Beruflich Dokumente
Kultur Dokumente
CUANTITATIVOS
APLICADOS A LOS NEGOCIOS
EXPOSITOR:
Ing. Miguel Castillo Aguirre MBA
Resolución de problemas
Escoger
Implementar Evaluar los
Definir el Identificar Determinar Evaluar una
la decisión resultados
problema alternativas los criterios alternativas alternativa
Toma de decisiones
Decisión
1. Cualitativamente 2. Cuantitativamente
Para resolver
esto, haremos
un análisis de
sensibilidad
con la ayuda
del Excel
ANALISIS DE SENCIBILIDAD
50
0
-50 Comprar 0
20
40
60
80
0
0
10
12
14
-100 Comprar 1
-150 Comprar 2
-200 Comprar 3
-250
-300
Paso 3 Paso 4
Estados de naturaleza Máximo
Decisión 0 1 2 3 Decisión
arrepentimiento
0 0 85 170 255 0 255
1 40 0 85 170 1 170
2 80 40 0 85 2 85
3 120 80 40 0 3 120
Estado naturaleza
Decisión
D1 D2
A 30 -8
B 20 7
C 5 15
0 9.1 0.55
Débil
-8
-8 -8
0.45
Fuerte
20
Básica 20 20
2
12.85 0 12.85 0.55
Débil
7
7 7
0.45
Fuerte
5
Cautelosa 5 5
0 10.5 0.55
Débil
15
15 15
PROBABILIDADES A PRIORI
Fuerte Débil
0.45 0.55
PROBABILIDAD A POSTERIORI
Fuerte Débil
Alentador 0.621 0.379
Desalentador 0.319 0.681
0 15.598 0.379
Débil
-8
-8 -8
0.621
Fuerte
0.435 20
Alentador Básica 20 20
1
0 15.598 0 15.073 0.379
Débil
7
7 7
0.621
Fuerte
5
Cautelosa 5 5
0 8.79 0.379
Débil
15
15 15
13.45778 0.319
13.45778 0.319
Fuerte
30
Agresiva 30 30
0 4.122 0.681
Débil
-8
-8 -8
0.319
Fuerte
0.565 20
Desalentador Básica 20 20
3
0 11.81 0 11.147 0.681
Débil
7
7 7
0.319
Fuerte
5
Cautelosa 5 5
0 11.81 0.681
Débil
15
15 15
IMPORTANTE:
Los pronósticos no se hacen con una bola de cristal
Investigación de mercados.
Analogías históricas.
Método Delphi
Consenso general.
Impacto cruzado.
Análisis de escenarios.
SISTEMA
INSUMOS PRODUCTO
PROCESO
GENERADOR
SISTEMA
Error
Error Error
Semana Ventas Pronóstico Error porcentual
absoluto cuadrado
absoluto
1 9
2 8 9 -1 1 12.5% 1
3 9 8 1 1 11.1% 1
4 12 9 3 3 25.0% 9
ME 0.091
5 9 12 -3 3 33.3% 9
6 12 9 3 3 25.0% 9 MAD 2.636
7 11 12 -1 1 9.1% 1
MAPE 26.5%
8 7 11 -4 4 57.1% 16
9 13 7 6 6 46.2% 36 MSE 9.364
10 9 13 -4 4 44.4% 16
11 11 9 2 2 18.2% 4
12 10 11 -1 1 10.0% 1
PROMEDIO 0.091 2.636 26.5% 9.364
Observen, que al
definir las fechas, el
SPSS, crea en forma
automática las
variables YEAR_ ,
MONTH_ y DATE_
El grafico me
indica que existe
una tendencia. La
pregunta es: ¿es
baja, media ó
fuerte la
tendencia?
Para contestar
esta pregunta,
hay que hacer el
grafico de
autocorrelación
Se concluye que si
existe tendencia,
pero esta es
moderada.
Trabajamos con el
complemento del
Excel StatPlus
Si existe tendencia,
y esta es fuerte.
Se observa claramente
que existe
estacionalidad.
Métodos suavización
3 4
¡ Que fácil !
Se observan:
Errores de pronósticos
Pronostico
Grafico
Periodo Ventas
1 2,000
2 1,350
3 1,950
4 1,975
5 3,100 Ahora trabajen ustedes !!
6 1,750
7 1,550
8 1,300
9 2,200
10 2,770
11 2,350
Mes Ventas
Ene 20
Feb 24 ¿QUÉ HACEMOS?
Mar 27
Abr 31
May 37
Jun 47 Lo primero, definir
Jul 53 cuanto es el valor de ,
Ago 62
Set 54 en nuestro ejemplo,
Oct 36 supongamos que = 0.5
Nov 22
Dic 29
¿ y con el SPSS?
¿ y con el Excel?
Mes Ventas
Ene 2000
Feb 1350
Mar 1950
Abr 1975 AHORA, TRABAJEN USTEDES
May 3100
Jun 1750
Jul 1550
Ago 1300
Set 2200
Oct 2770
Nov 2350
Utilidad /
Trimestre
acción
1 -0.2
2 0.1
3 0.05 ¿Qué hacemos?
4 0.15
5 0.22
6 0.35
7 0.37
8 0.42
9 0.37
10 0.53
11 0.59
12 0.65
1. Seleccionamos la variable.
2. Seleccionamos el modelo Holt.
3. Seleccionamos Parameters e
ingresamos y .
4. Seleccionamos Save e
ingresamos año y trimestre a
pronosticar.
Sums of
Gamma Squared
Series Alpha (Level) (Trend) Errors df error
Ventas .59000 .42000 .09032 10
¿Qué les
pareció?
TRIMESTRE
AÑO
1 2 3 4
1982 362 385 432 341
1983 382 409 493 387
1984 473 513 582 474
1985 544 582 681 557
1986 628 707 773 592
1987 627 725 854 661
Y LISTO.
¡¡ QUE FACIL !!
1,141
1,041
941
841
741
641
541
441
341
0 5 10 15 20 25 30
Descomposición de serie
de tiempos (DST)
Ciclo: oscilación casi periódica que dura 3, 5, 11, 13, etc. años
originada por diversas causas. Algunas series de tiempo exhiben
variaciones con períodos fijos debidas a causas físicas, como el
caso de las variaciones diarias de temperatura. Otras exhiben
oscilaciones que no tienen un período fijo, pero que pueden ser
predecibles, frecuentemente observado en series económicas.
Miguel Castillo MBA
Descomposición de serie de tiempos
TRIMESTRE
AÑO
1 2 3 4
1977 3,017.60 3,043.54 2,094.35 2,809.84
1978 3,274.80 3,163.28 2,114.31 3,024.57
1979 3,327.48 3,493.48 2,439.93 3,490.79
1980 3,685.08 3,661.23 2,378.43 3,459.55
1981 3,849.63 3,701.18 2,642.38 3,585.52
1982 4,078.66 3,907.06 2,828.46 4,089.50
1983 4,339.61 4,148.60 2,916.45 4,084.64
1984 4,242.42 3,997.58 2,881.01 4,036.23
1985 4,360.33 4,360.53 3,172.18 4,223.76
1986 4,690.48 4,694.48 3,342.35 4,577.63
1987 4,965.46 5,026.05 3,470.14 4,525.94
1988 5,258.71 5,189.58 3,596.76 3,881.60
Ventas
6,000.00
5,000.00
4,000.00
3,000.00 Ventas
2,000.00
1,000.00
-
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46
Ventas Ventas
Tri Ventas PM PMC RE IE Tri Ventas PM PMC RE IE
destacionalizadas destacionalizadas
77-1 3,017.60 1.116 2,704.58 83-1 4,339.61 3,851.54 3,821.35 1.136 1.116 3,889.45
77-2 3,043.54 1.092 2,786.30 83-2 4,148.60 3,873.54 3,862.54 1.074 1.092 3,797.97
77-3 2,094.35 2,741.33 0.761 2,750.78 83-3 2,916.45 3,872.33 3,872.93 0.753 0.761 3,830.54
77-4 2,809.84 2,805.63 2,773.48 1.013 1.031 2,726.48 83-4 4,084.64 3,848.03 3,860.18 1.058 1.031 3,963.47
78-1 3,274.80 2,835.57 2,820.60 1.161 1.116 2,935.10 84-1 4,242.42 3,810.27 3,829.15 1.108 1.116 3,802.34
78-2 3,163.28 2,840.56 2,838.06 1.115 1.092 2,895.92 84-2 3,997.58 3,801.41 3,805.84 1.050 1.092 3,659.71
78-3 2,114.31 2,894.24 2,867.40 0.737 0.761 2,776.99 84-3 2,881.01 3,789.31 3,795.36 0.759 0.761 3,784.00
78-4 3,024.57 2,907.41 2,900.83 1.043 1.031 2,934.84 84-4 4,036.23 3,818.79 3,804.05 1.061 1.031 3,916.49
79-1 3,327.48 2,989.96 2,948.69 1.128 1.116 2,982.31 85-1 4,360.33 3,909.53 3,864.16 1.128 1.116 3,908.02
79-2 3,493.48 3,071.37 3,030.66 1.153 1.092 3,198.22 85-2 4,360.53 3,982.32 3,945.92 1.105 1.092 3,991.98
79-3 2,439.93 3,187.92 3,129.64 0.780 0.761 3,204.67 85-3 3,172.18 4,029.20 4,005.76 0.792 0.761 4,166.43
79-4 3,490.79 3,277.32 3,232.62 1.080 1.031 3,387.23 85-4 4,223.76 4,111.74 4,070.47 1.038 1.031 4,098.46
80-1 3,685.08 3,319.26 3,298.29 1.117 1.116 3,302.82 86-1 4,690.48 4,195.23 4,153.48 1.129 1.116 4,203.92
80-2 3,661.23 3,303.88 3,311.57 1.106 1.092 3,351.79 86-2 4,694.48 4,237.77 4,216.50 1.113 1.092 4,297.71
80-3 2,378.43 3,296.07 3,299.98 0.721 0.761 3,123.89 86-3 3,342.35 4,326.24 4,282.00 0.781 0.761 4,389.93
80-4 3,459.55 3,337.21 3,316.64 1.043 1.031 3,356.92 86-4 4,577.63 4,394.98 4,360.61 1.050 1.031 4,441.83
81-1 3,849.63 3,347.20 3,342.20 1.152 1.116 3,450.30 87-1 4,965.46 4,477.87 4,436.43 1.119 1.116 4,450.38
81-2 3,701.18 3,413.19 3,380.19 1.095 1.092 3,388.36 87-2 5,026.05 4,509.82 4,493.85 1.118 1.092 4,601.25
81-3 2,642.38 3,444.68 3,428.93 0.771 0.761 3,470.57 87-3 3,470.14 4,496.90 4,503.36 0.771 0.761 4,557.78
81-4 3,585.52 3,501.94 3,473.31 1.032 1.031 3,479.15 87-4 4,525.94 4,570.21 4,533.55 0.998 1.031 4,391.67
82-1 4,078.66 3,553.41 3,527.67 1.156 1.116 3,655.57 88-1 5,258.71 4,611.09 4,590.65 1.146 1.116 4,713.21
82-2 3,907.06 3,599.93 3,576.67 1.092 1.092 3,576.84 88-2 5,189.58 4,642.75 4,626.92 1.122 1.092 4,750.96
82-3 2,828.46 3,725.92 3,662.92 0.772 0.761 3,714.98 88-3 3,596.76 4,481.66 4,562.21 0.788 0.761 4,724.08
82-4 4,089.50 3,791.16 3,758.54 1.088 1.031 3,968.18 88-4 3,881.60 1.031 3,766.45
5,000.00
4,000.00
3,000.00
2,000.00
1,000.00
0.00
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Ventas
Ventas destacionalizadas
Observen Uds. Las ventas destacionalizadas, ya no muestran
la estacionalidad y tiene un comportamiento uniforme, el
mismo que si se puede proyectar aplicando en análisis de
regresión.
Se escoge el
método
descomposición
multiplicativa
(estacional).
Y luego se
selecciona 4
como número de
estaciones.
5594.35
5094.35
4594.35
4094.35
3594.35
3094.35
2594.35
Seasonal Indices 2094.35
1 1.121 0 10 20 30 40
Modelos de regresión
Y = o + 1 X + e
Y = bo + b1 X
Y = 3 + 0.5 X
¿ES POSIBLE ESTO?
12 12
10 10
Conjunto A Y
8 8 Conjunto B
6
Y
6
4 4
2 2
0 0
0 5 10 15 0 5 10 15
X X
14
14
12 12
10 10
Conjunto C 8 8 Conjunto D
Y
Y
6 6
4
4
2
2
0
0
0 5 10 15
0 5 10 15 20
X X
Diagrama de dispersión.
Calcular el coeficiente de correlación y
determinación.
Prueba de significancia del coeficiente de
correlación.
Análisis de regresión.
Error estándar de estimación
Año T1 T2 T3 T4
1980 2,742.9 2,692.0 2,722.5 2,777.0
1981 2,783.7 2,776.7 2,841.1 2,808.8
1982 2,795.0 2,824.8 2,829.0 2,832.6
1983 2,843.6 2,867.0 2,903.0 2,960.6
1984 3,033.2 3,065.9 3,102.7 3,118.5
1985 3,123.6 3,189.6 3,156.5 3,178.7
1986 3,227.5 3,281.4 3,272.6 3,266.2
1987 3,295.2 3,241.7 3,285.7 3,335.8
1988 3,380.1 3,386.3 3,407.5 3,443.1
1989 3,473.9 3,450.9 3,466.9 3,493.0
1
3
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%Superior 95.0%
Intercepción 2645.97615 13.6179091 194.301206 1.4286E-58 2618.40814 2673.54417 2618.40814 2673.54417
TRI 21.7533583 0.57883078 37.5815508 1.1546E-31 20.5815767 22.92514 20.5815767 22.92514
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 2522201.84 2522201.84 1412.37296 1.1546E-31
Residuos 38 67860.0289 1785.79023
Total 39 2590061.86
Sum of
Model Squares df Mean Square F Sig.
1 Regress ion 2522202 1 2522201.835 1412.373 .000 a
Res idual 67860.029 38 1785.790
Total 2590062 39
a. Predictors : (Constant), TRI
b. Dependent Variabl e: RPD
Coefficientsa
¿MEJORO SU PRONOSTICO?
Observe usted, el
grafico de dispersión
múltiple en SPSS
Model R R Square
Adjus ted
R Square
Std. Error of
the Es timate Los resultados del
1 .965 a .932 .912 1.507
análisis de regresión
del SPSS
a. Predictors : (Constant), publicidad, precio
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regress ion 217.699 2 108.849 47.917 .000 a
Res idual 15.901 7 2.272
Total 233.600 9
a. Predictors : (Constant), publicidad, precio
b. Dependent Variable: ventas
Coefficientsa
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regress ion 217.699 2 108.849 47.917 .000 a
Res idual 15.901 7 2.272
Total 233.600 9
a. Predictors : (Constant), publicidad, precio
b. Dependent Variable: ventas
depende de la tasa
1982-3 186,700 16.1733 1988-1 219,700 10.0833
1982-4 184,100 14.0200 1988-2 323,700 10.3733
hipotecaria. 1983-1 202,900 13.0500 1988-3 293,400 10.5033
1983-2 322,300 12.7600 1988-4 244,600 10.3933
CVP en miles 1983-3 307,500 13.6533 1989-1 212,700 10.8033
1983-4 234,800 13.4667 1989-2 302,100 10.6733
dólares 1984-1 236,500 13.3300 1989-3 272,100 10.0000
1984-2 332,600 14.0033 1989-4 216,500 9.8200
TH % 1984-3 280,300 14.4967 1990-1 217,000 10.1233
1984-4 234,700 13.6500 1990-2 271,300 10.3367
1985-1 215,300 13.0567 1990-3 233,000 10.1067
1985-2 317,900 12.7767 1990-4 173,600 9.9533
Introducción.
Análisis de sensibilidad
Suposiciones: Limitaciones:
1. Proporcionalidad. 1. Es un modelo determinístico.
2. Aditividad. 2. Es un modelo estático.
3. Divisibilidad. 3. Es modelo que no suboptimiza.
Variables:
X1 cantidad de soldados fabricados cada semana
X2 cantidad de trenes fabricados cada semana.
Función objetivo
Max Z = 3X1 + 2X2
Restricciones
2X1 + X2 ≤ 100 de acabado
X1 + X2 ≤ 80 de carpintería
X1 ≤ 40 de demanda limitada de soldados
X1, X2 ≥ 0 de signo
Seleccionamos
del menú del
Excel,
Herramientas y
luego marcamos
Solver
Luego seleccionamos el
objetivo de la función
objetivo: Maximizar o
Minimizar, en nuestro
caso, Maximo
Luego presionamos
el botón: Agregar
Seleccionamos el botón:
Seleccionamos las alternativas:
Opciones
•Adoptar modelo lineal
•Asumir no negativos
Observen estos
resultados
Observen los
informes del Solver,
los veremos mas
adelante
Observen
estas
ventanas del
DS:POM
sigue ….
Tasa de
Opciones de inversión
rendimiento (%)
Petróleo y Derivados SA 25
Industria Petrolera SA 33
Petróleo del Norte SA 20
Aceros Monclova SA 35
Siderúrgica Nacional SA 23
Hierro y Acero SA 27
Certificados del TP 30
Y-613C
Mes I.I. Producción Ventas I.F.
Ene 0 20,000 10,000 10,000
Feb 10,000 20,000 20,000 10,000
Mar 10,000 20,000 30,000 0
COSTO UNITARIO
DESTINO
ORIGEN RECURSOS
I II III IV V
A $10 $20 $5 $9 $10 100
B $2 $10 $8 $30 $5 120
C $1 $20 $7 $10 $4 120
DEMANDA 40 50 70 90 90
Destino
Origen Recursos
I II III IV V
A XA1 XA2 XA3 XA4 XA5 100
B XB1 XB2 XB3 XB4 XB5 120
C XC1 XC2 XC3 XC4 XC5 120
Demanda 40 50 70 90 90
Demanda I
XA1+XB1+XC1 = 40
Demanda II
XA2+XB2+XC2 = 550
Demanda III
XA3+XB3+XC3 = 70
Demanda IV
XA4+XB4+XC4 = 90
Demanda V
XA5+XB5+XC5 = 90
Recursos A
XA1+XA2+XA3+XA4+XA5 = 100
Recursos B
XB1+XB2+XB3+XB4+XB5 = 120
Recursos C
XC1+XC2+XC3+XC4+XC5 = 120
Destino
Origen
I II III IV V
A 70 30
B 40 50 30
C 60 60
¡ FACIL !
¡ FACIL !
VEAMOS UN EJEMPLO
HORAS DE
HECTÁREAS TRABAJO
GRANJA 1
ÚTILES 500 DISPONIBLES
POR MES
1 500 1,700
2 900 3,000
3 300 900
4 700 2,200
• Entera
• Mixta
• Binaria
Max 10 X1 + 15 X2
Sujeto a:
282 X1 + 400 X2 < 2000
X1 <5
4 X1 + 40 X2 < 140
X1, X2 > 0 y enteros
La solución de este modelo, sin tomar en cuenta la condición de
enteros, se llama la relajación de la programación lineal
Max 16 X1 + 22 X2 + 12 X3 + 8 X4
5 X1 + 7 X2 + 4 X3 + 3 X4 ≤ 14
SOLUCION:
Se efectúan las inversiones:
2, 3 y 4.
La inversión 1, no se efectúa.
SOLUCION:
Se efectúan las inversiones: 1 y 2.
La inversión 3 y 4 no se efectúan.
¿Esto es posible?
Restricción 2: Sólo una de las plantas debe elegirse como la única fabricante
de los nuevos productos.
Sigue …
Sigue …
Stock de materiales.
Capacidad de almacenaje.
Ejemplos:
Entrada Espera por la Espera para Tiempo de Tiempo en cola Tiempo de Tiempo de Salida
aprobación el transporte transporte preparación proceso
5%
Inventario
Materias primas
Artículo A Independiente Mantener
WIP
Artículo B Dependiente Reparar
Productos
Artículo C Operar
terminados
Modelos probabilísticos.
Sistemas de periodo de pedido fijo.
Coste anual
t o tal
c o s te to
d e l ie n
a am
Curv ac en
l m
e d ea
c o st
a d el
v
Cur
Curva del coste de preparación
Nivel de inventario
Inventario
Cantidad medio
óptima del disponible
pedido (Q*) (Q*/2)
Punto de
pedido
(ROP)
Tiempo
Plazo de entrega
D
Número de pedidos esperados = N=
Q*
días laborables / año
Tiempo esperado entre cada pedido = T =
N
D D = Demanda anual.
d =
Días laborables / año S = Coste de preparación por pedido.
H = Coste de almacenamiento.
d = Demanda diaria.
ROP = d × L L = Plazo de entrega en días.
Escogemos el tipo de
problema, indicamos
la unidad de tiempo
y OK
Ingresamos los
datos del problema
y presionamos
Nivel de inventario
Inventario
Cantidad medio
óptima del disponible
pedido (Q*)
Punto de
pedido
(ROP)
Tiempo
Plazo de entrega
Nivel de inventario
( )
p d
H* 1 -
p
( ) d d = Demanda diaria.
Coste de = 0,5 * H * Q 1- p = Producción diaria.
almacenamiento p
Cantidad que
se debería pedir
Cantidad del
El Coste más bajo fuera Cantidad que Cantidad que pedido
del área de los se gana con el se gana con el
descuentos Descuento 1 Descuento 2
Tiempo
Periodo Periodo Periodo
D G
Inicio Terminar
A B C E H M
F
K
N
I J
Predecedores
Actividad Descripción
inmediatos
A Preparar especificaciones -.-
B Asegurar ofertas y adjudicar contratos A
C Retirar el equipo actual A
D Adiestrar a los operarios B
E Modificaciones eléctricas C
F Pintar C
G Instalar máquina E
H Probar máquina D, G
I Reprogramar producción H
Predecesores Duración
Actividad Descripción de la actividad
inmediatos estimada
A Excavación. - 2
B Cimentación. A 4
C Colocación de muros. B 10
D Colocación de techos. C 6
E Instalación de plomería externa. C 4
F Instalación de plomería interna. E 5
G Poner recubirto exterior. D 7
H Pintura de exteriores. E, G 9
I Trabajo de electricidad. C 7
J Colocar recubrimiento interior. F, I 8
K Instalar pisos. J 4
L Pintura de interiores. J 5
M Colocación de accesorios exteriores. H 2
N Colocación de accesorios interiores. K, L 6
Actividad E 35 45
10 40 50
B 2 6 D 16 22
M 38 40
4 6 D G
2
44
Inicio Terminar
A B C E H M
0
N 38 44
F
K 6
E 16 20
4
N
I J K 33 37
I 16 23 4
L
7
F 20 25 J 25 33 L 33 38
5 8 5
B 2 6 D 16 22
M 38 40
4 2 6 6 20 26 D G
2 42 44
44
Inicio Terminar
A B C E H M
0
N 38 44
F
K 6 38 44
E 16 20
4 16 20
N
I J K 33 37
I 16 23 4 34 38
L
7 18 25
F 20 25 J 25 33 L 33 38
5 20 25 8 25 33 5 33 38
B 2 6 D 16 22 D G
M 38 40
4 2 6 6 20 26
2 42 44
Inicio Terminar
A B C E H M
0 44
F N 38 44
K
6 38 44
E 16 20 N
4 16 20 I J
K 33 37
I 16 23 L 4 34 38
7 18 25
F 20 25 J 25 33 L 33 38
5 20 25 8 25 33 5 33 38
ABCEFJLN
Escogemos el
modulo PERT/CPM
del WINQSB, he
ingresamos las
información
correspondiente.
En nuestro caso,
14 actividades y el
tiempo en semanas
y trabajamos con
tiempos normales,
y por ultimo OK
Procedemos a
ingresar la
información y luego
presionamos
Tiempo de
Predecedores
Actividad Descripción terminación
inmediatos
(dias)
A Preparar especificaciones -.- 8
B Asegurar ofertas y adjudicar contratos A 5
C Retirar el equipo actual A 2
D Adiestrar a los operarios B 4
E Modificaciones eléctricas C 3
F Pintar C 4
G Instalar máquina E 3
H Probar máquina D, G 2
I Reprogramar producción H 1
= 44 semanas y 2 = 9
A B XB ≥ XA + (4 – YB) - XA + XB + YA ≥ 4
10
B C XC ≥ XB + (10 – YC) - XB + XC + YC ≥ 10
6
C D XD ≥ XC + (6 – YD) - XC + XD + YD ≥ 6
4
C E XE ≥ XC + (4 – YE) - XC + XE + YE ≥ 4
5
E F XF ≥ XE + (5 – YF) - XE + XF + YF ≥ 5
7
D G XG ≥ XD + (7 – YG) - XD + XG + YG ≥ 7
XH ≥ XG + (9 – YH) - XG + XH + YH ≥ 9
9
XH ≥ XE + (9 – YH) - XE + XH + YH ≥ 9
E H
7
C I XI ≥ XC + (7 – YI) - XC + XI + YI ≥ 7
8 XJ ≥ XF + (8 – YJ) - XF + XJ + YJ ≥ 8
I J
XJ ≥ XI + (8 – YJ) - XI + XJ + YJ ≥ 8
J K XK ≥ XJ + (4 – YK) - XJ + XK + YK ≥ 4
2
H M XM ≥ XH + (2 – YM) - XH + XM + YM ≥ 2
K 6 XN ≥ XK + (6 – YN) - XK + XN + YN ≥ 6
N
XN ≥ XL + (6 – YN) - XL + XN + YN ≥ 6
L XM ≤ 40
XN ≤ 40
MIN 100YA + 50YB + 80YC + 40YD + 160YE + 40YF + 40YG + 60YH + 30YI
+ 30YJ + 40YK + 50YL + 100YM + 60YN
MIN 100YA + 50YB + 80YC + 40YD + 160YE + 40YF + 40YG + 60YH + 30YI + 30YJ +
40YK + 50YL + 100YM + 60YN
Sujeto a:
Caso real:
Los pilotos recién egresados de la escuela de la FAP.
¿ Qué experiencia real tienen en vuelos?
Es la DEMANDA.
Hipotesis
Costo de puesta en marcha 150,000 Costo variables 75% de los ingresos
Precio de venta 35,000 Costo de capital 10%
Costo fijos 15,000 Tasa fiscal 34%
Depreciación anual 10,000
Demanda anual unidades
= ENTERO (8 + 5 * ALEATORIO( ))
¿Es suficiente?,
¿Qué hacemos?