1. Simulación
1.1. La simulación por computadora tiene una clasificación muy alta entre las técnicas más ampliamente usadas..En esta técnica se requiere usar una computadora para imitar (simular) la operación de todo un proceso o sistema.
1.1.1. Generación y manejo de variables aleatorias
1.1.1.1. Método de la transformada inversa
1.1.1.2. Método de convolución
1.1.1.3. Método de aceptación y rechazo
1.1.1.4. Método de composición
1.1.1.5. Procedimientos especiales
1.1.2. Simulación Montecarlo.
1.1.2.1. Simulación de Monte Carlo es una técnica que permite llevar a cabo la valoración de los proyectos de inversión considerando que una, o varias, de las variables que se utilizan para la determinación de los flujos netos de caja no son variables ciertas, sino que pueden tomar varios valores.
1.1.3. Simulación y análisis de inventarios
1.1.3.1. Se estudiaron los modelos de inventarios determinísticos donde se asume que la demanda de los productos así como el tiempo promedio para reodenar son valores conocidos y constantes.
1.1.4. Simulación en situaciones de líneas de espera
1.1.4.1. Nos ayuda a determinar más fácil los tiempos de espera.
1.1.5. Aplicaciones de la simulación en problemas de las áreas económicas administrativas.
1.1.5.1. La experimentación sobre modelos de planeamiento económico-financiero para el análisis de sistemas corporativos, permite analizar proyectos de inversión y cuadros proyectados (balances, resultados, etc.).
2. teoría de decisiones
2.1. El análisis de decisiones está diseñado para enfrentar estas decisiones que se deben tomar en un ambiente de gran incertidumbre. El análisis de decisiones plantea un marco de referencia y una metodología para una toma racional de decisiones cuando los resultados son inciertos.
2.1.1. Regla de decisión de bayes
2.1.1.1. La regla de decisión de Bayes usa directamente las probabilidades previas de los posibles estados de la naturaleza como se resume enseguida.
2.1.2. Análisis de sensibilidad
2.1.2.1. el análisis de sensibilidad se usa en diversas aplicaciones de la ciencia administrativa para estudiar el efecto de que algunos de los números incluidos en el modelo matemático no sean correctos.
2.1.3. Ärbol de decisiones
2.1.3.1. un árbol de decisiones ofrece una ilustración gráfica del avance de las decisiones y los eventos aleatorios en el problema.
2.1.4. TreePlan
2.1.4.1. TreePlan calcula en forma instantánea todos los pagos esperados en cada etapa del árbol,
2.1.5. función de la utilidad del dinero
2.1.5.1. Gráfica de la utilidad contra la cantidad de dinero M que se recibe.
3. Modelos de control de inventarios
3.1. Inventario se refiere a mercancías o materiales mantenidos en reserva por una organización para usarlos en el futuro.
3.1.1. Modelo de la cantidad económica del pedido
3.1.1.1. El modelo de cantidad económica del pedido es pertinente cuando la demanda de un artículo muestra una tasa, constante o casi constante, y cuando toda la cantidad solicitada llega al inventario en un momento dado.
3.1.2. Punto de reorden
3.1.2.1. La decisión de cuándo ordenar se expresa en función de un punto de reorden la posición del inventario en la cual se debe colocar un nuevo pedido. El punto de reorden es el mismo que la demanda de tiempo de espera.
3.1.3. Modelo de la cantidad económica del pedido con descuentos.
3.1.3.1. Los descuentos por cantidad ocurren en numerosas situaciones en las que los proveedores otorgan un incentivo por grandes cantidades de pedido, al ofrecer un menor costo de compra cuando las mercancías se solicitan en grandes cantidades.
3.1.4. Modelo de inventario de período único con demanda probabilística
3.1.4.1. El modelo de inventario único se refiere a situaciones en las que se coloca un pedido del producto; al final del periodo, el producto o se ha vendido en su totalidad, o el excedente de artículos no vendidos se venderá a un valor de rescate
3.1.5. Modelo de punto de reorden con demanda probabilística.
3.1.5.1. En el modelo de multiperiodo, el sistema de inventario opera de forma continua con muchos periodos repetitivos o ciclos; el inventario puede ser conservado de un periodo al siguiente.
3.1.6. Modelo de revisión periódica con demanda probabilística
3.1.6.1. la posición del inventario se monitorea de forma continua, de modo que se pueda hacer un pedido siempre que se llegue al punto de reorden.
4. Líneas de espera
4.1. Teoría de colas Conjunto de conocimientos en relación con las líneas de espera.
4.1.1. Modelo de una fila, un servidor para poblaciones finitas e infinitas.
4.1.1.1. En la operación actual de Burger Dome, un despachador toma el pedido de un cliente, determina el costo total del pedido, recibe el dinero del cliente y luego surte el pedido. Una vez que el pedido del primer cliente se surte, el despachador toma el pedido del siguiente que espera a que lo atiendan. Esta operación es un ejemplo de una línea de espera de canal único.
4.1.2. Modelo de una fila y servidores múltiples para poblaciones finitas e infinitas
4.1.2.1. El modelo con multiples servidores, se refiere a cuando es una sola y el cliente decide con cual irse, respecto a cual servidor esta desocupado
4.1.3. Modelo de llegadas de Poisson y tiempos variables de servicio
4.1.3.1. uponemos que la distribución de probabilidad de los tiempos de servicio no es una distribución de probabilidad exponencial. Por tanto, si se utiliza la notación de Kendall, el modelo de línea de espera apropiado es un modelo M/G/1, donde G denota una distribución de probabilidad general o no especificada.
5. Cadenas de Markov
5.1. Los modelos de proceso de Markov pueden utilizarse para describir la probabilidad de que una máquina que está funcionando en un periodo continúe haciéndolo en el siguiente.
5.1.1. Analisis de la cuota de mercado
5.1.1.1. Una aplicación de cuota de mercado mostró el procedimiento de cálculo para determinar las probabilidades de estado estacionario que podrían interpretarse como cuotas de mercado para dos supermercados competidores.
5.1.2. Analisis de las cuentas por cobrar
5.1.2.1. En una aplicación de cuentas por cobrar, se presenta la noción de estados absorbentes; para los dos estados absorbentes, conocidos como categorías de pagado y de deuda incobrable
6. Es una disciplina que consiste en la aplicación de métodos analíticos avanzados con el propósito de apoyar el proceso de toma de decisiones, identificando los mejores cursos de acción posibles.
6.1. Por lo tanto
6.1.1. Utiliza técnicas de modelamiento matemático, análisis estadístico y optimización matemática, con el objetivo de alcanzar soluciones óptimas o cercanas a ellas cuando se enfrentan problemas de decisión complejos.
7. Programación por objetivos multiples
7.1. Proporciona una manera racional de intentar alcanzar varios objetivos de manera simultánea, jerarquizando los mismos o asociándoles una ponderación a cada uno.
7.1.1. Meta unilateral inferior
7.1.1.1. establece un límite inferior por abajo del cual no se quiere ir ( pero se aceptan desvíos a la meta que deberá minimizarse)
7.1.2. Meta unilateral superior
7.1.2.1. establece un límite superior que no se quiere exceder (pero se aceptan desvíos a la meta que deberá minimizarse)
7.1.3. Meta bilateral
7.1.3.1. establece un blanco específico que no se quiere perder hacia ningun lado.