Herramientas Gerenciales

5
DECANA ESC ANALISI UNIVERSIDAD FERMIN TORO VICERECTORADO ACADEMICO ATO DE CIENCIAS ECONOMICASY SO CUELA DE RELACIONES INDUSTRIAL IS DE PROBLEMAS Y TOMA DE DESIC CAUDARE JUNIO 2012 OCIALES LES CIONES

description

Universidad Fermin Toro Vicerectorado Academico Escuela de Relaciones Industriales

Transcript of Herramientas Gerenciales

Page 1: Herramientas Gerenciales

DECANATO DE CIENCIAS ECONOMICASY SOCIALES

ESCUELA DE RELACIONES INDUSTRIALES

ANALISIS DE PROBLEMAS Y TOMA DE DESICIONES

UNIVERSIDAD FERMIN TORO

VICERECTORADO ACADEMICO

DECANATO DE CIENCIAS ECONOMICASY SOCIALES

ESCUELA DE RELACIONES INDUSTRIALES

ANALISIS DE PROBLEMAS Y TOMA DE DESICIONES

CAUDARE JUNIO 2012

DECANATO DE CIENCIAS ECONOMICASY SOCIALES

ESCUELA DE RELACIONES INDUSTRIALES

ANALISIS DE PROBLEMAS Y TOMA DE DESICIONES

Page 2: Herramientas Gerenciales

Es el proceso durante el cual la persona debe escoger entre dos o más

alternativas. Todos y cada uno de nosotros pasamos los días y las horas de nuestra

vida teniendo que tomar decisiones. Algunas decisiones tienen una importancia

relativa en el desarrollo de nuestra vida, mientras otras son gravitantes en ella.

Para los administradores, el proceso de toma de decisión es sin duda una de las

mayores responsabilidades.

La toma de decisiones en una organización se circunscribe a una serie de personas

que están apoyando el mismo proyecto. Debemos empezar por hacer

una selección de decisiones, y esta selección es una de las tareas de gran

trascendencia.

Con frecuencia se dice que las decisiones son algo así como el motor de

los negocios y en efecto, de la adecuada selección de alternativas depende en gran

parte el éxito de cualquier organización.

Una decisión puede variar en trascendencia y connotación.

Los administradores consideran a veces la toma de decisiones como

su trabajo principal, porque constantemente tienen que decidir lo que debe

hacerse, quién ha de hacerlo, cuándo y dónde, y en ocasiones hasta cómo se hará.

Sin embargo, la toma de decisiones sólo es un paso de la planeación, incluso cuando

se hace con rapidez y dedicándole poca atención o cuando influye sobre

la acción sólo durante unos minutos.

Es por eso que en este trabajo se desarrollaran algunas herramientas y técnicas

que faciliten la interpretación y la toma de decisiones.

Page 3: Herramientas Gerenciales

La programación lineal es un método de resolución de problemas que se ha desarrollado para ayudar a los administradores a

tomar decisiones. Su éxito se mide por la difusión de su uso como una herramienta de la toma de decisiones. De

aparición a finales de la década de 1940, la programación lineal (PL) ha demostrado que es una de las herramientas más

efectivas de la investigación de operaciones. Su éxito se debe a su flexibilidad para describir un gran número de

situaciones reales en las siguientes áreas: militar, industrial, agrícola, de transporte, de la economía, de sistemas de salud,

e incluso en las ciencias sociales y de la conducta. Un factor, importante en el amplio uso de esta técnica es la

disponibilidad de programas de

La programación lineal es una herramienta determinístico; es decir, todos los parámetros del modelo se suponen conocidos

con certeza. Sin embargo, en la vida real, es raro encontrar un pro

a los datos. La técnica de la PL compensa esta "deficiencia", proporcionando análisis sistemáticos post óptimos y

paramétricos que permiten al tomador de decisiones probar la sensibilidad de la solución

cambios discretos o continuos de los parámetros del modelo. Básicamente, estas técnicas adicionales agregan una

dimensión dinámica a la propiedad de solución óptima de la PL. A continuación se presentan los fundamentos del aná

sensibilidad y se muestra su aplicación por medio de ejemplos prácticos.

El Método Simplex es un método analítico de solución de problemas de programación lineal capaz de resolver modelos

más complejos que los resueltos

Procedimiento de cálculo algebraico, interactivo para resolución de problemas Lineales. El método Simplex es un

procedimiento iterativo que permite ir mejorando la solución a cada paso.

seguir mejorando más dicha solución.

caminar del vértice de un poliedro a un vértice vecino de manera que aumente o disminuya (según el context

función objetivo, sea maximizar o minimizar), dado que el número de vértices que presenta un poliedro solución es

finito siempre se hallará solución.

Este famosísimo método fue creado en el año de 1947 por el estadounidense George Bernard Dantzig

Vitalievich Kantorovich, con el ánimo de crear un algoritmo capaz de solucionar problemas de

y n variables.

La programación lineal es un método de resolución de problemas que se ha desarrollado para ayudar a los administradores a

tomar decisiones. Su éxito se mide por la difusión de su uso como una herramienta de la toma de decisiones. De

aparición a finales de la década de 1940, la programación lineal (PL) ha demostrado que es una de las herramientas más

efectivas de la investigación de operaciones. Su éxito se debe a su flexibilidad para describir un gran número de

es en las siguientes áreas: militar, industrial, agrícola, de transporte, de la economía, de sistemas de salud,

e incluso en las ciencias sociales y de la conducta. Un factor, importante en el amplio uso de esta técnica es la

disponibilidad de programas de computadora muy eficientes para resolver problemas extensos de PL.

La programación lineal es una herramienta determinístico; es decir, todos los parámetros del modelo se suponen conocidos

con certeza. Sin embargo, en la vida real, es raro encontrar un problema donde prevalezca una verdadera certeza respecto

a los datos. La técnica de la PL compensa esta "deficiencia", proporcionando análisis sistemáticos post óptimos y

paramétricos que permiten al tomador de decisiones probar la sensibilidad de la solución

cambios discretos o continuos de los parámetros del modelo. Básicamente, estas técnicas adicionales agregan una

dimensión dinámica a la propiedad de solución óptima de la PL. A continuación se presentan los fundamentos del aná

sensibilidad y se muestra su aplicación por medio de ejemplos prácticos.

El Método Simplex es un método analítico de solución de problemas de programación lineal capaz de resolver modelos

más complejos que los resueltos mediante el método gráfico sin restricción en el número de variables.

Procedimiento de cálculo algebraico, interactivo para resolución de problemas Lineales. El método Simplex es un

procedimiento iterativo que permite ir mejorando la solución a cada paso. El proceso concluye cuando no es posible

seguir mejorando más dicha solución. La razón matemática de esta mejora radica en que el método consiste en

caminar del vértice de un poliedro a un vértice vecino de manera que aumente o disminuya (según el context

función objetivo, sea maximizar o minimizar), dado que el número de vértices que presenta un poliedro solución es

finito siempre se hallará solución.

Este famosísimo método fue creado en el año de 1947 por el estadounidense George Bernard Dantzig

Vitalievich Kantorovich, con el ánimo de crear un algoritmo capaz de solucionar problemas de

La programación lineal es un método de resolución de problemas que se ha desarrollado para ayudar a los administradores a

tomar decisiones. Su éxito se mide por la difusión de su uso como una herramienta de la toma de decisiones. Desde su

aparición a finales de la década de 1940, la programación lineal (PL) ha demostrado que es una de las herramientas más

efectivas de la investigación de operaciones. Su éxito se debe a su flexibilidad para describir un gran número de

es en las siguientes áreas: militar, industrial, agrícola, de transporte, de la economía, de sistemas de salud,

e incluso en las ciencias sociales y de la conducta. Un factor, importante en el amplio uso de esta técnica es la

computadora muy eficientes para resolver problemas extensos de PL.

La programación lineal es una herramienta determinístico; es decir, todos los parámetros del modelo se suponen conocidos

blema donde prevalezca una verdadera certeza respecto

a los datos. La técnica de la PL compensa esta "deficiencia", proporcionando análisis sistemáticos post óptimos y

paramétricos que permiten al tomador de decisiones probar la sensibilidad de la solución óptima "estática" respecto a

cambios discretos o continuos de los parámetros del modelo. Básicamente, estas técnicas adicionales agregan una

dimensión dinámica a la propiedad de solución óptima de la PL. A continuación se presentan los fundamentos del análisis de

El Método Simplex es un método analítico de solución de problemas de programación lineal capaz de resolver modelos

mediante el método gráfico sin restricción en el número de variables.

Procedimiento de cálculo algebraico, interactivo para resolución de problemas Lineales. El método Simplex es un

El proceso concluye cuando no es posible

La razón matemática de esta mejora radica en que el método consiste en

caminar del vértice de un poliedro a un vértice vecino de manera que aumente o disminuya (según el contexto de la

función objetivo, sea maximizar o minimizar), dado que el número de vértices que presenta un poliedro solución es

Este famosísimo método fue creado en el año de 1947 por el estadounidense George Bernard Dantzig y el ruso Leonid

Vitalievich Kantorovich, con el ánimo de crear un algoritmo capaz de solucionar problemas de m restricciones

Page 4: Herramientas Gerenciales

La teoría de juegos es un área de la matemática aplicada que utiliza«juegos») y llevar a cabo procesos de decisión. Sus investigadores estudian lasen juegos. Tipos de interacción aparentemente distintos pueden, en realidad, presentar estructura de incentivo similar y, porconjuntamente un mismo juego.

Desarrollada en sus comienzos como una herramienta para encomo en la biología, sociología, psicología y filosofía. Experimentó un crecimiento sustancial y se formalizó por primerNeumann y Oskar Morgenstern, antes y durante la Guerra Fríade destrucción mutua garantizada. Desde los setenta, la teoría de juegos se ha aplicado a la conducta animal, incluyendo el desaselección natural.

Aunque tiene algunos puntos en común con la teoría de la decisiónpalabras, estudia la elección de la conducta óptima cuando los costes y los beneficios de cada opción no están fijados de antelecciones de otros individuos. Un ejemplo muy conocido de la aplicación de la teoría de juegos a la vida real es elmatemático Albert W. Tucker, el cual tiene muchas implicaciones para comprender la naturaleza de la cooperación humana. Laarraiga en la escuela psicoanalítica del análisis transaccional, es enteramente distinta.

Los analistas de juegos utilizan asiduamente otras áreas de la matemática, en particular lasesta teoría

El modelo Bayesiano está circunscrito, como TECNICA DE PRONOSTICO en las llamadas TECNICAS

CUALITATIVAS, cuya principal característica es que SUS INSUMOS SON JUICIOS DE VALORES; es decir,

opiniones que dan una valoración o cualificación a hechos o datos observados.

Su rol como instrumento de pronóstico es muy importante ya que permite HACER INFERENCIAS

probabilidad de ocurrencia de una SITUACION DADA (HIPOTESIS / ESCENARIO), sobre la base de LAS

EVIDENCIAS OBSERVADAS; por ello, es un instrumento extraordinario para EL MONITOREO o

SEGUIMIENTO de situaciones de interés. Dentro de este contexto, j

de ALERTA, ante las evidencias obtenidas como consecuencia de la DINAMICA DE LOS ACONTENCIMIENTOS.

La aplicación del MODELO BAYESIANO como TECNICA DE PRONOSTICO está sujeta a la posibilidad de

HACER SEGUIMIENTO a un

que utiliza modelos para estudiar interacciones en estructuras formalizadas de incentivos (los llamados . Sus investigadores estudian las estrategias óptimas así como el comportamiento previsto y observado de individuos

en juegos. Tipos de interacción aparentemente distintos pueden, en realidad, presentar estructura de incentivo similar y, por lo tanto, se puede representar mil veces

Desarrollada en sus comienzos como una herramienta para entender el comportamiento de la economía, la teoría de juegos se usa actualmente en muchos campos, . Experimentó un crecimiento sustancial y se formalizó por primera vez a partir de los trabajos de

Guerra Fría, debido sobre todo a su aplicación a la estrategia militar, en particular a caus. Desde los setenta, la teoría de juegos se ha aplicado a la conducta animal, incluyendo el desarrollo de las especies por la

teoría de la decisión, la teoría de juegos estudia decisiones realizadas en entornos donde interaccionan. En otras palabras, estudia la elección de la conducta óptima cuando los costes y los beneficios de cada opción no están fijados de antemano, sino que dependen de las

uy conocido de la aplicación de la teoría de juegos a la vida real es el dilema del prisionero, el cual tiene muchas implicaciones para comprender la naturaleza de la cooperación humana. La teoría psicológica de juegos

, es enteramente distinta.

Los analistas de juegos utilizan asiduamente otras áreas de la matemática, en particular las probabilidades, las estadísticas y la programación lineal

El modelo Bayesiano está circunscrito, como TECNICA DE PRONOSTICO en las llamadas TECNICAS

VAS, cuya principal característica es que SUS INSUMOS SON JUICIOS DE VALORES; es decir,

opiniones que dan una valoración o cualificación a hechos o datos observados.

Su rol como instrumento de pronóstico es muy importante ya que permite HACER INFERENCIAS

probabilidad de ocurrencia de una SITUACION DADA (HIPOTESIS / ESCENARIO), sobre la base de LAS

EVIDENCIAS OBSERVADAS; por ello, es un instrumento extraordinario para EL MONITOREO o

SEGUIMIENTO de situaciones de interés. Dentro de este contexto, juega un rol fundamental como herramienta

de ALERTA, ante las evidencias obtenidas como consecuencia de la DINAMICA DE LOS ACONTENCIMIENTOS.

La aplicación del MODELO BAYESIANO como TECNICA DE PRONOSTICO está sujeta a la posibilidad de

HACER SEGUIMIENTO a una situación de interés determinada.

para estudiar interacciones en estructuras formalizadas de incentivos (los llamados óptimas así como el comportamiento previsto y observado de individuos

lo tanto, se puede representar mil veces

, la teoría de juegos se usa actualmente en muchos campos, a vez a partir de los trabajos de John von

, en particular a causa del concepto rrollo de las especies por la

s realizadas en entornos donde interaccionan. En otras emano, sino que dependen de las

dilema del prisionero, popularizado por el teoría psicológica de juegos, que se

programación lineal, en conjunto con

El modelo Bayesiano está circunscrito, como TECNICA DE PRONOSTICO en las llamadas TECNICAS

VAS, cuya principal característica es que SUS INSUMOS SON JUICIOS DE VALORES; es decir,

Su rol como instrumento de pronóstico es muy importante ya que permite HACER INFERENCIAS sobre la

probabilidad de ocurrencia de una SITUACION DADA (HIPOTESIS / ESCENARIO), sobre la base de LAS

EVIDENCIAS OBSERVADAS; por ello, es un instrumento extraordinario para EL MONITOREO o

uega un rol fundamental como herramienta

de ALERTA, ante las evidencias obtenidas como consecuencia de la DINAMICA DE LOS ACONTENCIMIENTOS.

La aplicación del MODELO BAYESIANO como TECNICA DE PRONOSTICO está sujeta a la posibilidad de

Page 5: Herramientas Gerenciales

El modelo de transporte es un problema de optimización de redes donde debe determinarse como hacer llegar los productos desde

los puntos de existencia hasta los puntos de demanda, minimizando los costos de envió.

El modelo busca determinar un plan de transporte de una mercancía de varias fuentes

se cuenta:

1.- Nivel de oferta en cada fuente y la cantidad de demanda en cada destino.

2.- El costo de transporte unitario de la mercancía de cada fuente

El modelo se utiliza para realizar actividades como:

efectivo, programación de niveles de reservas en prensas entre otras

Los métodos de Montecarlo abarcan una colección de técnicas que permiten obtener soluciones de problemas matemáticos o físicos por medio de

pruebas aleatorias repetidas. En la práctica, las pruebas aleatorias se sustituyen por resultados de ciertos cálculos realiza

A lo largo de varias páginas se estudiará el concepto de variable aleatoria y la transformación de una variable aleatoria dis

La simulación Monte Carlo es una técnica matemática computarizada que permite tener en cuen

decisiones. Esta técnica es utilizada por profesionales de campos tan dispares como los de finanzas, gestión de proyectos, en

ingeniería, investigación y desarrollo, seguros, petróleo y gas, transporte y medio ambiente.

La simulación Monte Carlo ofrece a la persona responsable de tomar las decisiones una serie de posibles resultados, así como

se produzcan según las medidas tomadas. Muestra las posibilidades extre

conservadora— así como todas las posibles consecuencias de las decisiones intermedias.

Los científicos que trabajaron con la bomba atómica utilizaron esta técnica por primera; y le dieron el no

Mónaco conocida por sus casinos. Desde su introducción durante la Segunda Guerra Mundial, la simulación Monte Carlo se ha uti

diferentes sistemas físicos y conceptuales

El modelo de transporte es un problema de optimización de redes donde debe determinarse como hacer llegar los productos desde

los puntos de existencia hasta los puntos de demanda, minimizando los costos de envió.

de transporte de una mercancía de varias fuentes a varios destinos. Entre los datos del modelo

se cuenta:

Nivel de oferta en cada fuente y la cantidad de demanda en cada destino.

El costo de transporte unitario de la mercancía de cada fuente

El modelo se utiliza para realizar actividades como: control de inventarios, programación del empleo, asignación de personal, flujo de

efectivo, programación de niveles de reservas en prensas entre otras

Montecarlo abarcan una colección de técnicas que permiten obtener soluciones de problemas matemáticos o físicos por medio de

pruebas aleatorias repetidas. En la práctica, las pruebas aleatorias se sustituyen por resultados de ciertos cálculos realiza

A lo largo de varias páginas se estudiará el concepto de variable aleatoria y la transformación de una variable aleatoria dis

La simulación Monte Carlo es una técnica matemática computarizada que permite tener en cuenta el riesgo en análisis cuantitativos y tomas de

decisiones. Esta técnica es utilizada por profesionales de campos tan dispares como los de finanzas, gestión de proyectos, en

y gas, transporte y medio ambiente.

La simulación Monte Carlo ofrece a la persona responsable de tomar las decisiones una serie de posibles resultados, así como

se produzcan según las medidas tomadas. Muestra las posibilidades extremas —los resultados de tomar la medida más arriesgada y la más

así como todas las posibles consecuencias de las decisiones intermedias.

Los científicos que trabajaron con la bomba atómica utilizaron esta técnica por primera; y le dieron el nombre de Monte Carlo, la ciudad turística de

Mónaco conocida por sus casinos. Desde su introducción durante la Segunda Guerra Mundial, la simulación Monte Carlo se ha uti

El modelo de transporte es un problema de optimización de redes donde debe determinarse como hacer llegar los productos desde

los puntos de existencia hasta los puntos de demanda, minimizando los costos de envió.

a varios destinos. Entre los datos del modelo

se cuenta:

Nivel de oferta en cada fuente y la cantidad de demanda en cada destino.

El costo de transporte unitario de la mercancía de cada fuente a cada destino.

control de inventarios, programación del empleo, asignación de personal, flujo de

Montecarlo abarcan una colección de técnicas que permiten obtener soluciones de problemas matemáticos o físicos por medio de

pruebas aleatorias repetidas. En la práctica, las pruebas aleatorias se sustituyen por resultados de ciertos cálculos realizados con números aleatorios.

A lo largo de varias páginas se estudiará el concepto de variable aleatoria y la transformación de una variable aleatoria discreta o continua.

ta el riesgo en análisis cuantitativos y tomas de

decisiones. Esta técnica es utilizada por profesionales de campos tan dispares como los de finanzas, gestión de proyectos, energía, manufacturación,

La simulación Monte Carlo ofrece a la persona responsable de tomar las decisiones una serie de posibles resultados, así como la probabilidad de que

los resultados de tomar la medida más arriesgada y la más

mbre de Monte Carlo, la ciudad turística de

Mónaco conocida por sus casinos. Desde su introducción durante la Segunda Guerra Mundial, la simulación Monte Carlo se ha utilizado para modelar