Professional Documents
Culture Documents
APROXIMACIONES
METODOLÓGICAS PARA LA
TOMA DE DECISIONES,
APOYADAS EN MODELOS
DIFUSOS
AUTOR:
Gabriel Jaime Correa Henao
DIRECTORA:
Gloria Elena Peña Zapata, PhD(c)
I VO SS OBJETIVOS ESPECÍFICOS
ET
BJ TI V O
OBJE
O
Uso de Fuzzy
Fuzzy
Elección
Elección
Incertidumbre
Evaluación
en las
Alternativas
R R OOLLLLO
O Restricciones
S A R
DDEESARETIVVO SS Formulaciones
J
B T I O Evaluación con Números Planeación
DDEEOOBJE de Difusos de Recursos
Alternativas
Ingeniería de
En el siguiente esquema Agregación Requerimientos para
se puede verificar el de la Fuzzy Elección
desarrollo del trabajo de Decisión
tesis, lo cual permite
cumplir con los objetivos Metodologías Estudio de Casos de
Difusas Continuas Aplicación
propuestos
Metodologías
Difusas Discretas
Implementación de las
Formulación Metodológica Metodologías para Apoyar la Toma
de Decisiones
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
E NNID OO
N T
CCOONTE I D
RELEVANCIAS
DEFINICIONES Y
ESTADO DEL ARTE
El Desarrollo de la
Metodología y su
Implementación se
realiza mediante el
siguiente proceso
DESARROLLO DE
METODOLOGÍAS INGENIERÍA DE
(DISCRETAS Y CONTINUAS) SOFTWARE
140 0.8
x1
x2
0.7
120 lambda
0.6
100
0.5
80
0.4
60
0.3
40
0.2
20
0.1
0 0
x(1)
E NNID OO
N T
CCOONTE I D
RELEVANCIAS
DEFINICIONES Y
ESTADO DEL ARTE
El Desarrollo de la
Metodología y su
Implementación se
realiza mediante el
siguiente proceso
DESARROLLO DE
METODOLOGÍAS INGENIERÍA DE
(DISCRETAS Y CONTINUAS) SOFTWARE
140 0.8
x1
x2
0.7
120 lambda
0.6
100
0.5
80
0.4
60
0.3
40
0.2
20
0.1
0 0
x(1)
RELEVANCIAS
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Metodologías
Metodologíaspara
paralalatoma
tomade
dedecisiones
decisionesen
enProblemas
Problemas
Discretos
Discretos
N C I ASSDDEE
VA CI A
RREELLEEVATN SIS
LLAA TEESIS
Identificación
Identificacióndedeniveles
nivelesde
deconsistencia
consistenciaen
enlala
La aproximación emisión
emisióndedejuicios
juiciospor
porparte
partede
deun
undecisor,
decisor,en
enlala
metodológica constituye calificación
calificaciónde
delos
losobjetivos
objetivosde
desu
suproblema.
problema.
la recopilación y
mejoramiento de Escenarios
diversas metodologías Escenarioscon
conaversión/propensión
aversión/propensiónalalriesgo
riesgopor
por
parte de cualquier decisor.
parte de cualquier decisor.
publicadas en artículos,
revistas y libros
especializados Métodos
Métodosmás
mássencillos
sencillospara
paralalacuantificación
cuantificaciónde
de
operadores difusos
operadores difusos
Se destaca la extracción
de algoritmos de
implementación, así Robustez
Robustezde
delalaMetodología
MetodologíaDifusa
Difusa
como el mejoramiento
en la eficiencia
computacional de cada Evaluación
Evaluaciónde
deAlternativas
Alternativas
metodología.
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Metodologías
Metodologíaspara
paralalatoma
tomade
dedecisiones
decisionesen
enProblemas
Problemas
de tipo Continuo
de tipo Continuo
N C I ASSDDEE
VA CI A
RREELLEEVATN SIS
LLAA TEESIS
Generalización
Generalizaciónde
delalateoría
teoríade
desolución
soluciónde
deproblemas
problemas
La solución de modelos de
deprogramación
programaciónlineal
linealcon
concoeficientes
coeficientesdifusos
difusos
de programación
multiobjetivo, a partir del
Validación
Validaciónde
delas
lasmetodologías,
metodologías,mediante
mediantelala
uso de lógica difusa, se
considera como una solución
soluciónde
deproblemas
problemasmodelos.
modelos.
herramienta blanda en la
Investigación de Formulación
Operaciones FormulaciónMetodológica
Metodológicapara
paracualquier
cualquiertipo
tipode
de
problema
problemalineal
linealcon
conm
mobjetivos,
objetivos,nnrestricciones,
restricciones,kk
Para la formulación de variables
variablesde
dedecisión.
decisión.
este tipo de modelos, no
es necesario definir de
Método
Métodode
delos
lossubproblemas
subproblemasóptimos,
óptimos,optimista
optimista
manera exacta las
yypesimista,
pesimista,
matrices de restricciones
que componen el
problema.
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Otras
OtrasRelevancias
Relevanciasse
secentran
centranen
en
N C I ASSDDEE
VA CI A
RREELLEEVATN SIS
LLAA TEESIS
En
Enelelárea
áreadedeIngeniería
Ingenieríade
deSoftware,
Software,ya
yaque
quese
se
ejemplifica el proceso de creación de software.
ejemplifica el proceso de creación de software.
El desarrollo de este
trabajo de tesis ha sido En
muy atractivo desde el Enelelárea
áreade deInvestigación
Investigaciónde
deOperaciones,
Operaciones,ya yaque
que
se
seilustra
ilustraeleluso
usode
deherramientas
herramientasdedelalainteligencia
inteligencia
punto de vista
artificial
artificial como son los conjuntos borrososyysu
como son los conjuntos borrosos su
académico, y
aplicación práctica
aplicación práctica
posiblemente, comercial.
Desarrollo
Desarrollode
deotros
otrostrabajos
trabajosdirigidos
dirigidosde
degrado.
grado.
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
DEFINICIONES
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
{ }
Investigación de
Operaciones. x * = arg max D ( x )
x ∈X
1
Las metas y
restricciones en un
problema de decisión se
tratan en un mismo R1(x)
M1(x)
nivel.
El teorema de Bellman y
Zadeh, es la base para
efectuar el desarrollo
metodológico.
x
D(x)= min{M1(x), R1(x)}
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
DESARROLLO DE
METODOLOGÍAS
(DISCRETAS Y CONTINUAS)
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Propuesta Metodológica
Propuesta Metodológica (1)
(1)
DE
TTOOMMAA DECONN
IS IO NNEESS CO
C O
DDECIS ADORREESS
E I
OOPPEERRAS DO
OS
DDIFIFUUSOS 1. Determinar las alternativas consideradas en el problema
B L EMMAASS de decisión, y qué se pretende.
PPRROOBL TOSSE
CRE TO
DDISISCRE
2. Establecer los objetivos que se persiguen en la solución
del problema.
Para efectuar la Toma
de Decisiones en
3. Especificar las diferentes retricciones que impiden
ambientes discretos, se solucionar el problema.
propuso la siguiente
formulación 4. Asignar los grados de importancia de cada objetivo y de
metodológica, en la cual cada restricción. Lo anterior, se puede efectuar mediante
intervienen operadores el método de pareamientos. El decisor estará en
difusos
capacidad de corroborar la efectividad de su
razonamiento mediante el cálculo del Índice de
Consistencia.
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Propuesta Metodológica
Propuesta Metodológica (2)
(2)
DE
TTOOMMAA DECONN
IS IO NNEESS CO
C O
DDECIS ADORREESS
E I
OOPPEERRAS DO
OS
DDIFIFUUSOS 5. Informar los grados de satisfacción en que cada
B L EMMAASS alternativa permite cumplir con cada objetivo. Dicha
PPRROOBL TOSSE
CRE TO información queda contenida en la Matriz de
DDISISCRE
Satisfacciones.
Propuesta Metodológica
Propuesta Metodológica (3)
(3)
DE
TTOOMMAA DECONN
IS IO NNEESS CO
C O
DDECIS ADORREESS
E I
OOPPEERRAS DO
OS
DDIFIFUUSOS 8. Declarar la percepción que el decisor tiene acerca de su
B L EMMAASS ambiente de decisión, es decir, el grado de
PPRROOBL TOSSE
CRE TO Optimismo/Pesimismo. Lo anterior permitirá agregar la
DDISISCRE
decisión a través de cualquiera de los operadores
determinados en la propuesta metodológica (MEOWA,
Para efectuar la Toma EZOWA, Ponderador Geométrico).
de Decisiones en
ambientes discretos, se 9. La Matriz de Decisión contiene la agregación de la
propuso la siguiente Matriz de Satisfacciones de Relativas y corresponde a la
formulación
metodológica, en la cual evaluación de cada una de las alternativas consideradas
intervienen operadores por el decisor.
difusos
10. Se sugiere que el decisor elija la alternativa de mayor
calificación. Dicha elección se considera como la
solución de su problema de decisión.
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
El problema es elegir
una Alternativa, que de
manera óptima soporte RESTRICCIONES OBJETIVOS DESEADOS
CONJUNTO DE
las presentes ALTERNATIVAS
Restricciones y los
futuros Objetivos.
TOMA DE DECISIONES
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Importancia de
Importancia de Objetivos
Objetivos
DE
TTOOMMAA DECONN
IS IO NNEESS CO
C O
DDECIS ADORREESS
E I
OOPPEERRAS DO
OS
DDIFIFUUSOS
B L EMMAASS
PPRROOBL TOSSE
CRE TO Para identificar la importancia de los objetivos (α i),
DDISISCRE
se recurre al método pareamientos, similar a la
Se considera que los
metodología AHP [Saaty, 1977]
objetivos y las
restricciones tienen
distintas importancias.
Se sugiere el grado de importancia en el rango
[YAGER, 1978]
entre 1 y 9.
Escala Criterios
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Sistema Jerárquico
Sistema Jerárquico –– Escala
Escala de
de Criterios
Criterios
DE
TTOOMMAA DECONN
IS IO NNEESS CO
C O
DDECIS ADORREESS
E I
OOPPEERRAS DO Valor de Definición
OS
DDIFIFUUSOS importancia
1 Juicios de igual importancia
B L EMMAASS
PPRROOBL TOSSE
CRE TO 2 Juicio de importancias intermedias
DDISISCRE
3 Juicio de débil importancia del uno sobre el otro
Valoración
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Valoración de
Valoración de Importancias
Importancias
DE
TTOOMMAA DECONN
IS IO NNEESS CO
E C I O
DDECIS ADORREESS Se conforma una Matriz, B, cuyas entradas son:
OOPPEERRAS DO
OS bij = 1/bji y bii = 1
DDIFIFUUSOS
B L EMMAASS
PPRROOBL TOSSE
CRE TO
Finalmente, se soluciona el problema de valores
DDISISCRE propios (eigenvalores) para el caso B⋅ W =
λ máx ⋅ W
Y se obtiene el eigenvector, o vector propio de la
Ejemplo de Valoración matriz normalizado correspondiente a λ máx para esa
ecuación matricial.
1 5 3 1 Obj. 1 0.37 Obj.1 1.48 Obj.1
1 1 1 1 Obj. 2 0.05 Obj. 2 0.20 Obj. 2
B= 5 7 7 W= A=
1 7 1 1 Obj. 3 0.19 Obj. 3 0.74 Obj. 3
3 3
1 7 3 1 Obj. 4 0.39 Obj. 4 1.58 Obj. 4
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Matriz de
Matriz de Satisfacciones
Satisfacciones
DE
TTOOMMAA DECONN
IS IO NNEESS CO
E C I O
DDECIS ADORREESS El decisor debe informar el rango de desempeño, o
OOPPEERRAS DO
OS Grado de Pertenencia (µij ) de la i-ésima alternativa, Ai,
DDIFIFUUSOS
B L EMMAASS con respecto al j-ésimo objetivo, Mj
PPRROOBL TOSSE
CRE TO
DDISISCRE
M1 M2 Mm
La Satisfacción
simultánea de Objetivos
A1 µ11 µ12 µ1m
y Restricciones puede
A2 µ µ 22 µ 2 m
expresarse en formato 21
matricial
Ak µ k1 µk 2 µ km
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Decisión teniendo
Decisión teniendo en
en cuenta
cuenta la
la
Importancia de
Importancia de Objetivos
Objetivos
DE
TTOOMMAA DECONN
IS IO NNEESS CO
C O
DDECIS ADORREESS
E I
OOPPEERRAS DO
OS
Asociado a cada objetivo se encuentra el parámetro
DDIFIFUUSOS
EMMAASS
de importancias α , restringido a Σ i α i = m + n
B L E
PPRROOBL TOSS
DDIS CRE TO
ISCRE
{
D ( x ) = m in M 1α 1 ( x ) , M 2α 2 ( x ) ,, M mα m ( x ) , R mα m+ 1+ 1 ( x ) , R mα m+ +22 ( x ) ,, R mα m+ +nn ( x )
i = 1, m
}
j = m + 1,m + n
Lo que se hace es
emplear el concepto de
exponenciación para
Elevado a
cada uno de los grados
de satisfacción.
[YAGER, 1978]
Obsérvese el siguiente
ejemplo:
Decisión = máx(0.31,
0.31
0.033, 0.17)
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Agregación
Agregación Difusa
Difusa de
de la
la Decisión
Decisión
DE
TTOOMMAA DECONN
IS IO NNEESS CO
C O
DDECIS ADORREESS
E I
OOPPEERRAS DO Pesimismo Extremo < Decisión (x) < Optimismo Extremo
OS
DDIFIFUUSOS
B L EMMAASS
PPRROOBL TOSSE
CRE TO
DDISISCRE
Agregación con operador geométrico (Zimmerman, 1985)
La toma de decisiones,
empleando el operador Agregación MEOWA por entropía (O’Hagan, 1993)
MIN (Una conjunción
severa AND) es Agregación EZ-OWA sencilla (Yager, Correa, 2002)
bastante extrema. En
realidad la conjunción
del operador MIN
corresponde al caso
extremo o caso
“pesimista”.
[YAGER, 1988] Op. Geométrico
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Agregación
Agregación con
con Operador
Operador Geométrico
Geométrico
DE
TTOOMMAA DECONN
IS IO NNEESS CO
C O
DDECIS ADORREESS
E I
OOPPEERRAS DO
OS
DDIFIFUUSOS 1−γ γ
p
p
B L E
PPRROOBL TOSS
MMAASS
E µ comp ( x ) = ∏ µ i ( x ) × 1 − ∏ (1 − µ i ( x ) )
CRE TO i =1
DDISISCRE i =1
x∈ X
0≤γ ≤1
Una media geométrica 0≤ µ i ( x ) ≤1
es un modelo
adecuado para
V
V
No Compensación
Compensación Plena
modelar la agregación
humana de conjuntos
difusos cuando existe
un efecto
Grado de Compensación
compensatorio. Se
utiliza el factor γ de 0 1
compensación del
decisor.
OWA
[ZIMMERMANN, 1985]
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Agregación
Agregación OWA
OWA
DE
TTOOMMAA DECONN
IO NNEESS CO
E C IS I O
DDECIS ADORREESS Un OWA corresponde básicamente a un vector de pesos,
OOPPEERRAS DO
OS cuya dimensión corresponde al número total de objetivos y
DDIFIFUUSOS
L EMMAASS restricciones en el problema de decisión, el cual se asocia
B
PPRROOBL TOSSE
CRE TO con la función de decisión µ D. El vector ω resultante
DDISISCRE
cumple las siguientes condiciones
Los promedios ωi ∈ I
ponderados ordenados
p
(OWA, según la sigla
en inglés de “ordered
weighted averages”),
∑ω
i =1
i =1
se fundamentan en p
cuantificadores difusos µ D ( a1 ,, a n ) = ∑ ω i ⋅ bi = ω ' ⋅ B
i =1
[YAGER, 1988]
Aquí, bi corresponde al i-ésimo elemento mayor en la colección
ordenada a1, …, an
MEOWA
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Agregación
Agregación MEOWA
MEOWA
DE
TTOOMMAA DECONN
IS IO NNEESS CO
E C I O
DDECIS ADORREESS p
OOPPEERRAS DO
OS
DDIFIFUUSOS max − ∑ Wi ⋅ ln (Wi )
B L EMMAASS
PPRROOBL TOSSE i =1
CRE TO
DDISISCRE p ( p − i)
∑ ⋅ Wi = ( Factor de optimismo )
Se realiza el cálculo de i =1 ( p − 1)
promedios ponderados
ordenados de Máxima sujeto a :
n
Entropía.
∑ Wi = 1
[O’HAGAN, 1993] i =1
Wi ≥ 0, i ∈ N
EZ-OWA
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Agregación
Agregación EZ-OWA
EZ-OWA
Para α > 0.5: Sea i* = entero((2α − Decisión Optimista
DE
TTOOMMAA DECONN 1)⋅ p).
IS IO NNEESS CO 1 1
E C I O
DDECIS ADORREESS
OOPPEERRAS DO
OS p 2( 1 − α ) para 1 ≤ i ≤ i *
DDIFIFUUSOS 1 1
MMAASS wi = 1 − i * ⋅ ⋅ para i = i * +1
B L E
PPRROOBL TOSSE p 2 ( 1 − α )
para i * +2 ≤ i ≤ p
CRE TO 0
DDISISCRE
Se encuentra una 1
alternativa que permite Para α = 0.5: wi = Decisión Neutra
evitar la resolución de p
un problema
complicado de Para α < 0.5: sea k* = entero((1 − Decisión Pesimista
optimización no lineal 2α )⋅ p)
[YAGER, CORREA,
2002] 0 para 1 ≤ i ≤ k *
p − k * −1
wi = 1 − para i = k * +1
2 ⋅α ⋅ p
1 para k * +2 ≤ i ≤ p
2 ⋅α ⋅ p
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Formulación
Formulación de
de los
los Problemas
Problemas Continuos
Continuos
DE
TTOOMMAA DECONN
IS IO NNEESS CO
C O
DDECIS ADORREESS
E I
OOPPEERRAS DO Problema No Difuso Problema Difuso
OS
DDIFIFUUSOS
B L EMMAASS
PPRROOBL UOSSE n n
IN O
CCOONNTTINU max z i = ∑ g ij ⋅ x j , i = 1, 2, , p ∑g
j =1
ij ⋅ x j ≤ ~ Z 0 , i = 1, 2, , p
j =1
Los modelos de
optimización en I.O.
asumen que la
información es n
n
conocida de manera
∑A
j =1
ij ⋅ x j ≤ bi , i = 1, 2, , m,
∑A
j =1
ij ⋅ x j ≤~ bi , i = 1, 2, , m,
precisa, que las x j ≥~ 0
xj ≥ 0
restricciones delimitan
un conjunto concreto
de soluciones factibles,
además que los
criterios deben ser
bien definidos y fácil
de formular
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
APROXIMACIONES
APROXIMACIONES
METODOLÓGICAS DIFUSAS
METODOLÓGICAS DIFUSAS PARA
PARA
PROBLEMAS MULTIOBJETIVO
PROBLEMAS MULTIOBJETIVO
DE
TTOOMMAA DECONN
IS IO NNEESS CO
C O
DDECIS ADORREESS
E I
OOPPEERRAS DO
OS
DDIFIFUUSOS
B L EMMAASS
PPRROOBL UOSSE Optimización Difusa con Violación en las Restricciones
IN O
CCOONNTTINU
Optimización
Optimización Difusa
Difusa con
con Violación
Violación en
en las
las
Restricciones
Restricciones
DE
TTOOMMAA DECONN
IS IO NNEESS CO
C O
DDECIS ADORREESS
E I
DO 1
OOPPEERRAS OS ui
DDIFIFUUSOS
B L EMMAASS
PPRROOBL UOSSE
IN O
CCOONNTTINU 0 di di + pi
Defuzzificación de la
Solución mediante la maximización en el nivel de
Función de
Restricción, usando los aspiración del decisor
valores de la función
objetivo con y sin max λ
violaciones,
formulando un
problema de P.L.
( )
λ ⋅ zi + − zi − − zi ( x ) ≤ − zi −
Auxiliar. λ ⋅ p + A⋅ x ≤ b + p
sujeto a:
[ZIMMERMANN, 1978]
λ ≤1
x, λ ≥ 0
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Optimización
Optimización Difusa
Difusa con
con Violación
Violación en
en las
las
Restricciones
Restricciones
DE
TTOOMMAA DECONN
IS IO NNEESS CO
C O
DDECIS ADORREESS
E I
OOPPEERRAS DO Zi+ y de Zi− son conocidas como las mejores y peores
OS
DDIFIFUUSOS
EMMAASS soluciones individuales sobre la Frontera de Pareto
B L E
PPRROOBL UOSS
IN O
CCOONNTTINU
u i ( zi )
Es necesario trabajar
con la Función
Objetivo fuzzificada
como una Función de
Pertenencia del tipo
z i-
z i+
Lineal
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Optimización
Optimización Difusa
Difusa con
con Coeficientes
Coeficientes
Difusos
Difusos en
en las
las Restricciones
Restricciones
DE
TTOOMMAA DECONN n
NNEESS CO
E C IS IO
I O
DDECIS ADORREESS max Z i = ∑ g ij ⋅ x j , j = 1, 2, , n
OOPPEERRAS DO
OS j =1
DDIFIFUUSOS
MMAASS m
B L E
PPRROOBL UOSSE
IN O
sujeto a: ∑A kj ⋅ x j ≤~ bk , k = 1, 2, , m,
CCOONNTTINU j =1
x j ≥~ 0
Se puede abordar la
incertidumbre,
mediante la definición Se emplean las siguientes transformaciones
de aproximaciones en
la formulación de la [MALEKI, TATA, MASHINCHI, 2000]
matriz de coeficientes
técnicos
a~k1 ⋅ x1 + + a~kn ⋅ x n = ∑ ( mkj − α kj ) ⋅ x j , ∑ mkj ⋅ x j , ∑ ( mkj + β kj ) ⋅ x j
j j j
a = (m− α , m, m + β ) b = (p− γ , p, p + δ )
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Optimización
Optimización Difusa
Difusa con
con Coeficientes
Coeficientes
Difusos
Difusos en
en las
las Restricciones
Restricciones
DE
TTOOMMAA DECONN
IO NNEESS CO
E C IS I O
DDECIS ADORREESS El problema converge, aún cuando se aborde la
OOPPEERRAS DO
OS separación de las componentes de cada número difuso,
DDIFIFUUSOS
L EMMAASS gracias a la resolución del siguiente problema de P.L.
B
PPRROOBL UOSSE
IN O Auxiliar
CCOONNTTINU
max λ
Se puede abordar ( )
Z i+ − Z i− ⋅ λ − g ij ⋅ x j ≤ − Z i
incertidumbre en la
mkj ⋅ x j ≤ p i i = 1, , # objetivos
formulación de los
coeficientes de costo y sujeto a: ( mkj − α kj ) ⋅ x j ≤ p k − γ k j = 1, , # variables
( mkj + β kj ) ⋅ x j ≤ p k + δ k
en los coeficientes k = 1, , # restricciones
técnicos, incluyendo
xi ≥ 0
toda la información
contenida en los
números difusos
Aquí, Zi+ y Zi− indican las soluciones óptimas particulares de cada función
[CORREA, PEÑA,
objetivo sobre la frontera de Pareto, del problema defuzzificado
2003]
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Aproximación
Aproximación Metodológica
Metodológica concon
Coeficientes
Coeficientes Difusos
Difusos enen las
las funciones
funciones
Objetivo
Objetivo yy en
en las
las Restricciones
Restricciones
DE
TTOOMMAA DECONN n
NNEESS CO
E C IS IO
I
OOPPEERRAS
O
DDECIS ADORREESS
DO
max ∑g ij ⋅ xj , j = 1, 2, , n
OS j =1
DDIFIFUUSOS
MMAASS m
B L E
PPRROOBL UOSSE
IN O
sujeto a: ∑A kj ⋅ x j ≤~ bk , k = 1, 2, , m,
CCOONNTTINU j =1
x j ≥~ 0
Se puede abordar la
incertidumbre, Los coeficientes de costo y coeficientes técnicos se representan
mediante la definición de conformidad con la notación antes establecida.
de aproximaciones en
la formulación de la g ij = g i1 ⋅ x1 + + g in ⋅ x n = ∑ ( cij − ε ij ) ⋅ x j , ∑ cij ⋅ x j , ∑ ( cij + ϕ ij ) ⋅ x j
~ ~ ~
matriz de coeficientes j j j
técnicos.
~ = a~ ⋅ x + + a~ ⋅ x = ( m − α ) ⋅ x , m ⋅ x , ( m + β ) ⋅ x
Se enfrenta un Akj k1 1 kn n ∑ kj kj j ∑ kj j ∑ kj kj j
procedimiento j j j
ordenado, en el que se
~
bkj = ∑ ( p kj − γ kj ), ∑ p kj , ∑ ( p kj + δ kj ) ⋅ x j
resuelve el problema
por partes j j j
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Aproximación
Aproximación Metodológica
Metodológica concon
Coeficientes
Coeficientes Difusos
Difusos enen las
las funciones
funciones
Objetivo
Objetivo yy en
en las
las Restricciones
Restricciones
DE
TTOOMMAA DECONN
IO NNEESS CO
E C IS I O
DDECIS ADORREESS Formulación de los tres Subproblemas que permiten encontrar
OOPPEERRAS DO
OS las funciones de pertenencia de cada Función Objetivo
DDIFIFUUSOS
B L EMMAASS
PPRROOBL UOSSE
IN O
CCOONNTTINU
PESIMISTA, ÓPTIMO y OPTIMISTA
[ ] ( x ) ≤ z i− pesimista
0 ; zi
pesimista
Se debe verificar el µ pesimista ( x ) = ( ci − ε i ) ⋅ x j − z i
−
(z ) ( x ) ≤ z i+
pesimista
pesimista
+ − ; z i− < zi
hecho que el i
−z pesimista pesimista
( x ) > z i+ pesimista
i pesimista i pesimista pesimista
problema soporte las ; zi
1
soluciones más
extremas (Límites
[ ] ( x ) ≤ z i− optimo
0 ; zi
optimo
(c ) ⋅ x − z−
izquierdos y ( x ) = i j i
µi
(z ) ( x ) ≤ z i+ óptimo
optimo
optima optimo
+ ; z i− < zi
derechos de los − z i− optimo
( x ) > z i+ óptimo
i optimo optimo óptimo
; zi
números difusos). 1
[CORREA, PEÑA,
[ ] ( x ) ≤ z i− optimista
0 ; zi
optimista
2003] (c + ϕ ) ⋅ x − z−
( x ) = i i j i
(z ) ( x ) ≤ z i+ optimista
optimista
µioptimista optimista
+ ; z i− < zi
− z i− optimista
( x ) > z i+ optimista
i optimista optimista optimista
; zi
1
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Aproximación
Aproximación Metodológica
Metodológica concon
Coeficientes
Coeficientes Difusos
Difusos enen las
las funciones
funciones
Objetivo
Objetivo yy en
en las
las Restricciones
Restricciones
DE
TTOOMMAA DECONN
IO NNEESS CO
E C IS I O
DDECIS ADORREESS Se halla el nivel mínimo que tienen que alcanzar todas
OOPPEERRAS DO
OS las funciones de pertenencia, lo cual se interpreta como
DDIFIFUUSOS
L EMMAASS el nivel de aspiración o de satisfacción del decisor.
B
PPRROOBL UOSSE
IN O
CCOONNTTINU max λ
(
Z i+
− Z i− )
⋅ λ − ( cij − ε ij ) ⋅ x j ≤ − Z i−
( )
La solución de dicho pesimista pesimista pesimista
( m kj + β kj ) ⋅ x j ≤ p k + δ k
xi ≥ 0
Aquí, Zi+ y Zi− indican las soluciones óptimas particulares de cada función
objetivo sobre la frontera de Pareto, del problema defuzzificado
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Aproximación
Aproximación Metodológica
Metodológica con
con
Coeficientes
Coeficientes Difusos
Difusos yy con
con Restricciones
Restricciones de
de
Igualdad
Igualdad
DE
TTOOMMAA DECONN
IS IO NNEESS CO
C O
DDECIS ADORREESS
E I
OOPPEERRAS DO
OS
DDIFIFUUSOS
n
B L E
PPRROOBL UOSS
MMAASS
E
max ∑g
j =1
ij ⋅ xj , j = 1, 2, , n
IN O
CCOONNTTINU
m
∑A kj ⋅ x j ~ ≤ bk , k = 1, 2, , m,
Aquí se formula una j =1
aproximación sujeto a: m
metodológica que ∑ A eq kj ⋅ x j ~ = b eq k
permita abordar la j =1
Aproximación
Aproximación Metodológica
Metodológica con
con
Coeficientes
Coeficientes Difusos
Difusos yy con
con Restricciones
Restricciones de
de
Igualdad
Igualdad
DE
TTOOMMAA DECONN n
NNEESS CO
E C IS IO
I
OOPPEERRAS
O
DDECIS ADORREESS
DO
max ∑g ij ⋅ xj , j = 1, 2, , n
OS j =1
DDIFIFUUSOS
B L EMMAASS m
PPRROOBL UOSSE
IN O
CCOONNTTINU ∑A kj ⋅ x j ~ ≤ bk
j =1
m
− ∑ A eq kj ⋅ x j ~ ≤ −b eq k
Es necesario
sujeto a: j =1
reformular el problema, m
ampliándolo de
∑ A eq kj ⋅ x j ~ ≤ b eq k
manera que acepte la j =1
adición de una nueva x j ~≥ 0
cantidad de
restricciones
[CORREA, PEÑA, En este tipo de problemas, la verificación del cumplimiento de las
2003] Restricciones de Igualdad quedará contenida dentro de la
incertidumbre del Vector de Recursos.
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
INGENIERÍA DE SOFTWARE
PARA LA IMPLEMENTACIÓN
COMPUTACIONAL
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Implementación de la
Metodología Formulada
RRÍA DDEE
G E NI E
IE REÍA
INGEFNTW
IN A E
SSOOFTWAR
Intercambio
Computación con Dinámico de Datos
palabras, teniendo en
cuenta las vaguedades
e incertidumbres del
lenguaje humano, para
realizar la mejor Interacción con el Decisor
decisión (optimización
difusa). Algoritmos de Desarrollo en Matlab.
De esa manera se le
1. Toolbox de Compilación
facilitará a un decisor
el análisis e 2. Genera archivos en C++.
interpretación de
fenómenos de 3. Potencialidad
múltiples objetivos.
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Implementación de la
Metodología Formulada
RRÍA DDEE
G E NI E
IE REÍA
INGEFNTW
IN A E
SSOOFTWAR MATLAB ofrece alta capacidad de
procesamiento matemático.
Genera algoritmos de alta capacidad
computacional, los cuales tienen alta dificultad de
implementar en plataforma C++.
Plataforma en lenguaje, Borland C++ Builder,
con interfaces VCL (Visual Components
Library)
Se realiza el intercambio dinámico de datos, de
archivos compilados, con el lenguaje de
Programación Borland C++ Builder.
Módulos considerados
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
para la
DDEE
implementación de la
RRÍA
Metodología Discreta
G E NI E
IE REÍA
INGEFNTW
IN A E
SSOOFTWAR Planteamiento de
Restricciones
Valoración de la
Información
Compensación Geométrica
(Zimmermann)
Pareamiento Pareamiento
paralelo de Pareamiento paralelo de
Metas paralelo de Restricciones
Alternativas
Métodos
gráficos de
valoración
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Módulos para la
implementación de la
G E NI E RRÍA
IE REÍA
DDEE Metodología Continua
INGEFNTW
IN A E
SSOOFTWAR
Restricciones con números
concretos Restricciones con números
difusos
Tolerancias Funciones
Sin
de
La herramienta Violaciones
Violaciones
Planteamiento de
Objetivo con
Números
computacional se Restricciones Difusos
para orientar la
decisión en el
Ordenamiento de Programación Lineal Difusa
problema. las Decisiones
Valoración de la Información
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Características de
DDEE
Fuzzy Elección (1)
E NI E RRÍA
ÍA
G IE RE
INGEFNTW
IN A E
SSOOFTWAR
La metodología difusa, por tratarse de una herramienta
blanda, contemplará en su formulación y en el
La herramienta procesamiento, implícitamente el manejo de riesgo e
computacional se incertidumbre.
diseñó de tal forma
que sea fácil de En las etapas de construcción del problema, los métodos
manejar, aún para
decisores que no sean
difusos, resultados y análisis de sensibilidad son claramente
versados en el tema. identificables.
Dicha herramienta El decisor no ilustrado no percibe que Fuzzy Elección v 1.0
procura estar siempre
es un programa para expertos y los expertos no perciben que
dispuesta de ayudas,
para orientar la Fuzzy Elección v 1.0 es un programa para inexpertos.
decisión en el
problema.
La mayoría de los resultados ofrecen la opción de verse
gráficamente.
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
Características de
DDEE
Fuzzy Elección (2)
E NI E RRÍA
ÍA
G IE RE
INGEFNTW
IN A E
SSOOFTWAR
El programa por ser escrito en un lenguaje Borland C++
Builder, puede ser multiplataforma (Versiones de Windows)
La herramienta
computacional se La herramienta computacional proporciona una combinación
diseñó de tal forma sinérgica de palabras, imágenes y algoritmos
que sea fácil de computacionales.
manejar, aún para
decisores que no sean Se procura dividir una decisión en piezas simples y fáciles de
versados en el tema.
visualizar.
Dicha herramienta
procura estar siempre Se sobreentiende que la solución de un problema con un solo
dispuesta de ayudas, objetivo continuo, corresponde a un problema de
para orientar la Programación Lineal.
decisión en el
problema.
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
CASO APLICATIVO
DISCRETO
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
ALIANZAS ESTRATÉGICAS
Y CANALES DE
LICAA
TTIV
IV
OO DISTRIBUCIÓN
AP LIC
CCAASSOO ACPRETTOO
ISCRE
DDIS El Canal de Distribución representa entre un 20% y un 50% del
costo total del producto, lo cual se asocia a:
Se plantea un modelo
Inadecuado planteamiento de las rutas de distribución para
de decisión que ayude cada empresa.
en la planeación de
alianzas entre Sobrecostos asociados a la operación y mantenimiento de los
pequeñas empresas vehículos de distribución, incluyendo el alto gasto de
del Valle de Aburrá, en combustible (ACPM y Gasolina).
la ciudad de Medellín y
su Área Metropolitana. Selección de rutas de corto recorrido y excesivo tráfico,
[ASUEMPRESA – causando demoras en la entrega de pedidos e
SENA, 2003] incumplimientos ante los clientes.
Aumento de pedidos urgentes, los cuales deben ser
priorizados.
Subutilización de los vehículos de distribución.
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
ALIANZAS ESTRATÉGICAS
A TTIV OO
LIC A IV
AP LIC
CCAASSOO ACPRETTOO
ISCRE
DDIS
IDENTIFICACIÓN DE OBJETIVOS
Se propone un método
Incrementar poder: La alianza busca aumentar el
eficiente para la poder de negociación frente clientes y proveedores
evaluación de
alternativas de en la Reducir costos: La creación de la alianza busca
conformación de
Alianzas, así como en reducir costos de distribución las empresas
el mejoramiento del
canal de distribución. Ingresar a mercados: Con la creación de las alianzas
se puede llegar a penetrar mercados
Compartir recursos: La alianza permite compartir
recursos complementarios
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
ALIANZAS ESTRATÉGICAS
A TTIV OO
LIC A IV
AP LIC
CCAASSOO ACPRETTOO
ISCRE
DDIS
IDENTIFICACIÓN DE RESTRICCIONES
Se propone un método
Tamaño Empresas: Las empresas que crean la
eficiente para la alianza deben ser de tamaño similar.
evaluación de
alternativas de en la Necesidad de Clientes comunes: Los clientes de las
conformación de
Alianzas, así como en empresas que conforman la misma alianza, en su
el mejoramiento del mayoría, deben ser comunes
canal de distribución.
Relaciones personales entre socios: La relación
entre las empresas participantes debe propiciar el
éxito de la Alianza.
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
ALIANZAS ESTRATÉGICAS
A TTIV OO
LIC A IV
AP LIC
CCAASSOO ACPRETTOO
ISCRE
DDIS
ALTERNATIVAS
Se analiza la factibilidad
Alianza Estratégica 1: Empresa 1 en asocio con la
de alianza estratégica Empresa 2
para la Empresa
identificada como Alianza Estratégica 2: Empresa 1 en asocio con la
Empresa 1.
Empresa 3
Alianza Estratégica 3: Empresa 1 en asocio con la
Empresa 4.
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
ALIANZAS ESTRATÉGICAS
A TTIV OO
LIC A IV
AP LIC
CCAASSOO ACPRETTOO
ISCRE
DDIS
VALORACIÓN DE LA INFORMACIÓN
ALIANZAS ESTRATÉGICAS
A TTIV OO
LIC A IV
AP LIC
CCAASSOO ACPRETTOO
ISCRE
DDIS
MATRIZ DE SATISFACCIONES
ALIANZAS ESTRATÉGICAS
A TTIV OO
LIC A IV
AP LIC
CCAASSOO ACPRETTOO
ISCRE
DDIS
AGREGACIÓN DE LA DECISIÓN
ALIANZAS ESTRATÉGICAS
A TTIV OO
LIC A IV
AP LIC
CCAASSOO ACPRETTOO
ISCRE
DDIS
DECISIÓN Y RECOMENDACIÓN
ALIANZAS ESTRATÉGICAS
A TTIV OO
LIC A IV
AP LIC
CCAASSOO ACPRETTOO
ISCRE
DDIS
RECOMENDACIÓN
La Alianza 1, en su conjunto, es la que mejores oportunidades
brinda, en términos de la reducción de costos y la penetración
La creación de un canal de mercados, los cuales fueron determinados previamente
de distribución
como los objetivos más importantes
compartido mejorará
notablemente la
eficiencia dentro de la
cadena productiva, lo
cual se percibirá en
mejores utilidades
económicas y mayor
posicionamiento de las
empresas
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
CANALES DE
DISTRIBUCIÓN
A TTIV OO
LIC A IV
AP LIC
CCAASSOO ACPRETTOO
ISCRE
DDIS
IDENTIFICACIÓN DE OBJETIVOS
CANALES DE
DISTRIBUCIÓN
A TTIV OO
LIC A IV
AP LIC
CCAASSOO ACPRETTOO
ISCRE
DDIS
ALTERNATIVAS
Ruta 1 Esta ruta tiene como objetivo atender primero a los clientes codificados
con los números 4 y 6 (los más importantes para la empresa) para luego atender
Previa zonificación de los pedidos de los clientes restantes.
los recorridos Ruta 2 Con esta ruta lo que se pretende es realizar el recorrido en forma
necesarios en el Valle poligonal.
de Aburrá y en la
Ciudad de Medellín, se Ruta 3 Busca visitar en primer lugar los clientes que no se encuentran en el
han identificado las sector del centro para así evitar congestiones que podrían retrasar la entrega de
siguientes rutas los otros pedidos.
Ruta 4 Busca atender con prioridad a los clientes cuyo pedido es mas urgente
(clientes 4, 6, 7) para luego hacer entrega de pedidos a los demás clientes.
Ruta 5 Tiene como objetivo evitar llevar el vehículo muy cargado a la zona de
ubicación de los clientes codificados con los números 8 y 10, por razones de
seguridad, desgaste del vehículo o maltrato de la mercancía.
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
CANALES DE
DISTRIBUCIÓN
A TTIV OO
LIC A IV
AP LIC
CCAASSOO ACPRETTOO
ISCRE
DDIS
VALORACIÓN DE LA INFORMACIÓN
Objetivo Importancia
Índice de Consistencia
0.090 < 0.10
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
CANALES DE
DISTRIBUCIÓN
A TTIV OO
LIC A IV
AP LIC
CCAASSOO ACPRETTOO
ISCRE
DDIS
MATRIZ DE SATISFACCIONES
La asignación de los calificativos (grados de pertenencia) se
efectúan a partir del análisis con que cada ruta impacta en
determinadas zonas, con ayudas de mapas locales.
Minimizar Priorizar Evitar Satisfacer al Una visita por
distancias Urgencias congestiones conductor zona
Ruta
Poco Mucho Algo Insuficiente Bastante
1
Ruta Algo
Insuficiente Insuficiente Demasiado Poco
2
Ruta
Demasiado Insuficiente Significativo Significativo Bastante
3
Ruta
Mínimo Demasiado Significativo Poco Insuficiente
4
Ruta
Demasiado Insuficiente Insuficiente Moderado Algo
5
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
CANALES DE
DISTRIBUCIÓN
A TTIV OO
LIC A IV
AP LIC
CCAASSOO ACPRETTOO
ISCRE
DDIS
EVALUACIÓN DE LAS RUTAS
Para un ambiente perfil indiferente, con un poco de cautela en la
percepción del entorno, se estima un ajuste de los Pesos MEOWA
con un factor optimista de 38%
En este caso, el Canal
de Distribución deberá
desarrollarse alrededor
de la Ruta 3
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
A TTIV OO
LIC A IV
AP LIC
CCAASSOO ACPRETTOO
ISCRE
DDIS
EVALUACIÓN DE
EVALUACIÓN DE
ALTERNATIVAS DE
ALTERNATIVAS DE
INVERSIÓN DE
INVERSIÓN DE PEQUEÑOS
PEQUEÑOS
En un ambiente como
la economía CAPITALES
CAPITALES
colombiana, un decisor
que desee efectuar la
inversión de pequeños
capitales de dinero, se
verá avocado a
considerar aspectos
que van mucho más
allá que la rentabilidad
de su inversión.
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
140 0.8
x1
x2
0.7
120 lambda
0.6
100
0.5
80
0.4
60
0.3
40
0.2
20
0.1
0 0
x(1)
PRODUCCIÓN AGREGADA
PRODUCCIÓN AGREGADA
A TTIV OO
L IC A IV
AP LIC
CCAASSOO APT IN UUOO
O N
CCONT IN Se deben tomar decisiones dentro de un horizonte temporal en
el cual pueden cambiar las condiciones de demanda
DEMANDA Período 1 Período 2
Aproximadamente 500
Aproximadamente 400
Una empresa de Producto A unidades, más o menos un
unidades, hasta 25% más
manufacturas 10%
metalmecánicas, debe Aproximadamente 350
Aproximadamente 300
Producto B unidades, más o menos un
decidir qué tipo de unidades, hasta 13% más
20%
productos y en que
cuantía deben El problema específicamente se refiere a una empresa que
fabricarse, de modo
que, satisfaciendo la fabrica varios productos a partir de la unión de diferentes
demanda existente se componentes. La empresa puede subcontratar la fabricación de
utilicen los recursos de parte de los componentes.
la forma más
eficientemente posible
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
PRODUCCIÓN AGREGADA
PRODUCCIÓN AGREGADA
A TTIV OO
L IC A IV
AP LIC
CCAASSOO APT IN UUOO
O N
CCONT IN Los centros de producción requieren determinado número de
horas, y pueden acudir a horas extras. La empresa también
admite la subcontratación
Existencias Costo
Existencias Margen Bruto
La empresa fabrica y finales Estándar
iniciales (unidades
requeridas (unidades
vende dos productos A (unidades) monetarias)
(unidades) monetarias)
y B a partir del montaje
Producto A Aprox. 300 Aprox. 200 30 30
de dos componentes
cada uno de ellos. Producto B Aprox. 200 Aprox. 150 26 24
La empresa dispone de
Comp. A1 Aprox. 30 Aprox. 20 5 -
dos centros de montaje:
uno para cada uno de Comp. A2 Aprox. 70 Aprox. 20 7 -
los productos, así como
la fabricación de los Comp. B1 Aprox. 40 Aprox. 20 8 -
componentes
requeridos. Comp. B2 Aprox. 40 Aprox. 20 4 -
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
VARIABLES DE
VARIABLES DE DECISIÓN
DECISIÓN
A TTIV OO
L IC A IV
AP LIC
CCAASSOO APT IN UUOO
O N
CCONT IN
Variables de Significado
decisión
qi(t) unidades del producto i montadas en el periodo de tiempo t
OBJETIVOS ESTABLECIDOS
OBJETIVOS ESTABLECIDOS
A TTIV OO
L IC A IV
AP LIC
CCAASSOO APT IN UUOO
O N
CCONT IN
( )
2
mín ∑ 30 ⋅ YA− ( t ) + 24 ⋅ YB− ( t )
t =1
( )
2
mín ∑ x 1− ( t ) + x −2 ( t )
t =1
OBJETIVOS ESTABLECIDOS
OBJETIVOS ESTABLECIDOS
A TTIV OO
L IC A IV
AP LIC
CCAASSOO APT IN UUOO
O N
CCONT IN
( )
2
mín ∑ x 1+ ( t ) + x +2 ( t )
t =1
( )
2
mín ∑ 5 ⋅ Z +A1 ( t ) + 7 ⋅ Z +A 2 ( t ) + 8 ⋅ Z +B1 ( t ) + 4 ⋅ Z +B 2 ( t ) + 30 ⋅ YA+ ( t ) + 26 ⋅ YB+ ( t )
t =1
FORMULACIÓN DE
FORMULACIÓN DE RESTRICCIONES
RESTRICCIONES
A TTIV OO
L IC A IV
AP LIC
CCAASSOO APT IN UUOO Equilibrio de inventario, producción y demanda
O N
CCONT IN
y B+ ( 2) ≈ ≤150 + 6%
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
FORMULACIÓN DE
FORMULACIÓN DE RESTRICCIONES
RESTRICCIONES
A TTIV OO
L IC A IV
AP LIC
CCAASSOO APT IN UUOO Elaboración de Componentes de Producto A
O N
CCONT IN
30 + rA1 (1) + s A−1 (1) + y A− (1) ≅ ( 400 ± 25% ) + z A+1 (1)
z A+1 (1) + rA1 ( 2 ) + s A−1 ( 2 ) + y A− ( 2 ) = ( 500 ± 10% ) + z A+1 ( 2 )
z A+1 ( 2 ) ≈ ≤20 + 3%
Capacidad de
producción de productos 70 + rA 2 (1) + s A− 2 (1) + y A− (1) ≅ ( 400 ± 25% ) + z A+ 2 (1)
y componentes, z A+ 2 (1) + rA 2 ( 2 ) + s A− 2 ( 2 ) + y A− ( 2 ) ≅ ( 500 ± 10% ) + z A+ 2 ( 2 )
teniendo en cuenta las
existencias iniciales y la z A+ 2 ( 2 ) ≈ ≤20 + 3%
demanda esperada
Elaboración de Componentes de Producto B
40 + rB1 (1) + s B−1 (1) + y B− (1) ≅ ( 300 ± 13% ) + z B+1 (1)
z B+1 (1) + rB1 ( 2 ) + s B−1 ( 2 ) + y B− ( 2 ) ≅ ( 350 ± 20% ) + z B+1 ( 2 )
z +B1 ( 2) ≤ 40
40 + rB 2 (1) + s B− 2 (1) + y B− (1) = ( 300 ± 13% ) + z B+ 2 (1)
z B+ 2 (1) + rB 2 ( 2 ) + s B− 2 ( 2 ) + y B− ( 2 ) ≅ ( 350 ± 20% ) + z B+ 2 ( 2 )
z +B 2 ( 2 ) ≤ 40
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
FORMULACIÓN DE
FORMULACIÓN DE RESTRICCIONES
RESTRICCIONES
A TTIV OO
L IC A IV
AP LIC
CCAASSOO APT IN UUOO Operación de horas por periodo
O N
CCONT IN
2 ⋅ rB1 ( 2 ) + 4 ⋅ rB 2 ( 2 ) + x 2− ( 2 ) − x 2+ ( 2 ) ≅ 1000 ± 5%
2 ⋅ rB1 (1) + 2 ⋅ rB 2 (1) + x 2− (1) − x 2+ (1) ≅ 1000 ± 5%
Horas de trabajo,
incluyendo horas extras.
1 ⋅ rA1 ( 2 ) + 4 ⋅ rA 2 ( 2 ) + x1− ( 2 ) − x1+ ( 2 ) ≅ 1200 ± 3%
1 ⋅ rA1 (1) + 4 ⋅ rA 2 (1) + x1− (1) − x1+ (1) ≅ 1200 ± 3%
FORMULACIÓN DE
FORMULACIÓN DE RESTRICCIONES
RESTRICCIONES
A TTIV OO
L IC A IV
AP LIC
CCAASSOO APT IN UUOO Subcontratación en la producción de componentes.
O N
CCONT IN
s B1 ~ ≤ 70 + 10% s A1 ~ ≤ 52 + 10%
s A 2 ~ ≤ 80 + 7% s B2 ≤ 0
SOLUCIÓN AL
SOLUCIÓN AL PROBLEMA
PROBLEMA CON
CON
INCERTIDUMBRE
INCERTIDUMBRE
OO x1 = yA−(1) = 68 (−) Cantidad de productos i
L IC A TTIV
IV
AP LIC A x
= yB−(1) = 0 faltantes en el periodo t x25 = qA(1) = 69 unidades del producto i
CCAASSOO AP
2
NT IN UUOO x
= yA+(1) = 36 x26 = qB(1) = 122 montadas en el periodo
O
CCONT IN 3
(+) existencias finales de i de tiempo t
x
= yB+(1) = 22 x27 = qA(2) = 380
4 en el periodo t
x
= yA−(2) = 74 x28 = qB(2) = 351
5
x
6
= yB−(2) = 0
x
7
= yA+(2) = 19
x
= yB+(2) = 20
Problema Multiobjetivo 8
x9 = x1−(1) = 0 (−) número de horas ociosas x29 = rA1 (1) = 276 unidades de j fabricadas
con 43 variables de x
= x2−(1) = 84 en el centro de montaje k x30 = rA2 (1) = 246 en la empresa i en el
10
decisión, cuya solución x
= x1+(1) = 50 en el periodo t x31 = rB1 (1) = 568 periodo t
11
arroja: x
= x2+(1) = 0 x32 = rB2 (1) = 174
12 (+) número de horas extras
x
13
= x1−(2) = 0 en el centro de montaje k x33 = rA1 (2) = 303
x
14
= x2−(2) = 83 en el periodo t x34 = rA2 (2) = 239
x
15
= x1+(2) = 48 x35 = rB1 (2) = 285
x
16
= x2+(2) = 0 x36 = rB2 (2) = 307
x17 = zA1 (1) = 54 existencias finales del x37 = sA1 (1) = 53 unidades de j para i
x18 = zA2 (1) = 89 componente j del producto x38 = sA2 (1) = 81 subcontratadas a otra
x19 = zB1 (1) = 46 i en el periodo t x39 = sB1 (1) = 38 empresa en el periodo t
x20 = zB2 (1) = 7 x40 = sB2 (1) = 94
x21 = zA1 (2) = 0 x41 = sA1 (2) = 53
x22 = zA2 (2) = 0 x42 = sA2 (2) = 82
x23 = zB1 (2) = 10 x43 = sB1 (2) = 31
x = z (2) = 10 x = s (2) = 146
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
OO
LOGRO DE
LOGRO DE OBJETIVOS
OBJETIVOS
L IC A TTIV
IV
AP LIC A
CCAASSOO APT IN UUOO
O N
CCONT IN
En el caso particular de
la producción agregada,
es posible verificar una
menor satisfacción en
la decisión que tome el
decisor cuando un
problema tenga
mayores componentes
de incertidumbre
OO
LOGRO DE
LOGRO DE OBJETIVOS
OBJETIVOS
L IC A TTIV
IV
AP LIC A
CCAASSOO APT IN UUOO
O N
CCONT IN
En el caso particular de
la producción agregada,
es posible verificar una
menor satisfacción en
la decisión que tome el
decisor cuando un
problema tenga
mayores componentes
de incertidumbre
CONCLUSIONES
AGRADECIMIENTOS
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
USI O NNEESS
L IO
CCOONNCCLUS
Se realizó la aproximación metodológica que
complementa los paradigmas de la Toma de Decisiones
en ambientes difusos, y que a su vez aporta al
mejoramiento de los fundamentos de la Teoría de
Decisiones bajo incertidumbre.
Se verifica la capacidad de la lógica difusa para la
solución de problemas que usualmente involucran
mucha vaguedad y ambigüedad (Y por lo tanto, una
forma borrosa) en los objetivos y en las restricciones.
En programación matemática se ha ilustrado una
formulación metodológica que se aparta de los
conceptos en los cuales se fundamentan las
herramientas duras de la investigación de operaciones,
en el sentido que se procuran encontrar las
satisfacciones más eficientes para un decisor, dentro de
una solución completa para un problema de decisión
continuo.
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
USI O NNEESS
L IO
CCOONNCCLUS Se realizaron recomendaciones a los decisores
encargados de poner en marcha sus decisiones,
teniendo en cuenta consideraciones de incertidumbre
en la formulación de las restricciones de un problema
de análisis multiobjetivo.
Otra de las utilidades de las técnicas planteadas en el
trabajo de tesis, radica en que el uso de conjuntos
difusos, y específicamente, números difusos, permite
incluir directamente dentro del número, la
incertidumbre. Así por ejemplo, un valor exacto de 100
puede ser sustituido por el número difuso definido
como “cercano a 100”.
Debido a la complejidad de las operaciones
matemáticas ejecutadas en Fuzzy Elección v 1.0, ha
sido preferible desarrollar los programas numéricos en
MATLAB. Lo anterior se ve traducido en un aumento
significativo de la productividad en la programación de
la herramienta computacional.
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
I M IE NNTTOOSS
DEC IMIE
AAGGRRAADEC
ACI ÓNNDDEE
STR ACI Ó
DDEEMMOOSFTTRWAARREE
SSOOFTW
En la siguiente dirección de internet, se
puede obtener toda la documentación y se
puede bajar el software Fuzzy Elección v
1.0, el cual es de dominio público.
http://pisis.unalmed.edu.co/cursos/s4405/
APROXIMACIONES METODOLÓGICAS PARA LA TOMA DE DECISIONES,
APOYADAS EN MODELOS DIFUSOS
ACI ÓNNDDEE
STR ACI Ó
DDEEMMOOSFTTRWAARREE
SSOOFTW