MÉTODO NORMALIZADOR MAG

1

MÉTODO NORMALIZADOR MAG

La toma acertada de decisiones ha sido siempre una necesidad para las

empresas, en los tiempos modernos los ejecutivos exitosos se caracterizan por asumir

esta responsabilidad, sin embargo la velocidad de los cambios en los mercados y la

excesiva información disponible - a veces - y la falta de información en otros casos,

dificulta esta tarea. Las decisiones deben ser tomadas en forma oportuna y no siempre

con el tiempo necesario para analizar todas las opciones factibles, por lo cual las

decisiones deben ser tomadas bajo escenario de incertidumbre.

Si la decisión está asociada a un solo criterio de rendimiento o un solo factor

crítico éxito o un solo objetivo, presenta un grado de complejidad menor que cuando

se requiere que la decisión o solución satisfaga simultáneamente más de un criterio u

objetivo, mas aun cuando los objetivos son satisfechos en forma distinta por cada una

de las decisiones o soluciones posibles.

Es claro, que en el ambiente competitivo actual, las organizaciones enfrentan

diariamente la toma de decisiones, tanto en el nivel estratégico, como en el táctico,

siendo muchas veces de consecuencias fundamentales para la supervivencia de la

misma.

Cuando se enfrenta el proceso de toma de decisiones o selección de

alternativas, generalmente se tienen múltiples objetivos, que se contraponen entre

ellos, haciendo más complejo éste proceso y generándose entonces la necesidad de

una herramienta o un método que permita comparar esos múltiples criterios frente a la

gama de alternativas posibles.

La toma de decisiones multi-criterio es un problema crítico de la vida real.

Cualquier actividad involucra de una u otra manera, la evaluación de un conjunto de

alternativas en términos de un conjunto de criterios de decisión, donde muy

frecuentemente estos criterios están en conflicto unos con otros. Es claro, que éste se

encuentra influenciado por sus patrones o modelos mentales, por la influencia de

quienes se encuentran en una posición jerárquica superior o inferior, incluyéndose

también el estado de ánimo y sus relaciones familiares y sociales, lo cual determina

las prioridades al momento de abordar el problema, y añaden desde luego, mayores

elementos de complejidad.

Dentro de este marco, es vital contar con la información adecuada para tomar

la mejor decisión, la cual se determinará dentro de un conjunto de posibles

alternativas, las cuales deben ser evaluadas frente a múltiples criterios que se definan

para este propósito. El resultado entonces, es un proceso complejo y delicado en el

cual la subjetividad y la dependencia de la información juegan un papel preponderante.

Por esta razón es necesario contar con herramientas que apoyen este proceso

y permitan un análisis más científico de las alternativas. Esta complejidad ha llevado al

desarrollo de modelos de preferencia, es decir, herramientas que permiten abordar el

problema de decisión multi-criterio de una forma sistemática y científica, buscando

favorecer el proceso y ayudar a quien toma la decisión.

El proceso de análisis jerárquico propuesto por Thomas Saaty en 1980, fue

diseñado para cuantificar las opiniones gerenciales donde participan diferentes

criterios que complican la toma de decisiones, corresponden a los modelos de análisis

2

multi-criterio o multi-objetivo, donde también se encuentran el método del Scoring, la

utilidad multi-atributo y las relaciones de causa-efecto.

Como se describió muchas técnicas y herramientas se han desarrollado para

ayudar en la toma de decisiones, muchas de ellas requieren de muchos datos y

definiciones de las organizaciones, además necesitan de un arduo tratamiento de los

datos e información disponible, generalmente los output de estas herramientas,

entregan a tomadores de decisiones un abanico de opciones, de las cuales debe

decidir y ponderar las implicancias y riesgos asociados.

En este contexto si la herramienta para apoyar la toma de decisiones frente a

multi-criterios, es fácil, rápida de utilizar y efectiva, el aporte será muy beneficioso para

quien la utilice.

El “Método Normalizador MAG” es una herramienta de fácil utilización y

comprensión, que fue desarrollada y está en proceso de publicación (2013), tiene un

amplio campo de uso, sin embargo para facilitar su aplicación, será descrita y aplicada

en el contexto de decidir cual método de pronóstico sería el que mejor represente los

objetivos de una organización.

Ejemplo de aplicación

Considere que debe decidir que método de pronóstico es el que mejor se

ajusta al comportamiento de la demanda de un producto, para esto usted utilizó los

siguientes métodos de pronósticos de series de tiempo:

Promedio móvil simple, con n=3 y con n=6.

Promedio móvil ponderado, 0,7; 0,2 y 0,1 (mayor ponderación a demanda más reciente).

Suavización exponencial simple con a = 0,1 y a = 0,2.

Para evaluar la magnitud de los errores se utilizó CFE (suma Acumulativa de

los errores) para el sesgo y MAD (desviación media Absoluta) para la dispersión.

La empresa asigna la misma ponderación a los errores de sesgo y a los errores

de dispersión.

A continuación se entregan los resultados al medir lo errores con cada método

y parámetros utilizados en cada método.

Tabla Nº 1: Medición de Errores

Método CFE MAD

Promedio Móvil Simple

Tres Semanas (n=3) 23,1 17,1

Seis Semanas (n=6) 69,8 15,5

Promedio Móvil Ponderado

0,7 ; 0,2 ; 0,1 14,0 18,4

Suavización Exponencial Simple

a = 0,1 65,6 14,8

a = 0,2 41,0 15,3

3

Caso 1: Aplicación de selección tradicional.

Tradicionalmente, en la literatura, se indica que para realizar la selección, debe

realizar selecciones secuenciales, es decir para cada método aplicado, seleccione,

para un método determinado, el pronóstico cuyos parámetros, representan de mejor

manera los criterios de la organización, posteriormente una vez reducido los métodos

participantes genere la elección final.

En particular en este ejemplo, se decidirá primero entre los pronósticos

obtenidos al aplicar el método de “Promedios móviles simple” con n=3 vs con n=6.

Para esto analice los valores de la medición de los errores practicados:

Tabla Nº 2: Medición

...