ENSAYO

LA INCERTIDUMBRE DISTA DE SER UN DESCONOCIMIENTO…

POR

HEIDY LILIANA CARMONA URIBE

INVESTIGACIÓN DE OPERACIONES

RICARDO LEÓN SÁNCHEZ ARENAS

ADMINISTRACIÓN DE EMPRESAS

ESCOLME

2014

ENSAYO N° 2INVESTIGACIÓN DE OPERACIONES

En su entrevista, Dantzig (1997) menciona:1. "Los problemas del mundo real son todos sucios. Ningún modelo de éstos es una

aproximación a la realidad, esto no es la realidad".2. "Yo trabajo en planeamiento sobre incertidumbre... Este es el futuro..."

Teniendo en cuenta estas dos afirmaciones:a. ¿Qué opinión tiene sobre cada una de ellas?b. En nuestro contexto, ¿a qué se refería Dantzig con la afirmación de que el futuro es el

planeamiento sobre incertidumbre? Aporte un ejemplo.

LA INCERTIDUMBRE DISTA DE SER UN DESCONOCIMIENTO…

"Los problemas del mundo real son todos sucios. Ningún modelo de éstos es una aproximación a la realidad, esto no es la realidad".

Los problemas del mundo real no se solucionan con operaciones rígidas, paradigmas establecidos, esos problemas reales se debe de dejar en el campo de la incertidumbre, ya que allí radica la efectividad del modelo.

Cuando la matemática se aplica a un proceso o problema “limpio” se obtienen procesos o resultados concretos, no ocurriendo lo mismo con los problemas del mundo real, ya que estos requieren de un cúmulo de opciones para poder encontrar la mejor alternativa, y por ello nace el método Simplex, éste es un procedimiento iterativo que permite mejorar la solución de la función objetivo en cada paso. El proceso concluye cuando no es posible continuar mejorando dicho valor, es decir, se ha alcanzado la solución óptima (el mayor o menor valor posible, según el caso, para el que se satisfacen todas las restricciones) (Izquierdo-Granja & Ruiz-Ruiz, 2014).

"Yo trabajo en planeamiento sobre incertidumbre... Este es el futuro..."El futuro por sí mismo es sólo incertidumbre y cada momento que no se ha vivido puede

llenarse de cualquier circunstancia, planeada o imprevista. Y el solo hecho de preocuparnos frente a esa inseguridad no generará las soluciones necesarias.

La incertidumbre es un universo de riqueza ya que contiene todas las posibilidades. Es un enorme vacío en el que cualquier cosa tiene aforo y puede suceder. Es la nada que lo contiene todo y que aún está por construir con un infinito de posibilidades. En muchos casos esta incertidumbre se asfixia en viejos paradigmas estratégicos. La estructura de estos modelos no puede dar cuenta de la complejidad de las relaciones. Los significados emergentes del proceso de interacción entre la organización y el público se pierden bajo una estructura rígida y determinista.

Según Ramos & Cerisola (2014):La estocasticidad o incertidumbre aparece en todos los sistemas pero

hasta ahora no era posible la solución de problemas de optimización de grandes sistemas considerando explícitamente ésta. La incertidumbre puede deberse a carencia de datos fiables, errores de medida o tratarse de parámetros que representan información sobre el futuro.

En optimización determinista se supone que los parámetros del problema son conocidos con certeza, aunque sea a su valor medio. En optimización estocástica (stochastic optimization SP) se relaja esta condición. No se conocen sus valores, sólo sus distribuciones y habitualmente se supone que éstas son discretas con un número finito de estados posibles. La suposición de distribuciones discretas es habitual en los optimizadores de optimización

estocástica. Actualmente no existen aplicaciones estándar o comerciales, potentes y fiables, para resolver problemas estocásticos. Todavía no es un campo en desarrollo. Los tipos de modelos que aparecen en programación lineal estocástica son motivados principalmente por problemas con decisiones de tipo aquí y ahora (here and now), decisiones previas bajo futuro incierto. Esto es, decisiones que deben tomarse basándose en información a priori, existente o supuesta, sobre situaciones futuras sin realizar observaciones adicionales. Recurso es la capacidad de tomar una acción correctora después de que haya ocurrido un suceso aleatorio.

La optimización estocástica permite incorporar actitudes adversas al riesgo, por ejemplo, mediante la penalización de los peores escenarios. La generalización del concepto de protección frente al riesgo se hace mediante optimización robusta. Se dice que una solución es robusta si es casi óptima para todos los escenarios. Se dice que un modelo es robusto si es casi factible en todos los escenarios. La optimización robusta trata de encontrar un equilibrio simultáneo entre ambos objetivos de optimalidad y factibilidad.

Es así como comprendo a Dantzig cuando habla sobre la incertidumbre, un sinfín de posibilidades. Por ejemplo, Jobs (Steve), solo su empresa creció cuando saboreo la incertidumbre en su vida, pues de allí se renovó y le dio un nuevo respiro a la empresa (Apple)…

“Se vivían tiempos de incertidumbre sobre hacia donde iría el mercado de la música digital hasta que el 23 de octubre de 2001 Steve Jobs marcó la hoja de ruta con la presentación del iPod. Desde entonces Apple ha vendido más de 300 millones de su mp3”.

La incertidumbre dista de ser un desconocimiento… ya que el solo hecho de dejar la mente abierta a los posibles cambios que depara el futuro permite poseer un conocimiento oculto para afrontar esa situación.

Referencias

Dantzig, G. (1997). Planeando sobre la incertidumbre. Tomado de la revista ORMS Today, oct-nov 1999.

Ramos, A., Cerisola, S. (2014). Optimización estocástica. Recuperado de http://www.iit.upcomillas.es/aramos/simio/apuntes/a_sp.pdf

Izquierdo-Granja, D., Ruiz-Ruiz, J.J. (2014). PHPSimplex. Recuperado de http://www.phpsimplex.com/teoria_metodo_simplex.htm#