Please enable JavaScript.
Coggle requires JavaScript to display documents.
Modelos , es un , en otras palabras, los modelos deterministas , por…
Modelos
Modelo de Incertidumbre
aspecto importante en la investigación de operaciones, ya que muchos problemas en la toma de decisiones involucran datos inciertos, variables aleatorias y escenarios desconocidos.
Supongamos que una empresa debe tomar decisiones sobre la asignación de recursos para la producción y distribución de productos en un entorno incierto. La demanda de productos puede variar y no es conocida con certeza, lo que genera incertidumbre. Para abordar esta incertidumbre, se puede utilizar la programación estocástica, que es un enfoque común en la investigación de operaciones.
-
Modelo Determinista
modelo matemático donde las mismas entradas o condiciones iniciales producirán invariablemente las mismas salidas o resultados, no contemplándose la existencia de azar, o incertidumbre en el proceso modelado mediante dicho modelo.
los resultados futuros son completamente predecibles a partir de las entradas y condiciones iniciales dadas.
Reproducibilidad
Dado un conjunto específico de entradas y condiciones iniciales, se obtendrá siempre el mismo resultado.
Determinismo
El comportamiento del sistema se rige por ecuaciones o reglas específicas y se considera completamente predecible.
Presicion
Los valores de las variables en un modelo determinista se conocen con certeza y no varían con el tiempo.
-
on útiles en situaciones en las que se puede establecer con confianza que no hay incertidumbre significativa y que los resultados futuros son totalmente previsibles.
se pueden utilizar en ciencias físicas y matemáticas para describir sistemas con alta certeza y precisión, como en cálculos de ingeniería, dinámica de fluidos y problemas de mecánica clásica.
en muchas aplicaciones del mundo real, la incertidumbre y la variabilidad son inevitables, por lo que los modelos deterministas a menudo no son adecuados para capturar la complejidad de situaciones más complejas o impredecibles.
Modelos Probabilistas
tipo de modelo matemático que se utiliza para representar situaciones en las cuales la incertidumbre y la variabilidad desempeñan un papel importante.
se incorporan conceptos de probabilidad y estadística para cuantificar y manejar la incertidumbre en los datos y los resultados
-
Simulación y muestreo
Los modelos probabilistas a menudo se utilizan para realizar simulaciones y muestreos aleatorios con el fin de estimar los resultados posibles y evaluar los riesgos.
-
-
son ampliamente utilizados en diversas disciplinas, como la estadística, la economía, la ingeniería, la ciencia de datos, la física y la gestión de riesgos.
de aplicaciones de modelos probabilistas incluyen la predicción del tiempo, la valoración de opciones financieras, la simulación de sistemas complejos, el análisis de datos estadísticos y la toma de decisiones bajo incertidumbre.
Modelo de Riesgo
para abordar situaciones en las que la incertidumbre y la variabilidad desempeñan un papel importante en la toma de decisiones.
permiten a los analistas y gerentes tomar decisiones óptimas o estratégicas en un entorno incierto al considerar los riesgos asociados con diferentes escenarios.
Un enfoque común para modelar el riesgo en la investigación de operaciones es el Análisis de Riesgo y Simulación.
Supongamos que una empresa está planeando su cadena de suministro y debe tomar decisiones sobre la cantidad de productos que debe producir y distribuir para satisfacer la demanda del mercado. Sin embargo, la demanda de los productos es incierta y puede variar debido a factores como cambios en las preferencias del cliente, retrasos en la producción o problemas de transporte.
En este escenario, un modelo de riesgo podría incluir los siguientes pasos:
Definir Escenarios de Riesgo : Identificar diferentes escenarios posibles de demanda y eventos que puedan afectar la cadena de suministro, como retrasos en la producción, problemas de calidad, etc.
Asignar Probabilidades : Asignar probabilidades a cada escenario de riesgo basado en datos históricos o expertos. Por ejemplo, se podría asignar una probabilidad del 30% a la demanda normal, un 20% a la demanda alta y un 50% a la demanda baja.
Modelar el Sistema : Utilizar técnicas de investigación de operaciones, como la programación lineal o la programación dinámica, para modelar la cadena de suministro en función de diferentes escenarios de riesgo. Esto podría incluir decisiones sobre la producción, el almacenamiento y la distribución.
Simulación : Realizar simulaciones para evaluar cómo se desempeña el sistema en cada uno de los escenarios de riesgo, teniendo en cuenta las probabilidades asignadas.
Optimización Bajo Riesgo : Utilizar técnicas de optimización para determinar la estrategia óptima que minimice el riesgo o maximice el rendimiento en función de los resultados de la simulación.
Toma de Decisiones : Basarse en los resultados de la simulación y la optimización para tomar decisiones informadas sobre la producción, el inventario y la distribución en la cadena de suministro.
Este enfoque permite a la empresa tomar decisiones que sean robustas ante diferentes escenarios de riesgo y minimizar las posibles pérdidas o costos asociados con la incertidumbre en la demanda y la operación de la cadena de suministro.
los modelos de riesgo son herramientas valiosas para abordar problemas complejos y dinámicos en entornos empresariales y de toma de decisiones.
-
-
-
-
-
-
-
-
-
-
-
-
-
Ejemplo de modelo de riesgo en Investigación de Operaciones - Planificación de la Cadena de Suministro :
-
-
-