METODOS CUANTITATIVOS EN LA GESTION DE LA EMPRESA COD.

984

Modulo I. Unidad 1: Teoría de las Decisiones y Unidad 2: Condiciones Prevalecientes en la

Toma de Decisiones de Carácter Administrativo

María Teresa Borges Matute

Ayer (Última modificación: Ayer)
20 puntos
Fecha de entrega: 6 nov, 23:59
Fundamentar la teoría de decisiones como uno de los cambios más viables para la sistematización de la
administración científica. Ejercicio: UNIDADES 1 y 2: LANZAMIENTO HACIA UN ENFOQUE DE
GESTION El proyecto Apolo era inmenso y para que tuviera éxito se requería descomponerlo en miles de
piezas manejables, encontrar la gente idónea y situarla en la configuración correcta, y coordinar su trabajo de
manera que trabajara sin duplicaciones o descuido. Las reuniones de equipo consistían en gran parte en la
armonización de estos muchos componentes y en mantener abiertas las líneas de comunicación. Los gerentes
empleaban estas líneas para enfocar a los miembros del equipo sobre los factores críticos, aquellas actividades
que, si se retrasaban, podían retrasar todo el proyecto, mientras restaba importancia a aquellas actividades que
no tenían un impacto tan grande en el programa. Las reuniones de equipo también ofrecían a la gente la
oportunidad de combinar sus talentos y abordar un problema conjuntamente. Al haber varios miembros del
equipo ofreciendo su perspectiva sobre un problema, era más factible encontrar una solución que podría pasar
inadvertida por un individuo trabajando aisladamente. A lo largo del camino, la NASA también aprendió de sus
errores. Adquirió una gran cantidad de conocimiento del cuidadoso análisis de sus fallas. Por ejemplo, al
estudiar piezas de cohetes que estallaron, los científicos de la NASA pudieron determinar defectos del diseño y
sugerir mejoras, siempre atentos al programa. En julio de 1969, Neil Armstrong salió de la cápsula de alunizaje
del Apolo 11 y caminó sobre la Luna. Más allá de la física y de la ingeniería, la confianza de la NASA en la
ciencia “oculta”, la ciencia de la administración, para guiar el curso del proyecto Apolo tuvo resultados o que se
haya dado en su experiencia de trabajo?.

ACTIVIDAD
Explique.
a. Produzca una reflexión en torno al sentido de que la ciencia administrativa es oculta:
A) ¿Qué la diferencia con otras ciencias en la toma de decisiones?
B). La NASA se basó en herramientas matemáticas para dirigir el proyecto Apolo. ¿Cómo podría usted dirigir
sus inversiones en un proyecto en el mercado venezolano?. Explique. Para tal fin, compare una estrategia de
inversión basada en análisis de datos, pronósticos y otras herramientas matemáticas con una estrategia basada
en corazonadas y conjeturas.
C). ¿En qué difiere un problema de administración de uno de matemáticas?.
En un informe con los cuestinamientos antes indicados, ponga a prueba su talento y aplique el aprendizaje de
esta unidad.
Ponderación: 20%
Módulo II. Unidad 3: Alternativas de Decisión con Programación Lineal: El problema

Maria Teresa Borges Matute

Ayer (Última modificación: Ayer)
25 puntos
Fecha de entrega: 13 nov, 23:59
Identificar los elementos que tiene un modelo de programación lineal y sus herramientas de solución para la
toma de decisiones en la empresa. Ejercicio: UNIDAD 3 Debido a que la empresa para la que trabaja se
enfrenta a un entorno sobre el cual existe plena certeza para decidir, con base en el modelo de programación
lineal se le presenta el enunciado siguiente: Giapetto’s Woodcarving, Inc., manufactura dos tipos de juguetes de
madera: soldados y trenes. Un soldado se vende en 27 dólares y requiere 10 dólares de materia prima. Cada
soldado que se fabrica incrementa la mano de obra variable y los costos globales de Giapetto’s en 14 dólares.
Un tren se vende en 21 dólares y utiliza 9 dólares de su valor en materia prima. Todos los trenes fabricados
aumentan la mano de obra variable y los costos globales de Giapetto’s en 10 dólares. La fabricación de soldados
y trenes de madera requiere dos tipos de mano de obra especializada: carpintería y acabados. Un soldado
necesita dos horas de trabajo de acabado u una hora de carpintería. Un tren requiere una hora de acabado y una
hora de carpintería. Todas las semanas Giapetto’s consigue todo el material necesario, pero solo 100 horas de
trabajo de acabado y 80 de carpintería. La demanda de trenes es ilimitada, pero se venden cuando mucho 40
soldados por semana. Giapetto’s desea maximizar las utilidades semanales (ingresos-costos).
ACTIVIDAD
Informe:
a. Diseñe el modelo que corresponde; es decir, defina las variables estudiadas, plantee su función objetivo,
restricciones y condición de no negatividad.
b. Determine la región factible a través del método gráfico.
c. Encuentre la solución óptima a través del método simplex.
d. A partir del modelo primal definido, construya el modelo dual correspondiente.
e. ¿Cuáles son las variables básicas del modelo con su respectivo valor?
f. Señale y explique cuáles son los costos de oportunidad en el modelo.
g. Emita una opinión razonada sobre el aprendizaje alcanzado en esta unidad en cuanto a la aplicación de los
modelos matemáticos a la toma de decisiones administrativas.
Ponderación: 25%

ELEMENTOS QUE TIENE EL MODELO DE PROGRAMACION LINEAL.

Formulación de modelos de programación lineal

Todo problema de producción representado algebraicamente mediante un modelo de programación lineal estará
formado por los siguientes elementos:

 — Variables de decisión (Xj): son las incógnitas del problema. Serán los niveles de fabricación y venta,
o de utilización de un proceso, en el caso de que el empresario establezca como objetivo la
maximización de sus ingresos o beneficios. Por el contrario, si los que desea es la minimización de los
costes de producción, las incógnitas serán las cantidades de factores necesarias para hacer frente a la
demanda.
 — Función objetivo: como se ha comentado con anterioridad, puede ser formulada siguiendo un
principio de óptimo, buscando la maximización de los ingresos o beneficios empresariales, que viene
dado por los productos o servicios ofrecidos.

Max = C1x1+C2x2+...............+Cnxn

Donde Cj son los rendimientos directos unitarios de los procesos j (1, 2,..., n).

Por otro lado, puede basarse en un principio de ahorro, donde lo que se quiere es minimizar el coste
empleado en la producción, por lo que habrá que controlar la asignación de los factores, así como las
cantidades disponibles de estos.

Min = y1x1+y2x2+...............+ymxm

Donde yi son los costes unitarios de los factores i empleados (1, 2,..., m).

 — Restricciones: constituye el denominado conjunto de soluciones factibles o región factible. Al vector

formado por las variables de decisión se le denomina plan o programa de producción, y será factible si
satisface todas las restricciones o condicionantes del problema. El plan o programa óptimo será aquel
programa que logre el objetivo marcado por el director de operaciones, es decir, que maximice el
beneficio o minimice el coste. Podemos distinguir cuatro tipos de restricciones:
o a) Recursos limitados: en el caso de que la función objetivo sea maximizar serán:

a11x1 + a12x2 + ... + a1nxn ≤ b1

a21x1 + a22x2 + ... + a2nxn ≤ b2

.........................................................

am1x1 + am2x2 + ... + amnxn ≤ bm

Dónde:

 — aij: son los coeficientes técnicos y representan la cantidad de factor i (1, 2,..., m)
necesaria para fabricar una unidad de producto j (1, 2,.... n). Estos coeficientes técnicos
forman la denominada matriz tecnológica o de coeficientes técnicos de la empresa (Amxn).
Cada columna de esta matriz representa un proceso productivo Pj.
 — bm: son los recursos disponibles para la empresa. Su valor absoluto dependerá de la
dimensión empresarial. Forman un vector columna (b). Ejemplo: unidades de material.
o b) Restricciones de demanda: hace referencia a la cantidad de producto o servicio que la empresa
debe ofrecer como mínimo, para cubrir la demanda existente, o como máximo, en el caso de que
el mercado solo puede absorber una determinada cantidad.
o c) Restricciones de oferta: relacionada con la cantidad mínima de los bienes que tienen que
comercializarse para cubrir los costes fijos o, por el contrario, la cantidad máxima que la
empresa puede fabricar de un determinado producto.
o d) Restricción de no negatividad o sentido económico: las cantidades fabricadas y vendidas de
los productos, así como los consumos mínimos de los factores para garantizar la demanda, deben
ser positivos o nulos.
Las 10 mejores herramientas para la toma de decisiones

1. Análisis FODA

El Análisis o Matriz FODA es considerada una de las herramientas para la toma de decisiones personales,
debido a que pueden servir para conocer la situación real en que se encuentra una persona y planear una
estrategia a futuro. En el análisis FODA, se analizan características internas (Debilidades y Fortalezas) y la
situación externa (Amenazas y Oportunidades).

Más allá de la utilización a nivel personal, el Análisis FODA también tiene otros usos. Por ejemplo, es una de
las herramientas para tomar decisiones ideal para construir estrategias, gracias a la identificación de las
relaciones existentes entre las características internas y externas; además, emparejando las fortalezas con las
oportunidades se pueden encontrar ventajas competitivas.

Sin embargo, entre las desventajas del Análisis FODA se encuentra que tiene que ser combinado con alguna
otra de las herramientas básicas para la toma de decisiones. A ello se debe añadir que, en la mayoría de las
ocasiones, puede ser bastante subjetivo. ¿Quieres saber cuáles son los pasos a seguir para hacer uso de la
Matriz FODA? ¡Lee este artículo nuestro!

2. Diagrama de Pareto

El Diagrama de Pareto es una de las herramientas cuantitativas para la toma de decisiones. Mediante una
gráfica se puede asignar un orden de prioridades. Este diagrama, se organiza mediante barras de mayor a
menor, de izquierda a derecha, respectivamente. En ese sentido, se deben colocar los «problemas que son
vitales» a la izquierda y los «triviales» a la derecha.

Entre las ventajas de este diagrama se halla que es útil para identificar los problemas reales que están
afectando el logro de los objetivos de la empresa. Asimismo, facilita que se puedan tomar decisiones centradas
en mejorar aspectos que tendrán un impacto directo en la organización.

Estos son los pasos para construir un Diagrama de Pareto:

 Selecciona qué aspecto vas a analizar.

 Agrupa los datos: Haz una tabla que posea celdas según la categoría (problemas) y el número de frecuencia
(valor que permite saber cuántas veces se ha presentado esa problemática).
 Ordena los datos: Organiza la tabla siguiendo un orden decreciente de frecuencia. Posteriormente, deberás
añadir la frecuencia acumulada de los casos sumando la frecuencia anterior con la siguiente.
 Añade valores porcentuales: Debes añadir otra columna y aplicar la fórmula; frecuencia/total de frecuencia x
100.
 Agrega los porcentajes acumulados: Suma el porcentaje unitario anterior con el siguiente.
  Construye tu diagrama de Pareto: Con los datos de la tabla anterior, se delinea el diagrama. Esta es una de las
herramientas para la toma de decisiones con Excel, ya que así será más sencillo elaborar tu diagrama y añadir las
fórmulas. También puedes utilizar Apache OpenOffice o algún otro software.

Te puede interesar: Matriz de Eisenhower | Guía para una mejor planificación del tiempo

3. Árbol de decisión

Esta tercera técnica puede ser vista como una de las herramientas de apoyo para la toma de decisiones, debido a
que permite analizar los posibles resultados de una serie de decisiones relacionadas. De esta manera,
comienza con un único nodo y luego se ramifica en resultados posibles.

Un Árbol de decisión puede ser elaborado a mano o en algún programa de diseño. Para hacerlo, se tiene que
dibujar un pequeño recuadro que represente la decisión principal; expandir el árbol mediante nodos de decisión
y probabilidad; asigna un valor a cada resultado posible; continúa con la expansión hasta que cada línea alcance
un extremo.

Ahora bien, un Árbol de decisión está representado por varias figuras que ayudan a poder interpretarlo de
manera más sencilla. Estas figuras son las siguientes:

 Nodo de decisión: Indica una decisión que se tomará. Se representa con un cuadrado.
 Nodo de probabilidad: Muestra los resultados inciertos. Está simbolizado  con un círculo.
 Ramificaciones alternativas: Cada ramificación es indicativa de un resultado o acción.
 Alternativa rechazada: Es una alternativa que no estaba seleccionada.
 Nodo terminal: Indica un resultado definitivo. Se simboliza con un triángulo.

Te recomendamos leer:

 Mapa mental | Conoce todo sobre ellos y di adiós al caos en tu mente

 Programas para hacer mapas mentales | Conviértete en el Da Vinci moderno con estas 9 aplicaciones
 Cómo hacer un mapa mental | Aprende a elaborarlo paso a paso
 Tipos de mapas mentales | ¡Escoge el más favorable para organizar tus ideas!

4. Diagrama de Ishikawa

Es una de las herramientas para la toma de decisiones más novedosas del siglo XX, fue diseñada por el
licenciado en química Kaoru Ishikawa en 1943. El Diagrama de Ishikawa se basa en la premisa de que todo
problema tiene una causa. Entre los beneficios se encuentra que permite aprovechar mejor las oportunidades,
facilita la toma de decisiones, además de que permite ser más rápidos y más eficientes de manera general.

Los elementos de un Diagrama de Ishikawa son la cabeza (en esta parte se representan los problemas), espinas
(son las posibles causas que estén provocando el problema) y las espinas menores (representan las causas
menores).

 Relacionado: Matriz de Priorización | Qué es, ventajas y cómo elaborarla

5. Técnica de los seis sombreros

La técnica de los seis sombreros se asocia con el pensamiento lateral. Esta herramienta tan novedosa, ideada por
el psicólogo maltés Edward de Bono en su libro Six Thinking Hats, permite mejorar la comunicación, enfocar
el pensamiento, llevar a un pensamiento más creativo y decir cosas sin miedo.

 Lectura sugerida: Técnicas de creatividad | Los 15 mejores métodos para desarrollar el pensamiento creativo

¿Cómo aplicarlo? Muy fácil, con el sombrero puesto se tendrá que adoptar la postura que mande el color del
mismo. Ten en cuenta que el color de los sombreros puede significar lo siguiente:

 Sombrero azul: Es el que dirige. Tiene el poder de resumir lo que se ha dicho y llegar a conclusiones, controla el
tiempo de duración de cada pensamiento y mantiene al grupo focalizado.
 Sombrero blanco: Explica todo con datos verídicos, cifras estadísticas y se caracteriza por tener una postura
neutral y objetiva.
 El sombrero rojo: Emplea la intuición, los sentimientos y las emociones.
 Sombrero negro: Muestra una visión más racional de una posible decisión.
 Sombrero amarillo: Quien lo tiene puesto puede dejarse llevar por una visión positiva de un problema.
 El sombrero verde: Es el de la creatividad. Abre las puertas a la innovación.

No te pierdas nuestro artículo explicado con mayor profundidad: Técnica de los seis sombreros | Potencia
tu creatividad para tomar decisiones

6. Análisis PESTEL

El uso de herramientas para la toma de decisiones como el Análisis o Modelo PESTEL permite hacer un
análisis descriptivo del contexto de la empresa. Se basa en los factores de su acrónimo: Políticos,
Económicos, Sociales, Tecnológicos, Ecológicos y Legales. Al respecto, este modelo minimiza el impacto de
escenarios adversos, ayuda a generar criterios más objetivos y facilita la planificación.
Hacer un Análisis PESTEL amerita contar con equipos de alto rendimiento. Asimismo, se tiene que tomar en
cuenta elementos como el tipo de gobierno, la estabilidad gubernamental; datos macroeconómicos, tipos de
cambio y análisis del PIB; cambios en el estilo de vida, religión y nivel educativo; brecha digital; legislación
medioambiental, riesgos naturales; y, legislación laboral, leyes nuevas, entre otros.

 ¿Quieres hacer un Análisis PESTEL? Este artículo es para ti: Análisis PESTEL | ¡Comprende mejor el entorno de
tu compañía!

7. Tabla T o T-Chart

Otra de las herramientas para la toma de decisiones es la T-Chart o Tabla T. Con esta técnica se separa la
información en columnas con el propósito de establecer una comparación o separar para distinguir la
información en grupo. Es versátil, básica y fácil para se usada por todos los miembros del equipo. También se
puede adaptar a distintos tipos de organizaciones.

Para hacer una T-Chart se tienen que elaborar dos columnas. En cada una se escribirán encabezados
similares a: concepto y ejemplo, pros y contras, situaciones hipotéticas y resultados potenciales o antes y
después. La idea es que cada columna se rellene con información que vaya en relación con cada encabezado.
Una vez que se termine, se puede observar el panorama con mucha más claridad.

 Te recomendamos: PNI | Aprende a evaluar tus opciones con esta técnica de creatividad

8. Big Data

El Big Data es de las herramientas tecnológicas para la toma de decisiones gerenciales. Mediante la
automatización de procesos podría agilizar las operaciones internas de una empresa. También puede ser
considerada como una de las herramientas financieras para la toma de decisiones, porque permite mejor manejo
de datos. Asimismo, poder desglosar grandes conjuntos de datos permite descubrir oportunidades ocultas o
únicas de inversión.

9. Matriz de decisión

La matriz de decisión contribuye a que se pueda elegir la mejor opción entre diferentes alternativas
comparables. Esta herramienta también recibe el nombre de matriz de Pugh, cuadrícula de decisiones y análisis
de cuadrícula. Sigue estos pasos para hacer tu matriz de decisión:
  Identifica las alternativas.
 Reconoce los criterios a tener en cuenta para tomar una decisión mejor.
 Crea una cuadrícula con la que puedes comparar varias opciones teniendo en cuenta los criterios.
 Califica cada criterio según una escala predeterminada. Puede ser del 1 al 3 o del 1 al 5.
 Agrega una ponderación por cada una de las alternativas.
 Multiplica ese factor de ponderación por el valor asignado en la tabla.
 Suma el valor de cada alternativa de manera línea y establece el total.

Te recomendamos:

 Diferencia entre mapa mental y mapa conceptual | Aprende a distinguirlos

 8 Programas para hacer mapas conceptuales | Mejores aplicaciones para organizar tus ideas

10. Lluvia de ideas

Cerramos con una de las herramientas para la toma de decisiones más tradicionales: la lluvia o tormenta de
ideas. Esta técnica permite el rápido surgimiento de nuevas ideas sobre un tema o problema determinado. Es
perfecto para tomar decisiones, debido a que un grupo de personas pueden participar activamente en la creación
de ingeniosas ideas, conceptos y en buscarle salida a una situación compleja.

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

Se han realizado grandes esfuerzos por describir complejas situaciones humanas y sociales. Para tener
significado, esto debería escribirse en una expresión matemática que contenga una o más variables, cuyos
valores deben determinarse. La pregunta que se formula, en términos generales, es qué valores deberían tener
estas variables para que la expresión matemática tenga el mayor valor numérico posible (maximización) o el
menor valor numérico posible (minimización). A este proceso general de maximización o minimización se lo
denomina optimización.

La optimización, también denominada programación matemática, sirve para encontrar la respuesta que
proporciona el mejor resultado, la que logra mayores ganancias, mayor producción o felicidad o la que logra el
menor costo, desperdicio o malestar. Con frecuencia, estos problemas implican utilizar de la manera más
eficiente los recursos, tales como dinero, tiempo, maquinaria, personal, existencias, etc. Los problemas de
optimización generalmente se clasifican en lineales y no lineales, según las relaciones del problema sean
lineales con respecto a las variables. Existe una serie de paquetes de software para resolver problemas de
optimización. Por ejemplo, LINDO o WinQSB resuelven modelos de programas lineales y LINGO y
What'sBest! resuelven problemas lineales y no lineales.

La Programación Matemática, en general, aborda el problema de determinar asignaciones óptimas de recursos

limitados para cumplir un objetivo dado. El objetivo debe representar la meta del decisor. Los recursos pueden
corresponder, por ejemplo, a personas, materiales, dinero o terrenos. Entre todas las asignaciones de recursos
admisibles, queremos encontrar la/s que maximiza/n o minimiza/n alguna cantidad numérica tal como ganancias
o costos.

El objetivo de la optimización global es encontrar la mejor solución de modelos de decisiones difíciles, frente a
las múltiples soluciones locales.

Programación Lineal (PL)

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.

La programación lineal aborda una clase de problemas de programación donde tanto la función objetivo a
optimizar como todas las relaciones entre las variables correspondientes a los recursos son lineales. Este
problema fue formulado y resuelto por primera vez a fines de la década del 40. Rara vez una nueva técnica
matemática encuentra una gama tan diversa de aplicaciones prácticas de negocios, comerciales e industriales y a
la vez recibe un desarrollo teórico tan exhaustivo en un período tan corto. Hoy en día, esta teoría se aplica con
éxito a problemas de presupuestos de capital, diseño de dietas, conservación de recursos, juegos de estrategias,
predicción de crecimiento económico y sistemas de transporte. Recientemente la teoría de la programación
lineal también contribuyó a la resolución y unificación de diversas aplicaciones.

Es importante que el lector entienda desde el comienzo que el término "programación" tiene un significado
distinto cuando se refiere a Programación Lineal que cuando hablamos de Programación Informática. En el
primer caso, significa planificar y organizar mientras que en el segundo caso, significa escribir las instrucciones
para realizar cálculos. La capacitación en una clase de programación tiene muy poca relevancia directa con la
otra clase de programación. De hecho, el término "programación lineal" se acuñó antes de que la palabra
programación se relacionara con el software de computación. A veces se evita esta confusión utilizando el
término optimización lineal como sinónimo de programación lineal.

Cualquier problema de PL consta de una función objetivo y un conjunto de restricciones. En la mayoría de los
casos, las restricciones provienen del entorno en el cual usted trabaja para lograr su objetivo. Cuando usted
quiere lograr el objetivo deseado, se dará cuenta de que el entorno fija ciertas restricciones (es decir,
dificultades, limitaciones) para cumplir con su deseo (vale decir, el objetivo). Es por eso que las religiones,
como el Budismo entre otras, prescriben vivir una vida abstemia. Sin deseo, no hay dolor. ¿Puede usted seguir
este consejo con respecto a su objetivo de negocios?

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.

Cuando se formula un problema de toma de decisiones como un programa lineal, se deben verificar las
siguientes condiciones:

1. 1. La función objetivo debe ser lineal. Vale decir que se debe verificar que todas las variables estén elevadas a la
primera potencia y que sean sumadas o restadas (no divididas ni multiplicadas);
2. 2. El objetivo debe ser ya sea la maximización o minimización de una función lineal. El objetivo debe representar
la meta del decisor; y
3. 3. Las restricciones también deben ser lineales. . Asimismo, la restricción debe adoptar alguna de las siguientes
formas ( £, ³, O =, es decir que las restricciones de PL siempre están cerradas).

Por ejemplo, el siguiente problema no es un problema de PL: Max X, sujeta a < 1. Este problema tan sencillo no
tiene solución.

Como siempre, se debe tener cuidado al categorizar un problema de optimización como un problema de PL. ¿El
siguiente problema es un problema de PL?

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 ³ -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.

El método Simplex es un algoritmo de solución muy utilizado para resolver programas lineales. Un algoritmo es
una serie de pasos para cumplir con una tarea determinada.
Proceso de Formulación de un Problema de PL y su Aplicación
Para formular un problema de PL, recomiendo seguir los siguientes lineamientos generales después de leer con atención
el enunciado del problema varias veces.

Todo programa lineal consta de cuatro partes: un conjunto de variables de decisión, los parámetros, la función
objetivo y un conjunto de restricciones. Al formular un determinado problema de decisión en forma
matemática, debe practicar la comprensión del problema (es decir, formular un Modelo Mental) leyendo
detenidamente una y otra vez el enunciado del problema. Mientras trata de comprender el problema, formúlese
las siguientes preguntas generales:

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.

A continuación, se incluye un problema ilustrativo muy sencillo. Sin embargo, el abordaje del problema es igual
para una gran variedad de problemas de toma de decisión, mientras que el tamaño o la complejidad pueden
variar. El primer ejemplo es un problema de mix de productos y el segundo es un problema de mezcla.

La programación lineal es una herramienta financiera que utiliza un modelo matemático para identificar los problemas y
brindar ayuda en la toma de decisiones, es a través del procedimiento o algoritmo matemático que asigna
eficientemente los recursos limitados, mediante el cual se resuelve un problema indeterminado, es decir optimizar una
función lineal que se define como la función objetivo. Antes la vida solía ser mucho más simple de lo que es ahora,
éramos capaces de detectar un problema, sugerir una solución, y después seguir adelante y hacer lo que se había
decidido para resolver el problema. Anteriormente el mundo no era tan complicado y cuando la demanda de recursos
financieros y humanos era muchísimo menor, hoy en día debemos ser en extremo cuidadosos a la hora de tomar
decisiones, de manera que no se vayan a tomar acciones erradas o decisiones prematuras que nos cargue de más
problemas.

Con el paso del tiempo, y de los avances tecnológicos vivimos en un mundo más cambiante y cada vez más
competitivo en el cual los mercados se ven en la necesidad de ser más eficientes y eficaces para mantenerse
vigentes en el tiempo. De esta manera, el modelo de decisión de programación lineal puede ayudar a optimizar
inmediatamente los recursos de la mejor manera y alcanzar mayores beneficios con ventajas competitivas y
provecho de los recursos de la organización. Es evidente, que la programación lineal en la actualidad es
aprovechada por muchas organizaciones, ya que es un método matemático realmente atractivo para los casos de
análisis complicados, cuyos modelos implican estudiar el funcionamiento interno de la empresa como su
estructura de producción.

Sin embargo, a menudo se observa que entre las diversas actividades que ocurre en las organizaciones, hay la
existencia de actividades que compiten muchas veces por los recursos limitados que tienen la organización, es
en ese espacio donde la programación lineal se desempeña como una herramienta importante para identificar el
problema, en otras palabras la programación lineal es el proceso de planificar de la mejor forma un conjunto de
actividades para alcanzar objetivos específicos evaluados para ellos, asignando de mejor manera los recursos
limitados y aprenden a tomar decisiones, es el momento para ponderar alternativas, desechar lo que no sirve y
saber seleccionar lo que en un momento determinado es útil y beneficioso para todo el equipo humano de las
organizaciones.

Por otro lado, las características de las funciones del problema y de las variables tienen diferentes tipos de
problemas de Programación Matemática. Si todas las funciones del problema, objetivo y restricciones son
lineales, se tiene un problema de Programación Lineal, que conlleva a la solución óptima un programa de
acción a poner en práctica. Este procedimiento utiliza varias variables como: La inversión que podemos tener,
cantidad de mano de obra , los productos más vendidos, todo estos es lo que describimos como restricciones que
opera en el método simples de la programación lineal para determinar si una empresa puede permanecer a corto
o largo plazo en el mercado.

Como Inicialmente lo describimos, Un problema de Programación Lineal consiste en optimizar (maximizar o

minimizar) la función:

Z = F ( x1, x2, ... ,xn ) = c1x1 + c2x2 + ... + cnxn

sujeto a:
a11x1 + a12x2 + . . . + a1nxn ≤ = ≥ b
a21x1 + a22x2 + . . . + a2nxn ≤ = ≥ b2
Am1x1 + amx2 + . . . + amnxn ≤ = ≥ bm
X1 , x2 , . . . , xn ≥ 0

Se le denomina función objetivo o Función criterio, a la función

= F(x1,x2....,Xn)=c1x1 + c2x2......+ cnxn

 Los coeficientes están representado por: c1, c2, ... , cn son números reales y se llaman coeficientes de beneficio
o coeficientes de costo, Estos datos aparecen descritos en el problema.
 Las variables de decisión están conformada por x1, x2, ... , xn o niveles de actividad que deben establecerse.
 Las desigualdades ai1x1 + ai2x2 + . . . + ainxn ≤ bi , con i = 1, ... , m se llaman restricciones.
 Los coeficientes tecnológicos aij , con i = 1, ... , m y j = 1, ... , n son también números reales.
 Así mismo el vector del lado derecho, los términos bi , con i = 1, ... , m, se llama vector de disponibilidades o
requerimientos y son datos conocidos e identificados en el problema.
 Por otro lado las restricciones xj ≥ 0 con j = 1, ... , n se exclaman como condiciones de no negatividad.
 A todas las restricciones se le denomina región factible que en el conjunto de valores de (x1, x2, ... ,xn) que
satisfacen simultáneamente todas las restricciones.

Por otro lado, cuando hablamos de solución óptima es el punto de la región factible que hace máxima o mínima
la función objetivo. En el estudio de un problema de Programación Lineal, es básico elegir las restricciones, se
obtendrán escenarios diferentes, acotados o no, y según sea la posición de la función objetivo respecto de dicho
escenario o poliedro se pueden originar diferentes situaciones. Según el tipo de soluciones que presenten un
problema de Programación Lineal puede ser de acuerdo a si existe la región factible, en el cual se presentan
varios casos:

 El Óptimo finito. La solución óptima está formada por un único punto con coordenadas reales.
  Los Múltiples óptimos. Un problema de Programación Lineal puede tener más de un óptimo.
 El Óptimo infinito. Es donde la función objetivo puede tomar, un valor tan grande o tan pequeño como se quiera
sin desertar la región factible.
 Región factible no acotada, óptimo finito. La función objetivo alcance el óptimo en la zona acotada de la región
factible.
 Región factible no acotada, óptimo finito e infinito. Se Obtiene el caso en que todos los puntos de una de las
semirrectas que determinan la región factible no acotada sean solución del problema.
 No factible. Región factible vacía. El conjunto de restricciones de un problema puede ser incompatible,
conduciendo a una región factible vacía.

Para resolver un problema de Programación Lineal tenemos que representar la región factible resolviendo el
sistema de inecuaciones formado por el conjunto de restricciones. Para resolver un sistema de inecuaciones
lineales tendremos que resolver cada una de las inecuaciones que lo forman y después encontrar la intersección
de todos los semiplanos solución (región factible). Por otro lado, al momento de desarrollar problemas de
Programación Lineal es importante conocer la descripción del Teorema que a continuación hago mención:

Teorema fundamental de la Programación lineal en la Identificación de Problemas en la Toma de

Decisiones
Si un problema de Programación Lineal tiene región factible no vacía, entonces, si existe el óptimo (máximo o mínimo)
de la función objetivo, se encuentra en un punto extremo (vértice) de la región factible. Si una función alcanza el valor
óptimo en dos vértices consecutivos de la región factible, entonces alcanza también dicho valor óptimo en todos los
puntos del segmento que determinan ambos vértices. Teniendo en cuenta el teorema anterior, para calcular el máximo
o el mínimo de una función, será suficiente con evaluar la función objetivo en todos los vértices de la región factible y
quedarnos con el que proporciona el valor óptimo

Caso Practico 1: Aplicaciones de la Programación Lineal en Problemas de Inversión para

decidir cual genera la mayor Rentabilidad.

Un sr dispone de un capital de 210.000.000,00 bolívares para invertir en acciones de la industria petrolera. El

gerente le recomienda dos acciones que han estado ofertando porque han estado en alza: Acción Industria
Petrolera 1 y Acción Industria Petrolera II en el estado Anzoátegui. La 1 tiene una renta del 10% anual y la 2
del 8% anual. Su amigo le recomienda invertir en un máximo de 130.000.000,00 bolívares en la Acción 1 y
como mínimo 6.000.000, 00 bolívares en la Acción 2. Además la inversión en la Acción 1 debe ser menor o
igual que la inversión destinada a la Acción 2. Se quiere plantear y resolver un modelo de Programación Lineal
que permita obtener la política de inversión que permita obtener la máxima rentabilidad anual.

Programación Lineal
La programación lineal hace referencia a varias técnicas matemáticas usadas para la asignación óptima de
recursos limitados a distintas demandas que compiten por ellos (Chase, Jacobs y Aquilano. 2009), es una
técnica de optimización que busca maximizar o minimizar una función lineal, llamada función objetiva, sujeta a
restricciones también lineales (Álvarez. 2005).
La programación lineal se originó a raíz de la Segunda Guerra Mundial, en 1947 George Dantzing desarrolló
investigaciones y aplicaciones para resolver problemas de programación lineal en operaciones militares, desde
sus inicios esta herramienta ha sido utilizada para la resolución de problemas de optimización en diferentes
espacios; en la actualidad las empresas enfrentan todo tipo de problemas, los cuales ponen en riesgo su
estabilidad económica y continuidad en el mercado, por lo que los empresarios siempre están en búsqueda de
soluciones factibles eficientes y rápidas, cuyos procesos son manejados a través de programación lineal, la cual
planea actividades para conseguir mejores resultados entre las alternativas de solución. (Marín y Maya 2016).
En conclusión, se define como programación lineal al enfoque para la solución de problemas con miras a tomar
decisiones acertadas, cuyo modelo matemático es la función lineal, sujeta a restricciones lineales no negativas;
se la considera también como una herramienta aplicable a diferentes campos como por ejemplo: empresarial,
textil, transporte, producción y telecomunicaciones entre otros.

Características de la Programación Lineal

La programación lineal tiene un alto impacto a nivel general, es aplicable a una gran variedad de problemas
organizacionales y se fundamenta en las siguientes características (Rodríguez y Felix. 2012)

 Se debe establecer algún criterio de decisión.

 Las relaciones de las variables deben ser de tipo lineal.

Objetivos de la Programación Lineal

 Encontrar soluciones (a través de métodos matemáticos con el uso de sistemas lineales) a problemas de
carácter económico-técnico, representados por la limitación de recursos.
 Resolver casos de combinación óptima de mezclas de producción, disposición interna de procesos,
maximización de beneficios, localización, asignación de recursos, minimización de costos, transporte,
entre otros.

Condiciones básicas de Programación Lineal

En el planteamiento de un problema de programación lineal se debe cumplir cinco condiciones básicas:

 Recursos Limitados: cantidad limitada, sea de horas de trabajo, equipos, dinero, materiales, suministros.
 Objetivos explícitos: hace referencia a la optimización, sea de beneficios o de costos.
 Linealidad: todo proceso, actividad o relación lineal utilizada se identifica con la cantidad de cada factor
con relación a los demás y a las cantidades de cada uno de los productos.
 Homogeneidad: los productos elaborados en una máquina son idénticos.
 Divisibilidad: productos como recursos pueden subdividirse en fracciones.

Cabe indicar cuando el único objetivo es maximización o minimización se utilizará la programación lineal, en el
caso de existir varios objetivos se aplicará la programación por metas.
Toma de Decisiones

La toma de decisiones en un negocio constituye un proceso sistemático que busca identificar y resolver
problemas; las decisiones la mayoría de veces están bajo condiciones de incertidumbre. (Wheatley. 2014).
En la actualidad la toma de decisiones es una realidad en la vida diaria y en todo ámbito, enfrentando
situaciones que están fuera de control de las personas, no existe un método único para tomar una decisión en la
empresa, pues quien sea el encargado de tomar una decisión deberá evaluar con precisión el problema y las
posibles alternativas de solución con el fin de llegar a la toma de una decisión beneficiosa.
Toda decisión enfrenta tres aspectos importantes: certidumbre, riesgo e incertidumbre (Franklin. 2010)

 Certidumbre: representa la condición en la cual se conocen las soluciones alternativas y sus resultados a
obtener.
 Riesgo: es una consecuencia incierta que puede derivarse de una decisión al aplicar un procedimiento.
 Incertidumbre: condición cuando no se cuenta con la información necesaria para determinar
probabilidades a los resultados de las soluciones alternativas.

Proceso de la Toma de Decisiones

El proceso de la toma de decisiones es un conjunto de fases que las empresas utilizan como guía para acrecentar
la probabilidad de que sus decisiones sean lógicas y óptimas, la Figura 1 muestra dicho proceso que inicia con
la definición del problema, a continuación, se establecen las metas que son los resultados a ser alcanzados,
generalmente en términos cuantitativos. Una vez analizadas las posibles consecuencias de las alternativas de
solución se toma una decisión considerando conceptos de maximización, satisfacción y optimización. La
implementación de la alternativa de solución seleccionada no brindará la meta deseada de forma automática, es
así que debe ejecutarse un control de las actividades de implementación, realizando un seguimiento evaluativo
de los resultados de ésta, para que, en el caso de ser necesario, se tomen las medidas correctivas pertinentes.
(Franklin 2011).

METODOLOGÍA

Para el presente caso de estudio se tomó en consideración los costos incurridos para la producción de dos clases
de pan, elaborados en pequeñas empresas del cantón Guano. Se realizó un diagnóstico del proceso productivo, a
través de diagramas de bloques para determinar los tiempos del proceso como se muestra en la Figura 2.

Una vez definido el proceso productivo, se establecen los requerimientos en cantidades de cada elemento para
elaborar los panes como se evidencia en la Tabla 1.
Asignamos X1 a la primera clase de panes a producirse y X2 a la segunda clase de panes a producirse

En la investigación realizada se determinó que se vende en promedio 1000 unidades diarias de pan de ambos
tipos, pero se puede producir hasta 700 unidades del pan tipo 1 y del pan tipo 2 se puede producir solamente
400 unidades, la ganancia obtenida es de 0.043 USD y de 0.039 USD respectivamente. Con estos datos se
procede a determinar qué cantidad de pan se debe vender para maximizar la utilidad.
Utilizando el programa PHPsimplex, se procede al planteamiento y resolución del problema mediante el método
gráfico como se observa en la Figura 3, para determinar la combinación de producción de panes.

En color verde los puntos en los que se encuentra la solución, en color rojo los puntos que no pertenecen a la
región factible. La tabla 2 registra la combinación de producción diaria de la panadería, 700 unidades del pan
tipo 1 y 300 unidades del pan tipo 2, para maximizar su utilidad en 41.8 USD.

CONCLUSIONES

 Se determina que, a través de la programación lineal, las empresas (inclusivo pequeñas) pueden decidir
la forma de combinación de su producción, ya sea para maximizar sus utilidades, o minimizar sus
costos.
 El proceso de toma de decisiones debe focalizarse en las soluciones de manera flexible y alentar las
contribuciones para fortalecer el proceso empresarial, impulsando la búsqueda de soluciones a través del
pensamiento creativo, utilizando herramientas fundamentales como la programación lineal.
 El uso de software online y gratuito como PHPsimplex, permite aplicar el método gráfico para
resolución de problemas de programación lineal, maximización en el caso de estudio.

REFERENCIAS

Álvarez, J (2005). Investigación de Operaciones. 2da edición. Lima: Librería Distribuidora Beta.
Budnick, F. (2007). Matemáticas aplicadas para la administración, economía y ciencias sociales. 4ta edición.
México: Mc Graw Hill.
Chase, R; Jacobs, R y Aquilano, N. (2009). Administración de Operaciones Producción y Cadena de
Suministros. 12va edición. China: Mc Graw – Hill.
Franklin,  B (2010). Toma de decisiones empresariales. Espacio y Desarrollo, (22).
Fincowsky, E. B. F. (2011). Toma de decisiones empresariales. Contabilidad y Negocios, 6(11), 113-120.
Marín, A y Maya, P (2016). Modelo lineal para la programación de clases en una institución educativa.
Ingeniería y Ciencia, 12(23).
Pérez, J. (2016). El comercio de canicas: Herramienta de apoyo para la enseñanza-aprendizaje práctico de la
programación lineal. Revista de la Facultad de Ingeniería, 25(1).
Rodríguez, R y Aldana, F (2012). Selección de una plataforma inteligente de negocios: un análisis multicriterio
innovador. Revista Ciencias Estratégicas, 20(28), 237 – 253.
Wheatley, G. (2014). Toma de decisiones.

Introducción
El presente artículo se desarrolla teniendo como base la programación lineal por metas, mejor conocida como
programación meta (PM), no sin dejar a un lado la programación lineal (PL), que aunque las dos son técnicas de
la investigación de operaciones y son herramientas importantes para el tomador de decisiones hay que dejar muy
claro que la PL propone maximizar o minimizar una meta, y la PM tiene la ventaja de trabajar con varias metas
estableciendo niveles de prioridad y preferencias, respecto a las diferente metas que se plantean, lo cual no se
puede hacer con la programación lineal tradicional.
Teniendo como referencia este marco, y la problemática que resulta de contar con elementos necesarios en un
momento dado para la toma de decisiones; se plantea en este artículo la importancia de la programación meta
como una herramienta alternativa en el apoyo a la toma de decisiones.

Antecedentes
Los métodos cuantitativos son un instrumento de la administración para aumentar la efectividad de las decisiones.
Estos métodos han tenido en los últimos tiempos una importante participaci ón en la administración organizacional
y en la toma de decisiones de los sectores público y privado, aunque los problemas de las organizaciones y las
metas de las mismas no son fáciles de expresar en forma matemática, debido a la falta de datos históricos,
información incompleta, multiplicidad de objetivos, conflictos de intereses, etc. siempre se tratará de que los
resultados obtenidos se aproximen al mundo real.
Hasta hace poco la decisiones se tomaban basadas en la intuición y en la experiencia,
sin embargo este proceso comenzó a perder confiabilidad, por lo cual comenzaron a utilizarse en el siglo pasado
modelos de programación matemática y se diseñaron técnicas similares como ayuda a la toma de decisiones.
Un trabajo importante en el proceso de la toma de decisiones fue en primer lugar el descubrimiento de George
[Link] en 1947 del método simplex para resolver problemas de programación lineal. Sutrabajo fue
principalmente en la investigación de técnicas para resolver problemas logísticos de planeación militar, ya que fue
empleado de la Fuerza Aérea de los Estados Unidos en ese tiempo. El nombre originalmente dado a su técnica fue
Programación de Actividades Interdependientes en una Estructura Linealy fue acortándose hasta llegar a
Programación lineal
.
Charnes y [Link] en 1955 jugaron un rol clave en la introducción y aplicación de la técnica a problema
industriales, quienes publicaron artículos importantes, los cuales constituyeron un libro de la programación lineal.
En sus continuas investigaciones desarrollaron el concepto de programación meta el cual publicaron en
Management Sciencie, en el que se aplica el concepto a un problema de fijación de salarios para ejecutivos.
Contini examinó los métodos de programación meta bajo condiciones de incertidumbre y más tarde Jaaskelainen
presentó un estudio en el que se aplicó la programación meta a la planeación de la producción, este estudio
involucró el tratamiento de metas múltiples para la producción, demanda de fluctuación, control de inventario y fue
basado en un programa de computadora desarrollado por él. (
Lee S.M. y Jaaskelainen V, 1972)

Justificación
Las organizaciones hoy en día disponen de recursos limitados, por ésto siempre se busca encontrar la mejor
asignación de esos recursos entre dos omás actividades para alcanzar las metas de la organización cualesquiera
que éstas puedan ser; ésta es una tarea que comprende innumerables problemas, por lo cual se deben emplear
métodos cuantitativos, como la programación meta que se refiere al uso de técnicas matemáticas
para obtener la mejor solución posible a un problema. ([Link]
De hecho una proporción importante de todo cálculo científico que se lleva a cabo en computadoras se dedica al
uso de la programación linealy a técnicas íntimamente relacionadas. (Esta proporción se estimó en un 25%, en un
estudio de la IBM), ya que un modelo de programación lineal proporciona un método eficiente para determinar una
decisión óptima, escogida de un gran número de decisiones posibles. (Marrero Delgado, 2003)
Los administradores toman decisiones en cada momento de su actividad, por esta razón utilizan herramientas para
analizar y elegir la mejor entre las muchas opciones que se presentan para una misma situación, y una de estas
herramientas puede ser la programación meta, ya que una de las ventajas de esta técnica es la de
ayudar a quien toma la decisión a que explore el espacio solución.
La programación meta es un paradigma poco conocido que no se le ha dado gran difusión, por lo que considero
importante la realización de este artículo, para dar a conocer esta herramienta alternativa para la toma de
decisiones.
Toma de decisiones por medio de la programación meta
La programación meta es un enfoque del análisis de decisión, capaz de manipular varias metas que pueden ser
contradictorias, a través de prioridades; proporcionando una solución simultánea a todas ellas. Esto es, la
programación meta formula un modelo de la situación real y determina una solución a dicho modelo, esta solución
acompañada de un análisis subjetivo (de acuerdo a la forma de pensar o criterio) del tomador de decisiones,
pueden determinar la ruta de acción a seguir. Es de importancia este análisis subjetivo ya que en el modelo
formulado por programación meta no es posible incluir, por ejemplo metas no económicas o de aspecto humano.
La programación meta es una técnica de programación matemática que trata las restricciones de un problema de
programación lineal, como metas en la función objetivo. La optimización significa llegar tan cerca como sea posible
al logro de estas metas en orden de prioridad. La programación meta es aplicable a una meta o metas múltiples y
conflictivas y todas no pueden satisfacerse simultáneamente.(Lee S.M. y Jaaskelainen V, 1972)
En esta técnica cada meta entra en la formulación del problema con una restricción de igualdad que contiene
variables de holgura, indicando el logro o su logro de las metas.
La función objetivo condiciona estas variables de desviación y una solución intentará minimizarlas en orden de
prioridad. Así la programación meta tolera el logro total o parcial de las metas, mientras que la programación lineal
requiere la satisfacción total de todas las metas presentadas por las restricciones.
Uno de los problemas del tomador de decisiones es determinar la jerarquía de las metas, ya que pueden
presentarse metas contradictorias y además se tienen metas no económicas (responsabilidades sociales,
contribuciones sociales, relaciones industriales de trabajo, etc.). Si se logra determinar la importancia de las metas
y éstas se relacionan linealmente, el problema puede ser resuelto por la programación meta.
La programación meta en lugar de forzar directamente a una maximización o
minimización del criterio objetivo como en la programación lineal, considera las desviaciones (Las variables de
desviación son representadas en dos dimensiones:
desviación positiva y desviación negativa de cada meta)de las metas y en función de las necesidades dadas sigue
un criterio para minimizarlas.
La función objetivo de la programación meta no contiene variables de decisión, en su lugar contiene las variables
de desviación que representan en orden de prioridades las metas señaladas por la gerencia; con base en las
prioridades, la función objetivo minimiza las desviaciones.(Goicoechea y Hansen 1992)
Existen varias herramientas de software, una de ellas es el WinQSB, el cual es un sistema interactivo de ayuda a la
toma de decisiones y contiene módulos para resolver distintos tipos de problemas en el campo de investigación de
operaciones, entre ellos está el módulo de programación lineal por metas, que permite resolver modelos de
programación multiobjetivo con restricciones lineales.
La optimización significa llegar tan cerca como sea posible al logro de estas metas en orden de prioridad. La
programación meta es aplicable a una meta o metas múltiples y conflictivas y todas no pueden satisfacerse
simultáneamente.(Lee S.M. y Jaaskelainen V, 1972)
En esta técnica cada meta entra en la formulación del problema con una restricción de igualdad que contiene
variables de holgura, indicando el logro o su logro de las metas.
La función objetivo condiciona estas variables de desviación y una solución intentará minimizarlas en orden de
prioridad. Así la programación meta tolera el logro total o parcial de las metas, mientras que la programación lineal
requiere la satisfacción total de todas las metas presentadas por las restricciones.
Uno de los problemas del tomador de decisiones es determinar la jerarquía de las metas, ya que pueden
presentarse metas contradictorias y además se tienen metas no económicas (responsabilidades sociales,
contribuciones sociales, relaciones industriales de trabajo, etc.). Si se logra determinar la importancia de las metas
y éstas se relacionan linealmente, el problema puede ser resuelto por la programación meta.
La programación meta en lugar de forzar directamente a una maximización o minimización del criterio objetivo
como en la programación lineal, considera las desviaciones (Las variables de desviación son representadas en dos
dimensiones:
desviación positiva y desviación negativa de cada meta) de las metas y en función de las necesidades dadas sigue
un criterio para minimizarlas.
La función objetivo de la programación meta no contiene variables de decisión, en su lugar contiene las variables
de desviación que representan en orden de prioridades las metas señaladas por la gerencia; con base en las
prioridades, la función objetivo minimiza las desviaciones. (Goicoechea y Hansen, 1992)
Existen varias herramientas de software, una de ellas es el WinQSB, el cual es un sistema interactivo de ayuda a la
toma de decisiones y contiene módulos para resolver distintos tipos de problemas en el campo de investigación de
operaciones, entre ellos está el módulo de programación lineal por metas, que permite resolver modelos de
programación multiobjetivo con restricciones lineales.

Conclusiones
Debemos impulsar esta herramienta dinámica y versátil con mayor empuje, las limitaciones de la programación
lineal son demasiadas en muchos casos para presentar la problemática real, además tiene muchas ventajas frente
a la programación lineal tradicional, ya que proporciona al tomador de decisiones la oportunidad de incluir los
objetivos o metas de la formulación del problema que no pueden reducirse a una sola dimensión. Es también más
flexible que la PL, debido a que permite que las metas conflictivas sean especificadas y conduzcan a una
solución óptima en términos de las metas prioritarias de la administración.
La programación lineal bajo estas circunstancias conduciría, en muchos casos, a soluciones no factibles. Cuando
se confronta con la PL en estas situaciones, la PM no tiene muchas de las limitaciones de la PL, mientras que
retiene la característica de la facilidad de la solución usando el algoritmo simplex.
La diferencia principal entre un modelo de PM y un de PL, está en la inclusión de variables de desviación y en la
minimización de suma de desviaciones relevantes como función objetivo.

Bibliografía
[1] Goicoechea, Ambrose, R. Hansen. “Multiobjective Decisión Análisis with Engineering and Business.”
Applications. Wilay, New York, E.U.A. 1992

[2]Lee S.M. y Jaaskelainen V., “Goal Programming for Decisión Análisis.” Auerbach Publishers. E.U.A. 1972

[3]Marrero Delgado, Fernando (2003) Herramientas para la toma decisiones: La Programación Lineal.
[Link]

[4]Taha Hamdy “Investigación de Operaciones” Prentice - Hall. México 1998

[Link]

Qué es la programación lineal?

En otras palabras, la programación lineal es un método a través del cual se optimiza una función objetivo, bien
sea maximizando o minimizando dicha función, en la cual las variables están elevadas a la potencia 1. Este
campo de la programación lineal es un área de la programación matemática, dedicada a maximizar o minimizar
una función lineal que recibe el nombre de "función objetivo", de manera que las variables de tal función estén
sujetas a una serie de restricciones expresadas a través de un sistema de ecuaciones o inecuaciones lineales. 

Cuando se estudia lo que es programación lineal en investigación de operaciones se hace

imprescindible señalar que esta se aplica para la administración eficiente de los procesos en muchos ámbitos de
la economía, así como también implica el conocimiento de que existe una diversidad de software en el mercado,
que ayuda a representar el enfoque o modelo de programación lineal.

Es importante considerar que lo que es programación lineal en investigación de operaciones está compuesta

por dos elementos fundamentales: la región factible y las restricciones estructurales y de no negatividad.

A las restricciones se les llama restricciones de no negatividad y, se le conocen como condiciones del modelo
que estipulan que las variables de decisión deben tener solo valores no negativos, es decir, positivos o nulos. Al
conjunto de valores que satisfacen todas las restricciones, se les denomina región factible, que se le cataloga
como un espacio de solución o de todos los puntos posibles de un problema de optimización que satisface las
restricciones del problema, incluyendo las potencialidades, las igualdades y las restricciones enteras. 

Origen de la programación lineal

Conocer qué es programación lineal en investigación de operaciones implica acotar que esta no es

procedente de los programas de ordenador, sino que su origen se sitúa en un término de corte militar, pues
programar significa realizar propuestas o planes de tiempo para el entrenamiento, logística o despliegue de
unidades de combate.

Muchos consideran que este término fue utilizado por G. Monge en el año 1776, pero la verdad es que se
considera a L.V Kantoróvich como uno de sus creadores, ya que lo presentó en su libro de métodos
matemáticos para la organización y producción.

La investigación de operaciones, así como la programación lineal, se vieron impulsadas con la aparición de los
ordenadores y uno de los momentos más importante fue con la aparición del método simplex.

El método simplex

Cuando se trata de la programación lineal, también es importante acotar que existe un método llamado el
método simplex, el cual comprende un medio analítico de solución de problemas de programación lineal, que
es capaz de resolver modelos que son más complejos que los que se resuelven mediante el método gráfico, sin
restricción en el número de variables. 

Tipos de soluciones en la programación lineal

Los programas lineales que tienen dos variables se clasifican de acuerdo al tipo de solución que presenten y,
pueden ser los siguientes:

Factibles

Cuando existe un conjunto de soluciones o valores que satisfacen las restricciones, estas pueden dividirse en
solución única o con solución múltiple. Además, se puede encontrar una solución no acotada.

En el área de optimización matemática, una región factible o un conjunto factible es un espacio de búsqueda o
un espacio de solución, es decir, es el conjunto de todos los puntos posibles de un problema de optimización
que satisface las restricciones del problema.

No factibles

Sucede cuando no existe un conjunto de soluciones que cumplan las restricciones, es decir, cuando estas son
inconsistentes.

Áreas de aplicación

Para comprender mejor qué es programación lineal en investigación de operaciones se deben tomar en
cuenta sus áreas de aplicación, ya que la programación lineal es una herramienta de solución óptima que se
aplica en aspectos vinculados con la administración eficiente en todos los ámbitos de la economía, por lo que es
una práctica común en:
 o Área de la ingeniería, debido a que permite la utilización de software para llevar a cabo las labores de
programación informática.
o Área científica, ya que permite la resolución de problemas científicos con el análisis, observación y estudio a
través de la programación.
o Área de negocios, ya que se aplica ampliamente en el área administrativa, contable y de economía con la
finalidad de reducir costos o aumentar ganancias a través de modelos funcionales.

La programación lineal también es usada en la microeconomía y la administración de empresas, bien sea para
aumentar el máximo de ingresos o reducir al mínimo los costos de un sistema de producción. 

De igual modo, es empleada en el área del marketing y la publicidad a modo de herramienta para identificar
cuál es la combinación más factible de los medios para anunciar los productos. En este sentido, se puede partir
de un presupuesto fijo para publicidad para que los productos alcancen una mayor difusión. En otros casos, las
restricciones indican la disponibilidad de cada medio, así como también podrían venir dadas por las políticas
publicitarias de las empresas. 

Si deseas conocer más sobre lo que es programación lineal en investigación de operaciones y sus usos en la
algebra o la aplicación que tiene con algoritmos, no olvides que puedes formarte en la mejor escuela
especializada en economía, Euroinnova.

Módulo II. Unidad 4: Programación Lineal: métodos de Transporte y Asignación

Maria Teresa Borges Matute

Ayer (Última modificación: Ayer)
20 puntos
Fecha de entrega: 20 nov, 23:59
Caracterizar los métodos de asignación y transporte de acuerdo a sus orígenes y destinos en función de los
movimientos de materias primas y productos y su relación con los costos para la empresa. Ejercicio: UNIDAD
4 Como los costos y asignaciones son problemas específicos, de relevancia para la empresa, esta unidad
siguiendo los modelamientos de programación lineal, se evalúa a partir de la solución e interpretación del
problema que se presenta a continuación: La Job Shop Company compró tres máquinas nuevas de diferentes
tipos. Existen cuatro sitios disponibles dentro del taller en donde se podría instalar una máquina. Algunos de
ellos son más adecuados que otros para ciertas máquinas en particular por su cercanía a los centros de trabajo
que tendrían un flujo intenso de trabajo hacía estas máquinas y desde ellas. (No habrá flujo de trabajos entre las
nuevas máquinas). Por tanto, el objetivo es asignar las nuevas máquinas a los lugares disponibles de manera que
se minimice el costo total del manejo de materiales. En la tabla presentada en el Plan de curso (p.24), se
proporciona el costo estimado por unidad de tiempo del manejo de los materiales en cuestión, con cada una de
las máquinas en los sitios respectivos. El lugar 2 no se considera adecuado para la máquina 2 por lo que se da
un costo para este caso.
ACTIVIDAD:
Informe:
a. Formular el problema que corresponde al modelo de asignación respectivo.
b. Diseñe la red representativa del problema.
c. Encuentre la solución óptima que corresponde siguiendo el método de costo mínimo o el de la piedra que
rueda.
d. Especifique de manera detallada cual es la experiencia de aprendizaje obtenida en esta unidad aplicada al
campo de la toma de decisiones administrativas. Ponderación: 20%

DESARROLLO
a.- Para formular éste como un problema de asignación, debe introducirse una máquina ficticia en el
lugar adicional. Además, debe asignarse un costo muy grande M a la asignación de la máquina 2 en
el lugar 2 para evitarla en la solución óptima. En la tabla 8.25 se muestra la tabla de costos que
resulta para este problema de asignación. Esta tabla de costos contiene todos los datos necesarios
para resolver el problema. La solución óptima es asignar la máquina 1 al lugar 4, la máquina 2 al
lugar 3 y la máquina 3 al lugar 1 con un costo total de $29 por hora. La máquina ficticia se asigna al
lugar 2, con lo que esta posición queda disponible para alguna asignación de máquina real futura.

b.-

c.- La solución óptima es asignar la máquina 1 al lugar 4(verde), la máquina 2 al lugar 3(azul) y la máquina
3 al lugar 1(rojo) con un costo total de $29 por hora. La máquina ficticia se asigna al lugar 2.

La JOB SHOP COMPANY compró tres máquinas nuevas de diferentes tipos. Existen cuatro
sitios disponibles dentro del taller en donde se podría instalar una máquina,el objetivo es
asignar las nuevas máquinas a los lugares disponibles de manera que se minimice el costo
total del manejo de materiales. El lugar 2 no se considera adecuado para la máquina 2

La dimensionalidad del problema del job shop viene dada por n x m, siendo n el
número de trabajos y m el número de máquinas, de tal manera que se tienen al
menos (n!) m posibles soluciones, generándose una explosión combinatoria al
crecer n y m. El crecimiento exponencial del número de posibles soluciones hace
que este problema sea reconocido como NP – hard (Sipper y Bulfin, 1998). El
problema del job shop flexible (Flexible Job Shop Scheduling Problem – FJSSP)
es considerado como una variante del problema del job shop original, siendo
más complejo que el del job shop debido a la necesidad de asignar las
operaciones a las máquinas que pueden cumplir una misma función.
La JOB SHOP COMPANY compró tres máquinas nuevas de diferentes tipos. Existen cuatro
sitios disponibles dentro del taller en donde se podría instalar una máquina,el objetivo es
asignar las nuevas máquinas a los lugares disponibles de manera que se minimice el costo
total del manejo de materiales. El lugar 2 no se considera adecuado para la máquina 2

Como hay cuatro renglones quiere decir que no se ha obtenido una solución y se confirman las conclusiones
obtenidas al inspeccionar en forma independiente los ceros

Segunda fase

El procedimiento consiste en elegir

el número más pequeño no cruzado por las líneas que se trazaron. Se suma a todos los valores que se encuentran
en las intersecciones de las líneas y se resta de todos

los numero no cruzados. El numero mas pequeño no cruzado es el 1, en las celdas del empleado 1, puesto 4; y
del empleado 3 puesto 2. Se suma al valor de cada celda

en la intersección de líneas:

Empleado 2, puesto 1: 0 + 1 = 1

Empleado 2, puesto 3: 4 + 1 = 5

Luego se resta el 1 de las celdas no cruzadas

Hieller,Lieberman."Introducción a la Investigación de Operaciones".Recuperado el 25/09/2015 del sitio web

[Link]
%20Y%[Link]

Combinación empleado-puesto: E1 a P1, E2 a P4, E3 a P2, E4 a P3

Puntuación empleado-puesto: 2 3 3 1

"Historia".Recuperado el 28/09/2015 del sitio web [Link]

"Método de transporte y asignación".Recuperado el 28/09/2015 del sitio web

[Link]
%20Y%[Link]

Historia

Otro ejemplo

DUDAS???

Los métodos de Huntington tienen larga data y han sido aplicados en muchos países bajo diferentes nombres. El
más antiguo de estos métodos fue propuesto, para el parlamento de los Estados Unidos, por Thomas Jefferson
en 1792, quien lo sugiriera para asignar representantes por estado; uno de los requerimientos que Jefferson
perseguía era que el método tomara en cuenta las variaciones del tamaño de la población medidas en cada
censo.

Método de asignación

Es un tipo especial de problema de programación lineal en el que los asignados son recursos que se destinan a la
realización de tareas.

Investigación de Operaciones

Ejemplo

Ejemplo

Modelo del problema de asignación

Andrea Carrillo

Jorge Barragán

El lugar 2 no se considera adecuado para la máquina 2 por lo que no se proporciona un

costo para este caso. Para formular éste como un problema de asignación, debe introducirse
una máquina ficticia en el lugar adicional. Además, debe asignarse un costo muy grande M a
la asignación de la máquina 2 en el lugar 2 para evitarla en la solución óptima.

Solución

Resolviendo

Para que se ajuste a la definición de un problema de asignación, es necesario que este tipo de aplicaciones se
formule de manera tal que se cumplan los siguientes supuestos.

1. El número de asignados es igual al número de tareas. (Este número se denota por n.)

2. A cada asignado se le asigna sólo una tarea.

3. Cada tarea debe realizarla sólo un asignado.

4. Existe un costo cij asociado con el asignado i

(i = 1, 2,. . ., n) que realiza la tarea j (j = 1, 2,. . ., n).

5. El objetivo es determinar cómo deben hacerse

las n asignaciones para minimizar los

costos totales.

El modelo matemático para manejar el problema de asignación utiliza las siguientes

variables de decisión:

Sergio Tejeda

para i = 1, 2,. . ., n y j = 1, 2,. . ., n. Entonces, cada xij es una variable binaria (toma valores 0
o 1). Las variables binarias son importantes en investigación de operaciones para representar
las decisiones de sí o no. En este caso, las decisiones de sí o no son: ¿debe el asignado i
realizar la tarea j? Si Z es el costo total, el modelo del problema de asignación es

La solución óptima es asignar la máquina 1 al lugar 4(verde), la máquina 2 al lugar 3(azul) y

la máquina 3 al lugar 1(rojo) con un costo total de $29 por hora. La máquina ficticia se
asigna al lugar 2

Existen más de 4 cruces esto quiere decir que hemos encontrado la solución óptima

Modelo

Referencias bibliográficas

Se trata de asignar cuatro personas a la realización de cuatro tareas [Link]

puntuación relativa de cada persona a cada tarea se podría determinar mediante
puntuaciones de prueba, intentos u opiniones subjetivas.

Planteamiento

Leer cuidadosamente

Teoría

Referencias

Conclusiones

La JOB SHOP COMPANY compró tres máquinas nuevas de diferentes tipos. Existen cuatro
sitios disponibles dentro del taller en donde se podría instalar una máquina,el objetivo es
asignar las nuevas máquinas a los lugares disponibles de manera que se minimice el costo
total del manejo de materiales. El lugar 2 no se considera adecuado para la máquina 2

Como hay cuatro renglones quiere decir que no se ha obtenido una solución y se confirman las conclusiones
obtenidas al inspeccionar en forma independiente los ceros

Segunda fase

El procedimiento consiste en elegir

el número más pequeño no cruzado por las líneas que se trazaron. Se suma a todos los valores que se encuentran
en las intersecciones de las líneas y se resta de todos

los numero no cruzados. El numero mas pequeño no cruzado es el 1, en las celdas del empleado 1, puesto 4; y
del empleado 3 puesto 2. Se suma al valor de cada celda

en la intersección de líneas:

Empleado 2, puesto 1: 0 + 1 = 1

Empleado 2, puesto 3: 4 + 1 = 5

Luego se resta el 1 de las celdas no cruzadas

Hieller,Lieberman."Introducción a la Investigación de Operaciones".Recuperado el 25/09/2015 del sitio web

[Link]
%20Y%[Link]

Combinación empleado-puesto: E1 a P1, E2 a P4, E3 a P2, E4 a P3

Puntuación empleado-puesto: 2 3 3 1

"Historia".Recuperado el 28/09/2015 del sitio web [Link]

"Método de transporte y asignación".Recuperado el 28/09/2015 del sitio web

[Link]
%20Y%[Link]

Historia

Otro ejemplo

DUDAS???

Los métodos de Huntington tienen larga data y han sido aplicados en muchos países bajo diferentes nombres. El
más antiguo de estos métodos fue propuesto, para el parlamento de los Estados Unidos, por Thomas Jefferson
en 1792, quien lo sugiriera para asignar representantes por estado; uno de los requerimientos que Jefferson
perseguía era que el método tomara en cuenta las variaciones del tamaño de la población medidas en cada
censo.

Método de asignación

Es un tipo especial de problema de programación lineal en el que los asignados son recursos que se destinan a la
realización de tareas.
.

Investigación de Operaciones

Ejemplo

Ejemplo

Modelo del problema de asignación

Andrea Carrillo

Jorge Barragán

El lugar 2 no se considera adecuado para la máquina 2 por lo que no se proporciona un

costo para este caso. Para formular éste como un problema de asignación, debe introducirse
una máquina ficticia en el lugar adicional. Además, debe asignarse un costo muy grande M a
la asignación de la máquina 2 en el lugar 2 para evitarla en la solución óptima.

Solución

Resolviendo

Para que se ajuste a la definición de un problema de asignación, es necesario que este tipo de aplicaciones se
formule de manera tal que se cumplan los siguientes supuestos.

1. El número de asignados es igual al número de tareas. (Este número se denota por n.)

2. A cada asignado se le asigna sólo una tarea.

3. Cada tarea debe realizarla sólo un asignado.

4. Existe un costo cij asociado con el asignado i

(i = 1, 2,. . ., n) que realiza la tarea j (j = 1, 2,. . ., n).

5. El objetivo es determinar cómo deben hacerse

las n asignaciones para minimizar los

costos totales.
El modelo matemático para manejar el problema de asignación utiliza las siguientes
variables de decisión:

Sergio Tejeda

para i = 1, 2,. . ., n y j = 1, 2,. . ., n. Entonces, cada xij es una variable binaria (toma valores 0
o 1). Las variables binarias son importantes en investigación de operaciones para representar
las decisiones de sí o no. En este caso, las decisiones de sí o no son: ¿debe el asignado i
realizar la tarea j? Si Z es el costo total, el modelo del problema de asignación es

La solución óptima es asignar la máquina 1 al lugar 4(verde), la máquina 2 al lugar 3(azul) y

la máquina 3 al lugar 1(rojo) con un costo total de $29 por hora. La máquina ficticia se
asigna al lugar 2

Existen más de 4 cruces esto quiere decir que hemos encontrado la solución óptima

Modelo

Referencias bibliográficas

Se trata de asignar cuatro personas a la realización de cuatro tareas [Link]

puntuación relativa de cada persona a cada tarea se podría determinar mediante
puntuaciones de prueba, intentos u opiniones subjetivas.

Planteamiento

Leer cuidadosamente

Teoría

Referencias

Conclusiones

Como hay cuatro renglones quiere decir que no se ha obtenido una solución y se confirman las conclusiones
obtenidas al inspeccionar en forma independiente los ceros

Segunda fase

El procedimiento consiste en elegir

el número más pequeño no cruzado por las líneas que se trazaron. Se suma a todos los valores que se encuentran
en las intersecciones de las líneas y se resta de todos

los numero no cruzados. El numero mas pequeño no cruzado es el 1, en las celdas del empleado 1, puesto 4; y
del empleado 3 puesto 2. Se suma al valor de cada celda
en la intersección de líneas:

Empleado 2, puesto 1: 0 + 1 = 1

Empleado 2, puesto 3: 4 + 1 = 5

Luego se resta el 1 de las celdas no cruzadas

Hieller,Lieberman."Introducción a la Investigación de Operaciones".Recuperado el 25/09/2015 del sitio web

[Link]
%20Y%[Link]

Combinación empleado-puesto: E1 a P1, E2 a P4, E3 a P2, E4 a P3

Puntuación empleado-puesto: 2 3 3 1

"Historia".Recuperado el 28/09/2015 del sitio web [Link]

"Método de transporte y asignación".Recuperado el 28/09/2015 del sitio web

[Link]
%20Y%[Link]

Historia

Otro ejemplo

DUDAS???

Los métodos de Huntington tienen larga data y han sido aplicados en muchos países bajo diferentes nombres. El
más antiguo de estos métodos fue propuesto, para el parlamento de los Estados Unidos, por Thomas Jefferson
en 1792, quien lo sugiriera para asignar representantes por estado; uno de los requerimientos que Jefferson
perseguía era que el método tomara en cuenta las variaciones del tamaño de la población medidas en cada
censo.

Método de asignación

Es un tipo especial de problema de programación lineal en el que los asignados son recursos que se destinan a la
realización de tareas.
.

Investigación de Operaciones

Ejemplo

Ejemplo

Modelo del problema de asignación

Andrea Carrillo

Jorge Barragán

El lugar 2 no se considera adecuado para la máquina 2 por lo que no se proporciona un

costo para este caso. Para formular éste como un problema de asignación, debe introducirse
una máquina ficticia en el lugar adicional. Además, debe asignarse un costo muy grande M a
la asignación de la máquina 2 en el lugar 2 para evitarla en la solución óptima.

Solución

Resolviendo

Para que se ajuste a la definición de un problema de asignación, es necesario que este tipo de aplicaciones se
formule de manera tal que se cumplan los siguientes supuestos.

1. El número de asignados es igual al número de tareas. (Este número se denota por n.)

2. A cada asignado se le asigna sólo una tarea.

3. Cada tarea debe realizarla sólo un asignado.

4. Existe un costo cij asociado con el asignado i

(i = 1, 2,. . ., n) que realiza la tarea j (j = 1, 2,. . ., n).

5. El objetivo es determinar cómo deben hacerse

las n asignaciones para minimizar los

costos totales.
El modelo matemático para manejar el problema de asignación utiliza las siguientes
variables de decisión:

Sergio Tejeda

para i = 1, 2,. . ., n y j = 1, 2,. . ., n. Entonces, cada xij es una variable binaria (toma valores 0
o 1). Las variables binarias son importantes en investigación de operaciones para representar
las decisiones de sí o no. En este caso, las decisiones de sí o no son: ¿debe el asignado i
realizar la tarea j? Si Z es el costo total, el modelo del problema de asignación es

La solución óptima es asignar la máquina 1 al lugar 4(verde), la máquina 2 al lugar 3(azul) y

la máquina 3 al lugar 1(rojo) con un costo total de $29 por hora. La máquina ficticia se
asigna al lugar 2

Existen más de 4 cruces esto quiere decir que hemos encontrado la solución óptima

Modelo

Referencias bibliográficas

Se trata de asignar cuatro personas a la realización de cuatro tareas [Link]

puntuación relativa de cada persona a cada tarea se podría determinar mediante
puntuaciones de prueba, intentos u opiniones subjetivas.

Planteamiento

Leer cuidadosamente

Teoría

Referencias

Conclusiones

Módulo II. Unidad 5: Control de Operaciones en Administración

Maria Teresa Borges Matute

Ayer (Última modificación: Ayer)
25 puntos
Fecha de entrega: 27 nov, 23:59
Distinguir las diferencias entre el tiempo y la localización de demanda y abastecimiento para mantener
adecuados márgenes de seguridad en las operaciones de la empresa. Ejercicio: UNIDAD 5 Partiendo de la
importancia que tiene para la gestión empresarial el análisis de redes y el control de los inventarios, se requiere
hacer un manejo adecuado de éstos; por tal motivo, las dos actividades para evaluar la Unidad, consisten en
resolver los problemas que siguen a través de los conocimientos adquiridos.

ACTIVIDAD
Informe

1. Usted se ha reunido con varios compañeros de la maestría con el fin de preparar una lasaña para la cena,
como celebración del éxito que han alcanzado en el razonar gerencialmente, con los conocimientos adquiridos.
El tiempo de las tareas que deberán realizar está expresado en minutos y las restricciones que existe son (VER
TABLA PÁGINA 25 DEL PLAN DE CURSO):
a. Dibuje la red del proyecto
b. Encuentre los tiempos más próximos y lejanos, la holgura de cada evento y para cada actividad.
c. Identifique la ruta crítica
d. Una llamada telefónica le interrumpió durante 6 minutos cuando debía estar picando la cebolla y los hongos.
¿Cuánto tiempo se atrasará la cena?. Si usa el procesador de alimentos, el tiempo para picar se reduce de 7
minutos a 2. Con wsto, ¿todavía se retrasará la cena?.
Explique.
2. La librería universitaria debe decidir cuántos libros de texto ordenar para un curso que se ofrecerá sólo una
vez. El número de estudiantes que tomará el curso es una variable aleatoria
D, cuya distribución se puede aproximar por una distribución uniforme (contínua) en el intervalo |4, 60|. Una
vez que comience el trimestre, el valor de D se vuelve conocido. Si D excede el número de libros disponibles, el
faltante se satisface colocando una orden urgente a un costo de $ 14 más $ 2 por libro más caro que el costo
normal de ordenar. Si D es menor que el inventario que se tiene, los libros que sobran se regresan por su costo
original menos $ 1 cada uno. * ¿Qué cantidad se debe ordenar para minimizar el costo esperado?.
* Razone sobre la experiencia que le deja la unidad para su ejercicio profesional en el campo de la toma de
decisiones. Ponderación: 25%

Unidad 6: Pronóstico del Futuro y Unidad 7: Métodos Causales: Base para la Medición
del Contexto

Maria Teresa Borges Matute

Ayer (Última modificación: Ayer)
10 puntos
Fecha de entrega: 2 dic, 23:59
Determinar la pertinencia de la información derivada de los pronósticos a futuro para la toma
de decisiones empresariales; y descubrir la pertinencia que tienen los métodos causales y los modelos
econométricos para las predicciones y configuración de escenarios para la toma de decisiones en la empresa.
Ejercicio Libre: Conforme a la tendencia del mercadeo venezolano actual en momentos de crisis.
ACTIVIDAD
Informe
a. Pronostique la demanda del mes próximo (t =25).
Razone gerencialmente para efectos de la toma de decisiones que corresponda.

Ponderación: 10%
METODOS CUANTITATIVOS DE LA EGSTION DE LA EMPRESA.

En la actualidad analizar información de costos en las organizaciones es toda una problemática, profundizada por la creciente
intensidad operacional y la incorporación de nuevos productos, procesos y desarrollos tecnológicos a la actividad productiva,
haciendo, en muchas ocasiones, inviable o poco efectivos el uso de los métodos tradicionales de análisis. Por tal motivo es
necesaria la búsqueda de soluciones alternativas.

Un buen analista de costos es un profesional que estudia la Organización y sus actividades, genera y analiza información de
costos y gestión para: implementar estrategias de reducción de costos y cumplimiento de objetivos organizacionales, y facilitar
la toma de decisiones, la planificación y el control en los niveles directivo, táctico y operativo. Está preparado para analizar la
problemática de la información de costos y su uso en la gestión racional, trabajando sobre el estudio, la determinación y las
causales de costos y de resultado en los objetivos de la Organización, por tal razón debe orientar su actividad profesional hacia
la búsqueda de herramientas y técnicas que faciliten conocer dichas causas, las que adecuadamente operadas permitirán
construir o revisar aspectos estratégicos.

Entre las herramientas alternativas para que el analista de costos y gestión se desempeñe con éxito en los contextos actuales,
está la aplicación de métodos cuantitativos en su labor profesional.

Las metodologías de tipo cuantitativo constituyen un amplio y variado conjunto de herramientas basadas en la aplicación de
modelos matemáticos. Su uso en la gestión de organizaciones es fundamental ya que su colaboración en el proceso de toma de
decisiones resulta indispensable en la actualidad.

En este trabajo se intentará una aproximación a las principales herramientas, señalando sus usos más importantes.

Las metodologías cuantitativas tuvieron un gran desarrollo durante el siglo pasado, desde los estudios de gestión de inventarios,
programación de la producción, fenómenos de espera en filas, etc. Durante la Segunda Guerra Mundial se produjeron
importantes avances, en general asociados a desarrollos de estrategias.

La lista de herramientas incluidas dentro del conjunto de métodos cuantitativos es muy amplia, como se dijo, pero entre las más
utilizadas están:

 Programación lineal, entera y no lineal

 Decisiones multicriterio discretas

 Decisiones con incertidumbre

 Simulación

 Procesos de Markhov

 Administración de inventarios
  Análisis de series de tiempo

 Análisis de regresión

 Teoría de grafos

 PERT

 Fenómenos de espera

Modelos
Una definición sencilla de modelo es que se trata de una representación simplificada de una realidad.

Podemos diferencias tres tipos de modelos:

1. Descriptivos
2. Prescriptivos o de optimización

3. Predictivos

Los modelos descriptivos se utilizan para pronosticar la conducta de un sistema pero no para seleccionar la mejor alternativa. La
función es conocida y las variables, desconocidas o inciertas.

Como ejemplo podemos citar los problemas de decisiones con incertidumbre.

Los modelos de optimización indican el curso de acción a seguir. Aquí la función es conocida y cierta y las variables conocidas.

Los modelos de programación matemática, así como los de decisiones multicriterio discretos se encuentran dentro de este
grupo.

Los modelos predictivos se emplean para hacer pronósticos de conductas de sistemas, como en el caso de los modelos de
simulación. La función es desconocida y las variables son conocidas o bajo control.

En general, en todos estos tipos de modelos, se construyen definiendo:

 Objetivos o metas organizacionales

 Variables decisorias (alternativas o acciones del decisor)

 Eventos o sucesos que pueden ocurrir y que alteran los resultados del modelo (variables inciertas)

 Restricciones o limitaciones de la organización o del ambiente externo

 Relaciones entre las variables del modelo

 Resultados que surgen del  modelo

Modelos de programación matemática

Los modelos de programación matemática son de tipo prescriptivo, ya que tienen como objetivo encontrar un valor óptimo
(máximo o mínimo) de una función objetivo. La función es conocida y cierta, y las variables independientes son conocidas por
el decisor y la vez pueden estar sujetas a un conjunto de restricciones.

Los modelos de programación matemática pueden o no ser de tipo lineal, dependiendo de la función objetivo y las restricciones.
Tienen tres componentes básicos:

1. Objetivo: máximo o mínimo

2. Variables de decisión: controlable por el decisor

3. Restricciones, que condicionan a los resultados.

Programación lineal

El modelo de programación lineal sirve para resolver problemas de asignación de recursos escasos. Un caso típico es el de
determinar mezclas óptimas de productos que conlleven a contribuciones máximas, aunque también se presentan situaciones de
aplicación a casos financieros, de inversión, de producción, de inventarios, de logística o de transportes.

Para resolver problemas que tienen más de variables de decisión, deberá aplicarse algún algoritmo de resolución. Para ello
existen diversos software, comenzando por el común Microsoft Excel., que posee un complemento denominado Solver,
especialmente diseñado para resolver problemas de optimización. Pero a medida que los problemas tienen más variables de
decisión y más restricciones se requiere el uso de softwares más potentes, los cuales están disponibles para su adquisición

Un caso especial dentro de la Programación Lineal es la Programación Entera, en la que las variables de decisión deben asumir
valores enteros.

Siguiendo con el ejemplo anterior, un caso típico lo constituye el de mezcla de productos con unidades de productos enteras.
Para nombrar por ejemplo el caso de un modelo de programación lineal que arroja determina construir 2,75 edificios y 6,25
casas, la magnitud de los resultados financieros y de los recursos comprometidos impondrá la necesidad de lograr la solución
óptima entera.

Otro importante uso es el de elección de opciones alternativas, para los cuales se emplean variables auxiliares binarias (0 o 1)
que actúan con condiciones lógicas, ligándolas a variables de solución, de tal m odo que si las variable binaria adquiere el valo
cero la variable de decisión también lo haga, y de ese modo e vitar soluc iones inconsistentes. Por ejemplo supongamos el caso
de costos fijos directos a cada producto; estos costos fijos aparecerán en la solución si el producto es fabricado (variable binaria
1) o viceversa.

Programación no lineal

Sin embargo, con frecuencia nos encontramos con problemas para los cuales las funciones no son lineales.

De acuerdo con Ercole, algunos de los supuestos que no se cumplen y determinan problemas no lineales son:

1. Aditividad. La suma de las contribuciones de algunas variables no determina el resultado. Por ejemplo cuando se unen
substancia químicas, la suma de ,los volúmenes no necesariamente es igual al volumen de las dos substancias

2. Proporcionalidad. La función objetivo no es proporcional a los valores unitarios de las variables. Por ejemplo cuando
demasiados operarios son asignados para realizar una tarea el rendimiento de cada trabajador puede disminuir, en lugar de
mantenerse constante.

Es decir, diferentes tipos de relaciones (económicas, físicas, estructurales, etc.) pueden dar lugar a la aparición de características
de no linealidad en un modelo.

Programación por metas y objetivos

La programación por metas y objetivos trata problemas en los que hay más de una función objetivo. Si bien se trata de
funciones lineales, como no es posible satisfacer a todas, lo que se busca es establecer el conjunto de soluciones eficientes o
Pareto óptimas.
Como ejemplo sencillo podemos citar el caso anterior, pero agregando como objetivo que se minimice la contaminación
ambiental (contando con los datos contaminación producida por cada unidad de producto). En este caso, y suponiendo que la
contaminación es mayor en el producto de mejor contribución, el decisor deberá emplear algún mecanismo que le permita
seleccionar la alternativa que mejor satisfaga el conjunto de funciones objetivos, dado que la optimización simultánea de todos
estos es usualmente imposible.

Decisiones multicriterio discretas

En muchas ocasiones, en la práctica, nos encontramos frente a problemas en los que hay varios criterios u objetivos, que
muchas veces están en conflicto entre sí. Pero además puede que no estén claramente definidos, al igual que las alternativas y
las restricciones, o bien no se encuentren valorizados en términos numéricos sino a través de juicios de valor. Adicionalmente,
la solución del problema generalmente está a cargo de varias personas, cada una con un punto de vista propio que puede estar en
conflicto con los de los demás.

En estos casos se dice que el decisor actúa con racionalidad limitada, buscando la alternativa que satisfaga en forma suficiente
sus necesidades. Las metodologías de apoyo multicriterio nacieron como respuesta a estas problemáticas, tratando de objetivar
los puntos de vista subjetivos.

En forma sintética, un proceso de decisión multicriterio discreta se compone de:

1. El decisor (un individuo o un grupo de personas)

2. El analista, encargado de modelizar el problema

3. El conjunto de elección, finito, en el que las alternativas se suponen diferentes, exhaustivas y excluyentes.

4. Atributos o criterios, que son los que permitirán seleccionar una de las alternativas.

Existen muchas herramientas de DMD, que por razones de alcance del trabajo no es posible abordar. La más simple es el
método de ponderación lineal, que indica que los criterios deben ponderarse, es decir, se debe otorgar un puntaje a cada criterio
que sea coherente con la apreciación del decisor en cuanto a su importancia. Luego, se debe evaluar el grado de cumplimiento
de cada criterio por cada alternativa. Finalmente, el valor final de cada alternativa será la sumatoria de los productos entre los
valores de cada criterio por su grado de cumplimiento por la alternativa. La opción con mayor puntaje es la que se recomienda
como la mejor o la que mejor satisface las necesidades.

Decisiones con incertidumbre

El proceso decisorio se agrava cuando estamos en presencia de incertidumbre y riesgo, haciendo importante el análisis de
sensibilidad de las medidas de desempeño o de los resultados del modelo ante cambios en las variables, incertidumbre de las 
mismas o diferentes escenarios posibles. Pare esto será necesario aplicar distintos modelos según la situación planteada, pero en
todos ellos juega un rol calve la percepción del decisor.

La forma en que los individuos y las organizaciones toman decisiones y la calidad de sus opciones finales no estarán
determinadas solo por la bondad de los modelos decisorios cuantitativos, sino también por factores cualitativos y de percepción.

Los estados naturales son variables no controlables exógenas que modifican los resultados de la acción seleccionada.

A cada elemento elegido por el decisor le corresponde un elemento del conjunto de elementos de estados de naturaleza, el cual
complica la selección del decisor.

Se requiere información sobre el comportamiento de los estados de naturaleza.

Estos problemas de decisión de clasifican en:

Universo cierto
  Se conoce con exactitud el estado de naturaleza
 Existe certeza de lo que ocurrirá

 Es conocida la función de decisión, donde deberá encontrarse el valor que la optimice

 Técnicas representativas: máximos y mínimos, programación lineal.

Universo incierto

 Se conocen los distintos estados de naturaleza pero se desconoce cual se presentará y cuál será su probabilidad.
 Técnicas no probabilísticas: MAXIMAX (determina el máximo valor para cada alternativa y luego selecciona la de
mayor valor). MAXIMIN (selecciona el máximo valor del mínimo)

Universo hostil

 Los estados de naturaleza son estrategias desarrolladas por un competidor u oferente.

 Técnicas aplicadas: Teoría de Juegos (decisiones bajo conflicto)

Universo aleatorio o probabilístico

 Caso de decisiones bajo incertidumbre

Algunos métodos de análisis de decisiones bajo incertidumbre:

Sensibilidad de un modelo de decisión

Criterio del valor medio esperado – Arboles de decisión

Criterio de dispersión

Criterio de la probabilidad acumulada

Criterio de la función de utilidad

Simulación
La simulación permite al decisor estudiar el comportamiento de un sistema real experimentando con un modelo que lo
representa, formado por expresiones matemáticas y relaciones lógicas. Es un modelo de tipo descriptivo.

A diferencia de un modelo de optimización, que como ya vimos está formado por ciertos parámetros y obtiene variables de
decisión óptimas, en la simulación se trabaja con decisiones y valores paramétricos para obtener medidas de eficiencia.

Entre sus variantes más conocidas podemos mencionar la simulación Montecarlo, cuyo propósito es estimar la distribución de
una variable de resultado que depende de varias variables de input con distribución probabilística.

Otra variante o versión sería la simulación de sistemas, donde explican hechos que ocurren a través del tiempo, como los
métodos de administración de inventarios o teorías de colas o fenómenos de espera.

Con la simulación es posible representar varios escenarios generando valores en forma aleatoria para las entradas
probabilísticas, y para ello es necesario conocer la distribución de probabilidad de cada variable aleatoria.

Ventajas de la simulación
La simulación permite examinar el comportamiento de sistemas complejos, anticipando problemas potenciales y detectando las
principales variables y sus relaciones. Esto permite actuar de modo preventivo, sugiriendo cambios en las estrategias de modo
de mejorar las expectativas de éxito.

Generación de variables aleatorias

La simulación de variables aleatorias requiere del conocimiento de la distribución de probabilidad asociada a cada variable, y de
la generación de números aleatorios (números uniformemente distribuidos entre 0 y 1).

Entre los mecanismos más comunes para la simulación de variables están:

Método de transformación inversa. En primer lugar se obtiene un número aleatorio (Rn) con computadora; este número es
tomado como probabilidad acumulada, es decir F(x) = Rn; por último se despeja x.

La distribución de probabilidad puede tener varias formas. Algunas de ellas son:

1. Distribución discreta: cada valor de la variable tiene asociada una probabilidad determinada.
2. Distribución uniforme: se conocen los valores (rango) entre los cuales se distribuye la variable.

3. Distribución normal: es necesario conocer la media y la desviación standard.

PARA PROFUNDIZAR SOBRE ESTOS TEMAS ESCRÍBANOS A mundocostos@[Link]

Bibliografía
ERCOLE, Raúl; ALBERTO, Catalina y CARIGNANO, Claudia. “Métodos Cuantitativos para la Gestión”. Facultad de
Ciencias Económicas de la Universidad Nacional de Córdoba, Córdoba, 2007.

RAMÍREZ ALCÁNTARA, Hilda y BACA LOBERA, Gloria. “Métodos Cualitativos y Cuantitativos en la Administración de
Operaciones”. Publicado en “Estudios organizacionales y Pequeñas y Medianas Empresas”. Universidad Autónoma
Metropolitana. México, 2001.

 CARRO, Roberto. “Investigación de Operaciones en Administración”. Pincu. Mar del Plata, 2009.

Características del proceso de toma de decisiones en una organización

El proceso de toma de decisiones en una organización es un proceso creativo, cuya finalidad es obtener los
resultados de las actividades específicas de los directivos, que constituyen la base de la gestión.

La toma de decisiones

La toma de decisiones es una parte importante de la actividad administrativa. La decisión es la pieza clave de la
labor directiva, y el proceso de toma de decisiones es la forma de lograr este resultado.

Análogamente a los procesos de comunicación, la toma de decisiones afecta a todos los aspectos de la gestión.
Al igual que el intercambio de información, la toma de decisiones es una parte integral de todas las funciones de
gestión general.

En el curso de la gestión de una organización, los directivos de diversos niveles toman decisiones, dado que las
decisiones suelen afectar a unidades o incluso a toda la empresa más que a individuos, el proceso de adopción
de decisiones se formaliza.
👉La toma de decisiones dentro de una organización se puede caracterizar de la siguiente manera:

 Una actividad humana consciente con propósito.

 Un comportamiento que se basa en orientaciones de valores y hechos.
 Un proceso de interacción entre los miembros de una organización.
 Una elección de alternativas dentro del estado político y social del entorno de la organización.
 Un componente del proceso de gestión global.
 Un elemento inevitable del trabajo diario de los directivos.

 Una parte integral del desempeño de todas las demás funciones directivas.

Rasgos característicos de las decisiones de gestión:

 Voluntad
 Dirección
 Propósito

 Concreción

La toma de decisiones como tal no es un fin en sí mismo para un gerente. La tarea del gerente no es sólo elegir
una alternativa, sino a través de esta elección lograr resolver un problema. Esto a menudo requiere tomar (y
aplicar) no una sola decisión, sino toda una secuencia de decisiones.

Así pues, el requisito previo más importante para tomar una decisión de gestión es la aparición de un problema.

Un problema es una situación caracterizada por una discrepancia entre los estados existentes y deseados del
subsistema gestionado, que impide su normal funcionamiento o desarrollo.

En el contexto de la toma de decisiones en una organización, la noción de un sujeto (el responsable de la toma
de decisiones) desempeña un papel fundamental. Es importante distinguir entre los encargados de la toma de
decisiones y los expertos que suelen participar en las diversas etapas de la toma de decisiones.

Una decisión puede tomarse colectivamente, en cuyo caso el responsable de la decisión no es un gerente
específico, sino un grupo de personas. En este caso, sus intereses, la información disponible y la influencia en el
proceso de adopción de decisiones pueden ser diferentes o coincidir total o parcialmente. Independientemente
de esto, todos actúan como un grupo de decisión. Los expertos, por otra parte, funcionan como fuentes de
información.

Etapas del proceso de toma de decisiones en una organización

Una decisión no es un acto momentáneo; es el resultado de un proceso que se desarrolla a lo largo del tiempo y
tiene una cierta estructura. Lo que permite formular la siguiente definición.

El proceso de toma de decisiones es una secuencia cíclica de acciones llevadas a cabo por un sujeto de gestión
con el fin de resolver los problemas de la organización, e incluye el análisis de la situación, la generación de
alternativas, la toma de decisiones y la organización de su aplicación.

A continuación, se indican las principales etapas y procedimientos del proceso de toma de decisiones en orden
de secuencia:
  Análisis de la situación

Antes de analizar la situación de la gestión, es necesario reunir y procesar una cantidad bastante grande de
información. En esta etapa, la organización percibe el entorno externo e interno. Los gerentes y especialistas
reciben información sobre los principales factores del entorno externo y el estado de la organización. Luego se
clasifica y analiza la información, se comparan los valores reales de los parámetros controlados con los valores
previstos y planificados.

 Identificación del problema

Antes de comenzar a resolver un problema, es necesario diagnosticarlo o identificarlo completa y

correctamente. No es por nada que se cree que formular un problema correctamente supone estar a medio
camino de resolverlo. Un problema no es sólo cuando no se logran los resultados previstos, sino también
cuando hay una oportunidad de mejorar potencialmente la eficacia.

 Definición de los criterios de elección

El gerente debe conocer claramente los indicadores con los que se comparan las alternativas y se selecciona la
mejor de ellas. A menudo los criterios se contradicen entre sí, por lo que es necesario introducir algunos
factores de ponderación asociados a la importancia de cada uno de ellos. Por ejemplo, cuando se compra
equipo, el costo, el tiempo de entrega, el costo de los consumibles y el rendimiento pueden ser importantes. Por
regla general, el equipo más eficiente con un plazo de entrega más corto será más caro que aquellos de menor
productividad o de un tiempo de entrega más prolongado, por lo que para las diferentes organizaciones puede
ser más importante tener un equipo diferente en distintas condiciones.

 Desarrollo de alternativas

El siguiente paso es desarrollar un conjunto de alternativas para resolver el problema. El caso ideal es cuando
se pueden encontrar todas las formas posibles de resolver el problema. Entonces se puede estar seguro de que
no se pierde el camino óptimo. Pero en la práctica los directivos no tienen (y no pueden tener) tanto tiempo para
formular todas las formas posibles de lograr el resultado.

 Elección de una alternativa

Todas las alternativas posibles elaboradas se comparan según los criterios seleccionados y se elige la mejor
alternativa.

 Coordinación de soluciones (para procesos de grupo).

 Gestión de la aplicación

En esta etapa se determina un conjunto de obras, recursos, plazos e interpretaciones.

 Supervisión y evaluación de los resultados

La diferencia entre ciencia de la decisión y ciencia de datos

La diferencia entre la Ciencia de Datos y la Ciencia de la Decisión no suele presentarse demasiado clara.

La Ciencia de Datos es un término que oímos cada vez más a menudo identificado con un campo amplio e
interdisciplinar; sin embargo, esta ciencia no debe confundirse con la Ciencia de la Decisión.

El Data Scientist es una figura profesional especializada en el estudio en profundidad de los datos en cuanto han
sido recogidos, elaborados y estructurados por los data engineer. 

Para el Decision Scientist, en cambio, los datos representan un instrumento que apoya decisiones que tomar,
además de tener como fin el resolver problemas comerciales comunes.

La Ciencia de Datos es un campo interdisciplinar que a través del uso recurrido de algoritmos, técnicas y
métodos científicos, extrae informaciones valiosas de los datos.

El objetivo principal de la Ciencia de Datos es el de intuir en los datos informaciones aplicables a beneficiar
otros sectores.

La Ciencia de la Decisión, en cambio, es el conjunto de técnicas cuantitativas utilizadas para apoyar el proceso
decisional.

Las técnicas incluyen:

 análisis de decisiones
 análisis de riesgos
 análisis de la relación coste-beneficio y coste-eficiencia
 optimización restringida
 modelos de simulación
 investigación operativa
 control de gestión

Por lo tanto el propósito de la Ciencia de la Decisión es el de utilizar los datos para guiar a la intuición a
mejorar las decisiones a tomar.

Se puede considerar que los datos son de igual importancia para ambas disciplinas, pero los mecanismos son
notablemente distintos.

La Ciencia de Datos encuentra su aplicación en distintos sectores como el retail, los bienes de largo consumo, el
entretenimiento, los medios de comunicación, la sanidad, las telecomunicaciones, la finanza, los viajes, las
producciones, la agricultura, etc.

La Ciencia de la Decisión, en cambio, se ocupa de áreas más teóricas de los negocios y la gestión, que van
directamente a la instrucción, al medio ambiente, a la ciencia militar, la salud pública y la política.

Ambas esferas objeto de análisis tienen cuestiones críticas específicas que contribuyen a poner de relieve las
diferencias entre ellas. La limpieza de datos, los problemas ligados a la seguridad y las dificultades en la
adquisición de desarrollo son desafíos críticos que la Ciencia de Datos conoce y encara desde siempre. La
Ciencia de la Decisión, sin embargo, se enfrenta a las dificultades causadas por el manejo de grandes cantidades
de datos y la complejidad de las técnicas aplicadas.
Los Decision Scientists deben necesariamente poseer conocimientos en matemáticas, finanzas y análisis para
tomar la decisión óptima partiendo de los datos.

¿Cuáles son las futuras tendencias que nos harán hipotizar sobre nuevos desarrollos y perspectivas en la Ciencia
de Datos y la Ciencia de la Decisión?

Probablemente la Ciencia de Datos continuará adelante en su camino a la automatización, el uso extensivo de

chatbot y asistentes virtuales, con una utilización difusa de elementos de realidad aumentada y robotización de
la industria. La Ciencia de la Decisión, en oposición, continuará empujándonos hacia el proceso decisional
automatizado y el empoderamiento de los datos, con una importancia vital y una amplia capacidad de aplicación
en distintos sectores que favorecerán a la creciente demanda de profesionales especializados.

En conclusión, aunque los empresarios a menudo confían en la Ciencia de Datos como solución a los problemas
corporativos, esta última, por sí sola, no es suficiente. Nuestra experiencia nos sugiere que la aproximación más
adecuada se encuentra entre la Ciencia de Datos y la Ciencia de la Decisión, con los Datos como punto de
partida y unidad mínima del amplio proceso de la Decisión.