie visual (especialmente la cultura estadounidense), debido a
nuestro sistema educativo, muchas de las herramientas de enseñanza escolar utilizadas en
la actualidad son de naturaleza gráfica. Les enseñamos a leer mostrándoles figuras de las
cosas. Les enseñamos a contar mostrándoles el orden de los números. En consecuencia,
nuestros receptores visuales se agudizan a expensas de otras funciones cognitivas.
También he descubierto que las personas de negocios responden mejor a los gráficos y a
los cuadros que a los números.
Una vez graficadas todas las restricciones, debe generarse una región
factible no vacía (convexa), salvo que el problema sea no factible.
6. Cree (como mínimo) dos líneas de igual valor desde la función objetivo,
fijando la función objetivo en dos números distintos cualquiera. Grafique
las líneas resultantes. Al mover estas líneas paralelas, encontrará el vértice
óptimo (punto extremo), si es que existe.
Recuerde que las restricciones de PL proporcionan los vértices y las esquinas. Un vértice
es la intersección de 2 líneas o en general, n hiperplanos en problemas de PL con n
variables de decisión. Una esquina es un vértice que además es factible.
Maximizar 5 X1 + 3 X2
Sujeta a:
2 X1 + X2 40
X1 + 2 X2 50
and both X1, X2 are non-negative.
Nota: Existe una alternativa del abordaje de la función objetivo de igual valor (función
iso) con problemas que tienen pocas restricciones y una región factible acotada. Primero
busque todas las esquinas, también llamadas puntos extremos. Luego, evalúe la función
objetivo en los puntos extremos para llegar al valor óptimo y a la solución óptima.
Por ejemplo, en el problema del carpintero, la región factible convexa proporciona los
puntos extremos con las coordenadas que figuran en la siguiente Tabla:
Dado que el objetivo es maximizar, de la tabla anterior surge que el valor óptimo es 110,
el cual se obtiene si el carpintero sigue la estrategia óptima de X1 = 10 y X2 = 20.
Debido a que todas las restricciones son lineales, la región factible (R.F.)
es un polígono. Además, este polígono es un conjunto convexo. En
cualquier problema de PL que tenga más de dos dimensiones, los límites
de la región factible son partes de los hiperplanos, y la región factible en
este caso se denomina poliedro y también es convexa. Un conjunto
convexo es aquel en el cual si se eligen dos puntos factibles, todos los
puntos en el segmento de la línea recta que une estos dos puntos también
son factibles. La prueba de que la región factible de los programas lineales
son siempre conjuntos convexos surge por contradicción. Las siguientes
figuras ilustran ejemplos de los dos tipos de conjuntos: un conjunto no
convexo y un conjunto convexo.
2X1 + X2 = 40
X1 + 2X2 = 50
X1 = 0
X2 = 0
Cuatro de las soluciones básicas que figuran arriba son soluciones básicas
factibles que satisfacen todas las restricciones y pertenecen a los vértices
de la región factible. Al incluir la solución básica factible en la función
objetivo, podemos calcular el valor óptimo. Entonces, de la tabla anterior
surge que la solución óptima es X1 = 10, X2 = 20, con un valor óptimo de
US$110. Este abordaje puede aplicarse para resolver problemas de PL de
más dimensiones.
Sujeta a:
X11 + X12 = 200
X21 + X22 = 100
X11 + X21 = 150
X12 + X22 = 150
todas Xij 0
Sujeta a:
X11 + X12 = 200
X21 + X22 = 100
X11 + X21 = 150
todas Xij 0
Ahora poniendo cualquier y dos (o más) las variables para poner cero de a,
es fácil de ver, inspeccionando las tres ecuaciones que todas las otras
soluciones son no factible.
Por lo tanto, la estrategia óptima es X11 = 50, X12 = 150, X21 = 100, y
X22 = 0, con un costo total de transporte mínimo de US$6.500.
Al igual que todos los paquetes de PL, tal como WinQSB, Lindo emplea
el método simplex. Junto con la solución del problema, el programa
también proporciona un análisis común de sensibilidad de los Coeficientes
de la Función Objetivo (denominados Coeficientes de Costos) y el RHS de
las restricciones. A continuación, presentamos una explicación de los
resultados del paquete LINDO.
NOTA:
Ejemplos Numéricos
Maximizar -X1
sujeta a:
X1 + X2 0,
X1 + 3X2 3.
Maximizar -y + X1
sujeta a:
-X1 - X2 + 2y 0,
-X1 - 3X2 + 4y 3,
X1 0,
X2 0,
and y 0.
Autoajuste de ancho de columnas (Best Fit): Con el botón "best fit" del
menú Format (Formato) cada columna puede tener su propio ancho.
Notas:
Para ingresar problemas en el software QSB; para una restricción tal como
X1 + X2 50, el coeficiente es 1 y debe ingresarse de esta manera en el
software. Para cualquier variable que no se utilice en esa restricción en
particular (por ejemplo si el problema tuviera X3 pero no fuera parte de la
restricción mencionada) simplemente deje la celda en blanco para esa
restricción.
2X1 + X2 = 3
X1 -X2 = 3
Primero, cree una PL con un objetivo artificial como por ejemplo Max X1,
sujeta a 2X1 + X2 = 3, X1 - X2 = 3, y tanto X1 como X2 sin restricción de
signo. Luego, ingrese esta PL en el módulo LP/ILP para arribar a la
solución.
Min T
Sujeta a:
2Y1 + Y2 - 3T = 3,
Y1 - Y2 = 3.
------------------------------------------------------------------------------
Construcción del Problema Dual
Objetivo: Max (por Objetivo: Min (por
ejemplo las utilidades) ejemplo los costos)
Tipos de restricciones: Tipos de restricciones:
una restricción usual una restricción usual
= una restricción limitada = una restricción limitada
(estricta) (estricta)
una restricción inusual una restricción inusual
Tipos de variables:
0 una condición
usual
... sin restricción de
signo
0 una condición
inusual
---------------------------------------------------------------------------
Ejemplos Numéricos:
sujeta a:
2X1 + X2 40
X1 + 2X2 50
X1 0
X2 0
Sujeta a:
2U1 + U2 5
U1 + 2U2 3
U1 0
U2 0
- En algunos casos, puede ser más eficiente resolver el problema dual que
el primario.
Datos de entrada no
controlables
Mesas Sillas Disponible
Mano de
2 1 40
obra
Materia
1 2 50
prima
Ingresos
5 3
netos
Y su formulación de PL
Maximizar 5 X1 + 3 X2
Sujeta a:
2 X1 + X2 40 restricción de mano de obra
X1 + 2 X2 50 restricción de materiales
tanto X1 como X2 son no negativas.
Minimizar 40 U1 + 50 U2
Sujeta a:
2U1 + 1U2 5 ingresos netos por una mesa
1U1 + 2U2 3 ingresos netos por una silla
U1, U2 son no negativas.
Podría darse un error similar si usted redondea en los límites de los rangos
de sensibilidad. Como siempre, hay que prestar atención porque el límite
superior e inferior deben redondearse para abajo y para arriba,
respectivamente.
Ahora ya sabe que los precios sombra son la solución del problema
dual. Aquí tenemos un ejemplo numérico.
Max X1 + X2
sujeta a:
X1 1
X2 1
X1 + X2 2
todas las variables de decisión 0.
Por cada restricción del RHS, el Precio Sombra nos indica exactamente
cuánto cambiará la función objetivo si cambiamos el lado derecho de la
restricción correspondiente dentro de los límites fijados por el rango de
sensibilidad del RHS.
Un anti-ejemplo:
sujeta a:
X1 + X2 2
2.5X1 + 4X2 10
Donde ambas variables de decisión son no negativas.
Max X2
sujeta a:
X1 + X2 3
2.5X1 + 4X2 10
donde ambas variables de decisión son no negativas.
El nuevo problema tiene la solución óptima (0, 2.5) con un valor óptimo
de 2.5.
Nos interesa saber el precio sombra del valor del RHS 2 = 10. El problema
dual es:
Para otra versión del mismo problema primario, fíjese que el problema
puede escribirse de la misma manera, cambiando la dirección de la
segunda restricción de desigualdad:
Max 3X1 + 5X2
Sujeta a:
X1 + 2X2 50
X1 - X2 -10
X1, X2 son no negativas.
Supóngase que tenemos una PL que tiene una única solución óptima. ¿Es
posible tener más de un conjunto de precios duales?
Su dual es:
Este problema dual tiene diversas soluciones alternativas, tales como, (U1
= 8, U2 = 0) y (U1 = 4, U2 = 6). Todas las combinaciones convexas de
estos dos vértices también son soluciones.
Existen casos generales para los cuales los precios sombra no son únicos.
Como en el ejemplo anterior, siempre que exista redundancia entre las
restricciones, o si la solución óptima es "degenerada", puede haber más de
un conjunto de precios duales. En general, las restricciones lineales
independientes son condición suficiente para que exista un único precio
sombra.
A continuación, sigue una lista abreviada de las razones por las cuales se
debe tener en cuenta el análisis de sensibilidad:
Comunicación:
1. Recuerde que nunca debe dividir por cero. Dividir por cero es una
falacia común en algunos libros de texto. Por ejemplo en
Introduction to Management Science, de Taylor III, B., 6th Ed.,
Prentice Hall, 1999, the author, unfortunately, divides by zero on
page 189.
Para mayores detalles y otras falacias comunes, visite el sitio Web
The zero saga & confusions with numbers . Una pregunta para
usted: ¿cuáles de estas afirmaciones son correctas y por qué?
a) cualquier número divido por cero es indefinido;
b) cero divido por cualquier número es cero; o
c) cualquier número dividido por sí mismo es 1
2. Comúnmente se cree que se puede calcular el rango de sensibilidad
al costo acotando la pendiente (perturbada) de la función objetivo
(función iso) por las pendientes de las dos líneas resultantes de las
restricciones obligatorias. Este método gráfico basado en las
pendientes está descripto en de An Introduction to Management
Science, by Anderson D., y Williams T., 9° Ed., West Publisher,
2000, (Sección 3.2). Lamentablemente, esto es confuso. Debería
advertirse que este abordaje no es general y funciona si y sólo si
los coeficientes no cambian de signo.
Sujeta a: X1 + X2 2, X1 - X2 0, X1 0, X2 0
Sujeta a:
2X1 + X2 40
X1 + 2X2 50
X1 0
X2 0
Sujeta a:
X1 + X2 2
X1 - X2 0
X1 0
X2 0
Sujeta a:
2U1 + U2 5
U1 + 2U2 3
U1 0
U2 0
Sujeta a:
2X1 + X2 40
X1 + 2X2 50
X1 0
X2 0
Cálculo del Rango para RHS1: Las primeras dos restricciones son
obligatorias, por lo tanto:
Aplicando la regla del 100% a los otros tres cambios posibles en los RHS
se obtiene:
Sujeta a:
X1 + X2 2
X1 - X2 0
X1 0
X2 0
Como los recursos son siempre escasos, a los gerentes les preocupa el
problema de la asignación óptima de los recursos. Se recordará que en el
Problema del Carpintero se trataron ambos recursos como parámetros, es
decir, como valores numéricos fijos:
Maximice 5 X1 + 3 X2
Sujeta a:
2 X1 + X2 40, restricción de mano de obra
X1 + 2 X2 50, restricción de material
y ambas X1, X2 son no negativas.
Maximice 5 X1 + 3 X2
Sujeta a:
2 X1 + X2 R1 restricción mano de obra
X1 + 2 X2 50 restricción de material
y todas las variables X1, X2 y R1 son no negativas.
Maximice 5 X1 + 3 X2
Sujeta a:
2 X1 + X2 - R1 0 restricción de mano de obra
X1 + 2 X2 50 restricción de material
y todas las variables X1, X2 y R1 son no negativas.
Incluso se puede obtener el precio sombra para este recurso usando esta
información. El precio sombra es el índice de cambio en el valor óptimo
con respecto al cambio en el lado derecho. Por lo tanto, (250 - 110)/(100 -
40) = 140/60 = 7/3, que es el precio sombra del RHS1, según se halló por
otros métodos en las secciones anteriores.
Maximice 5 X1 + 3 X2
Sujeta a:
2 X1 + X2 40 restricción mano de obra
X1 + 2 X2 50 restricción material.
Y ambos, X1, X2, son no negativos.
Maximice c1 X1 + 3 X2
Sujeta a:
2 X1 + X2 40 restricción mano de obra
X1 + 2 X2 50 restricción material.
Y todas las variables, X1, X2, c1, son no negativas.
Minimice 40 U1 + 50 U2
Sujeta a:
2U1 + 1U1 c1 Utilidad neta de una mesa
1U1 + 2U2 3 Utilidad neta de una silla.
Y U1, U2, c1 son no negativas.
Minimice 40 U1 + 50 U2
Sujeta a:
2U1 + 1U1 - c1 0
1U1 + 2U2 3
Y U1, U2, c1 son no negativas.
Indicadores de metas
Una de las razones por las cuales los gerentes de empresas sobrestiman la
importancia de la estrategia óptima es que las organizaciones con
frecuencia usan indicadores como "sustitutos" para satisfacer sus
necesidades inmediatas. La mayoría de los gerentes prestan atención a
indicadores tales como la utilidad, el flujo de fondos, el precio de la
acción, etc. que indican más una supervivencia que una meta de
optimización.
Ejemplo numérico
X1 + X2 - S1 = 2, -X1 + X2 - S2 = 1, X2 + S3 = 3, y
X1, X2, S1, S2, S3 0.
Una solución es X1 = 2, X2 = 3, S1 = 3, S2 = 0, y S3 = 0.
Cálculo de minimax y maximin en una sola corrida
Sujeta a:
2 X1 + X2 40
X1 + 2 X2 50
Y ambos, X1, X2, son no negativos.
Maximice y
Sujeta a:
y 5x1 + 3X2
y 7X1 + 2X2
y 4X1 + 4X2
2X1 + X2 40
X1 + 2X2 50
Y todas las variables, X1, X2, y, son no negativas.
Los totales de mano de obra son 4 y 9. El valor óptimo para este problema
es $7.
1) 66.00000
X1 6.000000 -11.000000
X2 0.000000 -10.000000
2) 0.000000
3) 5.000000
Maximice Z = Pj Xj
Sujeta a las restricciones: Xj 30
X1 + X2 + X3 = 0, OR, X1 + X2 + X3 10
Maximice Z = Pj Xj
Sujeta a las restricciones: Xj 30
X1 + X2 + X3 - 30y 0,
X1 + X2 + X3 - 10y 10
Xj 0, y = 0, or 1.
Observe que en lugar de repetir INT cuatro veces se puede usar INT 4. Las
primeras cuatro variables aparecieron en la función objetivo.
1) 24.00000
dj Xj D
La utilidad total será Pj Xj. Por lo tanto, la compañía quiere el problema
0-1:
Maximice Z= Pj Xj
Sujeta a: dj Xj D, Xj = 0, OR 1.
Período Hora del día Número requerido de enfermeras
1 8:00 - 10:00 10
2 10:00 - 12:00 8
3 12:00 - 2:00 9
4 2:00 - 4:00 11
5 4:00 - 6:00 13
6 6:00 - 8:00 8
7 8:00 - 10:00 5
8 10:00 - 12:00 3
X1 + X2 + X3 9,
X1 + X2 + X3 + X4 11,
X2 + X3 + X4 + X5 13,
X3 + X4 +X5 8,
X4 + X5 5,
X5 3,
Todas las variables son números enteros.
Programación no lineal
Optimización combinatoria