Universidad los ngeles de Chimbote

Facultad de Ingeniera Escuela Profesional de Ingeniera de Sistemas Asignatura: Teora de Decisiones

Introduccin al Anlisis Cuantitativo

1

Introduccin
Las herramientas matemticas han sido

usadas por miles de aos.

El anlisis cuantitativo puede ser aplicado

a una amplia variedad de problemas.

Uno tiene que entender: la aplicabilidad

especfica de la tcnica, sus limitaciones y suposiciones.

2

La Evolucin del Anlisis Cuantitativo

1990 1980 1970 1960 1950 1940 1930 1920 1910 1900
Sistemas Expertos e Inteligencia Artificial Apoyo de Decisiones Sistemas de Informacin Programacin Meta Teora de Decisiones Modelos de Red Programacin Dinmica Teora de Juegos Transportacin Tcnica de Asignatura Control de Inventarios Teora de Colas Anlisis Markov
3

La Toma de Decisiones
Anlisis Cuantitativo

Problema

Decisin

Anlisis Cualitativo

Resumen del Anlisis Cuantitativo

Enfoque cientfico para la toma de

decisiones en la Administracin.
Considera ambos factores cuantitativos

y cualitativos.
Anlisis Cuantitativo
Informacin cualitativa significante

Datos

El Enfoque del Anlisis Cuantitativo

1. 2. 3. 4. 5. 6.

Definir el problema Desarrollar un modelo Capturar datos Desarrollar una solucin Probar la solucin Analizar los resultados y llevar a cabo un anlisis de sensibilidad Implementar los resultados
6

7.

1) Definir el Problema
Todo los dems procedimientos depende de esto. Una clara y concisa definicin es requerida. Puede ser el paso ms difcil o complejo. Debe ir ms alla de los sntomas de las causas. Los problemas estn relacionados unos con otros. Se debe identificar y representar el problema real. Puede requerir objetivos especficos y medibles.
7

2) Desarrollo del Modelo

Representacin de modelos: fsicos, lgicos, a

escala, esquemticos o matemticos.

Definir las variables (controlables o no controlables)

y parmetros del modelo.

El modelo es la representacin de una situacin real. Variables Controlables Variables de Decisin. Los modelos deben ser: Solucionables. Realistas. Fcil de entender. Fcil de modificar.
8

3) Captura de Datos
Los datos exactos son esenciales Dnde podemos obtener datos :

Reportes de la organizacin, Documentos del archivo de la organizacin, Entrevistas o encuestas, Mediciones directas en el lugar, Muestreo estadstico, etc.
9

4) Desarrollo de la Solucin
Procesar el modelo para encontrar la mejor

solucin, para que sea:

Prctica. Implementable.

Uso de varios mtodos, como:

Solucin de ecuacin(es). Prueba de ensayo y error. Enumeracin completa. Implementacin de un algoritmo.

10

5) Prueba de Solucin
Cuando de efecta la primera prueba, es muy

probable que se encuentre fallas.

Efectuar el proceso de pruebas y mejoramiento del

modelo para su validacin

Asegurar que el modelo solucione el problema real Se debe realizar las pruebas del modelo antes de

analizar los resultados.

Revisar la consistencia de los resultados del modelo

Tienen sentido?
11

6) Anlisis de Resultados
Analizar y entender las acciones implicadas en la

solucin del modelo.

Determinar las implicaciones de la accin que

generen los resultados.

Conducir un anlisis de sensibilidad del modelo,

cambiar los valores iniciales o un parmetro del modelo y ver que pasa con el resultado.

Usar un anlisis de sensibilidad para ayudar a entender el problema (asi como las respuestas)
12

7) Implementacin de los resultados

Incorporar o implementar la solucin del modelo en

la organizacin.
Capacitar al personal que participar en la puesta en

marcha o implementacin del modelo.

Monitorear los resultados para su mejora contnua. Usar los resultados del modelo y el anlisis de

sensibilidad para ayudar en la toma de decisiones a la administracin.

13

El lado bueno del Modelo

Representan la realidad del poblema con exactitud. Ayudan al tomador de decisiones (decisor) a entender

el problema.
Ahorran tiempo y dinero en la solucin de problemas y

en la toma de decisiones.
Ayudan a brindar soluciones a otros problemas. Proporcionan la nica manera de resolver problemas

grandes o complejos en un tiempo razonable.

14

El lado complejo del Modelo

Pueden ser costosos y se pueden llevar mucho

tiempo en el dersarrollo y prueba.

Frecuentemente son mal usados y mal entendidos (y

temidos) debido a su complejidad matemtica.

Se tienden a menospreciar el valor y rol de la

informacin no cuantitativa.
Frecuentemente se tiene suposiones que sobre

simplifican las variables del mundo real.

15

Modelos matemticos caracterizados por riesgo

Modelos Deterministicos: Cuando se

conocen todos los valores usados con certeza, o estn predeterminados.

Modelos Probabilisticos: Cuando se

conoce la probabilidad que los parmetros del modelo tomarn en un valor especfico, usando el clculo de probabilidades.
16

Apoyo de software para realizar anlisis cuantitativo

Actualmente existen diversas herramientas de

Software y programas para la aplicacin en la solucin de modelos de optimizacin que sirven en la toma de decisiones y por ende en la Administracin de Operaciones y procesos.
Algunos de estas herramientas son:

17

Win QSB Para Windows

18

QM Para Windows

19

Excel QM

20