CARTONBOL ES UNA EMPRESA PUBLICA PRODUCTIVA BAJO TUICION DEL MDPyEP y dependiente del SEDEN.

...

El proceso de decisión tiene como objetivo llegar a su propósito haciendo uso de la metodología científica, aplicación secuencial de los siguientes pasos:

Observar el sistema donde se inicia la decisión.

Identificar y formular el o los problemas sobre los cuales requiere decidir.

Establecer un estudio de hipótesis que pueden ser aceptadas ó refutadas mediante el uso de modelos.

Verificar que los resultados de los modelos sean universales aplicados al problema.

OBJETIVO GENERAL.

Mejorar, optimizar y expandir los procesos productivos en la empresa CARTONBOL,

OBJETIVOS ESPECIFICOS.

Realizar un estudio cuantitativo para incrementar la producción de laminas y cajas de cartón, mejorando la distribución del producto y obteniendo mayor alcance, realizando estudios de mercado, consumo y calidad de acuerdo a la oferta y demanda de los productos en la ciudad de Oruro, y sus extensiones, para luego aplicar los diferentes criterios del proceso de toma de decisiones para poder tomar decisiones que beneficien a la empresa.

CONSTRUCCION O APLICACIÓN DEL MODELO.

MARCO TEORICO.

Decidir es un proceso por el que una o más personas seleccionan una o varias alternativas de entre un conjunto, pueden ser también cursos de acción bajo el criterio de minimizar los riesgos de pérdidas financieras esto se logra de acuerdo a ciertos criterios, estos puedes ser: Administrativos, comerciales, industriales, de Ingeniería y otros.

Análisis de toma de decisión. Es una técnica que ayuda a seleccionar al administrador, la alternativa ó la mejor acción.

TEORIA BAYESIANA DE DECISION.

Está asociado a lo que es la decisión estocástica y contempla dos criterios: Sin experimentación y con experimentación; entonces podemos decir que el grupo decisor escoge alternativas o cursos de acción aj, aj A dado en un entorno o estado de naturaleza k, k . Entonces el criterio de Bayes supone que los estados de naturaleza son variables aleatorias que pueden tener una distribución probabilística la misma que puede ser conocida, estimada o calculada mediante datos históricos o valoraciones discretas o continuas a esto se conoce como probabilidad a priori.

DECISIÓN SIN EXPERIMENTACIÓN.

La decisión sin experimentación es un modelo en el cual la selección de estrategias se traducen matematicamente en: escoger o seleccionar una alternativa de un conjunto de acciones la cual tiende a minimizar valores f(aj, k), llamado valor esperado.

El grupo decisor debe escoger una alternativa aj A dado un estado de la naturaleza k  . Como se desconoce cual será el estado k, el decisor opta por utilizar un criterio minimax, es decir para una k dada elegirá aquella aj  A que genere el máximo f(aj ,k). Sea esta acción la ajk*(el subíndice j indica la fila y el k la columna de la matriz f(aj, k)). Entonces el criterio minimax consiste en seleccionar el mínimo de todas las ajk* identificadas anteriormente, es decir, el grupo decisor eligirá . O bien se puede utilizar su equivalente: maximizar los mínimos beneficios que se puedan derivar (este será el caso).

DECISIÓN CON EXPERIMENTACIÓN.

Sea X una variable aleatoria que denota la información disponible de una muestra aleatoria a través de la experimentación. Por ejemplo, X podría ser el valor medio de las observaciones del experimento, el máximo valor observado o un simple vector de observaciones. El decisor debe seleccionar una serie de reglas, conocidas como políticas o estrategias, que le orienten sobre el uso que deba darle a la información derivada de un experimento, con el fin de apoyar su toma de decisiones. Sea g(y) una función que se define como a=g(y) si X=y, es decir, se selecciona la acción a, si la variable aleatoria X toma el valor y. El decisor seleccionará, de entre todas las acciones aj  A generadas por esta función, aquella que satisfaga cierto criterio de optimalidad. Como y es una variable aleatoria, la función g(y) también lo es; por lo tanto, se requiere hablar de valores esperados.

Complementariamente se requiere de otra función que ligue al posible estado de la naturaleza con la acción seleccionada aj  A, que a su vez se deriva del valor de la variable aleatoria X. Esta función, conocida como función de riesgo, se define como: R(g(y), k) = E [f(g(y) ,k)] – C ; donde el valor esperado se toma con respecto a la distribución de la variable aleatoria X y C es el costo del experimento.

Como existe información adicional (a través de la experimentación) , está se usa para actualizar la distribución a priori de los estados de la naturaleza, la nueva distribución llamada a posteriori es la distribución condicional del estado de naturaleza , dado que el experimento X arroja un cierto valor Y.

Con la distribución a posteriori se calcula una nueva función de riesgo y el criterio de Bayes selecciona aquella acción que minimiza (maximiza) la pérdida (ganancia) esperada de la nueva función y se denota por: , la distribución a posteriori, cuando  es una vairable aleatoria discreta, o bien hΘ|X=y(z) cuando  es contínua, entonces la distribución a posteriori se calcula de:

ACCIONES

Las acciones que se brinda, fueron proporcionadas por la empresa y las alternativas que la empresa se plantea son para satisfacer los objetivos que persiguen:

A1: Ampliar la Planta de producción de laminas y cajas de cartón en un 25%.

A2: No realizar ninguna modificación ó mantener la Planta de producción en el mismo estado que se encuentra.

A3: Ampliar la Planta de producción de laminas y cajas de cartón en un 70%.

ELEMENTOS DE LAS TOMA DE DECISIONES.

La empresa después de realizar un estudio de mercado define los siguientes estados de naturaleza:

1: Venta Baja = 800 cajas por pedido

2: Venta Media = 1000 cajas por pedido

3: