UNIDAD I: TOMA DE DECISIONES CON I/O

 OBJETIVOS:
 PREPARAR EL TRABAJO PARA TEMAS POSTERIORES,
REVISANDO EN FORMA GENERAL LAS TÉCNICAS A
UTILIZAR

 EXAMINAR LAS CARACTERÍSTICAS ESCENCIALES DE LA

I/O, COMO MEDIO PARA DEFINIRLA

 PRESENTAR UN CONOCIMIENTO PRÁCTICO PARA

ENTENDER LOS MODELOS DE I/O

 ESTUDIAR LA EVOLUCIÓN DE LA I/O Y SU RELACIÓN CON

LOS COMPUTADORES

 FORMULAR EL PROCEDIMIENTO PARA LA APLICACIÓN DE

LOS MODELOS A ESTUDIARSE Y PARA EL DESARROLLO
DE PROYECTOS DE I/O.
CONTENIDO

1.1. GENERALIDADES.

1.2. EVOLUCIÓN DE LA I/O.

1.3. MODELOS EN GENERAL.

1.4. MODELO DE TOMA DE DECISIONES.

1.5. MODELOS DE I/O.

1.6. PROCESO DE DESARROLLO DE LOS PROYECTOS DE I/O.

1.1. GENERALIDES
- TOMA DE DECISIONES
FORMA EN QUE SE TOMEN, INFLUYE A NIVEL:

 PERSONAL:  ORGANIZACIONAL:
 FUNCIONAMIENTO DE LAS
 ÉXITO DE LAS PERSONAS. EMPRESAS.
 BIENESTAR DE LA  SIMPLES: GENERALES.
SOCIEDAD. COTIDIANAS.
 SIMPLES: DIARIAMENTE  COMPLEJAS:
 IMPORTANTES.
RÁPIDAS. PUEDEN  NO SE PUEDEN TOMAR
EQUIVOCARSE SIN SUFRIR BASÁNDOSE SOLO EN EL
CONSECUENCIAS SENTIDO COMUN O JUICIO
INSTANTANEO.
DESASTROZAS.  PUEDEN PROVOCAR UN
 COMPLEJAS: AFECTAN A PROBLEMA GRAVE EN
CASO DE EQUIVOCACIÓN.
TODA LA VIDA.  PÉRDIDAS, REBAJA DE
UTILIDADES, QUIEBRA.
 AFECTAR A LA ECONOMÍA
LOCAL Y NACIONAL.
NIVEL ORGANIZACIONAL: DECISIONES COMPLEJAS

 DIRIGENTES DE EMPRESAS MODERNAS

 DEBEN TOMAR DECISIONES INTELIGENTES BASADAS EN EL

CONOCIMIENTO CIENTÍFICO
 RECURRIENDO A LA APLICACIÓN DEL DENOMINADO “MÉTODO
CIENTÍFICO” PARA TOMAR DECISIONES CORRECTAS

 LA I/O UTILIZA UN ENFOQUE PRÁCTICO DEL MÉTODO CIENTÍFICO

 PROCEDIMIENTO PARA LA TOMA DE DECISIONES EMPRESARIALES
PARA EVITAR INCERTIDUMBRE
 APLICANDO MODELOS Y TÉCNICAS MATEMÁTICAS
 MEJORANDO LA CALIDAD DE LA DECISIÓN DE LOS DIRECTIVOS
EMPRESARIALES
 LOS INVESTIGADORES BUSCAN LA NATURALEZA REAL DE UN
PROBLEMA
 SE BASAN EN CRITERIOS OBJETIVOS Y EXPLÍCITOS Y NO EN
OPINIONES SUBJETIVAS.
MÉTODO CIENTÍFICO: PASOS LÓGICOS

1. IDENTIFICAR EL PROBLEMA: DEFINIR EL PROBLEMA

EJ: SELECCIONAR EL MEJOR TIPO DE COMPUTADOR
2. FORMULAR UNA HIPÓTESIS: CONSTRUIR UN MODELO:
FORMULAR UNA ABSTRACCIÓN TEÓRICA DEL PROBLEMA REAL.
PROPONER SOLUCIONES ALTERNATIVAS.
EJ: MODELO MATEMÁTICO DE CALIFICACIÓN DE OFERTAS:
EMPRESA, HARDWARE, SOFTWARE, COSTOS
3. OBTENER DATOS PERTINENTES:
EVALUAR LAS SOLUCIONES ALTERNATIVAS.
EJ: CALIFICAR OFERTAS
4. ANALIZAR LOS DATOS Y PROBAR LAS HIPÓTESIS.
SELECCIONAR LA MEJOR ALTERNATIVA.
EJ: RESOLUCIÓN DEL MODELO. CÁLCULOS MATEMÁTICOS
5. VERIFICACIÓN Y CONCLUSIÓN: PUESTA EN PRÁCTICA.
EJ: INFORME DE SELECCIÓN DEL MEJOR TIPO DE COMPUTADOR.
DEFINICION DE I/O

 APLICACIÓN DE PROCEDIMIENTOS,

 TÉCNICAS Y

 HERRAMIENTAS CIENTÍFICAS

 A PROBLEMAS OPERATIVOS

 EMPRESARIALES.
1.2. EVOLUCION DE LA I/O

 ORIGENES: NECESIDADES MILITARES SEGUNDA GUERRA MUNDIAL.

 “OPERACIONES” MILITARES OBLIGARON A APLICAR UNA SOLUCIÓN CIENTÍFICA
A LOS PROBLEMAS MILITARES.
 SE ORGANIZARON GRUPOS DE CIENTÍFICOS PARA INVESTIGAR UNA
ASIGNACION EFICIENTE DE LOS ESCASOS RECURSOS A LOS PROBLEMAS
ESTRATÉGICOS
 INVESTIGADORES OPERATIVOS: EQUIPOS MULTIDISCIPLINARIOS

 LA I/O SE CONVIERTE EN DISCIPLINA:

 RESULTADO DE UNOS MÉTODOS MEJORADOS PARA SOLUCIONAR PROBLEMAS
REPETITIVOS
 DESARROLLO DEL ORDENADOR DIGITAL SOBRE EL CUAL EL INVESTIGADOR OPERATIVO
PODIA APLICAR SUS TÉCNICAS A PROBLEMAS DE GRAN ESCALA QUE IMPLICABAN UNA
GRAN CANTIDAD DE CÁLCULOS.
 LA UTILIZACIÓN DEL COMPUTADOR PARA DAR SOLUCIONES A ESOS
PROBLEMAS REPETITIVOS PROPORCIONA AL INVESTIGADOR OPERATIVO
TIEMPO PARA CONCENTRARSE EN LA FORMULACIÓN DEL PROBLEMA Y EN LA
CONSTRUCCIÓN DEL MODELO.
 EN LA I/O DE LAS EMPRESAS MODERNAS, LOS CONCEPTOS DE MODELO Y
CONSTRUCCIÓN DE MODELOS CONSTITUYE LA PARTE MAS IMPORTANTE DE SU
APLICACIÓN A SISTEMAS REALES.
1.3. MODELOS EN GENERAL

MODELO:

 EN GENERAL ES:

 UNA REPRESENTACIÓN DE LA VIDA REAL.

 UNA REPRESENTACIÓN O ABSTRACCIÓN DE UN OBJETO REAL

O DE UNA SITUACIÓN REAL.

 SE AGRUPAN EN CATEGORÍAS EN FUNCIÓN A SU GRADO DE

REPRESENTACIÓN O ABSTRACCIÓN
DIAGRAMA DE CLASIFICACION DE LOS MODELOS

 MODELOS EN GENERAL:

1. MENTALES.

2. FÍSICOS.

2.1 ICÓNICOS.
2.2 ANALÓGICOS.

3. SIMBÓLICOS

3.1 VERBALES.
3.2 MATEMÁTICOS.
1. MODELOS MENTALES

 ES LA IMAGEN MENTAL O REPRESENTACIÓN CONCEPTUAL DE

ALGUNA SITUACIÓN U OBJETO.

 EJ: IDEA EDIFICIO, SISTEMA.

 PUEDEN NO ESTAR CREADOS EN FORMA PRECISA, CONCRETA

O VISIBLE.

 SE LOS UTILIZA EN LA TOMA DE DECISIONES SIMPLES.

 SE LOS UTILIZA COMO PUNTO DE PARTIDA DE LOS OTROS

TIPOS DE MODELOS.
2. MODELOS FISICOS.

 REPRESENTACIÓN FÍSICA O ESQUEMÁTICA DE UN OBJETO O

SISTEMA EN GENERAL. ICÓNICOS Y ANALÓGICOS:

 2.1 MODELOS ICÓNICOS:

 REPRESENTACIÓN FOTOGRÁFICA O ESQUEMÁTICA DE UN OBJETO.

 EJEMPLOS: DIBUJOS TÉCNICOS DE AVIONES, EDIFICIOS, PLANOS,
MAPAS, DIBUJOS DE INGENIERÍA, DIAGRAMAS DE FLUJO Y
ORGANIGRAMAS, ÍCONOS DE SOFTWARE.
 DIAGRAMAS DE FLUJO SON ÚTILES PARA MOSTRAR O RESUMIR
CIERTOS PROCEDIMIENTOS O PASOS RUTINARIOS: PROCESO DE
FABRICACIÓN, SISTEMA DE INFORMACIÓN, ALGORITMO.
2. MODELOS FÍSICOS.

 2.2 MODELOS ANALÓGICOS:

 REPRESENTACION FÍSICA DE UN SISTEMA REAL A MAYOR O MENOR

ESCALA.

 SE VE Y FUNCIONA COMO EL OBJETO O SISTEMA QUE

REPRESENTA.

 EJEMPLOS: MAQUETAS, MODELO DE AVIÓN A ESCALA PARA

ESTUDIAR SU AERODINÁMICA, PROTOTIPOS
3. MODELOS SIMBÓLICOS

 MUCHOS PROBLEMAS REALES PUEDEN DESCRIBIRSE

MEDIANTE MODELOS SIMBÓLICOS.
 FORMA VERBAL O FORMA ESCRITA.

 3.1 MODELOS VERBALES.

 DESCRIBEN UNA SITUACIÓN POR MEDIO DEL LENGUAJE HABLADO

O LA PALABRA ESCRITA.
 A MENUDO SE USAN PARA EXPLICAR OTROS TIPOS DE MODELOS.
 EJEMPLOS: LIBROS, MANUALES, PRESENTACIONES.

 3.2 MODELOS MATEMÁTICOS.

3.2 MODELOS MATEMATICOS

 SON POR LO GENERAL LOS MÁS ABSTRACTOS Y COMPLEJOS

DE TODOS.
 SON LOS QUE OFRECEN MÁS INTERES PARA LA I/O.
 A DIFERENCIA DE LOS MODELOS VERBALES RECURREN A LA
NOTACIÓN MATEMÁTICA.
 UTILIZAN LETRAS, NÚMEROS Y RELACIONES MATEMÁTICAS
PARA REPRESENTAR LAS PROPIEDADES DE UN SISTEMA REAL.
 LA I/O SE BASA CASI EXCLUSIVAMENTE EN ESTE TIPO DE
MODELO.
 EN I/O CUALQUIER REFERENCIA A UN MODELO DEBE TOMARSE
COMO RELACIONADA A UN MODELO MATEMÁTICO.
EJERCICIO

 NO TODOS LOS MODELOS MATEMÁTICOS SON

COMPLEJOS.

 PARA RELACIONAR LA DISCUSION GENERAL DE LOS

MODELOS CON LA PROPIA REALIDAD CONSIDEREMOS
EL CASO SIGUIENTE:

 ELABORAR UN MODELO MATEMÁTICO PARA

DETERMINAR CUAL ES EL PAGO QUE UN VENDEDOR
RECIBE POR VENTAS DE UN ARTÍCULO DETERMINADO SI
RECIBE UNA COMISIÓN DE $ 200 POR CADA VENTA.
EJERCICIO

A. SE TIENEN LOS SIGUIENTES DATOS PARA DESCRIBIR LA

RELACIÓN ENTRE LA COMISIÓN DEL VENDEDOR Y EL
NÚMERO DE VENTAS.

UTILIZAMOS UNA TABLA NUMÉRICA.

NÚMERO DE VENTAS 0 1 2 3 …..

__________I______I_____I______I__ ....
$ DE INGRESOS POR
COMISIONES 0 200 400 600 …..
EJERCICIO

B. EN LUGAR DE UTILIZAR LA TABLA COMO MODELO DESCRIPTIVO DEL

PROBLEMA.

 ES POSIBLE ELABORAR UN MODELO MATEMÁTICO MAS SIMBÓLICO AL

DESARROLLAR UNA RELACIÓN “FUNCIONAL” ENTRE EL NÚMERO DE VENTAS Y
LOS INGRESOS POR COMISIÓN.

 SI UTILIZAMOS X = REPRESENTA EL NUMERO DE VENTAS CUALQUIERA QUE SEA,

Y

Y = REPRESENTA LA CANTIDAD DE INGRESOS EN $ POR COMISIONES.

 LA FUNCION MATEMATICA ENTRE LAS VENTAS Y LOS INGRESOS POR

COMISIONES SE EXPRESAN POR Y=200X (1)
EJERCICIO

C. ESTA RELACIÓN FUNCIONAL PUEDE VISUALIZARSE

COMO UNA OPERACIÓN DE PROCESAMIENTO DE DATOS:
E/P/S.

 LOS DIVERSOS VALORES DE X=0,1,2,3,4… SON

ENTRADAS, Y

 LOS CORRESPONDIENTES VALORES DE Y=0,200, 400, 600,

800…. SON SALIDAS O RESULTADOS.

 A ENTRADAS O RESULTADOS SE LES DENOMINA POR LO

GENERAL VARIABLES.
EJERCICIO

 TERMINOLOGÍA MATEMÁTICA CONVENCIONAL.

 UNA VARIABLE ES UNA REPRESENTACIÓN QUE PUEDE ASUMIR

DIVERSOS VALORES NUMÉRICOS.

 VARIABLE DE ENTRADA: VARIABLE INDEPENDIENTE = X (1)

 VARIABLE DE SALIDA: VARIABLES DEPENDIENTE = Y (1)
 EL VALOR NUMÉRICO DE 200 SE DENOMINA: CONSTANTE,
COEFICIENTE, PARÁMETRO.
 SI EN (1) LA CANTIDAD QUE SE PAGA POR COMISIÓN POR CADA
VENTA SE DESIGNARÁ POR a DOLARES POR VENTA EN LUGAR
DE $200 POR VENTA.
 LA FUNCIÓN SE EXPRESARÍA COMO: Y=aX (2)
EN DONDE a = PARÁMETRO DEL MODELO.
EJERCICIO

D. EN EL PLANTEAMIENTO DE MODELOS MATEMÁTICOS:

 RESULTA UTIL EXPRESAR LA RELACIÓN FUNCIONAL EN
TERMINOS GENERALES.
 EN (2) SI DECIMOS QUE:

Y ES UNA FUNCIÓN NO ESPECIFICADA DEL NÚMERO DE VENTAS

X
 ENTONCES LA REPRESENTACION SIMBÓLICA SE EXPRESA POR:
Y = f(X) (3)
 ESTA NOTACIÓN NO SIGNIFICA QUE Y SEA IGUAL A f
MULTIPLICADA POR X.
 MÁS BIEN INDICA QUE LA VARIABLE Y TIENE UN VALOR
NUMÉRICO DETERMINADO POR UNA FUNCIÓN O UNA REGLA DE
PROCESAMIENTO f Y POR EL VALOR NUMÉRICO DE LA
VARIABLE X.
1.4. MODELOS DE TOMA DE DECISIONES

1.4.1. CARACTERÍSTICAS:

 FORMA PARA “RESUMIR” UN PROBLEMA DE DECISIÓN.

 POSIBILITA LA IDENTIFICACIÓN Y LA EVALUACIÓN SISTEMÁTICA
DE TODAS LAS ALTERNATIVAS DE DECISIÓN DEL PROBLEMA.
 LLEGA A UNA DECISIÓN SELECCIONANDO LA ALTERNATIVA QUE
SE JUSGUE SEA LA MEJOR ENTRE TODAS LAS OPCIONES
DISPONIBLES.
 VAMOS A DESARROLLAR UN EJEMPLO SIMPLE PERO
INSTRUCTIVO PARA DEMOSTRAR LA FUNCIÓN DE UN MODELO
DE TOMA DE DECISIONES.
1.4.2. FORMULACIÓN DEL PROBLEMA.

ENUNCIADO:

EL GERENTE DE UN DEPARTAMENTO DE PRODUCCIÓN DEBE DECIDIR

SI ADQUIERE UNA MÁQUINA AUTOMÁTICA O BIEN UNA
SEMIAUTOMÁTICA

 LAS DOS MÁQUINAS PRODUCEN UN ARTÍCULO ESPECIFICO EN

LOTES.
 EL COSTO FIJO INICIAL POR LOTE Y EL COSTO DE PRODUCCIÓN
UNITARIO VARIABLE SON:

TIPO DE COSTO COSTO ($)

SEMIAUTOMÁTICA AUTOMÁTICA

COSTO FIJO INICIAL 20 50

POR LOTE
COSTO VARIABLE 0.6 0.4
UNITARIO
1.4.2. FORMULACION DEL PROBLEMA.

 FORMALIZAR LA SITUACIÓN COMO UN MODELO DE DECISIÓN.

 CASO NO RESTRINGIDO (SIN RESTRICCIONES).

1. IDENTIFICAR LAS ALTERNATIVAS DE DECISIÓN:

EL PLANTEAMIENTO DEL PROBLEMA NOS DICE QUE HAY DOS
(2) ALTERNATIVAS:

A. COMPRAR UNA MÁQUINA AUTOMÁTICA.

B. COMPRAR UNA MÁQUINA SEMIAUTOMÁTICA.
1.4.2. FORMULACIÓN DEL PROBLEMA.

2. DISEÑAR UN CRITERIO PARA EVALUAR EL “VALOR” DE CADA

ALTERNATIVA:

LA EVALUACIÓN DE ESTAS DOS ALTERNATIVAS PUEDE

BASARSE EN:
EL COSTO DE OPERACIÓN DE LAS MÁQUINAS= UN COSTO
FIJO DE INICIO + UN COSTO DE PRODUCCIÓN VARIABLE.

3. UTILIZAR EL CRITERIO GENERADO O DISEÑADO, COMO BASE

PARA SELECCIONAR LA MEJOR DE LAS ALTERNATIVAS
DISPONIBLES:

“OBJETIVO”: SELECCIONAR LA ALTERNATIVA CON EL COSTO

MÁS BAJO.

SOLUCIONAR EL PROBLEMA.
1.4.3. CONSTRUCCIÓN DEL MODELO.

 FORMALIZAR EL CRITERIO DEL COSTO.

 SEA “X” LA QUE REPRESENTA EL NÚMERO DE UNIDADES QUE

SE PRODUCIRAN EN UN LOTE.

 SEA “Y” LA FUNCIÓN DEL COSTO QUE SE CONVIERTE EN:

COSTO DE PRODUCCIÓN POR LOTE =
COSTO FIJO INICIAL + (COSTO UNITARIO VARIABLE)X

 MAQUINA AUTOMÁTICA = 50 + 0.4 X (M.A)

 MAQUINA SEMIAUTOMÁTICA = 20 + 0.6X (M.S.A).

1.4.4. SOLUCIÓN DEL MODELO

 OBTENER LA SOLUCIÓN: TOMAR UNA DECISIÓN = RESOLVER EL

MODELO.

 USO DE UNA GRÁFICA DEL PUNTO DE EQUILIBRIO EN EL PLANO

CARTESIANO:
SEA “X” EL EJE QUE REPRESENTA EL TAMAÑO DEL LOTE Y
DEFINASE AL EJE “Y’ PARA QUE REPRESENTE EL COSTO DE
PRODUCCIÓN.

 UTILIZANDO LAS ECUACIONES DEL COSTO ASOCIADAS CON LA

LINEA RECTA:
 (M.A) = 50 + O.4X
 (MSA) = 20 + 0.6X
1.4.4. SOLUCIÓN DEL MODELO

(M.A):
X 20 40 60 80 100 120 140 160 180 200 220

Y 58 66 74 82 90 98 106 114 122 130 138

(M.S.A):
X 20 40 60 80 100 120 140 160 180 200 220

Y 32 44 56 68 80 92 104 116 128 140 152

FIGURA N.- 1
CASO NO RESTRINGIDO: M.A. : CP= Y = 50 +0,4X M.S.A.: CP= Y = 20 + 0,6X

PUNTO DE EQUILIBRIO
150 U.
COMPRAR M.A. o M.S.A.

RANGO FACTIBLE 2 MQ. RANGO FACTIBLE 2 MQ.

180 DECISIÓN: COMPRAR M.S.A. DECISIÓN: COMPRAR M.A.
160 < COSTO DE PRODUCCIÓN < COSTO DE PRODUCCIÓN
Costo de producción

140
120
100 MA
80 MSA
60
40
20
0
0
20
40
60
80
100
120
140
160
180
200
220
240
Tamaño de lote
1.4.5. EVALUACIÓN.

 LAS DOS ALTERNATIVAS CUESTAN EXACTAMENTE LA MISMA

CANTIDAD EN X=150 UNIDADES.

 PARA TAMAÑOS DE LOTE MENORES QUE 150 UNIDADES, LA

MÁQUINA SEMIAUTOMÁTICA ES MAS ECONÓMICA.

 SUCEDE LO CONTRARIO CON LOTES MAYORES QUE 150

UNIDADES.
1.4.5. EVALUACIÓN.

SOLUCIÓN GENERAL BASADA EN EL MODELO:

1. COMPRAR UNA U OTRA MÁQUINA SÍ EL TAMAÑO DEL

LOTE ES IGUAL A 150 UNIDADES.

2. COMPRAR LA MÁQUINA SEMIAUTOMÁTICA SÍ EL

TAMAÑO DEL LOTE ES MENOR QUE 150 UNIDADES.

3. COMPRAR LA MÁQUINA AUTOMÁTICA SÍ EL TAMAÑO

DEL LOTE ES MAYOR QUE 150 UNIDADES.
1.4.5. EVALUACIÓN.

CONCLUSIÓN GENERAL:

 CASO NO RESTRINGIDO:

EN LA SOLUCIÓN, SIMPLEMENTE SE SUPONE QUE AMBAS

MÁQUINAS PRODUCEN ARTÍCULOS A LA MISMA VELOCIDAD DE
MANERA QUE LOS TAMAÑOS DEL LOTE CORRESPONDIENTES A
UN PERÍODO DE PRODUCCIÓN DADO, SON NECESARIAMENTE
IGUALES.
1.4.6. CASO RESTRINGIDO

 SUPONGASE QUE EN REALIDAD LA VELOCIDAD DE

PRODUCCIÓN POR HORA DE LAS MÁQUINAS
AUTOMÁTICA Y SEMIAUTOMÁTICA SON DE 25 Y DE 15
UNIDADES RESPECTIVAMENTE.

 SUPONGASE ADEMÁS QUE LA FÁBRICA OPERA SOBRE

UNA BASE DE UN SOLO TURNO DIARIO DE 8 HORAS.

 LA NUEVA INFORMACIÁN SUMA “RESTRICCIONES” QUE

NO SE PREVIERON EN EL MODELO EN EL CASO
ANTERIOR.
1.4.6. CASO RESTRINGIDO

 COMO LA FÁBRICA OPERA SOBRE LA BASE DE UN SOLO

TURNO DE 8 HORAS.

 EL TAMAÑO DEL LOTE MÁXIMO PARA LAS MÁQUINAS

AUTOMÁTICA Y SEMIAUTOMÁTICA ESTA LIMITADO A:

 TAMAÑO DEL LOTE MÁXIMO:

 M.A = 25 X 8 = 200
 M.S.A = 15 X 8 = 120

 DADA ESTA INFORMACIÓN, EL MODELO DE LA NUEVA

SITUACIÓN SE MODIFICA SEGUN SE MUESTRA EN LA FIGURA N.-
2
FIGURA N.- 2
CASO RESTRINGIDO: TURNO ÚNICO 8 HORAS M.A. : CP= Y = 50 +0,4X
M.S.A.: CP= Y = 20 + 0,6X
RANGO INFACTIBLE 2
RANGO FACTIBLE 2 MQ. MQ. DECISIÓN: NO
DECISIÓN: COMPRAR COMPRAR NINGUNA
M.S.A. < COSTO

140
120
Costo de producción

100
RANGO
80 FACTIBLE M.A. MA
RANGO MSA
60 INFACTIBLE
M.SA.
40 DECISIÓN:
COMPRAR M.A.
20 UNICA OPCIÓN

0
0
20
40
60
80

100
120
140
160
180
200
Tamaño de lote
1.4.6. CASO RESTRINGIDO

 OBSERVESE EL EFECTO DE LA RESTRICCION DEL TURNO

UNICO DE 8 HORAS.

 SI EL TAMAÑO DEL LOTE NO EXCEDE DE 120 UNIDADES, EL

PROBLEMA DE DECISION TIENE DOS ALTERNATIVAS:
DE LAS CUALES LA MAQUINA SEMIAUTOMÁTICA ES LA MEJOR
ELECCIÓN.
1.4.6. CASO RESTRINGIDO

 POR OTRA PARTE PARA TAMAÑOS DE LOTE

ENTRE 120 Y 200 UNIDADES, LA MÁQUINA
SEMIAUTOMÁTICA ES UNA ALTERNATIVA
INFACTIBLE
LO QUE DEJA A LA MÁQUINA AUTOMÁTICA
COMO LA ÚNICA OPCIÓN FACTIBLE

 POR ÚLTIMO PARA TAMAÑOS DE LOTE DE MÁS

DE 200 UNIDADES.
AMBAS ALTERNATIVAS SON INFACTIBLES
1.4.7. ELEMENTOS BÁSICOS DE UN MODELO DE TOMA DE
DECISIONES

 EL EJEMPLO ANTERIOR SIRVE PARA PRESENTAR TODOS LOS

ELEMENTOS BÁSICOS DE CUALQUIER MODELO DE DECISIÓN
O DE TOMA DE DECISIONES.

 EN ESTE SENTIDO, EL MODELO DE DECISIÓN DEBE

CONTENER 3 ELEMENTOS:

1. ALTERNATIVAS DE DECISIÓN:
DE LAS CUALES SE HACE UNA SELECCIÓN.
2. RESTRICIONES:
PARA EXCLUIR ALTERNATIVAS INFACTIBLES.
3. CRITERIOS:
PARA EVALUAR Y POR CONSIGUIENTE CLASIFICAR
ALTERNATIVAS FACTIBLES.
1.4.7. ELEMENTOS BÁSICOS DE UN MODELO DE TOMA DE
DECISIONES

 NÓTESE QUE EXISTE UNA DIFERENCIA ENTRE LA

CONSTRUCCIÓN DEL MODELO Y LA OBTENCIÓN DE SU
SOLUCIÓN.

 NORMALMENTE, EL PRIMER PASO EN EL PROCESO DE TOMA DE

DECISIÓN CONSISTE EN CONSTRUIR EL MODELO.

 DESPUÉS DE ESTE PASO , EL ENCARGADO DE TOMAR LA

DECISIÓN, DEBE HALLAR UN MÉTODO PARA RESOLVER EL
MODELO.

 EN ALGUNOS CASOS PUEDE HABER MÁS DE UNA MANERA DE

RESOLVER.
1.4.7. ELEMENTOS BÁSICOS DE UN MODELO DE TOMA DE
DECISIONES

 EN OTROS CASOS, EL MODELO RESULTANTE, PUEDE SER

TAN COMPLEJO QUE QUIZÁ SEA DIFICIL DE OBTENER
UNA SOLUCIÓN APROXIMADA AL PROBLEMA.

 EL PROCEDIMIENTO GENERAL DE LA CONSTRUCCIÓN DE

UN MODELO DE DECISIÓN Y LA BÚSQUEDA DE SU
SOLUCIÓN, REPRESENTAN EL NÚCLEO O PARTE
FUNDAMENTAL DEL PROCESO DE TOMA DE DECISIONES
EN EL CAMPO DE LA I/O.

 SIN EMBARGO LA I/O EMPLEA UNA TERMINOLOGÍA UN

POCO DIFERENTE, POR CONSIGUIENTE HABLAMOS DE:
1.4.7. ELEMENTOS BÁSICOS DE UN MODELO DE TOMA DE
DECISIONES
 TERMINOLOGÍA:

 “VARIABLES DE DECISIÓN” EN LUGAR DE ALTERNATIVAS DE DECISIÓN

 ASI MISMO, BUSCAMOS DETERMINAR EL “VALOR” DE LAS VARIABLES

DE DECISIÓN “OPTIMIZANDO” UNA “FUNCIÓN OBJETIVO”
EJ: MINIMIZANDO EL COSTO O MAXIMIZANDO LAS GANANCIAS

 PROCEDIMIENTO QUE ES EXACTAMENTE EQUIVALENTE A LA

CLASIFICACIÓN DE LAS ALTERNATIVAS DE DECISIÓN

 EL PROCESO DE OPTIMIZACIÓN ESTA CONSIGNADO NORMALMENTE A

DETERMINAR LOS VALORES FACTIBLES DE LAS VARIABLES DE
DECISIÓN QUE SATISFAGAN TODAS LAS RESTRICIONES DEL MODELO.