METODO DETERMINISTICO Un modelo
deterministico
es
un modelo
matemático donde
las
mismas entradas producirán invariablemente las mismas salidas, no contemplándose la existencia del azar ni el principio de incertidumbre. Está estrechamente relacionado con la creación de entornos simulados a través de simuladores para el estudio de situaciones hipotéticas, o para crear sistemas de gestión que permitan disminuir la incertidumbre. La inclusión de mayor complejidad en las relaciones con una cantidad mayor de variables y elementos ajenos al modelo determinístico hará posible que éste se aproxime a un modelo probabilístico o de enfoque estocástico. Ejemplos Por ejemplo, la planificación de una línea de producción, en cualquier proceso industrial, es posible realizarla con la implementación de un sistema de gestión de procesos que incluya un modelo determinístico en el cual estén cuantificadas las materias primas, la mano de obra, los tiempos de producción y los productos finales asociados a cada proceso. La Programación Lineal es un procedimiento o algoritmo matemático mediante el cual se resuelve un problema indeterminado, formulado a través de ecuaciones lineales, optimizando la función objetivo, también lineal. Consiste en optimizar (minimizar o maximizar) una función lineal, denominada función objetivo, de tal forma que las variables de dicha función estén sujetas a una serie de restricciones que expresamos mediante un sistema de inecuaciones lineales.
El método Simplex es un procedimiento iterativo que permite ir mejorando la solución a cada paso. El proceso concluye cuando no es posible seguir mejorando más dicha solución. Este proceso que se repite una y otra vez, siempre inicia en un punto extremo de la región factible que normalmente es el origen, en cada iteración se mueve a otro punto extremo adyacente hasta llegar a la solución óptima. Los pasos del Método Simplex son los siguientes: 1) Utilizando la forma estándar, determinar una solución básica factible inicial igualando a las n-m variables igual a cero (el origen). 2) Seleccionar la variable de entrada de las variables no básicas que al incrementar su valor pueda mejorar el valor en la función objetivo. Cuando no exista esta situación la solución actual es la óptima, si no ir al siguiente paso. 3) Seleccionar la variable de salida de las variables básicas actuales. 4) Determinar la nueva solución al hacer la variable de entrada básica y la variable de salida no básica, ir al paso 2 (actualizar). METODO PROBABILISTICO Un Modelo probabilístico, es la forma que pueden tomar un conjunto de datos obtenidos de muestreos de datos con comportamiento que se supone aleatorio. La inferencia bayesiana es un tipo de inferencia estadística en la que las evidencias u observaciones se emplean para actualizar o inferir la probabilidad de que una hipótesis pueda ser cierta. El nombre «bayesiana» proviene de uso frecuente que se hace del teorema de Bayes durante el proceso de inferencia. La teoría
de
juegos es
un
área
de
la matemática
aplicada que
utiliza modelos para estudiar interacciones en estructuras formalizadas de incentivos
(los llamados «juegos») y llevar a cabo procesos de decisión. Sus investigadores estudian las estrategias óptimas así como el comportamiento previsto y observado de individuos en juegos. Tipos de interacción aparentemente distintos pueden, en realidad, presentar estructura de incentivo similar y, por lo tanto, se puede representar mil veces conjuntamente un mismo juego. Desarrollada en sus comienzos como una herramienta para entender el comportamiento de la economía, la teoría de juegos se usa actualmente en muchos campos, como en la biología, sociología, psicología y filosofía METODO HIBRIDO Los métodos híbridos se refieren a aquellos usados tradicionalmente en la investigación cuantitativa y que proponen como métodos también valiosos para el desarrollo de estudios cualitativos. El procedimiento de aplicación no varía; la diferencia generalmente se encuentra en la interpretación de los datos. Los métodos de Montecarlo abarcan una colección de técnicas que permiten obtener soluciones de problemas matemáticos o físicos por medio de pruebas aleatorias repetidas. En la práctica, las pruebas aleatorias se sustituyen por resultados de ciertos cálculos realizados con números aleatorios. A lo largo de varias páginas se estudiará el concepto de variable aleatoria y la transformación de una variable aleatoria discreta o continua. Método de transporte Esta técnica es una aplicación de la programación lineal.
Para este tipo de problemas se considera que existe una red de fábricas,
almacenes o cualquier otro tipo de puntos, orígenes o destinos de unos flujos de bienes. La localización de nuevos puntos en la red afectará a toda ella, provocando reasignaciones y reajustes dentro del sistema.
El método de transporte permite
encontrar la mejor distribución de los flujos mencionados basándose, normalmente en la optimización de los costes de transporte (o, alternativamente, del tiempo, la
distancia, el beneficio, etc.)
En los problemas de localización, este método puede
utilizarse para analizar la mejor ubicación de un nuevo centro, de varios a la vez y en general
para cualquier reconfiguración de la red.
En cualquier caso, debe ser
aplicado a cada una de las alternativas a considerar para determinar la asignación de flujos óptima. Para utilizar el método de transporte hay que considerar los siguientes pasos: 1. Los puntos de origen y la capacidad o abasto por período, para cada uno. 2. Los puntos de destino y la demanda por período para cada uno. 3. El costo de embarque por una unidad desde cada origen hacia cada destino.