Ricardo Ciccotti
-
Upload
ricardo-ciccotti -
Category
Documents
-
view
216 -
download
0
description
Transcript of Ricardo Ciccotti
![Page 1: Ricardo Ciccotti](https://reader036.fdocumento.com/reader036/viewer/2022082520/568bd5e01a28ab20349a09c0/html5/thumbnails/1.jpg)
UNIVERSIDAD FERMIN TOROFACULTAD DE CIENCIAS ECONOMICAS Y SOACIALESANALISIS DE PROBLEMAS Y TOMA DE DECISIONES
Por: Ricardo Ciccotti C.I.: 18.423.436
CABUDARE, JULIO 2012
![Page 2: Ricardo Ciccotti](https://reader036.fdocumento.com/reader036/viewer/2022082520/568bd5e01a28ab20349a09c0/html5/thumbnails/2.jpg)
INTRODUCCION
Es común que existan grupos interdisciplinarios del método científico en
las cuales quieran resolver los problemas relacionados con el control de las
organizaciones o sistemas a fin de que se produzcan soluciones que mejor
sirvan a los objetivos de toda la organización”.
Es importante el análisis de los problemas porque es una ciencia y su
fundamento es ofrecer técnicas para resolver problemas de decisión
adecuada, pero desde el punto de vista del campo administrativo.
La misma alcanza a solucionar en todas sus fases, dependiendo del
personal, sus habilidades, capacidad para tomar decisiones, pero tomando
en cuenta las diferentes áreas como la Administrativa, la cual se refiere a los
siguientes:
![Page 3: Ricardo Ciccotti](https://reader036.fdocumento.com/reader036/viewer/2022082520/568bd5e01a28ab20349a09c0/html5/thumbnails/3.jpg)
METODO DETERMINISTICO
Es un modelo matemático donde las mismas entradas
producirán invariablemente las mismas salidas, no contemplándose
la existencia del azar ni el principio de incertidumbre. Está
estrechamente relacionado con la creación de entornos simulados a
través de simuladores para el estudio de situaciones hipotéticas, o
para crear sistemas de gestión que permitan disminuir la
incertidumbre.
Programación Lineal
Es un
procedimiento o algoritmo matemático mediante el cual se resuelve
un problema indeterminado, formulado a través de ecuaciones
lineales, optimizando la función objetivo, también lineal.
![Page 4: Ricardo Ciccotti](https://reader036.fdocumento.com/reader036/viewer/2022082520/568bd5e01a28ab20349a09c0/html5/thumbnails/4.jpg)
Consiste en optimizar (minimizar o maximizar) una función
lineal, denominada función objetivo, de tal forma que las variables
de dicha función estén sujetas a una serie de restricciones que
expresamos mediante un sistema de inecuaciones lineales.
Método Simplex
Es un
procedimiento iterativo que permite ir mejorando la solución a cada
paso. El proceso concluye cuando no es posible seguir mejorando
más dicha solución.
Partiendo del valor de la función objetivo en un vértice
cualquiera, el método consiste en buscar sucesivamente otro
vértice que mejore al anterior. La búsqueda se hace siempre a
![Page 5: Ricardo Ciccotti](https://reader036.fdocumento.com/reader036/viewer/2022082520/568bd5e01a28ab20349a09c0/html5/thumbnails/5.jpg)
través de los lados del polígono (o de las aristas del poliedro, si el
número de variables es mayor). Cómo el número de vértices (y de
aristas) es finito, siempre se podrá encontrar la solución.
El método del simplex se basa en la siguiente propiedad: si la
función objetivo, f, no toma su valor máximo en el vértice A,
entonces hay una arista que parte de A, a lo largo de la cual f
aumenta.
![Page 6: Ricardo Ciccotti](https://reader036.fdocumento.com/reader036/viewer/2022082520/568bd5e01a28ab20349a09c0/html5/thumbnails/6.jpg)
METODO PROBABILISTICO
Es la forma que pueden tomar un conjunto de datos obtenidos
de muestreos de datos con comportamiento que se supone
aleatorio.
Lógica de Bayesiana
Es un tipo de análisis
estadístico que permite cuantificar un resultado incierto,
determinando la probabilidad de que ocurra, mediante el uso de
datos relacionados previamente conocidos. Por su parte, la
probabilidad básica resulta simple de calcular, porque se está
![Page 7: Ricardo Ciccotti](https://reader036.fdocumento.com/reader036/viewer/2022082520/568bd5e01a28ab20349a09c0/html5/thumbnails/7.jpg)
tratando con una cantidad limitada de factores y posibilidades. Por
ejemplo, si la única información de que disponemos a la hora de
realizar una apuesta en una carrera de caballos es que hay 10
equinos participantes, podemos elegir cualquiera de los mismos
como ganador basándonos en que la probabilidad de ganar es de 1
entre 10, es decir, de 0,10. Sin embargo, aplicar ese tipo de
matemáticas a las carreras, probablemente redundará en pérdidas
monetarias, y es aquí donde la lógica de Bayes entra en acción.
Teoría de Juegos
Es un área de la matemática aplicada que utiliza modelos para
estudiar interacciones en estructuras formalizadas de incentivos
(los llamados «juegos») y llevar a cabo procesos de decisión. Sus
investigadores estudian las estrategias óptimas así como el
comportamiento previsto y observado de individuos en juegos.
Tipos de interacción aparentemente distintos pueden, en realidad,
presentar estructura de incentivo similar y, por lo tanto, se puede
representar mil veces conjuntamente un mismo juego.
![Page 8: Ricardo Ciccotti](https://reader036.fdocumento.com/reader036/viewer/2022082520/568bd5e01a28ab20349a09c0/html5/thumbnails/8.jpg)
METODO HIBRIDO
Tienen que ver con los métodos determinísticos y
probabilísticos como el Método de Transporte o Localización y la
técnica de Montecarlo.
Método de Transporte o Localización
Esta técnica es una
aplicación de la programación lineal. Para este tipo de problemas se
![Page 9: Ricardo Ciccotti](https://reader036.fdocumento.com/reader036/viewer/2022082520/568bd5e01a28ab20349a09c0/html5/thumbnails/9.jpg)
considera que existe una red de fábricas, almacenes o cualquier
otro tipo de puntos, orígenes o destinos de unos flujos de bienes. La
localización de nuevos puntos en la red afectará a toda ella,
provocando reasignaciones y reajustes dentro del sistema. El
método de transporte permite encontrar la mejor distribución de los
flujos mencionados basándose, normalmente en la optimización de
los costes de transporte (o, alternativamente, del tiempo, la
distancia, el beneficio, etc.)
En los problemas de localización, este método puede utilizarse
para analizar la mejor ubicación de un nuevo centro, de varios a la
vez y en general para cualquier reconfiguración de la red. En
cualquier caso, debe ser aplicado a cada una de las alternativas a
considerar para determinar la asignación de flujos óptima.
Para utilizar el método de transporte hay que considerar los
siguientes pasos:
1. Los puntos de origen y la capacidad o abasto por período,
para cada uno.
2. Los puntos de destino y la demanda por período para cada
uno. 3. El costo de embarque por una unidad desde cada origen
![Page 10: Ricardo Ciccotti](https://reader036.fdocumento.com/reader036/viewer/2022082520/568bd5e01a28ab20349a09c0/html5/thumbnails/10.jpg)
hacia cada destino.
El primer paso en el procedimiento de este tipo de problema es
establecer una matriz de transporte, la cual tiene como objetivo
resumir de manera provechosa y concisa todos los datos relevantes
y continuar los cálculos del algoritmo.
Para crear la matriz de transporte deben seguirse los
siguientes pasos:
1. Crear una fila que corresponda a cada planta (existente o
nueva) que se esté considerando y crear una columna para cada
almacén.
2. Agregar una columna para las capacidades de las plantas y
una fila para las demandas de los almacenes, e insertar después
sus valores numéricos específicos.
3. Cada celda que no se encuentre en la fila de requisitos ni en
la columna de capacidad representa una ruta de embarque desde
una planta hasta un almacén.
Insertar los costos unitarios en la esquina superior derecha de
cada una de esas celdas. En muchos problemas reales, a veces
sucede que la capacidad excede a los requisitos unidades, se
![Page 11: Ricardo Ciccotti](https://reader036.fdocumento.com/reader036/viewer/2022082520/568bd5e01a28ab20349a09c0/html5/thumbnails/11.jpg)
agrega una columna (un almacén ficticio) con una demanda de
unidades y los costos de embarque en las nuevas celdas creadas
son igual a $0, pues en realidad esos embarques no se realizan, por
lo que representan capacidad de planta no utilizada. Igualmente, si
los requerimientos exceden a la capacidad por unidades, se agrega
una fila más (una planta ficticia) con capacidad de unidades y se
asignan costos de embarque iguales a los costos faltantes de las
nuevas celdas. Si estos últimos costos no se conocen o su valor es
el mismo para todos los almacenes, se le asigna $0 por unidad a los
costos de embarque de cada celda de la fila ficticia. La solución
óptima no resulta afectada, pues el mismo faltante de unidades se
necesita en todos los casos.
Técnica de Montecarlo
La simulación Monte Carlo es una técnica matemática
computarizada que permite tener en cuenta el riesgo en análisis
cuantitativos y tomas de decisiones. Esta técnica es utilizada por
profesionales de campos tan dispares como los de finanzas, gestión
de proyectos, energía, manufacturación, ingeniería, investigación y
desarrollo, seguros, petróleo y gas, transporte y medio ambiente.
![Page 12: Ricardo Ciccotti](https://reader036.fdocumento.com/reader036/viewer/2022082520/568bd5e01a28ab20349a09c0/html5/thumbnails/12.jpg)
La simulación Monte Carlo ofrece a la persona responsable de
tomar las decisiones una serie de posibles resultados, así como la
probabilidad de que se produzcan según las medidas tomadas.
Muestra las posibilidades extremas —los resultados de tomar la
medida más arriesgada y la más conservadora— así como todas las
posibles consecuencias de las decisiones intermedias.
Los científicos que trabajaron con la bomba atómica utilizaron
esta técnica por primera; y le dieron el nombre de Monte Carlo, la
ciudad turística de Mónaco conocida por sus casinos. Desde su
introducción durante la Segunda Guerra Mundial, la simulación
Monte Carlo se ha utilizado para modelar diferentes sistemas físicos
y conceptuales.