Introducción

Los problemas de toma de decisiones se pueden clasificar en dos categorías: modelos

de decisión determinísticos y modelos de decisión probabilísticos. En los modelos
determinísticos, las buenas decisiones se basan en sus buenos resultados. Se
consigue lo deseado de manera "determinística", es decir, libre de riesgo. Esto
depende de la influencia que puedan tener los factores no controlables, en la
determinación de los resultados de una decisión y también en la cantidad de
información que el tomador de decisión tiene para controlar dichos factores.
Aquellos que manejan y controlan sistemas de hombres y equipos se enfrentan al
problema constante de mejorar (por ejemplo, optimizar) el rendimiento del sistema. El
problema puede ser reducir el costo de operación y a la vez mantener un nivel
aceptable de servicio, utilidades de las operaciones actuales, proporcionar un mayor
nivel de servicio sin aumentar los costos, mantener un funcionamiento rentable
cumpliendo a la vez con las reglamentaciones gubernamentales establecidas, o
"mejorar" un aspecto de la calidad del producto sin reducir la calidad de otros
aspectos. Para identificar la mejora del funcionamiento del sistema, se debe construir
una representación sintética o modelo del sistema físico, que puede utilizarse para
describir el efecto de una variedad de soluciones propuestas.
Un modelo puede considerarse como una entidad que captura la esencia de la
realidad sin la presencia de la misma. Una fotografía es un modelo de la realidad
ilustrada en la imagen. La presión arterial puede utilizarse como un modelo de la salud
de una persona. Una campaña piloto de ventas puede utilizarse como un modelo de la
respuesta de las personas a un nuevo producto. Por último, una ecuación matemática
puede utilizarse como un modelo de la energía contenida en un determinado material.
En cada caso, el modelo captura algún aspecto de la realidad que intenta representar.
Ya que un modelo sólo captura determinados aspectos de la realidad, su uso puede
no ser apropiado en una aplicación en particular porque no captura los elementos
correctos de la realidad. La temperatura es un modelo de las condiciones climáticas,
pero puede ser inapropiado si uno está interesado en la presión barométrica. Una foto
de una persona es un modelo de la misma, pero brinda poca información acerca de
sus logros académicos. Una ecuación que predice las ventas anuales de un producto
en particular es un modelo de ese producto, pero tiene poca utilidad si lo que nos
interesa es el costo de producción por unidad. Por lo tanto, la utilidad del modelo
depende del aspecto de la realidad que representa.
Un modelo puede ser inadecuado aun cuando intenta capturar los elementos
apropiados de la realidad si lo hace de una manera distorsionada o sesgada. Una
ecuación que pronostica el volumen mensual de ventas puede ser exactamente lo que
el gerente de ventas quiere, pero podría generar grandes pérdidas si arroja
constantemente cálculos de ventas altos. Un termómetro que lee de más (o de menos)
tendría poca utilidad para realizar un diagnóstico médico. En consecuencia, un modelo
útil es aquel que captura los elementos adecuados de la realidad con un grado
aceptable de precisión.
Un modelo matemático es una ecuación, desigualdad o sistema de ecuaciones o
desigualdades, que representa determinados aspectos del sistema físico representado
en el modelo. Los modelos de este tipo se utilizan en gran medida en las ciencias
físicas, en el campo de la ingeniería, los negocios y la economía.
Un modelo ofrece al analista una herramienta que puede manipular en su análisis del
sistema en estudio, sin afectar al sistema en sí. Por ejemplo, supóngase que se ha
desarrollado un modelo matemático para predecir las ventas anuales como una
función del precio de venta unitario. Si se conoce el costo de producción por unidad,
se pueden calcular con facilidad las utilidades anuales totales para cualquier precio de
venta. Para determinar el precio de venta que arrojará las utilidades totales máximas,
se pueden introducir en el modelo distintos valores para el precio de venta, uno a la
vez, determinando las ventas resultantes y calculando las utilidades anuales totales
para cada valor de precio de venta examinado. Mediante un proceso de prueba y
error, el analista puede determinar el precio de venta que maximizará las utilidades
anuales totales.
Modelo de PL
La Programación Lineal (PL) es un procedimiento matemático para determinar la
asignación óptima de recursos escasos. La PL es un procedimiento que encuentra su
aplicación práctica en casi todas las facetas de los negocios, desde la publicidad hasta
la planificación de la producción. Problemas de transporte, distribución, y planificación
global de la producción son los objetos más comunes del análisis de PL. La industria
petrolera parece ser el usuario más frecuente de la PL. Un gerente de procesamiento
de datos de una importante empresa petrolera recientemente calculó que del 5% al
10% del tiempo de procesamiento informático de la empresa es destinado al
procesamiento de modelos de PL y similares.
La programación lineal aborda una clase de problemas de programación donde tanto
la función objetivo a optimizar como todas las relaciones entre las variables
correspondientes a los recursos son lineales. Este problema fue formulado y resuelto
por primera vez a fines de la década del 40. Rara vez una nueva técnica matemática
encuentra una gama tan diversa de aplicaciones prácticas de negocios, comerciales e
industriales y a la vez recibe un desarrollo teórico tan exhaustivo en un período tan
corto. Hoy en día, esta teoría se aplica con éxito a problemas de presupuestos de
capital, diseño de dietas, conservación de recursos, juegos de estrategias, predicción
de crecimiento económico y sistemas de transporte. Recientemente la teoría de la
programación lineal también contribuyó a la resolución y unificación de diversas
aplicaciones.
Es importante que el lector entienda desde el comienzo que el término "programación"
tiene un significado distinto cuando se refiere a Programación Lineal que cuando
hablamos de Programación Informática. En el primer caso, significa planificar y
organizar mientras que, en el segundo caso, significa escribir las instrucciones para
realizar cálculos. La capacitación en una clase de programación tiene muy poca
relevancia directa con la otra clase de programación. De hecho, el término
"programación lineal" se acuñó antes de que la palabra programación se relacionara
con el software de computación. A veces se evita esta confusión utilizando el término
optimización lineal como sinónimo de programación lineal.

¿Qué es el método simplex?

El método simplex es un algoritmo utilizado en la programación lineal para resolver
problemas de optimización. En términos simples, busca encontrar la mejor solución
posible a un problema dado, considerando ciertas restricciones y maximizando o
minimizando una función objetivo.
Imaginemos que tienes una fábrica que produce dos tipos de productos: A y B. Para
fabricar estos productos, necesitas ciertas cantidades de materias primas y mano de
obra, y tienes un límite en la cantidad de estas disponibles. Además, tienes un objetivo
de maximizar tus ganancias. Esto se puede representar como un problema de
programación lineal.
El método simplex trabaja en un espacio geométrico llamado espacio de soluciones
factibles. Cada punto en este espacio representa una combinación de las cantidades
de productos A y B que puedes fabricar dentro de las restricciones dadas. El algoritmo
se mueve de un punto a otro, mejorando gradualmente la solución, hasta que
encuentra el punto óptimo que maximiza tus ganancias.
¿Cuáles son las ventajas de utilizar el método simplex?
El método simplex tiene varias ventajas que lo convierten en una herramienta de gran
utilidad. Algunas de ellas son:
Aplicable a problemas de gran escala: El método simplex puede aplicarse a
problemas con un gran número de variables y restricciones. Aunque su eficiencia
puede disminuir a medida que aumenta el tamaño del problema, sigue siendo una
opción viable para resolver problemas complejos.
Solución óptima: Si se sigue correctamente, el método simplex garantiza encontrar la
solución óptima para un problema de programación lineal. Esto significa que obtendrás
el mejor resultado posible dentro de las restricciones y objetivos establecidos.
Flexibilidad en la formulación del problema: El método simplex permite formular
problemas en términos de maximización o minimización de una función objetivo. Esto
significa que puedes adaptar el problema a tus necesidades específicas, ya sea
maximizando ganancias, minimizando costos o cualquier otro objetivo deseado.
Permite identificar soluciones no factibles o ilimitadas: Durante el proceso de
resolución, el método simplex puede detectar si el problema no tiene solución factible
o si tiene múltiples soluciones óptimas. Esto es útil para comprender mejor la
naturaleza del problema y tomar decisiones adecuadas.
Interpretación geométrica: El método simplex se basa en conceptos geométricos y
utiliza un espacio de soluciones factibles para encontrar la solución óptima. Esto
proporciona una visualización intuitiva del problema y las restricciones, lo que facilita la
comprensión y el análisis de los resultados.
Puede incorporar variables no lineales: Aunque el método simplex está diseñado
para problemas de programación lineal, se puede extender para abordar problemas
con variables no lineales utilizando técnicas de programación lineal entera o
programación no lineal.
Conclusión
Al aplicar el Método Simplex, las empresas pueden optimizar diversos aspectos del
negocio. Esto no solo conduce a la maximización de los ingresos y beneficios, sino
también a una mayor ventaja competitiva.
Es importante destacar que el Método Simplex no es solo una herramienta para
matemáticos y expertos en optimización, sino que también es accesible y valioso para
cualquier persona interesada en tomar decisiones estratégicas basadas en datos y
análisis.
Recuerda también que existen diversas herramientas que te pueden ayudar en la
recolección de datos para la toma de decisiones. Un software para encuestas es ideal
para crear de manera fácil tu encuesta, distribuirla a través de diversos canales y
obtener resultados en tiempo real para su análisis.
El método simplex, emplea básicamente, la estrategia de resolver los problemas de
programación lineal por medio de sistemas de ecuaciones lineales simultáneas
siempre que se tenga una solución factible.
El óptimo, si es que existe, se determina avanzando un punto esquina adyacente a la
vez y comprobando si aún existe un punto esquina que pueda mejorar el valor de la
función objetivo.
El mercado, las empresas, e incluso las personas están en una búsqueda constante
de mejoras, de nuevas ideas, de rendimiento y ahorro de recursos de todos los tipos,
pero llevar esto acabo requiere de toma de decisiones que podrían estar más allá de
realizar una simple selección escogiendo lo que para nuestros oídos suene como la
mejor opción.

Bibliografía
https://www.questionpro.com/blog/es/metodo-simplex/#:~:text=5%20Conclusi
%C3%B3n-,%C2%BFQu%C3%A9%20es%20el%20m%C3%A9todo%20simplex
%3F,o%20minimizando%20una%20funci%C3%B3n%20objetivo.
https://simplexmetodopsm.blogspot.com/2019/02/conclusiones.html
https://home.ubalt.edu/ntsbarsh/Business-stat/opre/SpanishD.htm#:~:text=La
%20Programaci%C3%B3n%20Lineal%20(PL)%20es,la%20planificaci%C3%B3n
%20de%20la%20producci%C3%B3n.