Beruflich Dokumente
Kultur Dokumente
problemas para la
toma de decisiones
en entornos
empresariales
Raúl Abril
PID_00157123
© FUOC • PID_00157123 Análisis de problemas para la toma de decisiones en entornos...
Ninguna parte de esta publicación, incluido el diseño general y la cubierta, puede ser copiada,
reproducida, almacenada o transmitida de ninguna forma, ni por ningún medio, sea éste eléctrico,
químico, mecánico, óptico, grabación, fotocopia, o cualquier otro, sin la previa autorización escrita
de los titulares del copyright.
© FUOC • PID_00157123 Análisis de problemas para la toma de decisiones en entornos...
Índice
Introducción............................................................................................... 7
Objetivos....................................................................................................... 11
1. Introducción a la modelización..................................................... 13
1.1. El enfoque de la ciencia de la gestión ........................................ 13
1.2. Análisis de equilibrio. Solución con Excel .................................. 15
1.3. Clasificación de las técnicas de la ciencia de la gestión .............. 17
1.4. Uso empresarial de la ciencia de la gestión ................................ 18
3. Análisis de la sensibilidad............................................................... 40
3.1. Análisis de la sensibilidad. Aplicación al caso de Beaver Creek
Pottery ......................................................................................... 40
3.1.1. Otras formas de análisis de la sensibilidad .................... 42
3.2. El rango de sensibilidad del coeficiente de la función
objetivo ........................................................................................ 45
4. Colas....................................................................................................... 47
4.1. Servidor único de línea de espera ............................................... 49
4.2. Servidor múltiple de línea de espera .......................................... 56
4.3. Otros sistemas de gestión de colas ............................................. 58
© FUOC • PID_00157123 Análisis de problemas para la toma de decisiones en entornos...
5. Técnicas de redes................................................................................ 61
5.1. Los componentes de una red ..................................................... 61
5.2. Determinación de la ruta más corta ........................................... 62
5.2.1. Solución mediante MS Excel ......................................... 66
5.3. Identificación del árbol mínimo de cobertura ............................ 68
5.4. Maximización del flujo en un grafo ........................................... 70
5.4.1. Solución mediante MS Excel ......................................... 72
5.5. Actividades .................................................................................. 74
6. Previsiones............................................................................................ 77
6.1. Los métodos de previsión ........................................................... 78
6.1.1. Métodos basados en series temporales .......................... 78
6.1.2. Métodos basados en regresiones .................................... 83
7. Probabilidades.................................................................................... 88
7.1. Valor esperado ............................................................................. 88
7.2. Aplicación de probabilidades a la toma de decisiones ................ 88
7.2.1. El valor de la información perfecta en la toma de
decisiones ....................................................................... 91
7.2.2. Los árboles decisores ...................................................... 93
8. Gestión de inventarios...................................................................... 98
8.1. Los costes de inventario ............................................................. 99
8.2. Modelo de pedido de cantidad económica ................................. 99
8.2.1. El modelo básico de pedido de cantidad económica ..... 99
8.2.2. Variante del modelo de cantidad económica: no hay
recepción instantánea .................................................... 103
8.2.3. Variante del modelo de cantidad económica: se
permiten las escaseces ................................................... 104
8.3. Descuentos por cantidad ............................................................ 106
8.3.1. Descuentos por cantidad con costes de
almacenamiento constantes .......................................... 106
8.3.2. Descuentos por cantidad con costes de
almacenamiento como porcentaje de precio ................ 107
8.4. Punto de reabastecimiento ......................................................... 108
8.4.1. Determinación de inventarios de seguridad según
los niveles de servicio .................................................... 110
8.5. Sistemas de control de inventario .............................................. 112
Resumen....................................................................................................... 148
Bibliografía................................................................................................. 151
© FUOC • PID_00157123 7 Análisis de problemas para la toma de decisiones en entornos...
Introducción
Un primer elemento que forma parte del título de este curso es problemas. Es-
te concepto admite distintas interpretaciones, hay abundante literatura al res-
pecto, y ha sido tratado extensamente, tanto en términos de toma de decisio-
nes como de resolución de problemas. Vamos a ver algunos aspectos esencia-
les para comprender de qué estamos hablando cuando utilizamos el término
problemas.
Aquí cabe hacer una distinción entre dos conceptos importantes: efectividad
y eficiencia.
turación del problema mediante la definición de un modelo que nos sirva pa-
ra resolverlo en la práctica más que en el conocimiento teórico de la técnica
utilizada para lograrlo.
Contenido
La formulación adecuada de un problema es crucial, puesto que de ella complementario
dependerá en gran manera su solución: una deficiente formulación del
Existe la paradoja de resolver
problema nos va a conducir con toda seguridad a una solución inade- problemas que no existen. La
mejor manera de evitarlo es
cuada o incluso errónea, de manera que una gran parte del éxito en la elaborar un buen análisis que
resolución de problemas radica en la pericia en esta formulación. nos ayude a formularlo ade-
cuadamente.
• Debemos tener muy en cuenta que se suele trabajar con una limitación de
tiempo importante. En ocasiones no se puede invertir el tiempo necesario
en cada acción y se deben tomar atajos: habrá que convivir con una cierta
presión del factor tiempo, tanto en la definición como en la resolución de
los problemas.
Ejemplo
Si nos dicen que la probabilidad de error que tenemos en la toma de decisiones es del 1%
(un error de cada 100 decisiones), creo que cualquiera firmaría; pero si trasladamos este
margen a otro ámbito, al farmacéutico por ejemplo, la cuestión ya no está tan clara: si nos
dicen que tomemos un medicamento y que la probabilidad de que muramos en el intento
es del 1%, seguramente esta probabilidad sería considerada excesiva e inaceptable. Hay
que tener en cuenta qué es lo que está en juego cuando se define un problema y se toma
una decisión.
© FUOC • PID_00157123 10 Análisis de problemas para la toma de decisiones en entornos...
Objetivos
A la hora de definir los objetivos de este curso, hemos tenido muy en cuenta
la experiencia profesional de las personas que lo cursarán y el carácter emi-
nentemente práctico que hemos querido dar a sus contenidos. Por tanto, se
pretende que este material os ayude a alcanzar los siguientes objetivos:
1. Introducción a la modelización
lución de problemas mediante dichos modelos. Queda fuera del dominio del
curso la observación del entorno, la definición del problema y la aplicación
de dicho modelo y el feedback y la implementación de los ajustes.
los resultados que obtenemos que nos ayudará a ajustar cada uno de los
pasos que hemos visto, asumiendo que la observación que hemos hecho
es precisa para el entorno. Es decir, después de la implementación del uso
de nuestro modelo, quizás deberemos ajustar ya sea la definición del pro-
blema que hemos hecho, los elementos del modelo o la resolución de un
problema.
Aclaración terminológica
Como primer paso definimos las cuatro variables del modelo y las relaciones que se es-
tablecen entre ellas.
Ya hemos definido nuestro modelo (muy simple como vemos). Ahora, me-
diante una herramienta de cálculo, lo resolveremos asignándole valores. En
este curso utilizaremos MS Excel:
Hemos reflejado las variables en las celdas de la columna D y en la fila 4 situamos la variable Fixed cost; la celda D6 la reservamos
para la variable Variable cost de cada una de las unidades, y la celda D8 la reservamos para nuestra variable Price. Finalmente, la
celda D10 la reservamos para calcular el objetivo (V), es decir, el número de unidades que tenemos que producir para alcanzar
el punto de equilibrio.
Una vez computado por MS Excel, obtenemos:
– Coste fijo: 10.000
– Coste variable: 8
– Precio unitario: 23
– Unidades que se deben vender para alcanzar el punto de equilibrio: 666,7
Componentes�del�modelo
• Costes fijos (cf): costes que se mantienen constantes independientemente del número
de unidades producidas.
• Coste variable total (cvv): función de volumen (v) y coste variable de la unidad.
• Coste total (ct): coste fijo total más coste variable total.
Cálculo�del�punto�de�equilibrio
vp - cf – vcv = 0
v = cf/(p - cv)
Aplicamos�valores�a�las�variables
© FUOC • PID_00157123 17 Análisis de problemas para la toma de decisiones en entornos...
cf = 10.000 $
cv = 8 $ el par
p (precio) = 23 $ el par
(1)
• Programación matemática lineal Forzamos a que el resultado sea
entero. Por ejemplo, no podemos
– Modelos de programación lineal
fabricar 1,2 aviones; o fabricamos
– Análisis gráfico 1 o fabricamos 2, pero no 1,2.
– Análisis de sensibilidad
– Transporte, transbordo y asignación
– Programación lineal de enteros1
– Programación por objetivos
• Técnicas probabilísticas
– Probabilidad y estadística
– Análisis de decisiones
– Formación de colas
• Técnicas de red
– Flujo de red
– Gestión de proyectos (CPM/PERT)
• Otras técnicas
– Proceso de jerarquía analítica (AHP, del inglés analythical hierarchy pro-
cess)
– Programación no lineal
– Simulación
– Previsión
© FUOC • PID_00157123 18 Análisis de problemas para la toma de decisiones en entornos...
– Inventario
Aplicación al curso
En este curso vamos a ver al menos un caso de una técnica por cada uno de estos grupos.
Trabajaremos las técnicas de programación lineal y análisis de la sensibilidad; en el caso
de las técnicas probabilísticas, veremos colas y análisis de decisiones; en el caso de téc-
nicas basadas en redes, veremos flujos, y en el caso de otras técnicas, veremos técnicas
de predicción.
En este curso nos vamos a centrar mucho más en la eficiencia que en la eficacia. Recordad
Es evidente que será más competitivo quien sea más eficiente.
La eficacia consiste en conse-
guir los objetivos y la eficiencia
consiste en ser eficaz minimi-
zando el consumo de recursos.
© FUOC • PID_00157123 19 Análisis de problemas para la toma de decisiones en entornos...
Referencias bibliográficas
• Las decisiones de una empresa que serán representadas por relaciones li-
neales algebraicas; de ahí toma el nombre la técnica, programación lineal,
porque todas las relaciones van a ser lineales; es decir, proporcionales.
• Resolver el modelo.
• Implementar el modelo.
Aplicaremos la técnica al caso de una empresa de cerámica, Beaver Creek Pottery, que
tiene un problema de product mix. El problema consiste en saber cuántas tazas y boles
deberían producirse para maximizar los beneficios, teniendo en cuenta dos restricciones:
mano de obra y materiales disponibles.
Necesidades de recursos
Bol 1 4 40
Taza 2 3 50
Una vez formulado el modelo, vamos a por su resolución, que consiste bási- Precisión terminológica
camente en asignar valores a las variables de decisión. Volviendo al ejemplo
Una solución factible no de-
de Beaver Creek Pottery, podríamos tener lo siguiente: be quebrantar ninguna restric-
ción.
Probemos ahora a asignar dos valores arbitrarios, por ejemplo, producir dia- Precisión terminológica
riamente 10 boles y 20 tazas. Una primera apreciación inmediata nos muestra
Una solución no factible que-
que el beneficio crece hasta 1.400 $/día. branta por lo menos una res-
tricción.
La utilización de una técnica gráfica para maximizar un modelo tiene ciertas Nota
limitaciones, entre las cuales que el modelo no puede contener más de dos
Evidentemente, se pueden uti-
variables porque la representación es en dos dimensiones. lizar herramientas informáticas
3D, pero su uso es difícil y el
esfuerzo que se debe emplear
en aprender a utilizar la herra-
El uso de herramientas gráficas ofrece una representación visual del ob- mienta no se ve compensado
con los resultados obtenidos.
jetivo y esto para personas que se introducen en el uso de la programa-
ción lineal evidentemente es una gran ventaja.
Nitrógeno�(lb/saco) Fosfatos�(lb/saco)
Super-Gro 6 2 4
© FUOC • PID_00157123 24 Análisis de problemas para la toma de decisiones en entornos...
Nitrógeno�(lb/saco) Fosfatos�(lb/saco)
Crop-quick 3 4 3
Ejemplo de minimización
© FUOC • PID_00157123 25 Análisis de problemas para la toma de decisiones en entornos...
Aplicaremos este tipo de variables a los casos que hemos trabajado en estos apartados
para ver su funcionamiento.
• Certeza. Tanto las variables como los valores utilizados para definir
el modelo han de tener certeza, no pueden tener una probabilidad
asociada.
• Problemas donde las restricciones hacen que cualquier solución sea invia-
ble.
Definición�del�problema
Empresa textil que fabrica cuatro productos: camisetas y sudaderas con dos
tipos de estampado: delantero, y delantero y trasero a la vez.
Queremos saber cuántas docenas (cajas) de cada tipo de prenda deben produ-
cirse.
Restricciones
Sudadera - D 0,10 36 90
Camiseta - D 0,08 25 45
Construcción�del�modelo
© FUOC • PID_00157123 29 Análisis de problemas para la toma de decisiones en entornos...
• Variables de decisión
– x1 = sudaderas, estampado delantero
– x2 = sudaderas, estampado delantero y trasero
– x3 = camisetas, estampado delantero
– x4 = camisetas, estampado delantero y trasero
Cereales�con�fibra�(taza) 90 0 0 6 20 3 5 0,18
© FUOC • PID_00157123 30 Análisis de problemas para la toma de decisiones en entornos...
Salvado�+�avena�(taza) 90 2 0 3 8 6 4 0,12
Beicon�(loncha) 35 3 8 0 0 2 0 0,09
Naranja 65 0 0 1 52 1 1 0,40
Tostada�de�trigo 65 1 0 1 26 3 3 0,07
Resumen�del�modelo
sujeta a:
90x1 + 110x2 + 100x3 + 90x4 + 75x5 + 35x6 + 65x7 + 100x8 + 120x9 + 65x10
≥ 420
20x1 + 48x2 + 12x3 + 8x4 + 30x5 + 52x7 + 250x8 + 3x9 + 26x10 ≤ 400
Lectura
x1: tazas de cereales con fibra; x2: tazas de cereales secos; x3: tazas de copos de avena;
x4: tazas de salvado y avena; x5: huevos; x6: lonchas de beicon; x7: naranjas; x8: tazas de
leche (< 2% grasa); x9: tazas de zumo de naranja; x10: tostadas de trigo
© FUOC • PID_00157123 31 Análisis de problemas para la toma de decisiones en entornos...
sujeta a: Lectura
-1,2x1 + x2 + x3 - 1,2 x4 ≥ 0
x1 + x2 + x3 + x4 = 70.000
Restricciones
• Límite: 15 anuncios
Resumen�del�modelo
sujeta a: Lectura
x2 ≤ 10
x3 ≤ 7
x1 + x2 + x3 ≤ 15
x1, x2, x3 ≥ 0
© FUOC • PID_00157123 34 Análisis de problemas para la toma de decisiones en entornos...
Desde�el�almacén A�la�tienda
A B C
1 16 18 11
2 14 12 13
3 13 15 17
© FUOC • PID_00157123 35 Análisis de problemas para la toma de decisiones en entornos...
Resumen�del�modelo
xij ≥ 0
Definición�del�problema
© FUOC • PID_00157123 36 Análisis de problemas para la toma de decisiones en entornos...
Datos�del�problema
1 4.500 12
2 2.700 10
3 3.500 14
Súper ≥ 50% de 1 23
≤ 30% de 2
Premium ≥ 40% de 1 20
≤ 25% de 3
Extra ≥ 60% de 1 18
≥ 10% de 2
Variables�de�decisión
La cantidad de cada uno de los tres componentes usados para cada tipo de
aceite (9 variables de decisión):
Resumen�del�modelo
Maximizar Z = 11 x1s + 13x2s + 9x3s + 8x1p + 10x2p + 6x3p + 6x1e + 8x2e + 4x3e
sujeta a:
xij ≥ 0
© FUOC • PID_00157123 38 Análisis de problemas para la toma de decisiones en entornos...
Definición�y�datos�del�problema
• Capacidad�de�producción
– 160 ordenadores por semana
– 50 ordenadores más con horas extras
• Costes de montaje
– 190 $ por ordenador producido en horario estándar
– 260 $ por ordenador producido en horas extras
• Programa de pedidos
Semana Pedidos
1 105
2 170
3 230
4 180
5 150
6 250
Variables�de�decisión
Resumen�del�modelo
Sujeta a:
rj ≤ 160 (j = 1, 2, 3, 4, 5, 6)
© FUOC • PID_00157123 39 Análisis de problemas para la toma de decisiones en entornos...
oj ≤ 50 (j = 1, 2, 3, 4, 5, 6)
r1 + o1 - i1 = 105
r2 + o2 + i1 - i2 = 170
r3 + o3 + i2 - i3 = 230
r4 + o4 + i3 - i4 = 180
r5 + o5 + i4 - i5 = 150
r6 + o6 + i5 = 250
rj, oj, ij ≥ 0
© FUOC • PID_00157123 40 Análisis de problemas para la toma de decisiones en entornos...
3. Análisis de la sensibilidad
sujeta a:
1x1 + 2x2 ≤ 40
x1, x2 ≥ 0
© FUOC • PID_00157123 43 Análisis de problemas para la toma de decisiones en entornos...
• Agregación de una nueva variable. Volviendo al caso que nos ocupa, aña-
diremos un tercer producto a su catálogo: tazones.
sujeta a:
x1, x2, x3 ≥ 0
2
(2)
© FUOC • PID_00157123 47 Análisis de problemas para la toma de decisiones en entornos...
4. Colas
Los análisis de colas, la teoría de colas, es una técnica que utiliza cálculos pro-
babilísticos: las líneas de espera se forman porque las personas, o cosas, even-
tos (en general, "clientes"), llegan a la cola requiriendo un servicio a un ritmo
superior del que se ofrece. Ello se debe a que la configuración de los servicios
suele hacerse a partir de cálculos a largo plazo que aseguren la capacidad de
atender a los clientes que se espera recibir, pero los clientes no llegan a una
velocidad constante ni los servicios que requieren pueden ser siempre sumi-
nistrados en el mismo tiempo, por ello es frecuente que las líneas de espera
no tengan una longitud constante a lo largo de un período significativo de
tiempo. Por este motivo se gestionan a partir de promedios tomados del largo
plazo y no de picos (los casos especiales se tratan de manera especial).
Entre los factores a considerar en el análisis de colas, cabe destacar los siguien-
tes:
Veamos las características operativas del sistema que admite un número limitado de clien-
tes potenciales.
Definición�de�parámetros
© FUOC • PID_00157123 48 Análisis de problemas para la toma de decisiones en entornos...
La compañía cuenta con 20 máquinas, que funcionan un promedio de 200 horas antes
de estropearse (la velocidad de llegada se describe mediante una distribución de Poisson).
El promedio del tiempo de reparación es de 3,6 horas (el tiempo de servicio se describe
mediante una distribución exponencial).
Datos
Solución�mediante�MS�Excel
• ¿Cuál es el ratio de llegada? Este ratio, que mide la frecuencia de las llega-
das y su distribución en el tiempo, suele describirlo una distribución de
Poisson.
• La cola se sirve con el criterio "el primero que llega es el primero en ser
servido". El ratio de llegadas (λ) sigue una distribución de Poisson, y el de
servicio (μ), una distribución exponencial y se intenta que μ sea siempre
mayor que λ para evitar la constitución de una cola infinita.
© FUOC • PID_00157123 50 Análisis de problemas para la toma de decisiones en entornos...
Veamos a continuación una serie de fórmulas que, como gestores, nos van a ser útiles en el
análisis de este tipo de colas, también de servidor único, en las que los tiempos de servicio
están definidos siguiendo una distribución de probabilidad exponencial negativa:
• Fórmula que describe la probabilidad de que la cola esté vacía; es decir, sin clientes
que estén siendo servidos ni clientes esperando a ser servidos:
• Fórmula que describe el número promedio de clientes que esperan a ser servidos:
• Fórmula que describe el tiempo promedio que un cliente está esperando a ser servido:
• Fórmula que describe la probabilidad de que el servidor esté ocupado (el factor de
utilización):
Análisis�de�colas�en�un�comercio�de�comida�rápida
Los tiempos de servicio constantes son propios de los servicios ofrecidos por maquinaria
o equipos automatizados. Son un caso especial del modelo de un único servidor con
tiempos de servicio no definidos.
Definición�de�parámetros
Fórmulas
© FUOC • PID_00157123 52 Análisis de problemas para la toma de decisiones en entornos...
En una oficina hay un único fax que atiende a unos 20 usuarios por hora (distribución
de Poisson) con un tiempo promedio de servicio de 2 minutos por usuario (desviación
estándar, 4 minutos).
El tren de lavado atiende un coche cada 4,5 min y la velocidad de llegada de los coches
es de 10 por hora (distribución de Poisson). Se pide determinar la longitud promedio de
la cola de espera y el tiempo de espera.
Datos
Solución�mediante�MS�Excel
Veamos cuáles son algunos de los efectos que puede tener en nuestro sistema el cambio
del nivel de servicio. Dos son los costes que debemos observar:
• Coste del servicio, que está asociado a los servidores. Podemos incrementar el número
de servidores (el coste se incrementará, como se refleja en la curva), pero seguiremos
estando ante un sistema con un servidor único, aunque al tener más de un servidor,
habrá más de una cola, pero cada cola estará atendida por un servidor.
• Coste de espera (el coste que comporta tener clientes en la línea de espera). Este coste
decrecerá a medida que se incremente el servicio de mantenimiento.
La visión de ambas curvas de coste nos da el coste total del sistema, en el que observamos
un punto de inflexión, el coste mínimo, en el que deberíamos mantenernos el máximo
tiempo posible.
Dos�alternativas�de�solución
Incorporar�a�otro�empleado�para�envolver�las�compras
• Evita la pérdida de 75 $/semana por cada minuto de reducción del tiempo de espera
del cliente.
– Po = 0,40
– L = 1,50
– Lq = 0,90
– W = 0,063
– Wq = 0,038
– U = 0,60
• El promedio del tiempo de espera del cliente se reduce de 8 a 2,25 minutos, lo que
significa 431,25 $/semana.
Poner�una�caja�más
– L = 0,67
– Lq = 0,27
– W = 0,055
– Wq = 0,022
– U = 0,40
Tabla resumen
Una variación del modelo único de linea de espera es cuando la longitud de la cola está
limitada. Veamos cómo calcular la longitud de una cola finita.
Servicio de una sola entrada de Metro Quick Lube; espacio para un vehículo recibiendo
el servicio y tres esperando; promedio de tiempo entre llegadas de clientes en 3 minutos;
el promedio de tiempo de servicio es de 2 minutos; tanto los tiempos entre llegadas
como los tiempos de servicio se distribuyen de forma exponencial; el número máximo
de vehículos en el sistema es de 4.
Datos
• μ = 30
• λ = 20
• M=4
Definición�de�parámetros
Solución
Cálculo�de�los�promedios�de�la�longitud�de�la�cola�y�de�los�tiempos�de�espera
© FUOC • PID_00157123 56 Análisis de problemas para la toma de decisiones en entornos...
Solución�mediante�MS�Excel
• Presupuestos
© FUOC • PID_00157123 57 Análisis de problemas para la toma de decisiones en entornos...
• Definiciones de parámetros
– λ = velocidad de llegada (promedio de llegadas por periodo de tiempo).
– c = número de servidores.
• Fórmulas
–
Po =
–
Pn =
–
Pn =
–
L=
–
W=
–
Lq =
–
Wq =
© FUOC • PID_00157123 58 Análisis de problemas para la toma de decisiones en entornos...
–
Pw =
Biggs
Solución�del�caso�mediante�MS�Excel
• Una cola única atendida por un servidor (hay varios servidores en secuen-
cia).
© FUOC • PID_00157123 59 Análisis de problemas para la toma de decisiones en entornos...
• Una cola única atendida por un servidor (hay varios servidores en diferen-
tes secuencias).
• Sistemas en los que los clientes se niegan a entrar o abandonan la cola
(renuncian).
• Servidores que no prestan el servicio al primero que llega, sino de otro
modo.
• Tiempos de servicio que no tienen una distribución exponencial o que son
no definidos o constantes.
• Velocidades de llegada que no tienen una distribución de Poisson.
• Sistemas donde los clientes deciden moverse de una cola a otra.
Se estudia la posible optimización de las entrevistas a clientes por parte del agente de
préstamos del banco.
• La velocidad de llegada de los clientes es de cuatro clientes por hora (siguiendo una
distribución de Poisson).
• El tiempo de servicio de las entrevistas es de 12 minutos por cliente.
– c = 2 servidores
–
© FUOC • PID_00157123 60 Análisis de problemas para la toma de decisiones en entornos...
–
© FUOC • PID_00157123 61 Análisis de problemas para la toma de decisiones en entornos...
5. Técnicas de redes
• Orientados. Grafo que tiene un sentido; es decir, que siempre hay que
recorrerlo en un sentido determinado.
• No orientado. Grafo que puede ser recorrido en los dos sentidos.
Un ejemplo de red
La red presentada tiene cuatro nodos y cuatro tramos. El nodo 1 (Atlanta) es el nodo
origen y el resto son nodos destino.
© FUOC • PID_00157123 62 Análisis de problemas para la toma de decisiones en entornos...
Los tramos se identifican mediante su nodo origen y su nodo destino (por ejemplo, ha-
blaremos del tramo 1, 3 para referirnos al tramo Atlanta-Memphis). Los valores asignados
a cada tramo pueden corresponder a distancia, tiempo, costes...
Cuando hablamos de ruta más corta, nos referimos a la ruta que minimiza el
coste o el tiempo asociado a cada uno de sus tramos.
{1} 1-2 16
1-4 35
1-3 9
© FUOC • PID_00157123 63 Análisis de problemas para la toma de decisiones en entornos...
{1,3} 1-2 16
1-4 35
3-4 24
3-6 31
{1,2,3} 1-4 35
2-4 28
2-5 41
3-4 24
3-6 31
© FUOC • PID_00157123 64 Análisis de problemas para la toma de decisiones en entornos...
{1,2,3,4} 2-5 41
3-6 31
4-5 38
4-7 43
4-6 41
{1,2,3,4,6} 2-5 41
4-5 38
4-7 43
6-7 45
© FUOC • PID_00157123 65 Análisis de problemas para la toma de decisiones en entornos...
{1,2,3,4,5,6} 4-7 43
6-7 45
5-7 46
Origen Destino
Origen Destino
xij = 0 si la rama i-j no está seleccionada como parte de la ruta más corta y 1
en caso de sí estarlo (xij = 0 o 1).
sujeta a:
Sobre la imagen, vemos que se puede llegar al nodo 4 por diversas rutas, se
trata de escoger la que minimice el coste.
• Solución� óptima. Se obtiene una vez hemos conseguido que todos los
nodos formen parte del árbol de cobertura.
Como vemos en la figura, cada tramo tiene dos valores asignados. El que está
inmediatamente a la derecha del nodo en un tramo corresponde a la disponi-
bilidad del valor acordado en origen (vagones de tren, camiones, etc.) para ser
llevados hasta el nodo siguiente en la ruta. El valor que está a la izquierda de
un nodo representa que tiene el mismo valor, pero en sentido contrario.
Veremos ahora paso a paso cómo resolver estas situaciones a partir del ejem-
plo presentado: hemos de maximizar los vagones que parten de Omaha en
dirección a Saint Louis, de manera que el número de vagones anotados a la
izquierda del nodo de origen coincida con el número de vagones anotado a la
derecha del nodo de destino utilizando toda la red.
• Paso�4. Repetimos el paso anterior con otra ruta. En este caso, acabamos
aquí, la norma general es repetir el paso tres hasta agotar las posibles rutas.
© FUOC • PID_00157123 72 Análisis de problemas para la toma de decisiones en entornos...
Maximizar Z = x61
sujeta a:
x25 - x56 = 0
xij ≤ 0 y enteros
© FUOC • PID_00157123 74 Análisis de problemas para la toma de decisiones en entornos...
5.5. Actividades
• Determinad la ruta más corta desde Atlanta (Nodo 1) a cada uno de los
otros cinco nodos. En cada tramo se indica la duración del trayecto entre
los otros nodo que lo delimitan.
Solución
1-3 5
1-4 7
1-4 7
2-5 11
2-5 11
3-4 7
4. {1,2,3,4} 4-5 10
4-6 [9]
6-5 13
6. {1,2,3,4,5,6}
Solución
6. Previsiones
Por lo que respecta al marco temporal, las predicciones pueden ser fundamen-
talmente de tres tipos, aunque debemos aclarar que en el contexto de compe-
titividad actual, los plazos para las predicciones se han reducido mucho:
Comentarios de las
gráficas
Los métodos de previsión se pueden clasificar en tres grandes grupos: Ved también
Métodos cualitativos
Los métodos cualitativos son los más utilizados en la planificación estratégica a largo
plazo. Se fundamentan en la validez que se otorga a los juicios de los expertos, en oca-
siones ayudados por asesores y otros expertos, elegidos.
Entre las técnicas de apoyo de este método encontramos el método Delphi, el estudio de
mercado, las encuestas, etc.
La media móvil
La media móvil usa valores del pasado reciente para desarrollar predicciones.
La elección de datos del pasado reciente sirve para anular o suavizar los au-
mentos y descensos aleatorios. Cuanto más largo es el periodo utilizado para
elaborar la media móvil, más lentamente reaccionan a los cambios en la de-
manda. Saber cuál es la longitud del periodo cuya información va a ser útil
suele requerir experiencia.
© FUOC • PID_00157123 79 Análisis de problemas para la toma de decisiones en entornos...
Esta técnica es útil para prever en el corto plazo elementos relativamente es-
tables que no muestran ninguna tendencia ni patrón estacional, puesto que la
media móvil no reacciona bien a los cambios. Como contrapartida tenemos
que su cálculo es fácil y no es caro.
Lectura de la fórmula
n es el número de periodos
que se consideran en la media
móvil.
La documentación anexa que se adjunta tiene una detallada explicación con Di son los datos en el periodo
i.
ejemplos de cómo se calcula el promedio móvil. Recomendamos acceder a ella.
Enero 120
Febrero 90
Marzo 100
Abril 75 103,3
La compañía ha decidido dar un peso del 50% a los datos de octubre, del 33% a los de
septiembre y del 17% a los de agosto:
Lectura de la fórmula
La modulación exponencial
α�=�0,30 α�=�0,50
1 Enero 37
Cálculo�de�la�estimación
La demanda del período anterior (40) multiplicada por el factor de modulación, más el
complementario de dicho factor (0,70) multiplicado por la estimación que se hizo para
dicho periodo (37,0). Eso nos da como resultado que la estimación para marzo, con el
factor de modulación 0.30, es de 37,90:
Gráficamente
© FUOC • PID_00157123 82 Análisis de problemas para la toma de decisiones en entornos...
• La previsión que usa la constante de suavización más elevada (0,50) reacciona más
lentamente a los cambios en la demanda que la previsión con la constante más ba-
ja (0,30): las constantes de suavización bajas son adecuadas para datos estables sin
tendencia, mientras que las constantes más altas son apropiadas para los datos con
tendencias.
• Ambos pronósticos tienden a ser sistemáticamente más bajos que la demanda real.
(3)
Las regresiones lineales requieren tener unos datos históricos que, observados
por ejemplo en un diagrama, muestran una tendencia en la cual la dispersión
de los puntos entendemos que se pueden aproximar a una línea recta; de ahí
el término de regresión lineal.
Veamos las fórmulas que se aplican al cálculo de las regresiones lineales. Nota
Ajuste estacional
Por lo tanto, el factor estacional es una cifra entre cero y uno y representa la
porción de la demanda total asignada a cada periodo estacional.
Año 1.
er
trimestre 2.º trimestre er
3. trimestre 4.º trimestre Total
Año 1.
er
trimestre 2.º trimestre er
3. trimestre 4.º trimestre Total
Coeficiente de determinación
Cuando tenemos unos datos históricos siempre podemos aplicar una regresión
lineal y obtener una recta. El problema es si la recta obtenida nos va a aportar
alguna cosa: cuanto más lejos (dispersos) estén los puntos respecto de la recta
formada, la predicción que hagamos a partir de ella tendrá menos valor.
© FUOC • PID_00157123 86 Análisis de problemas para la toma de decisiones en entornos...
• Valores próximos a cero indican que los puntos están muy alejados de la
recta y que, por tanto, el modelo predice muy mal.
• Valores próximos a uno indican que existe una gran relación lineal entre
los puntos y que, por tanto, el modelo predice con gran precisión la va-
riable.
β0 = punto de intersección
En la imagen se representa gráficamente la previsión de tarjetas de crédito que
β1... βk = coeficientes de regre-
puede tener una persona. La variable dependiente es dicho número, y entre las sión que representan la con-
tribución de las variables inde-
variables independientes hallaremos su nivel de ingresos o su nivel educativo. pendientes
x1... xk = variables indepen-
dientes pendientes de la recta
2
Ya sabemos qué indica el coeficiente R , pero veamos su lectura concreta para el caso de las
regresiones múltiples:
– Un coeficiente de determinación próximo a cero indica que la variable dependiente tiene
un solapamiento pobre con la combinación lineal de las variables independientes que se
estiman para la demanda.
– Un coeficiente de determinación próximo a uno indica que la variable dependiente tiene
un solapamiento adecuado con la combinación lineal de las variables independientes que se
estiman para la demanda, por lo tanto, el modelo será bueno.
4 29.500 36.300
6 55.700 40.100
6 71.300 41.200
8 87.000 53.000
© FUOC • PID_00157123 87 Análisis de problemas para la toma de decisiones en entornos...
6 75.000 44.000
7 72.000 45.600
5 55.300 39.000
7 81.600 47.500
Con los datos presentados de esta manera no podemos establecer ningún tipo de relación
entre las variables. Si queremos establecer una regresión múltiple, podemos acudir a MS
Excel, ir a "Herramientas" e indicar a MS Excel que queremos utilizar una regresión y, para
ello, iremos a "Herramientas de análisis" y seleccionaremos "Regresión" y comenzamos a
introducir el rango de las variables.
El coeficiente R2 es 0,90, lo que nos da una idea de que el modelo tiene fiabilidad. A
partir de los datos que figuran en la parte inferior de la imagen (coeficientes de regresión
y punto de intersección), podríamos predecir, por ejemplo, que en una temporada con
siete partidos ganados y una inversión en promoción de 60.000 $ podríamos tener una
asistencia estimada de 46.229 personas.
© FUOC • PID_00157123 88 Análisis de problemas para la toma de decisiones en entornos...
7. Probabilidades
El tema del valor esperado lo trataremos a partir de un ejemplo, lo que nos fa-
cilitará la comprensión del método. Recordemos que no facilitamos, por mo-
tivos pedagógicos, los fundamentos matemáticos de las fórmulas utilizadas.
Previamente, presentamos una definición del concepto.
Por valor esperado de una variable aleatoria entendemos la suma de los posi-
bles valores ponderadas según su probabilidad.
Las máquinas se averían entre 0 y 4 veces al mes y la experiencia nos indica que la fre-
cuencia relativa de averías (una distribución de la probabilidad de averías) es como sigue:
0 0,10
1 0,20
2 0,30
3 0,25
4 0,15
• Si compra el edificio de oficinas: 50.000 (0,6) + 30.000 (0,4) = 42.000 $ Lectura de las operaciones
• Si compra el edificio de oficinas: 100.000 (0,6) - 40.000 (0,4) = 44.000 $
Recordad que el valor previsto
• Si compra el almacén: 30.000 (0,6) + 10.000 (0,4) = 22.000 $ de la inversión se obtiene me-
diante la suma ponderada de
los valores de la inversión, por
A la vista de los datos, ¿cuál es la decisión correcta? Desde un punto de vista ello multiplicamos las rentabili-
dades del escenario optimista
racional, y dado que queremos maximizar el beneficio de la decisión, optaría- por 0,6 y las que se obtendrían
mos por comprar el edificio de oficinas, porque es donde obtenemos el mayor del pesimista por 0,4.
La compra del edificio de viviendas, por su parte, tiene unas ganancias aso-
ciadas de 50.000 $ (escenario optimista) y 30.000 $ (escenario pesimista) y el
valor esperado es de 42.000 $, sólo 2.000 $ menos que la mejor opción...
Veámoslo en cifras:
Elaboración de la tabla
sustrayendo la rentabilidad del resto de alternativas y obtenemos los datos que veis en
la columna del escenario optimista.
Utilidad
Veamos cómo influye la utilidad en la toma de decisiones a partir del caso de la contra-
tación de un seguro de accidente.
No�accidente�(0,992) Accidente�(0,008)
En la tabla se refleja el precio de cada decisión según los dos escenarios posibles.
• Las personas alérgicas al riesgo renuncian a un valor previsto alto para evitar un de-
sastre de baja probabilidad.
• Las personas que corren riesgos ven una oportunidad en obviar un acontecimiento
con pocas probabilidades de suceder.
¿Cuánto estaríamos dispuestos a pagar por información que nos añadiese cer-
tidumbre en nuestras decisiones?
Imaginemos ahora que una vez tomada la decisión a la luz de las probabilida-
des de los dos escenarios previstos, una persona se nos acerca y nos pregunta:
"¿Cuánto me pagarías si te diese información adicional para reducir la incer-
tidumbre?".
(4)
Podemos calcular el valor de dicha información restando a la ganancia que Error
podríamos obtener tomando la decisión con el apoyo de dicha información el
valor previsto de la decisión tomada; por tanto, el valor previsto de informa-
ción perfecta es igual a la pérdida de oportunidad prevista de la decisión.
El análisis bayesiano
Supongamos que el decisor que nos ocupa ha tomado la mejor decisión a la luz de los
escenarios y las probabilidades que ya conocemos:
Valor esperado del edificio de oficinas: 100.000 $ (0,60) - 40.000 (0,40) = 44.000 $.
Por lo tanto, el decisor podría pagar hasta 28.000 $ por esa información perfecta.
Los árboles decisores son una alternativa gráfica a los cálculos presentados en
este apartado. Veremos su uso retomando el ejemplo que nos ocupa.
Escenario (1) Probabilidad previa (2) Probabilidad (2) * (3) (4) / Σ(4)
condicional (3)
Se usa un árbol de decisiones secuenciales para ilustrar una situación que requiere una
serie de decisiones (aunque las tablas de resultados se limitan a una sola decisión). Se ha
modificado el árbol para englobar un período de diez años:
La primera decisión a tomar es comprar terreno; el valor previsto neto más alto es de
1.160.000 $.
8. Gestión de inventarios
(5)
El inventario es un stock de objetos disponibles para satisfacer la demanda pre- No necesariamente nos referi-
mos a producto acabado ("se han
vista de los clientes. Hemos utilizado el término objetos expresamente: inven-
producido más coches de la cuen-
tario está relacionado con el elemento tangible que puede ser almacenado, por ta, tenemos 10 coches en el alma-
cén"), también hablamos de inven-
ello, inventario se relaciona con producción5 y con logística. tario de producto intermedio, o de
piezas, o de materias primas.
Ya hemos comentado que los inventarios llevan asociados unos costes (evi-
dentemente, una de las preocupaciones de los gerentes será minimizarlos).
Podemos clasificar estos costes de la siguiente manera:
• Los pedidos se reciben de una sola vez con una periodificación conocida
y constante.
• El momento de realizar los pedidos viene dado por la línea reorder point
que marca el stock mínimo que aconseja realizar el pedido, y se anticipa,
por tanto, a los momentos de inventario cero, que es cuando se recibe el
pedido.
De los dos costes que se contemplan en esta variante del modelo, vamos a
tratar en esta figura los costes�de�almacenamiento. Como hemos introducido
anteriormente, estos costes de almacenamiento se expresan generalmente en
dinero por unidad y por periodo de tiempo, tradicionalmente un año.
© FUOC • PID_00157123 101 Análisis de problemas para la toma de decisiones en entornos...
Por lo que respecta a los costes�de�pedido. Dado que la demanda (D) es cons-
tante y el tamaño del pedido también (Q), es fácil determinar el número de
pedidos anuales necesarios (D/Q). Si conocemos el coste de cada pedido (C0),
con una simple multiplicación obtendremos su coste anual. Evidentemente,
el coste de los pedidos dependerá de la cantidad (Q) de cada pedido: cuanto
mayores sean los pedidos, menos frecuentes serán y, por tanto, se incurrirá en
menos gastos de pedido.
El coste anual total del inventario es la suma del coste de pedidos y del
de almacenamiento.
La gráfica muestra la evolución de los dos costes comentados. Vemos que los
costes de almacenamiento crecen linealmente mientras que los costes de pe-
dido decrecen asintóticamente. La conjugación de ambas funciones da lugar
a la línea que representa los costes totales de inventario que tiene una carac-
terística forma de "U". El punto de esta curva, cuya pendiente es cero, corres-
ponde a la cantidad óptima de pedido que minimiza los costes de inventario.
Resolución matemática
© FUOC • PID_00157123 102 Análisis de problemas para la toma de decisiones en entornos...
Parámetros�del�modelo
Cc: 0,75 $
Co: 150 $
D: 10.000 yd
Tamaño�óptimo�de�pedido
Coste�total�anual�de�inventario
Número�de�pedidos�anuales
Debemos tener en cuenta que para cualquier unidad de tiempo que se considere, el CEP
será el mismo.
Parámetros�del�modelo
D: 833,3 yd mensuales
Tamaño�óptimo�de�pedido
Coste�total�mensual�de�inventario
Coste�total�anual�de�inventario
© FUOC • PID_00157123 103 Análisis de problemas para la toma de decisiones en entornos...
125 * 12 = 1.500 $
Lectura de la fórmula
C0: 150 $
p: 150 yd/día
Tamaño�óptimo�del�pedido
© FUOC • PID_00157123 104 Análisis de problemas para la toma de decisiones en entornos...
Coste�total�del�inventario�mínimo�anual
Duración�de�la�tirada�de�producción
Número�de�pedidos�anuales�(tiradas�de�producción)
Nivel�de�inventario�máximo
Resolución�con�MS�Excel
Formulación�del�modelo
Problema resuelto
Datos
Cs: 2 $/yd
Co: 150 $
d: 10.000 yd/año
Los descuentos por cantidad, como su nombre indica, se suelen ofrecer cuando
se hacen pedidos muy grandes. Estros descuentos modifican la fórmula de
cálculo del coste total de inventarios que ahora quedará como sigue:
Lectura de la fórmula
Hay que decir que los descuentos por cantidad, generalmente, se evalúan bajo
dos tipos de escenarios:
<49 1.400
50-89 1.100
>90 900
© FUOC • PID_00157123 107 Análisis de problemas para la toma de decisiones en entornos...
Datos: C0 2.500 $
Hemos visto cómo calcular cuánto pedir, ahora veremos cómo calcular cuán- Nota
do pedir, cuál es el momento idóneo para hacer pedidos. En la literatura, este
Una premisa del modelo bási-
momento recibe varias denominaciones: punto de pedido, punto de reabas- co que estamos utilizando es
tecimiento o punto de suministro. Evidentemente, el punto de abastecimien- que todas las piezas del pedido
llegan al mismo tiempo.
to dependerá del nivel de stock, pero se debe tener en cuenta otro factor: el
tiempo de espera.
R = dL Lectura de la fórmula
R: punto de reabastecimiento
d: consumo diario
L: días de espera
© FUOC • PID_00157123 109 Análisis de problemas para la toma de decisiones en entornos...
Lectura de la fórmula
R: punto de reabastecimiento
Gráficamente:
: media de demanda diaria
L: plazo de entrega
: Desviación estándar de la
demanda diaria
Z: número de desviaciones es-
tándar correspondientes a la
probabilidad de nivel de servi-
cio
: stock de seguridad
Datos
: 30 yd diarias
L: 10 días
: 5 yd diarias
Z: 1,65
Cálculo
© FUOC • PID_00157123 111 Análisis de problemas para la toma de decisiones en entornos...
Lectura de la fórmula
: 3 días
Z: 1,65
Cálculo
Datos
: 30 yd diarias
: 5 yd diarias
: 10 días
: 3 días
Z: 1,65
Cálculo
Lectura de la fórmula
Cálculo
Problemas resueltos
Paso�1.�Determinad�la�cantidad�de�pedido�óptima
Cc: 170 $
Co: 450 $
Paso�2.�Calculad�el�coste�total�mínimo�de�inventario�con�escaseces
Cs: 600 $
Coste total:
Paso�1.�Identificación�de�los�parámetros
L: 15 días
Paso�2.�Resolved�R
© FUOC • PID_00157123 115 Análisis de problemas para la toma de decisiones en entornos...
9. Gestión de portafolio
(6)
• La estructura temporal está limitada a unos objetivos y, por lo tanto, se Se busca la rentabilidad máxi-
ma del conjunto de productos del
desmonta una vez que dichos objetivos se han alcanzado. Podemos iden-
portafolio. Evidentemente, debere-
tificar tres niveles en esta estructura alineados con los niveles vistos en la mos combinar esta pretensión con
la minimización del riesgo y otras
estructura permanente: consideraciones que veremos en el
a) A nivel de portafolio, se trata de buscar la mayor eficiencia posible de apartado correspondiente.
todos los programas desde uno de los siguientes puntos de vista: maxi-
(7)
Lo que no quiere decir que deba
mización del valor global del portafolio6, maximización del equilibrio pretenderse la uniformidad, más
bien se trata de conseguir un mix
de los programas del portafolio7 o alineamiento del portafolio con la de programas de diversas dimen-
estrategia de la empresa8. Evidentemente, la tentación de un gerente siones.
sería maximizar la eficiencia desde todos los puntos de vista. Está bien
(8)
El portafolio debe ser un instru-
tender a este objetivo, pero parece preferible priorizar alguno de ellos. mento adecuado para implemen-
tar la estrategia de la empresa.
Nombre del Valor neto actual (M$) Recursos de financiación Necesidades de recursos
proyecto necesarios (M$) (trimestre siguiente)
En la columna 2 tenemos la valoración del valor actual neto del proyecto. En la columna 3, los recursos de financiación necesarios para finalizar el proyecto. En la siguiente co-
lumna, los recursos de financiación necesarios a corto plazo (en el siguiente trimestre) del proyecto.
Por ejemplo, el proyecto Instant Oven Fresh tiene un valor neto actual de 52 M$, requiere 9,5 M$ para ser finalizado, 3,2 de los cuales se necesitarán el próximo trimestre.
A partir de estos datos vemos, por ejemplo, que el proyecto Spray & Rinse Cars Wash
acabará el próximo trimestre (las dos últimas columnas tienen el mismo valor) y que el
proyecto Oven Fresh with Ammonia es el de mayor valor neto actual.
Una consideración muy importante a tener en cuenta (es un error lamentablemente muy
común en este tipo de decisión) es que no se deben considerar los� gastos� incurridos
en un proyecto. Este dato, muy importante en economía, no tiene utilidad a la hora
de decidir cuáles son los proyectos que deben sobrevivir y, en todo caso, distorsiona la
decisión y no aporta información sobre la rentabilidad futura del proyecto.
Ahora veremos la tabla completa ya ordenada según la primera columna que hemos
insertado: el índice resultado de dividir el valor neto actual de un proyecto entre los
recursos de financiación necesarios para finalizarlo. La última columna nos indica las
necesidades de financiación restantes de cada proyecto y establecemos la línea de corte
en 15 M$ (esta línea se establece a partir del cálculo de recursos disponibles):
Necesidad de financiación
Recursos de financiación
Necesidades de recursos
Valor neto actual (M$)
inmediata acumulada
Nombre del proyecto
(trimestre siguiente)
Índice calidad-precio
necesarios (M$)
Hemos sombreado los proyectos que superan la línea de corte; es decir, los que en principio seguirían en el portafolio.
© FUOC • PID_00157123 118 Análisis de problemas para la toma de decisiones en entornos...
Necesidad de financiación
Recursos de financiación
Necesidades de recursos
Valor neto actual (M$)
inmediata acumulada
Nombre del proyecto
(trimestre siguiente)
Índice calidad-precio
necesarios (M$)
Improved�Kitchen�Cleaner 43,80 5,00 8,8 1,50 9,3
Hemos sombreado los proyectos que superan la línea de corte; es decir, los que en principio seguirían en el portafolio.
Antes de decidir dejar caer un proyecto, se debe tener en cuenta una consideración adi-
cional, pudiera ser que el valor neto actual fuese negativo o menor que un valor determi-
nado y que la tasa interna de retorno fuese mayor que un valor considerado como límite.
• Análisis� del� árbol� de� decisiones. Se reduce el proyecto a una serie de Ved también
decisiones, actividades y resultados en un formato de diagrama.
Hemos visto este método en el
apartado "Probabilidades".
Total
© FUOC • PID_00157123 121 Análisis de problemas para la toma de decisiones en entornos...
Tras un debate sobre todos los proyectos, cada miembro ordena y reordena
la baraja en cinco categorías, desde un grupo "alto" hasta un grupo "bajo",
evaluando cada proyecto según un criterio específico.
Los resultados se apuntan de forma anónima en una tabla y se muestran
a todo el grupo.
Se repite el mismo procedimiento, y hacia la tercera ronda, el grupo suele
alcanzar el consenso en la clasificación de los proyectos.
• Métodos de PJA.
Estos dos ejes proporcionan cuatro cuadrantes que, en este caso, se han eti-
quetado como sigue:
• Superior derecha: Bread and butter. Proyectos que no requieren una gran
complejidad tecnológica, por lo que su probabilidad de éxito debido a la
tecnología es alta, pero de los que no se puede esperar demasiada renta-
bilidad.
• Superior izquierda: Pearls. En este cuadrante están los proyectos con valor
neto actual medio/alto y media/alta probabilidad de éxito debido a la tec-
nología.
10.1. Indicadores
Un aforismo del ámbito de la gestión dice que se puede gestionar aquello que
se puede medir. Los indicadores proporcionan una medida de su objeto, por
lo que son clave en las tareas de gestión, podemos encontrar indicadores en
multitud de campos: producción, logística, marketing, macroeconomía, etc.
(9)
Los indicadores, al proporcionar medidas, permiten hacer análisis, prediccio- Por ciclo de negocio entende-
9 mos las fluctuaciones que se pro-
nes, comparaciones, así como percibir cambios en los ciclos de negocio . ducen en un negocio a lo largo
del tiempo. En el apartado "Predic-
ciones" hemos visto que los ciclos
Los indicadores fueron popularizados en el análisis de las gráficas de la eva- pueden ser vistos como patrones,
por lo tanto, los ciclos serán muy
luación del precio del stock de productos. útiles en las predicciones.
El formato de tabla fue uno de los primeros que se popularizó para mostrar
cuadros de mando. En la figura vemos uno que hace referencia al desarrollo
de una organización, y que perfectamente pudiera formar parte de recursos
humanos:
© FUOC • PID_00157123 126 Análisis de problemas para la toma de decisiones en entornos...
• Tercera columna. El objetivo anual (en este caso, del año 2008)
Los indicadores, en el nivel más alto, son apoyados por los de nivel inferior, y
los colores indican el grado de ejecución de los objetivos alcanzados.
Para obtener ese número reducido pero suficiente de variables, se utiliza una
técnica que se conoce como análisis�factorial. Se trata de tomar un número
de variables y agregarlas de manera que se obtenga la misma información. Las
nuevas variables agregadas reciben el nombre de factores.
© FUOC • PID_00157123 128 Análisis de problemas para la toma de decisiones en entornos...
Las respuestas se valoraron mediante software (entre diversas soluciones de software ade-
cuadas, podemos citar SPSS o SAS) para, mediante un análisis factorial, reducir el número
de variables:
© FUOC • PID_00157123 129 Análisis de problemas para la toma de decisiones en entornos...
Se obtuvieron tres factores: implementación del sistema, efectividad del sistema y bene-
ficios añadidos (en la figura se muestran las variables que combina cada factor). La tabla
generada contiene unos factores�de�carga que nos informan del peso de cada variable
en los factores. Es importante que una de las variables obtenga valores del factor de carga
cercanos a uno.
© FUOC • PID_00157123 130 Análisis de problemas para la toma de decisiones en entornos...
11. Segmentación
Hace décadas que los profesionales del marketing defienden que los produc-
tos/servicios deben adecuarse a las necesidades de los clientes y que los mer-
cados están formados por clientes que se diferencian por sus necesidades (de
ahí nace el concepto de segmento).
Esta representación no permite ninguna deducción, sólo saber cuántos usuarios tienen
los restaurantes de comida rápida (contando los puntos). A un gerente le interesa saber si
los posibles clientes de los restaurantes son homogéneos o están agrupados en distintos
perfiles. En este caso, suponiendo que hubiese tres perfiles (es una suposición porque
aún no se ha hecho el análisis de segmentos), lo que interesaría sería obtener tres perfiles
bien diferenciados entre ellos, de manera que los elementos de cada segmento tuvieran
muchas similitudes entre ellos y la máxima diferenciación posible respecto de los de otros
segmentos:
La parte de la izquierda sobre la línea está ocupada por sujetos (puntos rojos) que visitan
restaurantes de comida rápida con una frecuencia baja-media, pero comen fuera con una
frecuencia media-alta.
La parte derecha bajo la línea está ocupada por sujetos (puntos amarillos) que visitan
restaurantes de comida rápida con una frecuencia media-alta, pero comen fuera con una
frecuencia baja-media.
Algunos puntos han quedado "fuera de su sitio", por lo que la división en dos segmentos
no parece satisfactoria. Se puede pedir al software que busque una solución de tres seg-
mentos y se obtendría una segmentación como la siguiente:
• Segmento 1. Sujetos que visitan restaurantes de comida rápida con una frecuencia
baja, pero comen fuera con una frecuencia media.
• Segmento 2. Sujetos que visitan restaurantes de comida rápida con una frecuencia
media, pero comen fuera con una frecuencia baja.
• Segmento 3. Sujetos que visitan restaurantes de comida rápida con una frecuencia
media-alta y comen fuera con una frecuencia media-alta.
Esta solución parece más satisfactoria, porque hay mayor diferenciación entre los com-
ponentes de cada segmento.
12. Scoring
La evaluación del proyecto se hace sobre variables latentes (no observadas di-
rectamente) tales como el encaje con los objetivos corporativos, la ventaja
competitiva o el atractivo de mercado.
Veremos este modelo de scoring, que evalúa a partir de un ejemplo una de las
variables intangibles a las que hacíamos referencia.
1 4 7 10
1 4 7 10
1 4 7 10
Plataforma�para Callejón sin salida / Otras oportunida- Potencial para di- Abre nuevos cam-
el�crecimiento cualidad única des para extensión versificación pos técnicos y co-
comercial merciales
Durabilidad�(téc- Ninguna ventaja Puede conseguir Ciclo vital modera- Ciclo vital largo
nica�y�de�merca- destacada; se pue- varios años de ga- do (4-6 años) pe- con oportunidad
do) de "saltar como nancias ro poca oportuni- para mejoras incre-
una rana" rápida- dad de mejora in- mentales
mente cremental
Sinergia�con Limitado a una sola Con esfuerzo, po- Podría adoptarse Podría aplicarse
otras�operacio- unidad comercial dría aplicarse a otra o tener una aplica- ampliamente a to-
nes�de�la�corpo- unidad estratégica ción entre varias da la empresa
ración de negocios UEN
1 4 7 10
"Brecha"�técnica Gran distancia en- Cambio de "orden Cambio cercano a Mejora incremental;
tre práctica actual de magnitud" pro- "orden de magni- más ingeniería con-
y objetivo; hay que puesto tud" centrada
inventar una nueva
ciencia
1 4 7 10
Necesidad�del Amplio desarrollo Al cliente debe re- Clara relación en- El producto respon-
mercado del mercado nece- saltársele la necesi- tre producto y ne- de inmediatamente
sario: no hay necesi- dad; adaptación del cesidad; substitu- a la necesidad del
dad evidente producto necesaria ción uno por uno cliente; sustituto di-
del producto de la recto de un produc-
competencia to existente de la
compañía
Factor 5. Recompensa
1 4 7 10
Puede ser que los gerentes consideren que 19 son demasiadas variables y que
pidan que se reduzca el número para que puedan controlar toda la informa-
ción con más facilidad.
© FUOC • PID_00157123 137 Análisis de problemas para la toma de decisiones en entornos...
Para poder presentar una tabla más compacta, podemos acudir al análisis fac-
torial. En este caso, se elabora una nueva tabla con cinco entradas que corres-
ponden a los cinco factores que teníamos. Por lo tanto, la puntuación global
será de 50 puntos y se establece la línea de corte en 25.
Puntuación de nivel de atractivo del programa: resumen de puntuaciones en los cinco factores
1 4 7 10
Adecuación�a�la Programa de I+D es Apoya un poco a la Apoya la unidad es- Apoya mucho las
estrategia�co- independiente de unidad estratégica tratégica de nego- unidades estraté-
mercial la estrategia comer- de negocios; impac- cios; impacto mo- gicas de negocios;
cial; también tiene to moderado derado impacto elevado
un impacto bajo en
la unidad estratégi-
ca de negocios
(11)
Nombre del 11 VAN Importancia Probabilidad de La tasa de rentabilidad mínima
TIR
proyecto (millones de $) 12 éxito técnico es de 10% TIR.
estratégica
En este caso, se pondera la tasa interna de retorno y el valor neto actual con
la probabilidad de éxito de la tecnología:
Se ha colocado entre paréntesis la posición en el ranking que ocuparía cada proyecto según cada criterio.
La tasa de rentabilidad mínima es de 10% TIR.
Criterios de la compañía
• La tasa interna de retorno también es un criterio muy importante pues refleja el uso
eficaz del capital.
Para establecer la evaluación global (se consideran tres criterios), se debe hacer
la media de las posiciones de cada proyecto según cada criterio.
Confeccionamos una tabla para cada una de las variables con diversos criterios
que facilitarán su evaluación, diferentes preguntas referidas a cada criterio y
unos valores de ponderación de cada uno de los criterios respecto de la varia-
ble, de esta manera se facilita la tarea de los informadores:
© FUOC • PID_00157123 139 Análisis de problemas para la toma de decisiones en entornos...
Facilidad de implementación
Madurez�técnica 9 1. Embrionario
2. Crecimiento
3. Maduro
4. Experimentado
Las relaciones entre cada una de estas entidades también se capturan en len-
guaje natural y se modelan y se traducen a grafismos de acuerdo a unos están-
dares que tampoco abordaremos en este material.
Ejemplo
Con un modelo lógico de datos se puede determinar si se puede responder a esta pre-
gunta. En resumen, se plantearían dos preguntas previas: "¿Se puede responder esta pre-
gunta con los datos disponibles?" y ¿qué tipo de datos se necesitan para responder esta
pregunta?".
Este tipo de modelización discreta de eventos se usa muy frecuentemente para Ved también
la toma de decisiones en las que hay un umbral a partir del cual debe realizarse
En el apartado "Gestión de
una acción. portafolio" se han expuesto
una serie de criterios para la
toma de decisiones que pue-
La manera práctica de plasmar los datos que van a ayudar a tomar decisiones de de ser conveniente refrescar en
este momento del curso.
este tipo es elaborar una tabla�de�decisiones. Presentamos un ejemplo tomado
del apartado "Gestión del portafolio":
Para comprobar la relación causal entre componentes de un sistema, se pueden Ved también
manipular las causas. A este ejercicio se le suele denominar por su nombre en
En el apartado "Optimización.
inglés: What if? Programación lineal" se ha vis-
to un ejercicio como el comen-
tado pero evidentemente no
Otra manera de comprobarlas sería comprimiendo el tiempo necesario para referido a modelos dinámicos.
que llegue el efecto que se pretende asignar a una causa.
Se debe tener en cuenta que las relaciones causalidad no tienen por qué ser
directas, pueden tener signo. Veamos:
Puede darse una relación de causalidad en la que, cuando crece una caracte-
rística en la causa, también crece en el efecto (relación directa, signo positivo),
pero también puede darse una relación inversa (signo negativo): cuando crece
una característica en la causa, decrece en el efecto o viceversa.
Para acabar, veamos las características principales que permiten identificar las
relaciones causa-efecto:
Ejemplo
Causalidad tiene un signo que puede ser positivo o negativo. El signo positivo
indica que, a medida que crece el efecto o la variable A, crecerá también la
variable B. El efecto negativo implica una dirección en sentido contrario, es
decir, que cuando crece la causa A decrece la causa B, o bien en el sentido
contrario, que cuando decrece la causa A, crece el efecto B.
Resumen
Hemos repasado a lo largo de este material diferentes aspectos que han de ser-
vir para acercaros al análisis de la toma de decisiones en el ámbito empresa-
rial. Se ha hecho hincapié en que las ciencias de la gestión siguen un proceso
científico, con unos pasos claramente identificados:
Una vez resumida la utilidad de los modelos, podemos recopilar las diferentes
categorías de modelos presentados en binomios polares:
© FUOC • PID_00157123 150 Análisis de problemas para la toma de decisiones en entornos...
Bibliografía
Taylor III; Bernard W. (2007). Introduction to Management Science. Upper Saddle River, HJ:
Prentice Hall.
Este libro lleva 9 ediciones, lo que no hace más que aumentar su interés. Es un libro con
una clara vocación práctica que hemos utilizado para elaborar gran parte del contenido de
nuestro curso.
El libro se vende con un CD que incluye herramientas que no hemos utilizado en este curso.
Cooper, Robert G.; Edgett, Scott J.; Kleinschmidt, Elko J. (2001). Portfolio Manage-
ment for New Products. Jackson, TN: Perseus Books.