1)

Un DM (tomador de decisiones) tiene que ser muy inteligente en cuanto a pronósticos

empíricos se refiere, pero no basta lo suficiente muchas veces para suplir una demanda o en
dicho caso, para no poseer inventarios en cuanto a aleatoriedad se refiere. Resulta muy
complicado realizar pronósticos de esta forma ya que no se tiene en cuenta el grado de
incertidumbre de la probabilidad de venta, de esta forma se puede definir a un vendedor que
no tiene en cuenta las reglas de decisiones, para los productos pequeños como los periódicos
resulta muy complicado y extenuante utilizar conceptos de pronósticos de demanda como los
que utilizan las grandes empresas, en estos casos se debe buscar una alternativa o solución
practica que te permita determinar el número de periódicos que debe adquirir para ofrecer a
la venta, es hay donde surge la pregunta ¿si se que estoy hablando de un proceso estocástico,
que debo implementar para tener un grado de certeza mayor?. Es donde se debe tener,
primeramente, en cuenta la actitud del tomador de decisiones hacia el riesgo y toda la
distribución de los beneficios relacionados con las cantidades de orden particulares ya que,
esto nos va a permitir definir con subjetividad los grados de posibilidad que el NP tiene y los
niveles de satisfacción que se presentan.

En el articulo nos muestra un problema de un NP y nos pone ejemplos como el vendedor

de ropa o textiles, el hace un pedido de ropas dependiendo la temporada del año y la moda,
pero no cuenta con la certeza de que esos productos van a ser vendidos en X tiempo
estipulado, o muchas veces compra un producto por la cantidad de artículos que mas se
venden, pero se cae en el error ya que, llegara un momento donde tendrás un stock que esta
mucho tiempo en almacenamiento, esto representa perdidas para este tipo de empresa ya que
deben recurrir a promociones por casi la mitad de la inversión hecha, esto no representa una
maximización de ganancia ni una minimización de los costos, es todo lo contrario. Por otro
lado, cuando a esa tienda de ropa entran nuevos productos se cuenta con una incertidumbre
mayor porque no se cuenta con unos datos históricos de ventas lo cual es similar a ir a una
guerra sin armas, es hay donde entramos a determinar que mejor alternativa de decisión sirva
para un DM, el único parámetro que debe declararse (si tenemos la intención de tomar en
consideración las preferencias de DM) es el coeficiente de optimismo (o pesimismo).
Cualquiera de los dos nos puede determinar cuánto es lo máximo que me gasto (si quiero
minimizar) o gano (si quiero maximizar) si me arriesgo a comprar una cantidad X de un
nuevo producto y si su estado de naturaleza resulta favorable para el tomador de decisiones.

El resultado de la elección hecha bajo incertidumbre con la planificación de escenarios

depende de dos factores: qué decisión será seleccionada y qué escenario ocurrirá. Así, NP
bajo incertidumbre completa puede ser definido por medio de un modelo de decisión basado
en escenarios con m Estados de naturaleza (escenarios, eventos). Este modelo puede ser
aplicable en su mayoría de veces a minoristas a continuación definiremos tres ejemplos:

1) Una tienda de barrio: este tipo de negocios es un ejemplo claro de lo incierto que
muchas veces el pronostico de ventas hecho por análisis del número de productos
vendidos, basémoslo en un producto que es nuevo en el mercado, para la tienda es un
riesgo muy grande surtir la tienda con ese nuevo producto ya que no se tiene la certeza
de cómo será la aceptación de este, en este caso si se aplica un estudio de decisiones,
determinando el estado de naturaleza y alternativas más óptima para la resolución del
problema, este grado de incertidumbre podríamos determinarlo de muchas formas,
pero se podría analizar con las estipuladas en el artículo, el pesimismo y optimismo
para determinar que es a lo mucho que puedo perder y que es lo que más puedo ganar.
2) Un vendedor de carrito de Vive 100: Resulta muy complicado estar en una esquina a
la espera de que vendes en el día, esto constituye un problema de
producción/adquisición de un minorista que vende un producto bajo demanda
aleatoria sin tener que hacer inventario en este caso, no resulta optimo tener un
producto en inventario para varios días o semanas, ya que no solo debemos tener en
cuenta que es un producto perecedero, si no que ciencia cierta no se sabe cual es la
cantidad que puedes vender a diario de Vive100, por ende es aplicable el método de
toma de decisiones para un NP, ya que el MD debe disminuir esa incertidumbre que
tiene al respecto de que referencia y cantidad de producto pedir para vender por lo
menos en una semana si es optimo arriesgarse a comprar un poco mas de lo que
vendes o equilibrar.
3) Un vendedor de Videojuegos: este caso es de micho análisis, ya que constantemente
al mercado están saliendo nuevas franquicias y sagas de videojuegos, ¿resultaría
factible para un minorista un proceso de toma de decisiones?, desde nuestro punto de
 vista si, en este caso se manejaría con datos existentes y con datos históricos no
existentes, existentes para algunos juegos de los que la incertidumbre respecto a las
ventas de ciertos videojuegos y tomar decisiones de riesgo como hacer pedidos sin
tener en cuenta las épocas del año DMR, pero resulta mas complicado cuando se lanza
un nuevo videojuego y el minorista no sabe que tan bueno es, es ahí donde se
determina como estocástico DMSU, recordemos que este método debe considerar la
naturaleza del DM en el proceso de toma de decisiones. Además, se recomienda tener
en cuenta la estructura específica de la matriz de beneficios del NP, para este caso
debemos considerar fuertemente el nivel de optimismo que nos dé como resultado y
para pesimista una alternativa con una remuneración relativamente alta, además, se
introduce como paso final del procedimiento para encontrar una estrategia
relativamente segura (es decir, una alternativa con la menor rentabilidad posible), que
es especialmente crucial en el caso del DMS cauteloso, con el fin de determinar en
las mencionadas anteriormente si vale la pena arriesgarse a seguir comprando mas
unidades de un videojuego ya estipulado o arriesgarse a comprar uno que acaba de
salir en el mercado.

Resumen:

el documento presenta una nueva regla de decisión basada en escenarios para la versión clásica
del problema de vendedor (NP) bajo total incertidumbre. Hasta el momento, NP ha sido analizado
bajo incertidumbre con probabilidades o con información parcial. El procedimiento descrito en la
contribución se basa en un híbrido de las reglas de la decisión de Hurwlcz y de Bayes. Tiene en
cuenta la actitud del tomador de decisiones hacia el riesgo y toda la distribución de los beneficios
relacionados con las cantidades de orden particulares. No requiere ninguna información sobre la
distribución de probabilidad, ya que está diseñado para la venta de nuevos productos
innovadores, es decir, para decisiones de un solo disparo.

1 Introducción el problema de vendedor (NP), también conocido como el problema de un solo

período (spp) o el problema de vendedor, consiste en encontrar la cantidad de orden que
maximiza el beneficio esperado (o minimiza la pérdida prevista) en una demanda probabilística de
un solo período Marco. Este tema ha atraído una gran atención y ha desempeñado un papel
central en los fundamentos conceptuales de la teoría del inventario estocástico. Originalmente
estaba relacionado con DMSU (toma de decisiones bajo incertidumbre estocástica) o DMR (toma
de decisiones bajo riesgo) donde la demanda se presenta como una variable aleatoria. NP ya se ha
analizado en diversas hipótesis y con varias extensiones [7]. Además, este problema también se ha
discutido recientemente en el contexto de la DMPI — toma de decisiones con información parcial
[24, 25, 26], donde el tomador de decisiones (DM) es capaz de definir subjetivamente los grados
de posibilidad y los niveles de satisfacción (la probabilidad la distribución no se conoce
completamente).

Sin embargo, según [4], la teoría vendedor no debe asumir que el DM se enfrenta a una
distribución conocida, ya que en situaciones de la vida real, la distribución de la demanda no
siempre se conoce. Además, los autores demuestran que conocer la distribución de la demanda no
conduce necesariamente al tema más cercano (que aquél que no es consciente de la distribución
subyacente de la demanda) a la solución óptima o a mejorar los beneficios (véase también [5]).
Por lo tanto, la investigación de NP bajo incertidumbre completa (es decir, sin probabilidades [33,
8, 42, 43, 45, 48]) es mucho deseada. Especialmente en el caso del desarrollo de nuevos productos
(innovadores) donde es bastante complicado definir probabilidades o incluso cantidades parecidas
a la probabilidad, porque no hay datos disponibles para pronosticar la próxima demanda a través
del análisis estadístico.

Los modelos de vendedor se basan generalmente sobre la asunción de la neutralidad del riesgo.
Mientras tanto, recientemente hay un cuerpo creciente de la literatura que intenta utilizar
preferencias alternativas del riesgo más bien que neutralidad del riesgo para describir el
comportamiento de toma de decisión vendedor [I, 26, 30, 35, 49, 50, 51, 54]. En esta contribución,
también tomamos en cuenta la actitud del DM frente al riesgo. Esto significa que la solución
recomendada para un DM en particular depende de dos factores: el objetivo definido
objetivamente (maximización de ganancias) y la naturaleza del DM. El documento está organizado
de la siguiente manera. La sección 2 se ocupa de las principales características del NP
tradicionalmente comprendido. La sección 3 define el problema vendedor bajo total
incertidumbre. La sección 4 presenta una regla de decisión de 2 criterios que puede ser usada
como una herramienta para buscar una solución óptima para el problema mencionado. La sección
5 ofrece un estudio de caso. Las conclusiones se recogen en la última parte. La contribución se
refiere a productos innovadores y pequeños ciclos de vida.

2 problema de vendedor

el problema clásico de vendedor constituye un problema de producción/adquisición de un

minorista que vende un producto bajo demanda aleatoria sin tener que hacer inventario. Hay
muchas situaciones en la práctica en las que mantener un producto en el inventario para su uso
futuro es imposible o poco práctico. Este es el caso de productos como los periódicos y los
alimentos perecederos. Una situación similar surge cuando un minorista de ropa hace pedidos en
el comienzo de la temporada para un artículo de moda. Tales órdenes se hacen para una estación
(ventana del tiempo de ventas) solamente, y cualesquiera artículos no vendidos (sobrantes) no se
guardan en el inventario para ser vendidos el año próximo. Se venden más bien a grandes
descuentos al final de la temporada. Así, en NP el minorista pone una orden para un producto a su
propio abastecedor al principio de cada período y la cantidad adquirida se utiliza solamente para
satisfacer la demanda durante el período actual [6]. La demanda de este producto durante el
período actual no se conoce por adelantado, pero está representado por una variable aleatoria no
negativa D. La función de distribución acumulativa de D es F

Los modelos vendedor extendidos son variaciones del modelo vendedor clásico que implica
diversos objetivos, funciones de la utilidad, políticas de precios del surtidor, políticas de precios
vendedor, estructuras de descuento, Estados de la información sobre demanda y fuente,
multiproductos restringidos, productos múltiples con sustitución, rendimientos aleatorios,
modelos de múltiples ubicaciones y diferentes ciclos de producción múltiples, p.ej. [l, 3, 7, 9, 12,
30, 31, 32, 34, 38, 40, 50, 52, 53, 54].

3 vendedor problema bajo total incertidumbre

ya hemos mencionado que en el caso de los nuevos productos, no se dispone de datos históricos
relevantes para el análisis estadístico de la demanda. En tales circunstancias, se puede referir a la
toma de decisiones con información parcial y caracterizar la demanda por posibilidades
distribuciones [26]. Otro enfoque consiste en asumir que la decisión se toma con total
incertidumbre, lo que facilita el proceso de toma de decisiones, ya que esta vez no es necesario
estimar cantidades parecidas a las probabilidades. El único parámetro que debe declararse (si
tenemos la intención de tomar en consideración las preferencias de DM) es el coeficiente de
optimismo (o pesimismo). El segundo beneficio de aplicar DMCU (toma de decisiones bajo
absoluta incertidumbre) a NP es la posibilidad de combinar NP con la planificación de escenarios
[39, 46], porque en el marco del problema vendedor la matriz de ganancia puede ser compaginada
de una manera muy precisa (ver Cuadro 2). El resultado de la elección hecha bajo incertidumbre
con la planificación de escenarios depende de dos factores: qué decisión será seleccionada y qué
escenario ocurrirá. Así, NP bajo incertidumbre completa puede ser definido por medio de un
modelo de decisión basado en escenarios con m Estados de naturaleza (escenarios, eventos): LSI,.
s,..., m, n posibles alternativas (decisiones, estrategias, cantidades de orden):..., a], an}, y n XM
Profits (au — ganancia obtenida por el minorista si el estado si ocurre y se selecciona la variante
AJ) calculado según la fórmula (4). Las distribuciones de sobornos son discretas. Los símbolos AJ,
min y AJ, Max denotan el beneficio mínimo y máximo conectado con la decisión AJ (ver sección 4).

Vale la pena enfatizar que algunas reglas encuentran aplicación cuando el DM tiene la intención de
llevar a cabo la estrategia seleccionada sólo una vez (decisiones de un solo disparo). Otros se
recomiendan para las personas que contemplan la realización de la variante escogida muchas
veces (decisiones multi-shot). En el caso NP con productos de ciclo de vida innovadores y
pequeños que sin duda se ocupan de decisiones de un solo disparo.

En la siguiente sección hacemos un intento de encontrar una regla de decisión apropiada para la
versión clásica del problema de vendedor bajo total incertidumbre (NPCU).

4 2-criterios (H + B) regla para NPCU

al seleccionar un procedimiento adecuado para NPCU (se desconoce la probabilidad de que los
Estados particulares sean desconocidos) debemos recordar que el método debe considerar la
naturaleza del DM en el proceso de toma de decisiones. Además, se recomienda tener en cuenta
la estructura específica de la matriz de beneficios del NP clásico (ver tabla 3): a) para b lo
suficientemente mayor que s y para la misma probabilidad, p (q) es el más alto para q = Qmax, b)
para b suficientemente menor que s y para igual probabilidad, p (q) es la más alta para q = Qmin,
c) para q = Qmin, los beneficios particulares son siempre los mismos (independientemente del
estado) — por lo tanto, el valor del beneficio es seguro para la decisión al, d) casi todas las
alternativas tienen más de un beneficio igual a AJ "Nax y el número de s UCH beneficios aumenta
para q cerca de-el más alto q es, el valor menos cierto AJ "NCN • es, e) para cada decisión
beneficios particulares al j,.. ., CLIJ,. .., conj se ordenan siempre bajo la forma de secuencia no-que
disminuye, que significa que los sistemas de los beneficios alcanzables a través de los Estados no
se traslapan en la esquina derecha superior de la matriz, f) la gama entre AJ "Nin y es un functionf
de aumento (q).

Los denominadores en las ecuaciones (5)-(6) se introducen de modo que el valor final de índices
particulares pertenezca al intervalo [WJ, MJ], donde vvj y M} son los valores del criterio de Wald y
el criterio Maximax, respectivamente, es decir, el último (Azj) y el primero (Cllj) el término de los
denominadores sq. no es crucial — se pueden omitir al preparar el ranking. 6) elegir la variante A *
j que cumple la condición (8).

= argmax (HBJ) (8) 7) si el ajuste a * que contiene las decisiones j es un conjunto singleton,
detenga el procedimiento (A * j es la solución óptima final). De lo contrario, seleccione la decisión
A * j que satisface las ecuaciones (8)-(9).

A; * = argmin (a (9) donde está la desviación estándar calculada para todas las decisiones a
la asignación de los parámetros a y a las remuneraciones particulares, dependiendo del nivel del
optimismo, se justifica adentro [15]. Brevemente, la regla de H + B recomienda para un pesimista
una alternativa con una remuneración relativamente alta AJ "nin o con las remuneraciones
absolutamente frecuentes (casi) iguales a AJ, máximo. Por otra parte, esa regla sugiere para un
optimista una alternativa con el más alto rendimiento AJ "Nax, pero sus pagos más altos no tienen
que ser frecuentes. El segundo criterio (desviación estándar) se introduce en el paso final del
procedimiento para encontrar una estrategia relativamente segura (es decir, una alternativa con la
menor rentabilidad posible), que es especialmente crucial en el caso del DMS cauteloso. El criterio
de desviación sólo se aplica a las decisiones con el índice más alto 11b. . El uso de la desviación
estándar como herramienta complementaria en el proceso de toma de decisiones basado en
escenarios también ha sido propuesto por [29].

5 ejemplo ilustrativo en esta sección vamos a resolver el ejemplo que presenté en la tabla 3 por
medio de la regla 2criteria (H + B). Asumimos que el DM es casi un pesimista extremo: i) a = O. 9,
así a 2) min = l, Qmax = DmaF4, m a i, 442, 3, a 4}.

3) CL = 6, CN = l, C3 = 5. Por lo tanto b = 5, s = l. La matriz de beneficios se da en el cuadro 3

(ejemplo I). 4) SC-(l O, 10, 10, 4), SF (20, 5) índices, llbf se calculan de la siguiente manera: 0.9-5 +
0.1. (5 + 5 + 5) 0.9-4 + 0.1. (10 + 10 + 10) = = 5,0 0.9 + 3-0. I 0.9 + 3-0. I 6) existen dos alternativas A
* j: (ver ecuación 8).

7) set a * no es un conjunto singleton. Así pues, es necesario calcular o: 02 = 3.0, 03 = 5.74. La

decisión 142 es la alternativa final óptima (A * j) ya que tiene el índice más alto 11b! (en el juego a)
y la desviación estándar más baja (en el juego a *). La cantidad de pedido debe ser igual a 2. Tenga
en cuenta que si la DM era casi un optimista radical (a-O. 1), a continuación, los índices 11b]? sería
igual a 5, 9,5, 13,5 y 17, respectivamente. En ese caso, decisionA4 sería la mejor.

6 conclusiones la regla de 2 criterios (H + B), propuesta y descrita en el documento, puede ser una
herramienta de decisión bastante cómoda y comprensiva en el problema de vendedor, bajo total
incertidumbre (NPCU) con nuevos y pequeños productos de ciclos de vida, ya que tiene en cuenta
Las preferencias de DM y la distribución muy específica de los beneficios (asimetría, rango,
frecuencia de valores extremos). No requiere ninguna información sobre la probabilidad (que es
justificable en el caso de productos innovadores) y es bastante simple de utilizar. La regla de los 2
criterios (H + B) puede ser útil en cualquier problema de decisión incierto (no meramente NPCU),
especialmente en el caso de un diferencial considerable de beneficios extremos. En el futuro sería
deseable analizar los modelos vendedor extendidos en el contexto de la incertidumbre completa.