Sistemas inteligentes de soporte a la decisión

Dr. David Alanís. Sesión 2

Dr. David Alanís, sesión 2

Planeación y control:
Modelos y sistemas.

3 4

Toma de decisiones Toma de decisiones

• Planear involucra una serie de decisiones,

• Toma de decisiones: por ejemplo:
– Proceso de selección – ¿Qué debe hacerse?
entre alternativas de – ¿Cuándo?
acción para lograr una – ¿Cómo?
meta. – ¿Dónde?
– ¿Quién?
• Planear implica tomar decisiones.

5 6
Sistemas
Estructura de un sistema

• Los nombres DSS, GDSS, EIS y ES

incluyen el término sistemas. • Tres partes importantes:
• Sistema: colección de objetos
como gente, recursos, conceptos, Entradas.
y procedimientos para ejecutar Procesos.
una función o alcanzar una meta. Salidas.

D.R. Universidad Virtual del Sistema Tecnológico de Monterrey, México, 2001.

Sistemas inteligentes de soporte a la decisión
Dr. David Alanís. Sesión 2

7 8

El sistema y su ambiente
Estructura de un sistema

• Están rodeados por un ambiente

e incluyen un mecanismo de
retroalimentación.
• Un humano, el tomador de
decisiones, se considera como
una parte del sistema.

9 10

Modelos Modelos

• Modelo: • Usualmente simplificada puesto

que la realidad es muy compleja
– Representación para copiarla exactamente,
simplificada o abstracción buena parte de la complejidad es
irrelevante para especificar el
de la realidad. problema.

11 12

Modelos • Modelo a escala ( icónico ).

– Réplica física de un sistema,
usualmente basado en una escala
diferente del original.
• La representación de
sistemas o problemas en
modelos puede ser realizada
de acuerdo a su nivel de
abstracción.

D.R. Universidad Virtual del Sistema Tecnológico de Monterrey, México, 2001.

Sistemas inteligentes de soporte a la decisión
Dr. David Alanís. Sesión 2

13 14

Modelos Modelos

• Modelo análogo. • Modelo matemático (cuantitativo).

– La mayor parte de análisis de DSS se
– No se parece al sistema real pero ejecuta numéricamente con la ayuda de
se comporta como él. modelos matemáticos o cuantitativos.
– Es más abstracto que el modelo a
escala y está considerado como
una representación simbólica de la
realidad.

15 16

Beneficio de los modelos Beneficio de los modelos

3. La manipulación de un modelo es más

simple que la manipulación de un
1. El costo de análisis del
sistema real.
modelo es más pequeño.
4. El costo de cometer errores durante un
2. Los modelos habilitan la
experimento a prueba y error es menor
compresión del tiempo.
cuando son usados modelos en lugar
de sistemas reales.

17 18

Escenarios Escenarios

• Los escenarios juegan un

importante papel en los MSS
• Un escenario es un estado de puesto que:
suposiciones del ambiente de – Ayudan a identificar
operación de un sistema en oportunidades potenciales
particular en un tiempo y/o áreas donde existen
problemas.
específico.
– Proveen flexibilidad en la
planeación.

D.R. Universidad Virtual del Sistema Tecnológico de Monterrey, México, 2001.

Sistemas inteligentes de soporte a la decisión
Dr. David Alanís. Sesión 2

19 20

Escenarios Evaluación:

• Identifican los indicadores líderes de • Múltiples metas.

cambio que la administración puede
monitorear.
• Análisis de sensibilidad.
• Ayudan a validar suposiciones
usadas en la modelación.
• Permiten revisar la sensibilidad de • "What-if”.
la solución propuesta al cambiar los
escenarios.
• Goal seeking.

21 22

Múltiples metas Análisis de sensibilidad

• El análisis de sensibilidad es
extremadamente importante en
• El análisis de decisiones los MSS:
administrativas ayuda a evaluar,
dentro de sus posibilidades, cuál
alternativa es la mejor para llegar a
las metas u objetivos planteados.

23 24

Análisis de sensibilidad Análisis "What-If" (¿qué pasa si?)

– Se obtiene flexibilidad y adaptabilidad a

las condiciones de cambio y a los
requerimientos de diferentes situaciones
de toma de decisiones.
– Provee un mejor entendimiento del
modelo y el mundo real propuesto.
• Los resultados dependen de los
datos, los análisis de sensibilidad
permiten verificar el impacto de
un cambio en los datos de
entrada en la solución propuesta.

D.R. Universidad Virtual del Sistema Tecnológico de Monterrey, México, 2001.

Sistemas inteligentes de soporte a la decisión
Dr. David Alanís. Sesión 2

Goal-seeking (búsqueda de
25 26

Análisis "What-If" (¿qué pasa si?)

meta)

• Este tipo de análisis de sensibilidad es

llamado análisis "What-If?" porque su • Análisis Goal-seeking:
estructura es como "¿Qué le sucederá – Revisan las entradas
a la solución si una variable de necesarias para alcanzar
entrada o el valor de un parámetro es un nivel deseado en la
cambiado?" salida (meta).

27 28

Factores críticos del éxito Implantación

• Implantación de una solución propuesta a

• Factores críticos de éxito: un problema:
– Técnica de diagnóstico – Introducción de un cambio.
para identificar los
factores que son más • Aspectos a considerar en la implantación:
críticos para alcanzar los – Resistencia al cambio.
objetivos – Grado de soporte de la alta
organizacionales. administración.
– Entrenamiento a los usuarios.

29 30

Phases ANN Estilo cognoscitivo

MIS
Intelligence EDP
EIS

Design GDSS • Se refiere al proceso subjetivo a

Management través del cual las personas
Science DSS perciben, organizan y cambian la
ANN ES
Choice información durante el proceso
de toma de decisiones.
Implementation GDSS

D.R. Universidad Virtual del Sistema Tecnológico de Monterrey, México, 2001.

Sistemas inteligentes de soporte a la decisión
Dr. David Alanís. Sesión 2

31 32

Estilo cognoscitivo Estilos de decisión

• La manera en la cual el
tomador de decisiones
piensa y reacciona a
• El estilo cognoscitivo es problemas.
importante porque determina • La forma de percepción, su
la preferencia de las personas respuesta cognoscitiva,
en la interfase hombre sus valores y actitudes
máquina. varían de individuo a
individuo y de situación a
situación.

D.R. Universidad Virtual del Sistema Tecnológico de Monterrey, México, 2001.