Investigacin de Operaciones 1.

1 Conceptos Bsicos de Investigacin de Operaciones

Breve resumen histrico de la Investigacin de Operaciones. Los inicios de lo que hoy se conoce como Investigacin de Operaciones se remonta a los aos 1759 cuando el economista Quesnay empieza a utilizar modelos primitivos de programacin matem tica! " s tarde# otro economista de nom$re %alras# hace uso de t&cnicas similares! Los modelos lineales de la Investigacin de Operaciones tienen como precursores a 'ordan en 1(7)# "in*o+s*y en 1(9, y a -ar*as en 19.)! Los modelos din micos pro$a$il/sticos tienen su origen con "ar*oiv a 0ines del siglo pasado! 1l desarrollo de los modelos de inventarios as/ como el de tiempos y movimientos se lleva hasta los aos veinte! 2ero no 0ue hasta la 3egunda 4uerra "undial# cuando la Investigacin de Operaciones empez a tomar auge! 2rimero se le utiliz en la log/stica estrat&gica para vencer al enemigo 56eor/a de 'uegos7 y# m s tarde al 0inalizar la guerra# en la log/stica de distri$ucin de todos los recursos militares de los aliados dispersos de por todo el mundo! 8ctualmente la Investigacin de Operaciones se encuentra todav/a en una edad incipiente donde todav/a hay mucho por hacer en el desarrollo de este campo 0&rtil! Anlisis de las componentes de un proyecto de Investigacin de Operaciones 1n la pr ctica# la instrumentacin de un proyecto de Investigacin de Operaciones es la solucin de un pro$lema real en una organizacin acarrea los siguientes $ene0icios! a! Incrementa la posi$ilidad de tomar me9ores decisiones! $! "e9ora la coordinacin entre las m:ltiples componentes de la organizacin! c! "e9ora el control del sistema d! Logra un me9or sistema ;na vez que se acepta que las soluciones emanadas de los proyectos de Investigacin de Operaciones aplicadas a organizaciones acarrean una serie de $ene0icios cuantitativos y cualitativos para la misma# se e<plica a continuacin cu les son las etapas por las que de$e pasar dicho proyecto! a! 1studio de la organizacin $! Interpretacin de la organizacin como un sistema c! -ormulacin de los pro$lemas de organizacin d! =onstruccin de modelo e! >erivacin de soluciones del modelo 0! 2rue$a del modelo y sus soluciones g! >iseo de controles asociados a las soluciones h! Implantacin de las soluciones al sistema 2osteriormente se e<plicaran y desarrollaran cada unas de estas etapas 5e<cepto las primeras dos que ya se discutieron7 que son necesarias para el estudio del proyecto de la Investigacin de Operaciones! 1s muy nota$le el r pido crecimiento del tamao y la comple9idad de las organizaciones 5empresas7 humanas que se ha dado en estos :ltimos tiempos! 6al tamao y comple9idad

nos hace pensar que una sola decisin equivocada puede repercutir grandemente en los intereses y o$9etivos de la organizacin y en ocasiones pueden pasar aos para recti0icar tal error! 6am$i&n el ritmo de la empresa de hoy implica que las >1=I3IO?13 se tomen m s r pidamente que nunca# pues el hecho de posponer la accin puede dar una decisiva venta9a al contrario en este mundo de la competencia! La palpa$le di0icultad de tomar decisiones ha hecho que el hom$re se a$oque en la $:squeda de una herramienta o m&todo que le permita tomar las me9ores decisiones de acuerdo a los recursos disponi$les y a los o$9etivos que persigue! 6al herramienta reci$i el nom$re de Investigacin de Operaciones! ;na organizacin puede entenderse como un sistema# en el cual e<isten componentes@ canales que comunican tales componentes e in0ormacin que 0luye por dichos canales! 1n todo sistema las componentes interact:an unas con otras y tales interacciones pueden ser controla$les e incontrola$les! 1n un sistema grande# las componentes se relacionan de muchas maneras# pero no todas son importantes# o me9or dicho# no todas las interacciones tienen e0ectos importantes en las componentes del sistema! 2or lo tanto es necesario que e<ista un procedimiento sistem tico que identi0ique a quienes toman decisiones y a las interacciones que tengan importancia para los o$9etivos de la organizacin o sistema! ;no de esos procedimientos es precisamente la Investigacin de Operaciones! ;na estructura por la que no 0luye in0ormacin# no es din mica# es decir# no podemos considerarla como un sistema! 2or lo tanto podemos decir que la in0ormacin es lo que da AvidaA a las estructuras u organizaciones humanas! Los o$9etivos de toda organizacin ser n siempre alcanzar el liderato en su rama# controlando la e0iciencia y e0ectividad de todas sus componentes por medio de m&todos que permitan encontrar las relaciones ptimas que me9or operen el sistema# dado un o$9etivo espec/0ico! 8nte el tremendo avance que se ha dado en casi todas las ciencias en las :ltimas d&cadas# ya no es 0acti$le querer sa$er un poco de todo# sino m s $ien especializarse en alguna rama de la ciencia! Los pro$lemas que se presentan en las organizaciones no 0 cilmente se pueden resolver por un slo especialista! 2or el contrario son pro$lemas multidisciplinarios# cuyo an lisis y solucin requieren de la participacin de varios especialistas! 1stos grupos interdisciplinarios necesariamente requieren de un lengua9e com:n para poder entenderse y comunicarse# donde la Investigacin de Operaciones viene a ser ese puente de comunicacin! 1l en0oque de la Investigacin de Operaciones es el mismo del m&todo cient/0ico! 1n particular# el proceso comienza por la o$servacin cuidadosa y la 0ormulacin del pro$lema y sigue con la construccin de un modelo cient/0ico 5por lo general matem tico7 que intenta a$straer la esencia del pro$lema real! 1n este punto se propone la hiptesis de que el modelo es una representacin lo su0icientemente precisa de las caracter/sticas esenciales de la situacin como para que las conclusiones 5soluciones7 o$tenidas sean v lidas tam$i&n para el pro$lema real! 1sta hiptesis se veri0ica y modi0ica mediante las prue$as adecuadas! 1ntonces# en cierto modo# la Investigacin de Operaciones incluye la investigacin cient/0ica creativa de las propiedades 0undamentales de las operaciones! 3in em$argo# e<iste m s que esto! 1n particular# la Investigacin de Operaciones se ocupa tam$i&n de la administracin pr ctica de la organizacin! 8s/# para tener &<ito# de$er tam$i&n proporcionar conclusiones positivas y claras que pueda usar el tomador de decisiones cuando las necesite! La contri$ucin del en0oque de Investigacin de Operaciones proviene principalmente deB a! La estructuracin de una situacin de la vida real como un modelo matem tico# logrando una a$straccin de los elementos esenciales para que pueda $uscarse una solucin que concuerde con los o$9etivos del tomador de decisiones! 1sto implica tomar

en cuenta el pro$lema dentro del conte<to del sistema completo! $! 1l an lisis de la estructura de tales soluciones y el desarrollo de procedimientos sistem ticos para o$tenerlas! c! 1l desarrollo de una solucin# incluyendo la teor/a matem tica si es necesario# que lleva al valor ptimo de la medida de lo que se espera del sistema 5o quiz que compare los cursos de accin opcionales evaluando esta medida para cada uno7! Investigacin de Operaciones o Investigacin Operacional! 3e puede de0inir de la siguiente maneraB ALa Investigacin de Operaciones es la aplicacin por grupos interdisciplinarios del m&todo cient/0ico a pro$lemas relacionados con el control de las organizaciones o sistemas a 0in de que se produzcan soluciones que me9or sirvan a los o$9etivos de toda la organizacinA!

1.2 Mtodolog a de la Investigacin de Operaciones

1l proceso de la Investigacin de Operaciones comprende las siguientes 0asesB 1. Formulacin y definicin del problema. 2. Construccin del modelo. !. Solucin del modelo. ". Validacin del modelo. #. Implementacin de resultados. >emos una e<plicacin de cada una de las 0asesB 1. Formulacin y definicin del problema. 1n esta 0ase del proceso se necesitaB una descripcin de los o$9etivos del sistema# es decir# qu& se desea optimizar@ identi0icar las varia$les implicadas# ya sean controla$les o no@ determinar las restricciones del sistema! 6am$i&n hay que tener en cuenta las alternativas posi$les de decisin y las restricciones para producir una solucin adecuada! 2. Construccin del modelo. 1n esta 0ase# el investigador de operaciones de$e decidir el modelo a utilizar para representar el sistema! >e$e ser un modelo tal que relacione a las varia$les de decisin con los par metros y restricciones del sistema! Los par metros 5o cantidades conocidas7 se pueden o$tener ya sea a partir de datos pasados o ser estimados por medio de alg:n m&todo estad/stico! 1s recomenda$le determinar si el modelo es pro$a$il/stico o determin/stico! 1l modelo puede ser matem tico# de simulacin o heur/stico# dependiendo de la comple9idad de los c lculos matem ticos que se requieran! !. Solucin del modelo. ;na vez que se tiene el modelo# se procede a derivar una solucin matem tica empleando las diversas t&cnicas y m&todos matem ticos para resolver pro$lemas y ecuaciones! >e$emos tener en cuenta que las soluciones que se o$tienen en este punto del proceso# son matem ticas y de$emos interpretarlas en el mundo real! 8dem s# para la solucin del modelo# se de$en realizar an lisis de sensi$ilidad# es decir# ver como se comporta el modelo a cam$ios en las especi0icaciones y par metros del sistema! 1sto se hace# de$ido a que los par metros no necesariamente son precisos y las restricciones pueden estar equivocadas! ". Validacin del modelo. La validacin de un modelo requiere que se determine si dicho modelo puede predecir con certeza el comportamiento del sistema! ;n m&todo com:n para pro$ar la validez del modelo# es someterlo a datos pasados disponi$les del sistema actual y o$servar si reproduce las situaciones pasadas del sistema! 2ero como no hay seguridad de que el comportamiento 0uturo del sistema contin:e replicando el comportamiento pasado# entonces siempre de$emos estar atentos de cam$ios posi$les

del sistema con el tiempo# para poder a9ustar adecuadamente el modelo! #. Implementacin de resultados. ;na vez que hayamos o$tenido la solucin o soluciones del modelo# el siguiente y :ltimo paso del proceso es interpretar esos resultados y dar conclusiones y cursos de accin para la optimizacin del sistema! 3i el modelo utilizado puede servir a otro pro$lema# es necesario revisar# documentar y actualizar el modelo para sus nuevas aplicaciones!

1.! $e%inicin del Modelo de &rogramacin 'ineal

3in duda alguna uno de los m&todos anal/ticos m s via$les econmicamente para la solucin de pro$lemas de administracin es el de la 2rogramacin Lineal# el cual tiene diversas aplicaciones y ha sido aplicado e<itosamente en las industrias petrolera# automotriz# qu/mica# 0orestal# metal:rgica# agr/cola# militar# etc! Incluso en mercadotecnia# se le ha empleado para seleccionar los medios de pu$licidad y los canales adecuados de distri$ucin! 2ara comprender lo que es la 2rogramacin Lineal es importante entender los siguientes conceptos $ sicosB a! Variables de Decisin: =on las varia$les de decisin nos re0erimos al con9unto de varia$les cuya magnitud deseamos determinar resolviendo el modelo de programacin lineal! $! Restricciones: 1st n constituidas por el con9unto de desigualdades que limitan los valores que puedan tomar las varia$les de decisin en la solucin! c! Funcin Objetivo: 1s la 0uncin matem tica que relaciona las varia$les de decisin! d! inealidad: 3e re0iere a que las relaciones entre las varia$les# tanto en la 0uncin o$9etivo como en las restricciones de$en ser lineales! e! Desi!ualdades: Las desigualdades utilizadas para representar las restricciones de$en ser cerradas o 0le<i$les# es decir# menor C igual 5DE7 o mayor F igual 5GE7! ?o se permiten desigualdades de los tipos menorC estrictamente o mayor F estrictamente# o a$iertas! 0! Condicin de no " ne!atividad: 1n la programacin lineal las varia$les de decisin slo pueden tomar valores de cero a positivos! ?o se permiten valores negativos! Modelo (eneral de la &rogramacin 'ineal. La estructura matem tica general de la programacin lineal es la siguienteB

=omo podemos ver en el modelo la 0uncin que se va ma<imizar o minimizares la 0uncin o$9etivo# su9eta a 5s!a!7 las restricciones! H9 GE .# es la condicin de no F negatividad!

Las H9 son las varia$les de decisin cuyo valor se desea conocer! 8i9# $i# c9 son par metros! 1l vector =9 I =1# =J#!!!=nK se llama Lvector de costosM o Lvector de preciosM!

1.1 Introduccin 1l 0undamento del &<ito de 86N6 es una serie de modelos de administracin para apoyar la toma de decisiones de cr&dito# y precisamente los modelos para la administracin son el tema de nuestro estudio! 1ste li$ro est dedicado a la construccin de modelos para la toma de decisiones administrativas usando ho9as de c lculo electrnicasB qu& son# cmo se construye# cmo se usan y qu& pueden revelarnos! 2or mucho tiempo# los gerentes han tenido una actitud am$igua hacia la construccin de modelos cuantitativos para la toma de decisiones! 8unque reconocen las venta9as de los modelos cuantitativos# algunos administradores han opinado a menudo que el proceso mismo de la construccin de modelos es una cto de Amagia negraA que solo de$e ser praticado por matem ticos# consultores muy $ien pagados o especialistas en in0orm tica!>esgraciadamente# el hecho de delegar la construccin de modelos a los especialistas elimina de este proyecto al gerente# y con 0recuencia da lugar a que los resultados see aplique en 0orma errnea o no se apliquen! 1sto a su vez# hacen que los gerentes sean a:n m s esc&pticos acerca del valor de la construccin de modelos# cmo no sea para redactar ap&ndices de resultados o$tenidos con modelos C que a menudo se ae9an como el $uen vinoC en in0ormes que nadie lee 9am s! 8s/ dinero y es0uerzo se desperdician en ceremoniosas actividades de costruccin de modelos que# a la postre# tiene poca o ninguna repercusin en el administrador o en la organizacin que los mand construir# los cuales ni aprenden ni son 0luidos por el proceso de modelacin! >os tecnologi s recientes han revolucionado la cosntruccin de modelos la hacer posi$le que los administardores construyan y analicen sus propios modelos! 1sas dos tecnolog/as son las poderosas computadoras personales y los avanzados y re0inados programas de ho9as de c lculo electrnicas accesi$les para el usuario! 2ara0raseando al pro0esor 3am 3avage# estas tecnolog/as han hecho que Ala cortina anal/tica se derrum$e!!!A como impedimento para la aplicacin directa de la construccion de los modelos para la toma de decisiomes para los gerentes de la empresa! 1n otras pala$ras# los conocmientos anal/ticos de matem ticas avanzadas# rpogramacin de computadoras# razonamitno algor/tmico y otros aspectos de la in0ormacin t&cnica que antes eran indispensa$les# ya casi han desaparecidos como prerrequisitos para el usuario! 1sta utilizacin directa de modelos como apoyo de decisiones no solo se traduce en me9ores decisiones# sino adem s# imparate a los administradores conocimientos importante que anteriormente se perd/an! 1ste en0oque del aprendiza9e a partir de la construccin de modelos permite que el administrador a$orde el aspecto m s importante de cualquier situacin de toma de decisionesB determinar c:ales son las preguntas 0undamentales que es necesario plantear# qu& alternativas conviene investigar y donde centrar la atencin! (racias a )ue construy modelos para ensayar alternativas para el %uturo dise*o de su sistema+ ,ederal -.press solamente cometi e)uivocaciomes so/re el papel. 'a construccin de modelos en computadora s %unciona+ nos permite e.aminar muchas opciones di%erentes y nos o/liga a e.aminar el pro/lema en su totalidad. -rederic* %! 3mith 2residente y director general de -ederal 1<press =orporation!

1.2 -' &0OC-1O $- CO21304CCI52 $- MO$-'O1 La 0igura 1!1 ilustra los pasos de la toma de decisiones administrativas! =uando se presenta una situacin en la cual intervienen alternativas con0lictivas o antagnicas# el gerente la analiza@ se toman decisiones para resolver los con0lictos@ las decisiones se ponen en pr ctica@ y la organizacin asume las consecuencias en 0orma de resultados# tomando en cuenta que no todos son monetarios!

1n este li$ro en0ocaremos la construccin de modelos con ho9as de c lculo electrnica como apoyo para la toma de decisiones@ es decir# nos centraremos en las dos primeras etapasB el an lisis de la situacin y la toma de decisiones correspondiente! La 0igura 1!J de0ine el proceso de modelacin aplicado a las dos primeras etapas que usaremos en este li$ro! O$serve que el diagrama esta dividido en dos mitades# superior e in0erior# separadas por una l/nea interrumpida! >e$a9o de esa l/nea se encuentra el mundo real y caticos de todos los d/as# al cual se en0rentan los gerentes cuando est n o$ligados a decidir como lidiar con el reto de una situacin como por e9emplo a qui&n se le asignan los recursos para llevar a ca$o las tareas# la programacin de actividades o el diseo de una estrategia de comercializacin! 1l proceso comienza con el ngulo in0erior izquierdo# con el reto de la situacin administrativa! Oistricamente# los gerentes ha dependido casi por completo de su propia intuicin como el instrumento primario para tomar decisiones! 8unque la intuicin es de gran valor# so$re todo en el caso de los gerentes con e<periencia# puede decirse que# por de0inicin# esta desprovista de un proceso anal/tico! ;n administrador que $asa la toma de decisiones solamente en la intuicin no aprende# salvo por la retroalimentacin que le proporcionan los resultados o$tenidos# pero est demostrado que es una 0orma $astante cara e implaca$le! 1l proceso de remodelacin# representado por el mundo sim$lico en la mitad de la 0igura u$icada so$re la l/nea interrumpida# recomienda un cursos de accin para complementar 5no sustituir7 el uso de la intuicin en la toma de decisiones! 1sta ruta indirecta implica a$straer los aspectos pro$lem ticos de la situacin administrativa en un modelo cuantitativo que represente lo m s esencial de la situacin! ;na vez que el modelo 5cuantitativo7ha sido construido# se somete a un an lisis para generar resultados o conclusiones que emanen e<clusivamente de &l# esdecir# sin considerar las a$stracciones que hayamos realizado con anterioridad! 8 continuacin se realiza la interpretacin de los resultados $asados en el modelo# para relacionarnos de nuevo con la situacin del mundo real# tomando en cuenta los 0actores los 0actores que ha$/amos suprimido durante la 0ase previa de a$straccin! =uando a esto se agregan la intuicin y la e<periencia del gerente# el proceso de construccin del modelo conduce a me9ores decisiones y aporta conocimientos que in0luyen en el proceso de aprendiza9e! =omo ilustra la 0igura 1!)# el proceso mismo de construccin del modelo no es una aplicacin del m&todo cient/0ico que se pueda de9ar totalmente en manos de los especialistas! 1l $uen 9uicio administrativo ilumina todos los aspectos del proceso! 2or eso# la participacin /ntima del gerente en cada una de las 0ases del proceso de construccin del modelo es indispensa$le para el &<ito del mundo real! Los administradores desempean un papel crucial durante la a$straccin# la 0ormulacin del modelo# la interpretacin y# m s tarde# la e9ecucin de las decisiones! 2or eso es esencial que usted comprenda 1! Qu& tipos de situaciones administrativas se prestan a ser representadas con modelos J! =u les son las posi$ilidades de reunir o recuperar datos y analizar el modelo con miras

a o$tener recomendaciones o resultados 5con una inversin razona$le de tiempo y dinero7# y )! Qu& puede hacer usted para e<traer el mayor valor posi$le del modelo en cuanto a la interpretacin del mismo# y la puesta en pr ctica de la decisin resultante!

'os Modelos de la -mpresa Los modelos suelen desempear di0erentes papeles en distintos niveles de la empresa! 1n los niveles m s altos# los modelos por lo com:n aportan in0ormacin en 0orma de resultados y conocmientos# pero no necesariamente decisiones recomenda$les! 3on :tiles como instrumentos de plani0icacin estrat&gicaB ayudan a crear pronosticos# e<plorar alternativas# desarrollar planes para m:ltiples contigencias# acrecentar la 0le<i$ilidad y a$reviar el tiempo de reaccin! 1n niveles in0eriores# los modelos se usan con m s 0recuencia para o$tener decisones recomenda$les! 2or e9emplo# en muchad plantas# las operaciones de la l/nea de monta9e est totalmente automatizadas! 1n algunos casos # como el e9emplo de 86N6# las decisiones se desarrollan mediante un modelo de la operacin y se llevan a ca$o de inmediato# en todo ello la gerencia solo participa de modo e<cepcional! 3in em$argo# lo m s com:n es que la aportacin de la automatizacin a la construccin de modelos consista en 0acilitar la recopilacin de datos acerca de operaciones! >esp:es los adminitradores emplean esos datos para la actualizacin peridica de su modelo en la ho9a de c lculo electrnica! " s tarde# el modelo revisado vuelve a ser analizado para e<trarer de &l nuevas recomendaciones que sustenten la toma de deciosnes# desp:es de lo cual tiene lugar la reinterpretacin e implementacin de nuevas decisiones por parte de la gerencia! Los modelos tienen distintas aplicaciones en los di0erentes niveles de la empresa# por varias razones! 8 medida que se desciendeen los modelos de una organizacin# las altenativas y los o$9etivos pueden volverse m s claros! 1s cada vez m s 0acil especi0icar cuantitativamente las interacciones# con 0recuencialos datos precisos son m s accesi$les# y el am$iente 0uturpo implica menos incertidum$re! 8dem s# la 0recuencia de la toma de decisiones repetidas# es alta# lo cual $rinda la manera de amortizar el costo del desarrollo del modelo y la recoleccionde datos entre muchas opciones para tomar una decisin! 2or

e9emplo# en el nivel m s $a9o de la 9erarqu/a# las decisones pueden re0erirse a cmo programar las aoperaiones de una m quina en particular! 3a$emos qu& productos serpan 0a$ricados en ella y los costos de los cam$ios necesarios para pasar de la 0a$ricacin de un producto a la de otro! La meta del modelo puede consistir en encontrar un programa de operaciones que produzca las cantaidades necesarias en las 0echas requeridas y minimice los costos por conceptos de cam$ios y almacena9e! =ompara usted la claridad y el car cter e<pl/cito de ese programa con una decisin de la alta gerencia de una empresa que vale muchos miles de millones de dpolares# y por otro lado tiene que elegir entre Ainvertir y e9ercerA Aproducir para generar ganacias inmediatasA! 2or supuesto que los modelos se pueden aplicar tam$i&n a estos pro$lemas vastos y con0usos# pero los propios modelos est n repletos de supociones cuestiona$les y de incertidum$re! 1n estos casos# determinar la validez del modelo# y entonces la concordancia con los o$9etivos puede ser una tarea di0/cil como encontrar la decisin apropiada! MO$-'O 6 (-0-23-1 1l n:mero de 0ormas en que los modelo se utilizan es tan a$undante como el de las personas que los construyen! 3e puede usar para una idea o un diseo# para &dir las cantidades ptimas de medias nylon o para organizar me9or una gigantesca corporacin multinacional! 8 pesar de esas di0erencias# algunas genrealidade son aplica$les a todos los modelos ceados como apoyo para la toma de decisiones! 6odos estos modelos o0recen un marco de re0erencia para el an lisis lgico y congruente# y se utilizan por 7 razones cuando menosB 1.7 Los modelos lo o$ligan a usted a de0inir e<pl/citamente sus o$9etivos 2.7 Los modelos lo o$ligan a identi0icar y registrar los tipos de decisones que in0luyen en dichos o$9etivos! !.7 Los modelos nos o$ligan a identi0icar y registrar las interacciones entre todas esas decisiones y sus respectivas venta9as y desventa9as! ". Los modelos lo o$ligan a pensar cuidadosamente en las varia$les que a incluir@ y a de0inirlas en t&rminos que sean cuanti0ica$les entre ellas! #. Los modelos o$ligan a considerar qu& datos son pertinentes para la cuanti0icacin de dichas varia$les y a determinar las interacciones entre ellas! 8. Los modelos lo o$ligan a reconocer las restricciones 5limitaciones7 pertinentes en los valores que esas varia$les cuanti0icadas pueden adoptar! 9. Los modelos permiten que usted comunique sus ideas y conocimientos# lo cual 0acilita el tra$a9o en equipo! >e estas caracter/sticas se concluye que un modelo puede servir como una herramienta consistente para la evaluacin y comunicacin de di0erentes pol/ticas! 1s decir# cada pol/tica o con9unto de decisiones es evaluada con el mismo o$9etivo# aplicando las mismas 0rmulas para descri$ir interacciones y restricciones! 8dem s# los modelos se pueden a9ustar y me9orar en 0orma e<pl/cita de acuerdo con la e<periencia histrica# lo cual constituye una 0orma de aprendiza9e adaptativo! >e estas caracter/sticas se concluye que un modelo puede servir como una herramienta consistente para la evaluacin y comunicacin de di0erentes pol/ticas! 1s decir# cada pol/tica o con9unto de decisiones es evaluada con el mismo o$9etivo# aplicando las mismas 0rmulas para descri$ir interacciones y restricciones! 8dem s# los modelos se pueden a9ustar y me9orar en 0orma e<pl/cita de acuerdo con la e<periencia histrica# lo cual constituye una 0orma de aprendiza9e adaptativo!

;na consideracin 0inalB los modelos construidos en ho9as de c lculo electrnicas $rindan la oportunidad de hacer un uso sistem tico de poderosos m&todos anal/ticos que nunca antes ha$/an estado al alcance de los directores de empresas! =on esos recursos# ellos pueden mane9ar un gran n:mero de varia$les e interacciones! 2or s/ sola# la mente es capaz de almacenar y comunicar slo una 0raccin de esa in0ormacin! Los modelos nos permiten aprovechar la potencia anal/tica de las ho9as de calculo# la cual va de la mano con la velocidad de las computadoras para el almacenamiento de datos y la realizacin de operaciones de computo! 1.! 42A &A'AB0A 1OB0,I'O1O,:A La A0iloso0/aA representa nuestro es0uerzo por salvar la $recha entre la e<periencia o$tenida con modelos en el aula y las e<periencias de usted# como gerente o administrador# en el mundo real! 1n el aula todos los pro$lemas est n 0ormulados con claridad 5por lo menos esa es nuestra intencin7# todos los datos se aprecian con nitidez y la solucin puede ser un simple n:mero que aparece al 0inal del li$ro! 2or supuesto# a$solutamente nada de esto es v lido !Pde$a9o de la l/neaA de la 0igura 1!J# es decir# en el mundo real! 2or eso vale la pena esperar un momento y comentar en 0orma un poco m s amplia cu l es el papel que corresponde a los modelos en el mundo real! 0-A'I1MO =omenzaremos con una idea ya conocidaB ning:n modelo logra captar toda la realidad! =ada modelo es una a$straccin# lo cual signi0ica que slo incluye algunas de las posi$les interacciones y representa en 0orma apro<imada las relaciones entre ellas! 1sto nos aporta una e<plicacin muy simple y pragm tica de por qu& y cu ndo se utilizan modelos! ;n modelo es valioso si usted toma me9ores decisiones cuando lo usa que cuando no lo usa! 1ste en0oque es muy similar al que ha adoptado la ciencia o la ingenier/a! 1s posi$le que los modelos no descri$an con e<actitud la 0uerza ascensional del ala de un avin# pero con ellos diseamos me9ores aviones que sin ellos! 1l mismo concepto se aplica en el caso de los modelos construidos para la toma de decisiones en administracin! I234ICI52 8lgunos gerentes siguen pensando que los modelos cuantitativos y la intuicin administrativa se oponen entre s/B Ao somos creativos para lidiar con la situacin o tendremos que usar la computadoraA! ?ada m s ale9ado de la verdad! 1l uso e0icaz 5y creativo7 de los modelos depende en 0orma decisiva del $uen 9uicio administrativo y de la intuicin! La intuicin desempea un papel importante en el reconocimiento del pro$lema y la 0ormulacin del modelo! 6iene usted que AverA las posi$ilidades de utilizar un modelo cuantitativo antes que el proceso se ponga en marcha@ es decir# para que se sienta usted dispuesto a invertir en el proceso de construccin de un modelo# de$er tener la sensacin intuitiva de que dicho modelo le permitir captar la esencia de la situacin y producir un resultado :til! La intuicin tam$i&n es decisiva durante la interpretacin y la implementacin! 8un cuanC do el an lisis de muchos de los modelos presentados en este li$ro produce decisiones AptimasA# es importante entender que tales decisiones slo son la solucin ptima para la a$straccin sim$lica que aparece Aencima de la l/neaA en la 0igura 1!J! 3in em$argo# puede ser o no una $uena respuesta para resolver la situacin correspondiente en el mundo real! 1l t&rmino optimalidad es un concepto que se relaciona mas con los modelos del mundo real! 3I $ien los modelos pueden optimizarse eso rara vez o nunca es posi$le en las

situaciones del mundo real! 3lo en pocas ocasiones tiene sentido ha$lar de Asoluciones ptimasA para las situaciones de la administracin de empresas 5y menos a:n las del go$ierno7 en la vida real! 2or esa razn es 0undamental que usted# como gerente# se asegure de que las decisiones sugeridas por un modelo tengan sentido y satis0agan su propia intuicin! 3i las recomendaciones no resultan atractivas para su intuicin administrativa# ser me9or que averigQe si el modelo no est equivocado! >e hecho# un aspecto crucial de su papel como gerente consiste en evaluar el propio modelo y determinar cu nto peso se de$e conceder a sus recomendaciones! 6al vez sea necesario volver a considerar la situacin o incluso la 0ormulacin del modelo! 1l hecho es que el uso de modelos no implica que el gerente pueda prescindir de su intuicin! 1n realidad# uno de los peores errores que puede cometer un gerente es permitir ciegamente que un modelo lo suplante en la toma de decisiones slo porque Ala ho9a de c lculo lo di9o a s/A! 1l am$iente puede cam$iar y un modelo que produc/a resultados muy $uenos puede empezar a dar malos conse9os! ;sted siempre de$er estar alerta ante la posi$ilidad de que algo haya cam$iado y que las antiguas respuestas ya no sean v lidas! Oay a$undante evidencia de que el proceso de construccin y uso de modelos 0unciona me9or cuando el am$iente que rodea una situacin de negocios cam$ia tanto que las pol/ticas o reglas emp/ricas ha$ituales se vuelven inadecuadas! 2or supuesto# no hay garant/a de que el uso de un A $uenA modelo produzca siempre $uenos resultados# pero aunque no posee una clarividencia per0ecta# &ste es el en0oque m s racional que podemos adoptar! " s a:n# igual que el proceso mismo de construccin de modelos# las situaciones administrativas no son estrictamente secuenciales# sino circulares! 1sto signi0ica que se presentan en 0orma reiterada y es necesario revisarlas y tra$a9ar una y otra !vez en ellas! Rste es uno de los principales 0actores que nos motivan a estudiar los modelos cuantitativos! Las posi$ilidades de que usted sea capaz de prever si un modelo dar o no resultado en el mundo real aumentar n dr sticamente si comprende los conceptos contenidos en dicho modelo! 2ara comprender me9or lo que hemos visto hasta aqu/ acerca del proceso de construccin de modelos# supongamos que usted es el gerente que sostiene el siguiente di logo con un constructor de modelos! (erente 8 ver si comprend/ $ien! 1n esencia# usted dice que el es0uerzo dedicado ala construccin de modelos se ha desperdiciado en muchos casos porque los gerentes no participaron activamente en el proceso# por lo menos en la determinacin de su impacto en el mundo real de la toma de decisiones de0initivas y en el criterio de los propios gerentes! As es. (erente S que el desarrollo de las potentes computadoras personales y las ho9as de c lculo electrnicas hacen posi$le que ahora los gerentes# como yo# ela$oremos nuestros propios modelos con rapidez y 0acilidad sin tener que recurrir a un especialista t&cnico! S, as es en muchos casos. (erente y que la ruta indirecta# es decir# la construccin de un modelo# su an lisis e interpretacin# de$e servir para complementar mi intuicin# mas no para sustituirla! Efectivamente. sobre todo cuando algunos aspectos de la sitllaci6n pueden cuantificarse en un modelo que complemente su estrategia intuitiva para abordar los aspectos no cuantificables de la situacin.

(erente =omprendo! 1ntonces# en conclusin# la adopcin de este proceso de construccin de modelos me dar las respuestas que necesito para resolver mi pro$lema! Sorprendentemente..., no. (erente TQu&U T6rata de con0undirme con esa respuestaU ;sted y yo sa$emos que el tra$a9o realizado con computadoras nunca es tan r pido ni tan 0 cil como se dice# y esto incluye las ho9as de c lculo electrnicas! T y ahora me dice que el uso de modelos en computadoras y ho9as de c lculo no me dar la respuesta para mi pro$lema de administracinU En cierto sentido si; eso es lo que he dicho. (erente "uy $ien# lo 0elicito! 8ca$a de convencerme de no usar modelos# al decir que son irrelevantes para hallar la solucin a mi pro$lema! i Cuidado Acaba usted de tocar una de las principales ideas errneas acerca del uso de modelos como apo!o para las decisiones. "bserve otra ve# las dos primeras figuras .$o es por casualidad que all no apare#can la palabra problema ni la palabra respuesta. $uestra meta final es me%orar en forma general la toma de decisiones en las situaciones administrativas, ! no solo dar &respuestas&. (erente 1scuche# no me interesa entrar en un a$surdo de$ate acad&mico so$re di0erencias sem nticas! ?o es eso lo que digo! 2or supuesto# en este li$ro dedicaremos mucha atencin a proporcionar AunaA respuesta# cuando no AlaA respuesta para un pro$lema determinado! Lo que intento decir es que el hecho mismo de que e<prese su situacin particular en el mundo real en t&rminos del planteamiento de un pro$lema hace que usted empiece a su$ir por la escalera de la a$straccin y se interne en el proceso de la construccin de modelos! 1s decir@ los pro$lemas e<isten como tales por encima de la l/nea interrumpida que aparece en la 0igura y# por tantoB tam$i&n e<isten soluciones para esos pro$lemas# pero solamente por encima de dicha l/nea# es decir@ 0uera del mundo real donde usted vive! 3in em$argo# las ArespuestasA para su Apro$lema A a$stracto# rara vez o nunca son# por si mismas# la solucin para la situaci,n administrativa real! Las respuestas de$en ser cuidadosamente interpretadas en el conC te<to del mundo real en el que usted vive! antes de tomar la decisin 0inal! 1n consecuencia# la decisi,n que aplique al 0inal puede ser muy distinta de 0a respuesta o$tenida mediante el an lisis del modelo! (erente Vien# entiendo lo que usted quiere decir! 1n otras pala$ras# de$o comprender a qu& pro$lema a$stracto espec/0ico se re0ieren las respuestas del modelo y cmo 0ueron o$tenidas dichas respuestas# antes de poder interpretarlas como apoyo para tomar decisiones que me ayudar n a resolver mi situacin m s catica en el mundo real! 'recisamente. 'iense en las repuestas no como resultados en si mismas, sino como elementos que. combinados con las declaraciones empleadas para plantear el problema. se convierten en au(iliares importantes para que usted actualice su intuicin en torno a la situacin administrativa que le indu%o a utili#ar este m)todo. Esa & actuali#aci6n de la intuicin& tiene venta%as que trascienden los beneficios inmediatos de tomar me%ores decisiones en la situacin actual, en virtud de que la esencia del aprendi#a%e consiste en refor#ar nuestra propia intuicin. *+s a,n. los beneficios del aprendi#a%e son acumulativos a trav)s de situaciones sucesivas ! culminan con la sabidura que todos anhelamos. As el compromiso de usted con la construccin de modelos debe surgir de su deseo de entender la situacin en un nivel m+s profundo. no slo para el beneficio inmediato de tomar me%ores decisiones, sino tambi)n como un paso importante en el

refinamiento de su intuici6n administrativa. -a intuicin refinada .o la sabidura, si usted lo prefiere/ aplicable a situaciones administrativas es el sello distintivo de un gerente e(itoso. $unca olvide el credo del constructor de modelos0 &la meta del modelo es el cabal conocimiento, el discernimiento; no las simples respuestas &. (erente 8nteriormente di9o usted que el proceso mismo de la construccin de modelos no es cient/0ico! So cre/ que el propsito de los modelos cuantitativos era ayudarnos a proC ceder en una 0orma m s cient/0ica! 6odo lo contrario! >i9e que el proceso de construccin de modelos no es una aplicacin del m&todo cient/0ico! 1l propsito del m&todo cient/0ico cl sico es suprimir el 9uicio humano como una in0luencia que contamina o impone pre9uicios en el conocimiento y la comprensin! 1n consecuencia# la veri0icacin de teor/as o resultados mediante la e<perimentacin repetida y controlada es el meollo de la adquisicin de conocimientos en la ciencia! 2or desgracia# las situaciones administrativas casi nunca permiten que nos demos el lu9o de reproducirlas en e<perimentos controlados# pues e<isten restricciones de costo o tiempo! 2or eso tenemos que usar el criterio o $uen 9uicio administrativo como gu/a o control imper0ecto en todos los pasos del proceso de construccin de modelos! >entro de &ste# la 0ase correspondiente al an lisis del modelo tendr caracter/sticas cient/0icas por cuanto se recurrir a la lgica y al cmputo para o$tener deducciones racionales# pero aparte de eso# la in0luencia del 9uicio personal surge en todas partes! (erente 1n otras pala$ras# ni los modelos ni el an lisis# por s/ solos# pueden protegerme de las malas consecuencias de Ao$tener como producto $asura# ya que slo introdu9e $asuraA en la toma de decisiones! En efecto. ! usted, el gerente, debe participar plenamente en el proceso, porque es el ,nico capa# de %u#gar el posible contenido de & basura& en la abstraccin, as como el modelo resultante, el an+lisis del mismo, la relevancia de los resultados ! tambi)n su interpretacin. 1espu)s de todo, usted es quien ser+ responsable de la decisin final. 2$o es cierto3 (erente I >e eso puede estar seguroW Vien# esto ha sido muy :til para aclarar el papel que de$o desempear y los $ene0icios que puedo esperar del uso de modelos! 1n realidad hay otro $ene0icio sumamente importante del tra$a9o con modelos que no hemos mencionadoB la utilidad de los modelos como elemento au<iliar de la comunicaci,n! Las decisiones importantes rara vez se toman en 0orma aislada# pues requieren la cola$oraci,n y anuencia de otras personas# so$re todo de las encargadas de implementar la decisin 0inal! =uando el proceso de construcci,n del modelo se realiza correctamente# el modelo resultante y la 9usti0icaci,n que aporta para la toma de decisiones pueden ser poderosas herramientas para 0omentar el tra$a9o de equipo# e<plicar y comunicar ideas y conclusiones a otros y reci$ir sus comentarios y cooperaci,n! (erente i1st $ien# est $ien# ya me convenciW T2odemos continuar ahora con la ela$oracin de modelos en ho9as de c lculoU 6engo decisiones que tomar!!! 4odava no. 'rimero tenemos que considerar otras cosas, por e%emplo algunos de los tipos de modelos cuantitativos disponibles, los pasos conducentes a la construccin de un modelo, ! el importante papel que desempe5an los datos en la construccin de modelos en ho%as de c+lculo electrnicas. 1." 3I&O1 $- MO$-'O1

Oay tres tipos de modelos! Los ingenieros construyen modelos de aviones# y los ur$anistas modelos de ciudades! 1n am$os casos se trata de modelos % sicos! 1l segundo tipo de modelo lo empleamos tan a menudo que con 0recuencia no lo reconocemosB el modelo anlogo! 1stos modelos representan un con9unto de relaciones a trav&s de un medio di0erente# pero an logo! 1l mapa de carreteras es un modelo an logo del terreno correspondiente# el veloc/metro de un veh/culo representa la velocidad mediante el desplazamiento an logo de una agu9a so$re una escala graduada# y un diagrama de re$anadas de pastel representa la magnitud del costo de varios componentes con reas en 0orma de cua! 1l m s a$stracto es el modelo sim/lico# en el cual todos los conceptos est n representados por varia$les cuantitativamente de0inidas y todas las relaciones tienen una representacin matem tica# en lugar de 0/sica o por analog/a! 2or e9emplo# los 0/sicos construyen modelos cuantitativos del universo y los economistas crean modelos cuantitativos de la econom/a!

2or el hecho de que se utilizan varia$les cuantitativamente de0inidas e interrelacionadas por medio de ecuaciones# es 0recuente que los modelos sim$licos sean conocidos como modelos matem ticos# modelos cuantitativos o# en nuestro caso# modelos de ho9a de c lculo electrnica! Los gerentes tra$a9an con los tres tipos de modelos# m s com:nmente con los modelos an logos en 0orma de cuadros y gr 0icas# pero tam$i&n con modelos sim$licos en 0orma de salidas de ho9as de c lculo electrnicas e in0ormes "I3 5"anagement In0ormation 3ystem# 3istema de In0ormacin 8dministrativa7! La ta$la 1!1 resume las caracter/sticas de los tres tipos de modelos! 8 pesar de su diversidad# todos estos modelos tienen un aspecto en com:nB #n modelo es una abstraccin cuidadosamente seleccionada de la realidad.

?os concentraremos en la ela$oracin de modelos sim$licos 5so$re todo como se representan en ho9as de c lculo7 y los analizaremos para o$tener resultados en ta$uladores 5modelos sim$licos7 y gr 0icas 5modelos an logos7! MO$-'O1 1IMB5'ICO1 ;C4A23I3A3I<O1= =omo ya se di9o# un modelo sim$lico emplea las matem ticas para representar las relaciones entre los datos de inter&s! ;n modelo sim$lico requiere que sus datos sean cuanti0ica$les# es decir# que resulte posi$le e<presarlos en 0orma num&rica! =onsidere los siguientes e9emplos comunes! 1n un modelo para evaluar las alternativas entre comprar una casa y alquilar un apartamento se consideraB el pago inicial requerido# las tasas hipotecarias# el 0lu9o de e0ectivo# la plusval/a y depreciacin@ en suma# datos num&ricos! 1n un modelo para ayudarle a usted a decidir si le conviene realizar los estudios necesarios para o$tener una maestr/a se tendr/a que considerarB la cantidad de tiempo necesaria# la colegiatura y otros gastos# el potencial de salario# y as/ por el estilo@ es decir# datos num&ricos! 1n s/ntesis# los datos num&ricos son la m&dula de los modelos sim$licos! 1<aminemos m s de cerca un e9emplo muy sencillo de modelo sim$lico! 3i se encuentra usted actualmente en =hicago# Illinois# y desea estar en =leveland# Ohio# a la hora de la cena# tal vez le interese estimar el tiempo que tendr que via9ar en su automvil desde =hicago hasta =leveland! 2ara eso podr/a consultar la distancia en *ilmetros en un mapa o por Internet# la cual dividir/a despu&s entre su velocidad promedio t/pica! 1n este caso# su modelo ser/a 3> $?1 donde 3E tiempo# $ E distancia# y 1 E velocidad! 3in duda este modelo es :til! ?o o$stante# advierta que es una simpli0icacin de la realidad# porque se han pasado por alto muchos 0actores que podr/an in0luir en la duracin de su via9e! ?o se ha molestado usted en incluir retrasos por posi$les reparaciones en el camino# las condiciones del tiempo# escalas para a$astecerse de gasolina o para ir al sanitario# y as/ sucesivamente! 3in em$argo# si planea salir alas 9 a!m! y 6 E , horas# entonces el modelo es $astante $ueno para sus propsitos! 1s decir# podr sentirse muy seguro de que llegar a =leveland a tiempo para la cena! 3in em$argo# supongamos que usted no podr salir sino hasta el mediod/a y tiene una reservacin en un restaurante de lu9o para reunirse con una persona muy importante alas ,B). p!m! 1n ese caso podr/a considerar que este modelo es demasiado simple y sentir/a m s con0ianza si lo reC 0inara un poco para incluir otros detalles que lo acercaran m s a la realidad! 2or e9emplo# podr/a aadir una e<presin que representara sus escalas a lo largo del camino! 1ntonces el modelo ser/aB 3 > $?1 @ ;0A2= donde 0 es el tiempo prometido que permanece en cada escala de su 3 via9e y 2 es el n:mero de veces que piensa detenerse! ;sted puede seguir me9orando su modelo si le incorpora m s 0actores! 8lgunos de esos 0actores tendr/an que ser quiz estimaciones o apro<imaciones! Los dos puntos que de$e tener presentes sonB I. ;n modelo siempre es una simpli0icacin de la realidad! II. >e$e incorporar al modelo su0icientes detalles para que 1l resultado satis0aga sus necesidades 3ea consistente con los datos que tiene usted a su alcance# y 2ueda ser analizado en el tiempo con el que usted cuenta para ese propsito!

MO$-'O1 $- $-CI1I52 1n este li$ro hacemos &n0asis en los modelos de decisinB modelos sim$licos en los cuales algunas de las varia$les representan decisiones que de$en 5o al menos podr/an7 tomarse! 1s o$vio que usted no puede cam$iar la distancia entre =hicago y =leveland! 2or otra parte# s/ puede elegir su velocidad# el n:mero de veces que se detendr y el tiempo que permanecer en cada escala! 2or tanto# estas :ltimas son varia$les de decisin! 5>e$en e<istir algunos l/mites para esas varia$lesB es o$vio que usted no puede conducir a 5.. *ph# qu& el depsito de su automvil slo puede contener cierta cantidad de gasolina# que se requiere cierto tiempo para llenar el depsito# y as/ sucesivamente! >iscutiremos estos l/mites en el cap/tulo J# pues son 0undamentales para la construccin de modelos realistas!7 O/Betivos! Las decisiones suelen tomarse para alcanzar un o$9etivo en particular! 8s/# adem s de las varia$les de decisin# los modelos de decisin incluyen una medida e<pl/cita del desempeo que permite cali$rar el grado en que se ha alcanzado ese o$9etivo! ;na de las operaciones cruciales en la construccin de modelos consiste en especi0icar cu l ser la in0luencia de las varia$les de decisin so$re la medida de desempeo! =onsidere los siguientes e9emplosB 1. $odelo para la asi!nacin de la fuer%a de ventas. La varia$le de decisin podr/a serB cu ntos vendedores se asignar n a cada territorio! ;na medida t/pica del desempeo ser/a el ingreso por concepto de ventas# y el o$9etivo podr/a ser ma<imizar dicho ingreso 2. $odelo para la pro!ramacin de actividades en el taller B Las varia$les de decisin podr/an serB cu ntas horas programar determinadas m quinas para 0a$ricar determinadas partes# y en qu& secuencia! Los o$9etivos podr/an consistir en minimizar los costos# el tiempo total de terminacin o los retrasos en las 0echas de entrega! !. $odelo para la administracin de caja. Las varia$les de decisin podr/an serB las cantidades de 0ondos que de$er n mantenerse en cada una de las categor/as 5e0ectivo# t/tulos de la tesorer/a# $onos# acciones7 cada mes! ;n o$9etivo com:n podr/a consistir en minimizar el monto de los intereses perdidos por el hecho de mantener activos l/quidos# es decir# dinero en e0ectivo o su equivalente! En resumen0 I. Los modelos de decisin descri$en en 0orma selectiva la situacin administrativa! 2. Los modelos de decisin designan las varia$les de decisin! !. Los modelos de decisin designan medida5s7 de desempeo que re0le9a5n7 el 5Ios7 o$9etivo5s7! 1.# CO21304CCIO2 $MO$-'O1 3ea sencillo o comple9o# un modelo tiene que ser construido por personas! >esgraciadamente no e<isten Asistemas e<pertosA autom ticos para crear modelos# salvo en aplicaciones estrechas# muy especializadas! La revolucin de la computadora y el desarrollo de programas podr n conducir alg:n d/a a paquetes para la construccin autom tica de modelos hechos por los directores! 3in em$argo# en la actualidad# la construccin de modelos requiere una $uena dosis de arte# e imaginacin# adem s de una pizca de conocimientos t&cnicos! BP 1n un am$iente de negocios# el desarrollo de modelos cuantitativos requiere que se especi0iquen las interacciones de muchas varia$les! 2ara lograr esa cuanti0icacin# el pro$lema de$e e<presarse en t&rminos matem ticos! 1n los siguientes cap/tulos veremos muchos e9emplos de construccin de modelos! ?o se de9e engaar por los e9emplos espec/0icos del te<to# porque en el mundo real no e<iste de ordinario una sola A0orma correctaA de 0ormular un modelo! Los distintos

modelos pueden o0recer perspectivas di0erentes de una misma situacin# a seme9anza de los cuadros de 2icasso y Xan 4ogh que nos hacen ver en 0ormas muy di0erentes una misma escena! 1n la medida en que la construccin de modelos es un arte# sus 0undamentos pueden ensearse igual que los del arte! =omo gu/a general# usted puede dividir en tres pasos el proceso de la construccin de un modeloB I! 1studie el am$iente de la situacin J! -ormule una representacin selectiva de )! =onstruya y analice un modelo sim$lico 5cuantitativo7! administrativa! la situacin!

-134$IO $-' AMBI-23Los reci&n llegados al mundo de la construccin de modelos suelen restar importancia al primero de estos pasos# el estudio del am$iente administrativo! =on 0recuencia# el pro$lema planteado no es una a$straccin apropiada de la situacin real! "uchas veces el pro$lema planteado no es m s que la descripcin de un s/ntoma! >iversos 0actores# como con0lictos en la organizacin# di0erencias entre las metas personales y las de la empresa# y la comple9idad general de la situacin# pueden ser o$st culos que a0ectan la comprensin clara de la situacin! "uchas veces se supone que los datos son conocidos# pero en realidad no es as/! La e<periencia es el ingrediente esencial para el &<ito@ tanto la e<periencia en la construccin de modelos como la e<periencia ! de ha$er tra$a9ado en el am$iente que se pretende estudiar! ,O0M4'ACI52 1l segundo paso# la 0ormulacin del modelo# incluye un an lisis conceptual $ sico en el cual es # necesario hacer suposiciones y simpli0icaciones! La 0ormulacin requiere que el constructor del modelo seleccione o a/sle del am$iente total aquellos aspectos de la realidad que son pertinentes para la situacin en cuestin! =omo quiera que sea# las situaciones administrativas que nos ocupan implican decisiones y o$9etivos# los cuales de$en ser identi0icados y de0inidos de modo e<pl/cito! 2uede ha$er varias 0ormas de de0inir las varia$les de decisin# y tal vez al principio no se encuentre la de0inicin m s apropiada! 6am$i&n los o$9etivos pueden resultar poco claros! Oasta los gerentes m s competentes pueden no sa$er con precisin qu& resultados desean lograr! Otra cuestin igualmente pro$lem tica es que puede ha$er demasiados o$9etivos por satis0acer# lo cual puede imponer la necesidad de escoger slo uno de ellos! 5Xeremos en 0orma muy clara que# com:nmente# no es posi$le optimizar dos o$9etivos di0erentes al mismo tiempo! 8s/# en t&rminos generales# es a$surdo tratar de o$tener Ael mayor rendimiento con la menor inversinA o Ael mayor $ien para el mayor n:mero de personasA!7 La 0igura 1!Y presenta el primer paso 5que a menudo es el m s crucial7 en la 0ormulacin de un modelo de decisinB la identi0icacin de sus principales ingredientes conceptuales! 1n este primer paso tenemos que aplazar 0a construccin de los detalles de tra$a9o del modelo! 1n lugar de eso# nos concentramos en identi0icar 5 17 las entradas del modelo# es decir# los elementos so$re los cuales tra$a9ar &ste# y 5J7 las salidas del modelo# o sea# los resultados que de$er n ser producidos por el mismo! 2or eso en esta etapa se conoce al modelo como la Aca9a negraA# pues no sa$emos 5todav/a7 qu& relaciones lgicas colocaremos dentro de ella! ;na vez que hemos identi0icado las entradas y salidas del modelo# de$emos re0inarlas en dos su$divisiones! Las entradas# conocidas como varia/les e.genas# est n divididas enB 517 decisiones# varia$les que usted controla como gerente# es decir# las varia$les de decisin@ y 5J7 parmetros# varia$les que est n $a9o el control de otras personas o de la A"adre ?aturalezaA!

8lgunos e9emplos de varia$les de decisin ser/an el precio al cual vender usted su producto# la u$icacin de una instalacin propuesta# o incluso la decisin de vender o no una su$sidiaria! 8lgunos e9emplos de par metros son los precios que co$ran los competidores por un producto similar# una restriccin 0/sica de la capacidad de un almac&n# el costo unitario de las materias primas o las lluvias del mes entrante! 6al vez no sea posi$le conocer con anticipacin el valor de muchas entradas incontrola$les! 3i esas entradas se consideran como par metros# entonces es posi$le construir el modelo como si todas ellas 0ueran conocidas! 1l valor num&rico de dichas cantidades se puede especi0icar despu&s de ha$er analizado los datos para calcularlo# o simplemente se pueden asignar valores supuestos durante el an lisis del modelo! Las salidas# llamadas varia/les endgenas# se dividen en 5I7 medidas de desempe*o# varia$les que permiten medir el grado en el cual se han alcanzado las metas# y 5J7 varia/les de consecuencia# las cuales muestran otras consecuencias que ayudan a entender e interpretar los resultados del modelo! Las medidas de desempeo son especialmente importantes porque representan los criterios empleados para determinar hasta qu& punto se est n alcanzando los o$9etivos 0inales! 2or esta razn# a las medidas de desempeo se les llama a menudo %unciones o/Betivo! 8lgunos e9emplos sonB los ingresos# la participacin en el mercado# el costo total# la moral del tra$a9ador# la satis0accin del cliente y el rendimiento so$re la inversin! 1ntre los e9emplos de varia$les de consecuencia podemos citarB la su$divisin de los ingresos# el n:mero de art/culos em$arcados# y otras cantidades que Aes desea$le conocerA! 8 pesar de su sencillez# el marco de los ingredientes conceptuales de la ca9a negra nos o$liga a considerar# desde el principio del proceso de construccin del modelo# qu& de$emos incluir# qu& es conveniente e<cluir del mismo y cmo clasi0icar los 0actores pertinentes! 8 continuacin presentamos algunas preguntas que ilustran la 0orma en que las sencillas ideas de la 0igura 1!Y inducen a la re0le<inB 2ara mi compa/a# dentro del sector privado# Tlas ganancias son una varia$le de decisin o una medida de desempeoU T=u les son e<actamente los con9untos de varia$les de decisin pertinentes# a di0erencia de las que tienen importancia secundaria o terciariaU 2or e9emplo# Tel precio de mi producto es la :nica decisin signi0icativa que de$o considerar# suponiendo que mi presupuesto de proC mocin# u otro 0actor# sea determinado 5tal vez por otra persona7 en una suma espec/0icaU TO tanto el precio del producto como la magnitud del presupuesto de promocin de$en ser considerados como decisiones que yo de$er& tomar en 0orma simult neaU =omo gerente# Tcontrolo verdaderamente el precio de mi productoU# en cuyo caso# Tdicho precio es una varia$le de decisinU TO el precio de mi producto est determinado por las 0uerzas competitivas del mercadoU# en cuyo caso# Tes el precio un par metroU TLa cantidad de producto que ha$r de venderse es una varia$le de decisin y# por tanto# una entrada controla$le del modelo U T O la cantidad por vender del producto

es una salida del modelo 5varia$le de consecuencia7# una vez que se ha determinado su precio como una entradaU TLa moral del tra$a9ador es una medida de desempeo y# por ende# algo en lo que yo puedo in0luir en 0orma administrativa mediante decisiones so$re recursos humanosU T O es un par metro que de$o aceptar como algo dadoU 1n cualquier caso# Tcmo puedo medir la moralU 3i la moral es un concepto demasiado escurridizo para de0inirlo con precisin como una varia$le# Tde$o e<cluirla entonces del modelo y considerarla despu&s como parte de la 0ase de interpretacin del mismoU TO de$er& usar# por e9emplo# el ausentismo de los tra$a9adores como una medida su$ordinada o representativa de la moralU 1n ese caso# Tqu& 0actores podr/an a0ectar al ausentismoU# y Tqu& su$con9untos de &stos son mis varia$les de decisinU 3i la participacin en el mercado se considera como una medida de desempeo# Tcu l es e<actamente la de0inicin del mercado dentro del cual esa participacin se ver in0luida por mis decisionesU T3e trata de una participacin en el mercado regional# nacional o internacionalU TO en los tresU T"e re0iero ala participacin en el mercado este ao# el ao pr<imo o dentro de cinco aosU T>e$o medir la participacin en el mercado en t&rminos de unidades vendidas# o de ingresosU T>e$o incluir las ventas de mi competidor como par metros de entrada en el modeloU pero si las ventas del competidor son entradas e<genas# eso signi0ica que no puedo in0luir en ellas y de$o aceptarlas como un hecho! 3in em$argo# no hay duda de que puedo in0luir en el volumen de ventas de mis competidores# mediante agresivos descuentos de precio o con m s pu$licidad# dos 0actores que podr/an ser mis varia$les de decisin! 1n ese caso# la participacin del competidor en el mercado ser/a una salida endgena 5varia$le de consecuencia7 en mi modelo# en lugar de una entrada e<gena! 2ero si es una salida# entonces# TLa participacin del competidor en el mercado de$e considerarse como una medida de desempeo que de$er minimizarseU 1n mi modelo# Ttengo que incluir mis propias medidas de desempeo# escala de tiempo y visin del mundo# o las que pre0iera mi 9e0eU T1l modelo de$e estar en0ocado en las decisiones de operacin cotidianas# en las decisiones estrat&gicas a largo plazo# o en am$as cosasU T Qu& de$o incluir en t&rminos de mediciones de desempeo o par metros procedentes de entidades e<ternas interesadas# como los rganos de regulacin del go$ierno# los grupos de consumidores y los accionistasU Las t&cnicas que desarrollaremos para construir modelos son aplica$les independientemente de cmo se de0inan las entradas y salidas del modelo! 3in em$argo# las preguntas anteriores ilustran la importancia de usar el 9uicio administrativo para de0inir con claridad los elementos de la ca9a negra! ;n en0oque sugerido para la etapa de la 0ormulacin consiste en de0inir primero el o$9etivo y su5s7 medida5s7 de desempeo@ es decir# las salidas cr/ticas del modelo! >espu&s se considerar qu& entradas del modelo 5varia$les de decisin y par metros7 est n relacionadas con el logro del o$9etivo# ya que in0luyen en la5s7 medida5s7 de desempeo! 8 partir de esta $ase# se desprende en 0orma m s natural el paso cr/tico de de0inir las varia$les de decisin y los par metros que in0luyen en el logro de la meta! -inalmente# este razonamiento regresivo produce la 0ormulacin de la ca9a negra del modelo! ?o o$stante# con 0recuencia es m s 0 cil tra$a9ar en 0orma regresiva# porque para los gerentes es natural pensar en las situaciones en t&rminos de o$9etivos y medidas de desempeo!

CO21304CCI52 1IMB5'ICA ;na vez que se ha llevado aca$o la 0ormulacin 5la cual puede ser un proceso ver$al o escrito7# es necesario construir un modelo sim$lico! La e<periencia ha demostrado que los gerentes generales o directores 0allan en la construccin de modelos en el momento en que se presenta la necesidad de desarrollar las ecuaciones matem ticas que relacionar n entre s/ las varia$les contenidas en la ca9a negra! >e hecho# este paso requiere cuidado porque# 9unto con los datos# las ecuaciones son el AmeolloA de todo el proC ceso de construccin del modelo! 1ste tema es tan importante que le dedicaremos mucha atencin a lo largo del li$ro! 1n e0ecto# el tema central del te<to es que muchos modelos pr cticos pueden ser construidos y analizados por un solo gerente# y con las t&cnicas modernas de las ho9as de c lculo electrnicas! 8un en situaciones m s comple9as# que requieren la intervencin de un equipo interdisciplinario# los modelos preliminares pueden ser iniciados por un gerente no especializado en el tema! ;na de las razones que nos inducen a pensar as/ es que la mayor/a de las ecuaciones contenidas en un modelo sim$lico son simples relaciones de conta$ilidad 54anancia E Ingresos C =osto total7 o de0iniciones 0/sicas 5?:mero de meses E 1JZ ?:mero de aos7 y# por tanto# cualquier gerente puede mane9arlas con 0acilidad! Las relaciones restantes del modelo son m s di0/ciles de desarrollar! 3in em$argo# la mayor/a de los modelos administrativos tienen slo unas cuantas ecuaciones complicadas! 1n esos casos# se requiere algo de pr ctica para desarrollar los conceptos matem ticos correctos que permitan relacionar dos o m s varia$les como parte de la lgica del modelo! ;na t&cnica :til consiste en usar la ha$ilidad personal para di$u9ar una gr 0ica que ilustre la5s7 relacin5es7 deseada5s7! 1s decir# no comienza con la ecuacin matem tica 0inal# siC no con una gr 0ica de la misma# y m s tarde usted mismo 5o un colega con talento7 deduce una ecuacin acepta$le a partir de esa gr 0icaW La t&cnica para lograrlo 0unciona tam$i&n en el an lisis de datos primarios# el cual puede ser necesario para estimar los valores de los par metros! Llamamos a esta t&cnica Aconstruccin de modelos a partir de datosA# un tema $astante importante como para que lo desarrollemos por separado en la siguiente seccin! 1.8 CO21304CCI52 $MO$-'O1 CO2 $A3O1 1n gran parte# las decisiones administrativas se $asan en la evaluacin e interpretacin de datos! 3in em$argo# los datos slo pueden ser interpretados a trav&s del lente de un marco de re0erencia conceptual! 1s di0/cil determinar qu& 0ue primeroB el marco o la recopilacin de datos! 2or supuesto que se requieren datos para construir modelos e0icaces! Los es0uerzos para me9orar la construccin de modelos suelen conducir a la adquisicin y compilacin de m s in0ormacin o de nuevos tipos de datos! La e<istencia de &stos incrementa el $ene0icio potencial del uso de un modelo! =! %est =hurchman# uno de los primeros partidarios del uso de modelos en la administracin ha dicho que en realidad no e<isten datos A$rutosA# pues el acto de reunir y ta$ular esos n:meros re0le9a siempre las tendencias que se tienen respecto a un marco de re0erencia determinada es decir# de un modelo 5mental7! 3in em$argo# una de las caracter/sticas de la civilizacin avanzada# por lo menos en lo que se re0iere a la tecnolog/a# parece ser la adquisicin y el uso simult neos de datos y modelos! Los modelos sim$licos $rindan una 0orma de evaluar e interpretar datos de manera sistem tica y con m s atencin a los detalles# de lo que es posi$le con los modelos mentales! Los modelos sim$licos pueden usarse tam$i&n para generar datos# y &stos suelen ser necesarios para construir modelos 5por e9emplo# para estimar los par metros del modelo7! >e hecho# no es raro el &<ito o el 0racaso de un intento por construir modelos se relacione con la disponi$ilidad# precisin y relevancia de los datos! 1n la construccin y uso pr ctico de modelos administrativos hay que prestar mucha atencin al tema de los

datos! 2or e9emplo# un modelo que requiera [ detallados puede resultar in:til si no se dispone de tales datos o si la recoleccin de los mismos es costosa y demasiado lenta! 1n esta seccin presentamos algunas consideraciones pertinentes para el uso de datos en la construccin de modelos! 1l escenario para esta e<posicin y otras incluidas en el li$ro es una 0irma hipot&tica llamada 2\O6\8=! 1sta$lecida en el este medio de 1stados ;nidos# 2\O6\8= produce m s de J.. art/culos que a$arcan maquinaria agr/cola# maquinaria industrial y para la construccin# productos qu/micos y equipos para huerto y 9ard/n! 3u principal 0uente de ingresos es la venta de m quinas C herramienta para agricultura# construccin# silvicultura# con0ormacin de terrenos y mane9o de materiales! 1stos productos se ela$oran en 1Y 0 $ricas# la mayor/a de las cuales est n localizadas en estados ;nidos# y se venden en todo el mundo! Las decisiones de 2\O6\8= se $asan en gran medida en la in0ormacin disponi$le# es decir# en la evaluacin e interpretacin de datos! 8ntes di9imos que# desde el punto de vista de la =onstruccin de modelos# las decisiones recomendadas por medio de ellos se e<presan como un n:mero que representa tal vez un precio o la cantidad de art/culos que es preciso vender! 6enga muy presente esta de0inicin! 6am$i&n queremos que capte con mucha claridad lo que entendemos por datos! 2ara nuestros 0ines# la pala$ra datos signi0ica tam$i&n n:meros! 2ara apreciar la /ntima relacin entre n:meros y modelos# supongamos que la gerencia de 2\O6\8= de$e tomar una decisin so$re el monto de dinero que de$e asignar a su mercadot&cnia en 1uropa! 8ntes de tomar tal decisin# la gerencia desea tener una idea del e0ecto que dicha asignacin producir/a en el total de las ventas europeas! =on ese propsito# una 0uncionaria e9ecutiva consult la $ase de datos de la corporacin para o$tener in0ormacin so$re los gastos de mercadot&cnia y# el total de ingresos por concepto de ventas en 1uropa durante un periodo de 1J aos# despu&s de lo cual introdu9o dichos datos a su ho9a de c lculo 1<cel# como muestra la 0igura 1!5! 1sta ho9a de c lculo no es m s que un medio para comunicar los datos requeridos! 3e ha elegido ese 0ormato para la ta$la por simple comodidad@ es importante sealar que su propsito consiste en sugerir relaciones especiales entre los distintos n:meros! 3in em$argo# supongamos! que despu&s de ha$er estudiado los datos de la 0igura 1!5# la e9ecutiva supone o esta$lece la hiptesis de cierta relacin entre los gastos de mercadotecnia y las ventas! 1lla puede considerar! por e9emplo# que el ingreso total por la venta de su producto en un ao determinado depende directamente slo de los gastos de mercadotecnia en ese ao# y no de los ingresos por ventas o los gastos de mercadotecnia en aos anteriores! >icho de otro modo# ella cree que el ingreso total por concepto de ventas es independiente del tiempo! 5Las pala$ras depende directamente impIican que un gasto mayor en mercadotecnia se traduce en ventas m s altas!7 8s/# la e9ecutiva de$e estimar que las ventas por ]1!( millones en 199J slo estuvieron relacionadas en 0orma signi0icativa con los ]Y..#... gastados en mercadotecnia durante ese mismo ao! 1n 0orma alternativa# la 0uncionaria podr/a considerar que las ventas de 199J se relacionaron m s $ien con gastos de mercadotecnia en 19(9! O $ien# puede ela$orar la hiptesis de que las ventas de 199J dependieron por igual de los gastos de mercadotecnia en 19(9# 199. y 1991!

FIGURA 1.5 Gastos de mercadotecnia e ingresos por ventas en PROTRAC, sucursal europea, 1986 - 1997 en miles de d!lares" 2odr/amos ela$orar hiptesis so$re muchas relaciones posi$les! 1s o$vio que las relaciones apropiadas depender/an de muchos 0actores asociados con el am$iente real de 2\O6\8=! 8dem s# hemos e<presado las relaciones de nuestra hiptesis en t&rminos vagos# parcialmente cuantitativos! 1s decir# di9imos en 0orma hipot&tica que las ventas de 199J dependieron directamente de los gastos de mercadotecnia correspondientes a ese ao# pero nuestra hiptesis no incluy una relacin cuantitativa espec/0ica! 2odr/amos hacer unaB declaracin cuantitativa espec/0icaB las ventas reales en 199J 0ueron Y!5 veces mayores que el gasto en mercadotecnia durante el mismo ao! 1sto signi0ica que en 199J se o$tuvieron# en promedio# Y!5 dlares de ventas por cada dlar de mercadotecnia! 3in em$argo# este hecho por s/ mismo# no nos permite concluir que un gasto de ],..#... en 199J hu$iera conducido aun nivel de ventas de ]J!7 millones! 8dem s# Trealmente el 0actor de proporcionalidad de 199J tiene alguna importancia para la decisin actualU 1n 1997# por e9emplo# el 0actor de proporcionalidad 0ue Y!.# no Y!5! TQu& relacin e<iste entre los datos de 1997 y los de 199JU TLas actuales t&cnicas de mercadotecnia de 2\O6\8= son m s seme9antes a las de 1997 que a las de 199JU TO la operacin ha permanecido $ sicaC mente igual entre 199J y 1997U T y qu& podemos decir de otros 0actores relevantes# como las condiciones econmicas en generalU 3i esta$lecemos la hiptesis de una relacin causal entre la mercadotecnia y las ventas de cada ao# entonces los datos revelan que# en promedio# cada dlar gastado en mercadotecnia 0ue m s e0ectivo en 199J que en 1997! TQu& 0actores del mundo real nos permitir/an e<plicar esos di0erentes grados de e0icacia en los distintos aosU 1s decir# Tcu les de las interacciones del mundo real est n re0le9adas en esos datosU 6al vez se trate de di0erencias en las t&cnicas de pu$licidad# o di0erencias graduales del mercado y la demanda# lo cual# a su vez# podr/a de$erse a di0erentes condiciones econmicas# al clima o a pol/ticas del go$ierno! =omo gerente# usted de$e considerar ese tipo de preguntas en cuanto empiece a interpretar los datos de la ta$la! 2ero el o$9eto de la e<posicin actual es &steB en cuanto usted empieza a esta$lecer hiptesis so$re cualquier relacin entre sus datos# inicia la 0ormulacin de la5s7 ecuacin5es7 de un modelo! 1s decir# ya est empezando a interpretar los datos como un re0le9o de importantes relaciones su$yacentes! 2or tanto# la 0igura 1!5 tiene un signi0icado especialB se ha convertido en una representacin selectiva de la realidad! =omo tal# una simple ta$la de datos enca9a en nuestra de0inicin anterior de modelo! 1s importante su$rayar que# por s/ mismos# los datos no representan un modelo! 8islados# los n:meros no signi0ican m s que un registro de hechos 5p! e9!# el ingreso total por concepto de ventas en 1uropa 0ue de ]1!( millones en 199J7! 3lo

cuando se adscri$e cierta relacin a los n:meros es cuando empieza a e<istir un modelo# por lo menos en 0orma em$rionaria! 1.9 C4-13IO2-1 0-'ACIO2A$A1 CO2 'O1 $A3O1 ,O0MA1 6 ,4-23-1 $$A3O1 1s posi$le que esos datos ya est&n anotados en la $ase de datos de una computadora 5listos para ser importados en una ho9a de c lculo7# que est&n impresos en papel o# lo m s com:n# que no hayan sido registrados sistem ticamente# por lo cual se requiere un es0uerzo adicional para su recoleccin! Los datos pueden estar medidos en li$ras o toneladas# 0rancos o dlares! La cuestin de las unidades suele ser importante cuando se tra$a9a con datos! 2or e9emplo# Ten qu& moneda de$e medir la gerencia de 2\O6\8= sus ventas en 1uropaU 3i la respuesta es en dlares#Tqu& tipos de cam$io de$e aplicar para convertir divisas e<tran9eras a dlaresU Los tipos de cam$ios var/an de cuando en cuando# y el e0ecto de sus variaciones puede introducir slo pequeas imper0ecciones en nuestros c lculos# pero tam$i&n es posi$le que le d& a nuestro mundo un aspecto nota$lemente distinto! La decisin de cmo recopilar# almacenar e interpretar datos est go$ernada por los usos que se vayan a dar a dichos datos! 2or desgracia# es com:n que la in0ormacin reunida en $ases de datos de empresas haya sido recopilada con otros propsitos# como in0ormes 0inancieros# por lo cual de$e tenerse mucho cuidado en investigar las 0uentes y de0iniciones de in0ormacin# si los datos a ser utilizados de nuevo para la construccin de modelos administrativos y la toma de declslones! Los datos pueden provenir de registros del pasado! Los datos pueden ser generados a trav&s de o$servaciones directas o estimaciones realizadas en el presente! 1n particular# los datos pueden ser producidos por un modelo que requiera determinadas decisiones como entradas! 2or e9emplo# los datos pueden ser generados mediante pronsticos del 0uturo! A(0-(ACI52 $$A3O1 . ;na de las consideraciones importantes cuando se usan datos es el grado de agregacin o consolidacin deseado! 2or e9emplo# Trequiere nuestro modelo datos so$re las ventas anuales totales de los :ltimos cinco aos# o de las ventas anuales totales por planta en ese periodo# o de las ventas anuales totales por planta y por producto en ese lapsoU 1sta lista de requisitos descri$e datos en 0orma cada vez m s disgregada o pormenorizada! Los datos disgregados tienen m s detalle y su o$tencin es# en general# m s di0/cil y costosa! 3in em$argo# tam$i&n son m s valiosos porque contienen m s in0ormacin! 8dem s es posi$le agregar datos disgregados# pero no siempre es posi$le hacerlo inverso! 8s/# si las ventas totales por planta y por producto son conocidas# es posi$le o$tener las ventas totales# producto y por pa/s# o las ventas totales por pa/s# o las ventas totales por producto# o las ventas totales por planta! 1n cam$io# resulta evidente que en este caso no ser/a posi$le partir de las ci0ras agregadas para e<traer de ellas las ci0ras disgregadas! Los $ene0icios de la s/ntesis de datos que proporciona la agregacin tienen un costoB la agregacin renuncia a una parte de la in0ormacin! 8un cuando los datos disgregados son desea$les porque contienen m s in0ormacin# tam$i&n es verdad que tales datos pueden estar demasiado disgregados para ser incorporarlos a una ho9a de c lculo o para que los use con comodidad un gerente en particular! 1n t&rminos de la decisin de construir o no nuevas plantas en 1uropa# los e9ecutivos de 2\O6\8= pueden tener inter&s en comparar una pequea y selecta recoleccin de datos adicionales o agregados! 1s decir# su decisin puede $asarse en un modelo simpli0icado que represente selectivamente la realidad con unos cuantos n:meros seleccionados# escritos Aen el reverso de un so$reA! >e$e resultar o$vio que# pasando por alto los costos del procesamiento# un mayor n:mero de datos slo puede conducir a me9ores decisiones! 53i esto no es o$vio# por lo

menos de$e resultar claro que un mayor n:mero de datos no nos puede conducir a peores decisiones!7 ?o o$stante# tam$i&n es cierto que e<iste un l/mite en el grado de disgregacin que puede digerir cada uno de los individuos que est n a cargo de tomar las decisiones! 2or 0ortuna# los modelos de ho9a de c lculo electrnica pueden tra$a9ar con in0ormacin mucho m s detallada que los individuos@ &sta es una de las principales 9usti0icaciones para utilizarlos! \ecuerde que# a medida que las situaciones administrativas se vuelven m s comple9as y so0isticadas# los detalles adquieren cada vez m s importancia! 3in em$argo# estamos ante una espada de dos 0ilos! 3i $ien los modelos suelen tener datos disgregados# a veces la propia disgregacin crea pro$lemas insupera$les! 2or e9emplo# la disgregacin puede dar lugar a demasiadas varia$les# con lo cual el modelo resulta demasiado largo e incmodo para usarse# o puede requerir un tra$a9o de recopilacin de datos costoso y prolongado! 8 este respecto# el equili$rio est entre el ideal de usar la mayor/a de los datos disponi$les 5sumamente detallados y pormenorizados7 y la necesidad pr ctica de mantener la simplicidad del modelo! 0-,I2ACI52 $$A3O1 1l t&rmino re0inacin se emplea a menudo como sinnimo de disgregacin# pero eso no es del todo correcto! Los datos que est n muy re0inados 5se les descri$e a menudo como altamente estructurados7 corresponden a datos muy disgregados# pero lo inverso no siempre es cierto! ;na cantidad considera$le de datos puede ser 0 cilmente accesi$le en la $ase de datos de la red corporativa conocida como Aalmac&n de datosA! 1s posi$le que los datos sean pertinentes para la situacin que usted est estudiando# pero es 0recuente que los datos no se encuentren en la 0orma apropiada! 6al vez encontremos datos anuales acerca del volumen total de ventas y datos anuales so$re el n:mero total de plantas en operacin# pero para nuestro modelo podemos requerir las ventas promedio por planta realizadas cada ao! >ichas PXentas pueden calcularse mediante manipulaciones sencillas de los datos e<istentes# usando la ho9a de c lculo electrnica! 1ste proceso de manipulacin# Amasa9eA o AtrituracinA de in0ormacin# puede designarse con mayor propiedad como la re0inacin de los datos! 6ales procesos de re0inamiento pueden requerir e<tensivas manipulaciones en la ho9a de c lculo electrnica# seg:n el material disponi$le y el que usted requiera para la construccin de su modelo! 1.C MO$-'O1 $-3-0MI2I13ICO1 6 &0OBABI'I13ICO1 3a$emos que este li$ro est dedicado a los modelos de decisin@ sin em$argo# $a9o ese ru$ro general se e<tiende un c:mulo de conocimientos muy mplios diversi0icado! 2or eso es :til contar con una ta<onom/a# una 0orma de organizar el material para que podamos ver el $osque antes de meternos en el y de que los propios r$oles nos impidan verlo! 2or e9emplo# los modelos para la toma de decisiones se clasi0ican con 0recuencia seg:n la 0uncin de negocios a la cual se aplican 50inanzas# mercadotecnia# conta$ilidad de costos# operaciones@ etc!7 o por la disciplina de aplicaciones o la industria involucrada 5ciencias# ingenier/a# econom/a# organizacin militar# instituciones no lucrativas# transporte# capital de riesgo# etc!7!!6am$i&n pueden clasi0icarse seg:n el nivel de la organizacin en el cual se aplican 5estrat&gicos vs! t cticos7# por el marco temporal elegido 5largo vs! corto plazo7# por el tipo de matem ticas utilizadas 5ecuaciones lineales vs! ecuaciones no lineales7 y por la tecnolog/a aplicada en la construccin del modelo 5ho9a de c lculo electrnica# paquete de so0t+are personalizado# l piz y papel# etc!7! =ada una de esas tipolog/as provee mayores conocimientos acerca de los usos y la aplica$ilidad de cada modelo! 1n este li$ro usaremos una tipolog/a m s para organizar nuestra apro<imacin a la construccin de modelosB modelos determin/sticos vs! pro$a$il/sticos! MO$-'O1 $-3-0MI2I13ICO1 Los modelos determin sticos son aqu&llos donde se supone que todos los datos pertinentes se conocen con certeza! 1s decir# en ellos se supone que cuando el modelo sea analizado se tendr disponi$le toda la in0ormacin necesaria para tomar las

decisiones correspondientes! ;n e9emplo de modelo determin/stico ser/a la asignacin de la tripulacin de una aerol/nea para cada uno de sus vuelos diarios del mes pr<imo# conociendo los horarios de vuelos# el personal disponi$le# las restricciones legales so$re las horas de tra$a9o# las reglas del sindicato y as/ sucesivamente! =omo veremos en los cap/tulos dedicados a los modelos determin/sticos# &stos pueden mane9ar situaciones comple9as en las que hay muchas decisiones y restricciones! La utilidad de los modelos determin/sticos suele ser m <ima cuando unas cuantas entradas no controladas del modelo presentan incertidum$re! 1n consecuencia# los modelos determin/sticos se utilizan a meC nudo# aunque no siempre# para la toma de decisiones internas de una organizacin# como en el e9emplo acerca del programa de tra$a9o para la tripulacin de una aerol/nea! Los modelos determin/sticos ser n e<puestos en las dos primeras partes de este li$ro! 1l resto de la primera parte est dedicado a la construccin de modelos en general utilizando ho9as de c lculo electrnicas 1<cel# y casi toda la segunda parte se re0iere a modelos de optimizacin restringidos! 1n la segunda parte se presentar el tema de la programacin lineal 52L7# que es el ca$allo de $atalla de los modelos de optimizacin restringida! 1n la segunda parte usted aprender a 0ormular modelos &'# a optimizarlos ya interpretar la solucin! 1n la segunda parte veC remos tam$i&n muchos otros modelos! 1ntre ellos 0iguran la programacin con enteros# la no lineal y la de o$9etivos m:ltiples# que son primas hermanas de la 2L! Los modelos determin/sticos son importantes por cinco razonesB 1. ;na asom$rosa variedad de importantes pro$lemas de administracin pueden 0ormularse como modelos determin/sticos! 2. "uchas ho9as de c lculo electrnicas cuentan con la tecnolog/a necesaria para optimizar modelos determin/sticos# es decir# para encontrar decisiones ptimas! =uando se trata en particular de modelos 2L grandes# el procedimiento puede realizarse con mucha rapidez y 0ia$ilidad! !. 1l su$producto de las t&cnicas de an lisis es una gran cantidad de in0ormacin muy :til para la interpretacin de los resultados por la gerencia! ". La optimizacin restringida# en particular# es un recurso e<tremadamente :til para re0le<ionar acerca de )ituaciones concretas# aunque no piense usted construir un modelo y optimizarlo! #. La pr ctica con modelos determin/sticos le ayudar a desarrollar su ha$ilidad para la 0ormulacin de modelos en general! MO$-'O1 &0OBABI'I13ICO1 1n los modelos pro/a/il sticos# o estoc sticos# algunos elementos no se conocen con certeza! B#W#1s decir# en los modelos pro$a$il/sticos se presupone que algunas varia$les importantes# llamadas varia$les aleatorias# no tendr n valores conocidos antes que se tomen las decisiones correspondientes# y que ese desconocimiento de$e ser incorporado al modelo! ;n e9emplo de modelo pro$a$il/stico podr/a ser la decisin de esta$lecer una compa/a de Internet mediante la venta p:$lica de acciones de capital# antes de sa$er si el mercado para nuestra o0erta ser 0avora$le 5mercado en alza7 y rendir un alto precio de las acciones# o des0avora$le 5mercado sostenido7 y el precio de &stas ser $a9o! =omo veremos en la tercera parte del li$ro# esos modelos incorporan la incertidum$re a trav&s de las pro$a$ilidades del mercado de valores! 1stos modelos tienden a reportar su mayor utilidad cuando intervienen en ellos muchas entradas inciertas y hay pocas restricciones! 1n consecuencia# los modelos de incertidum$res usan a menudo para la toma de decisiones estrat&gicas re0erentes a la relacin de una organizacin con su am$iente 5incierto7# como el del e9emplo de la o0erta de acciones al p:$lico! 1n la tercera parte del li$ro aprender # qu& tipos de criterios puede aplicar cuando el 0actor incertidum$re interviene en el modelo# y cmo tomar una decisin ptima ala luz de

esos criterios! 6am$i&n en este caso tenemos pro$lemas de decisin que son cuantitativos# en los cuales tratamos de optimizar alguna 0uncin de las varia$les de decisin! 1ntre los temas de esta parte del li$ro 0iguranB an lisis de decisiones# 0ilas de espera# simulacin# administracin de proyectos y pronsticos! 2uesto que la incertidum$re desempea un papel 0undamental en dichos modelos# esta parte del li$ro requiere ciertos conocimientos previos de c lculo de pro$a$ilidades y estad/stica! 1l ap&ndice 8 de este te<to o0rece un $reve repaso de conceptos so$re pro$a$ilidades! 8unque seguramente eso no $astar para que usted se vuelva un e<perto# le $rindar una introduccin 5o un repaso7 a los conceptos clave que se requieren para la de$ida comprensin de estos cap/tulos! 1.D CIC'O1 -2 'A CO21304CCI O2 $MO$-'O1 2ara entender me9or el lugar que ocupan los modelos en el proceso de su construccin y an lisis# ser conveniente que clasi0iquemos los modelos sim$licos a partir de las dimensiones ilustradas por medio del diamante que aparece en la 0igura 1!,! =on0rontados entre s/# los lados derecho e izquierdo del diamante se re0ieren a los e<tremos polares que corresponden ala construccin de modelos determin/sticos 0rente a la construccin de modelos pro$a$il/sticos! 2or supuesto# ning:n modelo es completamente determin/stico 5ausente de incertidum$re en todas sus varia$les7 ni totalmente pro$a$il/stico 5con incertidum$re en los valores de todas las varia$les7!

Xolviendo al e9emplo anterior de la programacin de actividades para la tripulacin de una aerol/nea# el clima o la en0ermedad podr/an pertur$ar los vuelos o la disponi$ilidad de los miem$ros de la tripulacin en 0ormas inesperadas# lo cual comprometer/a las asignaciones de tripulacin propuestas por el modelo! 1n 0orma similar# en el e9emplo de la o0erta de las acciones de Internet# las condiciones del mercado podr/an ser previsi$les con un grado adecuado de certeza# o $ien# el modelo de la o0erta de acciones podr/a incluir la decisin de aplazar en :ltimo minuto la operacin si las condiciones se tornan des0avora$les# con lo cual podr/a mitigarse el e0ecto de la incertidum$re! La con0rontacin entre los e<tremos superior e in0erior del diamante se re0iere a los

e<tremos polares de la construccin de modelos deductivos 0rente a la de modelos de in0erencia! La primera supone que el modelo puede desarrollarse inicialmente en0ocando las varia$les mismas# Interrelacion ndolas despu&s en el modelo por medio de suposiciones so$re las relaciones alge$raicas y los valores de cualquier n:mero de par metros! 1n consecuencia# la construccin de modelos deductivos tiende a avanzar Ade arri$a hacia a$a9oA# dando un valor especial a los conocimientos y 9uicios que el autor puede tener de antemano# tanto acerca de las relaciones matem ticas y los valores de los datos# como so$re la 0utura aplica$ilidad de esos conocimientos procedentes! Los modelos resultantes tienden a ser Apo$res en datosA inicialmente# pues incluyen slo algunas decenas o centenares de datos# que con 0recuencia est n e<presados como los par metros supuestos del modelo! 1n la construccin de modelos de in0erencia# en lugar de empezar con suposiciones se presume que el modelo puede desarrollarse centr ndose en las varia$les mismas# tal como se re0le9an en la coleccin de datos e<istentes# relacion ndolas entre s/ en el modelo mediante el an lisis de los datos para determinar sus relaciones y estimar los valores de cualquiera de los par metros! 1l resultado es que la construccin de modelos de in0erencia tiende a avanzar Ade a$a9o hacia arri$aA# concediendo un valor especial a la precisin y disponi$ilidad de los datos y los 9uicios so$re la 0utura aplica$ilidad de ellos! Los modelos resultantes tienden a ser inicialmente Aricos en datosA# con varios centenares o millares de &stos# que a menudo se re0inan despu&s para estimar los par metros del modelo! 1l diamante tam$i&n ilustra que las cuatro dimensiones que 0orman sus 0acetas son a$ordadas por los gerentes en el proceso para construir modelos# so$re todo en las etapas 0ormativas iniciales! 1s decir# la construccin de modelos pocas veces se realiza usando una sola de las dimensiones o siguiendo una simple Areceta de cocinaA donde se com$inen dichas dimensiones! 1n lugar de eso# los elementos del modelo son ensayados# pro$ados# evaluados 5a menudo su$9etivamente en un principio7# revisados# vueltos a ensayar y as/ sucesivamente# en 0orma iterativa# saltando de una A0acetaA el diamante a otra ya sea mediante la creatividad o el estilo de una Alluvia de ideasA!

2or e9emplo# un gerente de 2\O68= podr/a empezara a construir un modelo para el c lculo del costo de un producto por medio de un modelo de decisiones# suponiendo o razonando 5por el m&todo deductivo7# que el costo total de $ienes vendidos representa ,.^ del ingreso total# y considerando que el porcenta9e del Acosto de los $ienesA 5,.^7 es conocido 5determin/sticos7! 1sto hace pasar de la parte superior del diagrama a la 0aceta derecha de un modelo determin/stico! =uando est& m s avanzado el proceso de construccin del modelo# tal vez desee Adar alg:n vistazo a algunos datos histricos so$re costos e ingresosA # con lo cual descender hasta la 0aceta del diamante que corresponde al an lisis# u$icado a la derecha y a$a9o en el diagrama! >espu&s de analizar los datos histricos 5por in0erencia7# quiz decida modi0icar el porcenta9e a ,)^ por e9emplo! 8 continuacin# podr/a e<aminar el e0ecto de esa desviacin en los costos generales o la renta$ilidad del modelo 2\O6\8= en con9unto# esto la llevar/a de nuevo a su 0aceta de la decisin de la derecha# en la construccin del modelo representando en la mitad derecha de la 0igura 1!7! Sa m s avanzado el proceso de construccin del modelo# los colegas podr/an convencer a la gerente de que el porcenta9e del costo de los $ienes no permanece en el valor 0i9o del ,!)^# sino que var/a en 0orma un tanto aleatoria a causa de la varia$ilidad en los precios de productos primarios que paga 2\O6\8= por sus materias primas! =on esto# el proceso de construccin del modelo pasar/a a la mitad izquierda del diagrama! " s tarde a:n# la gerente podr/a tratar de simpli0icar su modelo pasando por alto la incertidum$re reconocida en torno al porcenta9e del costo de los $ienes 5por e9emplo# porque otras proyecciones de Tqu& pasar/a siU# sugieren que la varia$ilidad en los precios de los productos primarios no a0ecta materialmente la toma de decisiones7! =on esto# la parte del modelo correspondiente a la relacin del costo de los $ienes se desplazar/a de nuevo a la mitad derecha del diamante que aparece en el diagrama! 1ste :ltimo desplazamiento muestra que en el proceso de construccin de modelos e<isten ciclos o circuitos cerrados horizontales# adem s de los verticales cuyo diagrama aparece en la 0igura 1!7! 1l en0oque iterativo del tipo ensayoCerror para la construccin de modelos ilustrado en la 0igura 1!7 es sumamente creativo! 8 eso se de$e que la 0ormulacin de modelos administrativos sea m s un arte que una ciencia! S# como todo arte# se aprende o$servando con sentido cr/tico # los e9emplos realizados por otras personas y practicando# practicando# practicando! 1.1E CO21304CCI52 $MO$-'O1 6 3OMA $$-CI1IO2-1 1n t&rminos generales# el &<ito en la aplicacin de modelos para la toma de decisiones en el mundo real puede dividirse en cuatro etapas# las cuales muestran una estrecha correspondencia con los elementos del proceso de construccin de modelos ilustrado en la 0igura 1!1 B I. -ormulacin del modelo y construccin del mismo# es decir# el proceso de tomar situaciones administrativas del mundo real# a$straerlas en una 0ormulacin y despu&s desarrollar los t&rminos matem ticos de un modelo sim$lico@ 2. 8n lisis del modelo para generar resultados@ !. Interpretacin y validacin de los resultados del modelo# asegur ndose de que la in0ormacin disponi$le o$tenida del an lisis ha sido interpretada en el conte<to de la situacin original en el mundo real@ y ". Implementacin# es decir# aplicar a la toma de decisiones en el mundo real# el conocimiento validado que se o$tuvo con la interpretacin de los resultados del modelo! =omo en la propia construccin de modelos# las cuatro etapas anteriores casi nunca se realizan en secuencia@ m s $ien# los gerentes las aplican en 0orma iterativa! Los modelos se construyen c/clicamente# como se descri$i en la seccin anterior! >espu&s se

analizan para o$tener los resultados# los cuales se interpretan cr/ticamente# y de ellos se e<traen recomendaciones que muchas veces no satis0acen ni la m s sencilla prue$a de validacinB Tlos resultados interpretados y las recomendaciones violan el sentido com:nU! 1l sentido com:n es la prue$a m s o$via de la validez de un modelo! 3i en &ste no se detectan errores lgicos 0 ciles de identi0icar# pero los resultados o recomendaciones transgreden el sentido com:n# no hay m s remedio que regresar ala primera etapa para diagnosticar si la situacin administrativa no 0ue de0inida adecuadamente# si se perdi demasiado realismo en la 0ormulacin# si el modelo mismo es de0iciente# y otras cosas por #el! estilo! 4eneralmente# es necesario hacer un $uen n:mero de repeticiones antes de producir un modelo acepta$le o# en algunas ocasiones# antes que el gerente comprenda que su sentido com:n no 0ue aplicado con acierto por principio de cuentas! 3ea como 0uere# es errneo concluir que esas repeticiones 0ueron una p&rdida de tiempoB durante el proceso mismo se aprenden muchas cosas# a medida que se van per0eccionando tanto los modelos como los conocimientos del gerente! <A'I$ACI52 $-' MO$-'O 2or s/ solo# el sentido com:n di0/cilmente o0rece un camino cient/0ico para validar la construccin de un modelo! 2or desgracia# tam$i&n otras t&cnicas de validacin tienen sus limitaciones! 2or e9emplo# con 0recuencia se valida un modelo diciendo que una organizacin ahorr en sus costos y o$tuvo en ganancias cuando lo us como $ase para sus decisiones! 1sto plantea la pregunta de s/ el desempeo hu$iese me9orado lo mismo 5_ o quiz m sW7 sin el modelo! =onsiderando que# en general# no es posi$le realizar una e<perimentacin $a9o control# un m&todo imper0ecto para validar un modelo consiste en usarlo para Apredecir la historiaA! 1n e0ecto# para pro$ar el modelo# se utilizan como entradas datos histricos so$re decisiones# par metros y resultados o$tenidos en una situacin similar en una &poca ya conocida! 8 continuacin se comparan los dos con9untos de resultados# los del modelo y los de la historia# y el modelo queda validado si e<iste similitud entre ellos! 2or :ltimo# se analiza el modelo y cualquier venta9a adicional en t&rminos de me9ores recomendaciones para la toma de decisiones es una evidencia del valor del mismo@ desde luego# suponiendo que la validez histrica implica que el modelo tam$i&n ser v lido en el 0uturo! 1n el :ltimo an lisis# usted de$e recordar que el desempeo administrativo es evaluado su$9etivamente todos los d/as en condiciones mal de0inidas de toma de decisiones! =omo tecnolog/a de respaldo para las decisiones de esos mismos gerentes# no es razona$le atri$uir ala construccin de modelos una categor/a cient/0ica m s elevada y casi inalcanza$le! 8 la postre# la validacin de un modelo y la utilidad de su construccin son 9uicios de valor! 3eg:n lo ha deC mostrado la e<periencia# los gerentes que se comprometen y participan activamente en este proC ceso tienen muy pocas di0icultades para realizar tales 9uicios de valor!

42A &-01&-C3I<A ,I2A' 8unque los di0erentes grupos de estudiantes pueden poner de relieve distintas partes del material# alguna perspectiva del maestro y las necesidades del grupo# recuerde que en todo este li$ro se hace &n0asis en el en0oque administrativo que muestra la 0igura 1!1! 1ste en0oque en la construccin de modelos se interesa# ante todo# en identi0icar situaciones# 0ormular modelos# analizarlos# interpretar los resultados y llevar a las pr cticas las decisiones! 1n la e<posicin de la construccin de modelos# nuestro motivo principal es el inter&s de aplicar estos en0oques en el mundo real! 3in eso# usted# el usuario de ho9as de c lculo electrnicas# ser/a un programador ` matem tico puro y usted# el gerente# no tendr/a tra$a9o! 1. 11 3-0MI2O'O(IA $- 'A CO21304CCIO2 $- MO$-'O1 >espu&s de esta introduccin# creemos que ya est usted casi listo para pasar al cap/tulo J# donde principia el e<amen de la construccin de modelos en ho9as de c lculo! 3in em$argo cerramos este cap/tulo con una advertencia importante! 8unque la mayor/a de los t&rminos que se han empleado para descri$ir la construccin de modelos son muy directos# la terminolog/a de A;n modelo en particular se torna necesariamente m s precisa a medida que evoluciona su construccin! 1sto se de$e a la necesidad de de0inir con cuidado las varia$les y relaciones del modelo! 2or desgracia# este requisito tiene un precioB el uso de la terminolog/a especializada de =onstruccin de modelos 5por e9emplo# varia$le de decisin# par metro# e<geno# etc!7 resulta discordante para otros gerentes# que a menudo son persona9es importantes durante la implementacin! La ta$la 1!J presenta unos cuantos t&rminos de la especialidad# sus de0iniciones y e9emplos# 9unto con e<presiones administrativas que sugerimos para el uso coloquial! 1l l&<ico administrativo m s pintoresco suele ser muy :til para comunicar a otras personas las ideas de la construccin de modelos en la etapa de la ca9a negra! 1. 12 0-14M-2 1ste cap/tulo presenta una visin general so$re el uso de los modelos cuantitativos para la toma de decisiones# con &n0asis especial en su desempeo como herramientas para el gerente! 3e ha su$rayado la interaccin entre gerente y modelo# prestando atencin particular al papel que 9uega el gerente como la persona que en :ltima instancia toma las decisiones y es el constructor# usuario y valuador de los modelos! Oemos e<plorado la relacin entre la construccin de modelos y la intuicin administrativa en el proceso de la toma de decisiones! Los modelos son una representacin limitada de la realidad y# por esa razn# los resultados del an lisis de un modelo no son necesariamente la solucin idnea para la

situacin administrativa original! 1n particular# hemos hecho hincapi& en que la idea de AptimoA es una concepcin matem tica# no un concepto perteneciente al mundo real! 3in em$argo# si un modelo ha sido $ien 0ormulado y su resultado se interpreta cuidadosamente# podr proveer un valioso acervo de in0ormacin para la persona encargada de tomar decisiones! Los modelos son una representacin limitada de la realidad y# por esta razn# los resultados del an lisis de un modelo no son necesariamente la solucin idnea para la situacin administrativa original! 1n particular hemos hecho incapi& en que la idea de ptimo# es una concepcin matem tica# no un concepto perteneciente al mundo real! 3in em$argo# si un modelo ha sido $ien 0ormulado y su resultado se interpreta cuidadosamente# podr proveer un valioso acervo de in0ormacin para la persona encargada de tomar decisiones!

Introduccin. 1ste li$ro trata so$re el uso de m&todos cuantitativos para ayudar en la toma de decisiones! ?o se hace &n0asis en los m todos mismos# sino en la 0orma en que estos pueden contri$uir a la toma de me9ores decisiones@ nuestro procedimiento es descri$ir situaciones en las que se han aplicado con &<ito m&todos cuantitativos y a continuacin mostrar como puede un administrador utilizarlos para llegar a me9ores decisiones! 8 lo largo del li$ro se encuentran dispersas $reves descripciones de aplicaciones de m&todos cuantitativos que han tenido &<ito# a las que hemos identi0icado como "&todos =uantitativos en 8ccin! 6am$i&n al 0inal de la mayor parte de los cap/tulos# aparece un in0orme cr/tico que descri$e "&todos =uantitativos en la 2r ctica en algunas organizaciones! se le han dado di0erentes nom$res a todo el con9unto de conocimientos que involucran procedimientos cuantitatiovos para la toma de decisiones! Los m s comunes son ciencias de la administracin# investigacin de operaciones y ciencias de las decisiones! 6odos tratan de procedimientos racionales para la toma de decisiones con $ase en m&todos cient/0icos@ el material que se descri$e en este li$ro es el n:cleo central de conocimientos correspondiente a estos campos! La revolucin de la administracin cient/0ica que inici -rederic %! 6aylor# a principios del siglo# puso las $ases para el uso de los m&todos cuantitativos en la administracin# pero se considera que el uso moderno de los m&todos cuantitativos se origino durante la 3egunda 4uerra "undial# cuando se organizaron equipos para ocuparse de pro$lemas estrat&gicos y t cticos que los militares ten/an que en0rentar! 1stos equipo# que a menudo esta$an 0ormados por personas de diversas especialidades 5por e9emplo# matem ticos# ingenieros y cient/0icos del comportamiento7# se reunieron para resolver un pro$lema com:n mediante m&todos cient/0icos! >espu&s de la guerra# muchos de los miem$ros de estos equipos continuaron investigando procedimientos cuantitativos para la toma de decisiones! >e hechos que ocurrieron en el periodo posterior a la 3egunda 4uerra "undial# llevaron al desarrollo y uso de los m&todos cuantitativos en aplicaciones no militares! 2rimero# la investigacin ininterrumpida produ9o numerosos desarrollo metodolgicos! 2ro$a$lemente el de mayor importancia 0ue el descu$rimiento# por 4eorge >antzing en 19Y7# el m&todo simple para la resolucin de pro$lemas de programacin lineal! 3iguieron muchos m s avances metodolgicos# y en 1957 =hurchman# 8c*o00 y 8rno001 pu$licaron el primer li$ro so$re investigacin de operaciones!

>e manera concurrente con los desarrollos metodolgicos# se puso a disposicin@ a trav&s de las computadoras digitales# una virtual e<plosin de poder de cmputo! Las computadoras permitieron que los pro0esionales pudieran utilizar los avances metodolgicos para resolver con &<ito una amplia variedad de pro$lemas! 1sta e<plosin tecnolgica de la computacin contin:a# las computadoras personales hoy d/a son m s poderosas que las main0rame de los aos (.! actualmente se est n utilizando en las computadoras personales variantes de desarrollo metodolgicos posteriores a la 3egunda 4uerra "undial para resolver pro$lemas m s comple9os que los que pod/an resolver computadoras main0rame a principio de los 9.! 1.1 1O'4CI52 $- &0OB'-MA1 6 3OMA $- $-CI1IO2-1 La solucin de pro$lemas se puede de0inir como el proceso de identi0icar la di0erencia entre un estado de cosas real y el deseado# y a continuacin tomar acciones para resolver dicha di0erencia! 2ara aquellos pro$lemas lo su0icientemente importantes para 9usti0icar el tiempo y el es0uerzo de un cuidadoso an lisis# el proceso de resolucin de pro$lemas involucra los siguientes 7 pasosB 1. 6dentificar ! definir el problema. 2. 1eterminar el con%unto de soluciones alternativas. !. 1eterminar el criterio o criterios que se utili#ar+n para evaluar dichas alternativas! ". Evaluar las alternativas #. Elegir una alternativa 8. 'onerla en pr+ctica. Es decir, implementar la alternativa seleccionada .la decisin/. 9. Evaluar los resultados, ! determinar si se ha llegado a una solucin satisfactoria. La toma de decisiones es el t&rmino generalmente asociado con los primeros 5 pasos del proceso de solucin de pro$lemas# por lo que el primer paso de la toma de decisiones es identi0icar y de0inir el pro$lema! La toma de decisiones termina al seleccionar una alternativa# que es el acto de tomar la decisin! =onsideramos el e9emplo siguiente de un proceso de toma de decisiones! 2or el momento# supongamos que usted estar gradu ndose en la ;niversidad# en los siguientes meses# que ha terminado el proceso de entrevistas# y que ha tenido la su0iciente suerte para reci$ir o0ertas de tra$a9o de Y empresas! 8ctualmente esta sin empleo y le gustar/a una posicin que lo lleve a una carrera satis0actoria! ;na vez de0inido el pro$lema de o$tener una decisin que lo lleve a una carrera satis0actoria# el siguiente paso del proceso de toma de decisiones es identi0icar el con9unto de alternativas disponi$les! 3uponga que tiene o0ertas de tra$a9o de empresas localizadas en \ochester# ?e+ Sor*@ >allas# 6e<as@ 4reens$oro# =arolina del ?orte@ 2itts$urg# 2ennsylvanvia! 2or lo que las alternativas para su pr$lema de decisin se pueden enunciar como sigueB 1. 8ceptar la posicin en \ochester# ?e+ Sor* 2. 8ceptar la posicin en >allas@ 6e<as !. 8cepar la posicin en 4reens$oro# =ali0ornia del ?orte! ". 8ceptar la posicin en 2itts$urg# 2ennsylvania! 1l siguiente paso en el proceso de toma de decisiones involucra determinar los criterios que se utilizar n para evaluar las cuatro alternativas! O$viamente# el salario inicial va a ser un 0actor de cierta importancia! 3i &ste 0uera el :nico criterio de importancia! 3i &ste

0uera el :nico criterio de importancia para usted# la alternativa que se seleccionar como la Ame9orA# ser/a aquella con salario inicial m s elevado! Los pro$lemas en los cuales el o$9etivo es encontrar la me9or solucin respecto a un solo criterio se conocen como pro/lemas de decisin de un solo criterio ! 3uponga que tam$i&n ha llegado usted a la conclusin de que el potencial de progreso y la u$icacin geogr 0ica del puesto son otros dos criterios de importancia! 2or lo que los ) criterios de su pro$lema de decisin son el salario inicial# el potencial de progreso y la u$icacin! Los pro$lemas que involucran m s de un solo criterio se conocen como pro/lemas de decisin multicriterio! 1l siguiente paso en el proceso de toma de decisiones es evaluar cada una de las alternativas respecto a cada uno de los criterios! 2or e9emplo# la evaluacin de cada alternativa en relacin con el criterio de salario inicial se hace simplemente registrando el salario inicial para cada alternativa de tra$a9o! 3in em$argo# es m s di0/cil hacer la evaluacin de cada alternativa respecto al potencial de progreso y de u$icacin del tra$a9o# dado que estas evaluaciones se $asan principalmente en valores su$9etivos que 0recuentemente son di0/ciles de cuanti0icar! 3uponga que por ahora usted ha decidido medir el potencial de progreso y localizacin de tra$a9o evaluando cada uno de estos criterios como po$re# razona$le# promedio# $ueno y e<celente# y que los datos que usted ha reunido aparecen en la ta$la 1!1! 8hora est listo para e0ectuar una eleccin# partiendo de las alternativas disponi$les! Lo que hace esta eleccin tan di0/cil es que los criterios pro$a$lemente no son todos de igual importancia y ninguna de las alternativas es la Ame9orA con relacin a todos los criterios! 8unque posteriormente en el li$ro presentemos un m&todo para mane9ar situaciones como &sta# por ahora supongamos que# despu&s de una evaluacin cuidadosa de los datos de la ta$la 1!1# usted lleg a la decisin de seleccionar la alternativa ) 54reens$oro7@ la alternativa ) es por lo tanto re0erida como la decisin! Llegando a este punto# el proceso de toma de decisiones se ha completado! 1n resumen# veremos que este proceso implico 5 pasosB 1. >e0inir el pro$lema! 2. Identi0icar las alternativas! !. >eterminar los criterios! ". 1valuar las alternativas! &. 1scoger una alternativa! ?ote que en esta lista 0altan los J :ltimos pasos del proceso de resolucin de pro$lemasB poner en pr ctica la alternativa seleccionada y evaluar los resultados para determinar si se ha llegado a una solucin satis0actoria! 1sta omisin no supone disminuir la importancia de estas actividades# sino en0atizar el alcance m s limitado del t&rmino toma de decisiones en comparacin con resolucin de pro/lemas! La 0igura 1!1 resume la relacin entre am$os conceptos!

1.2 A2F'I1I1 C4A23I3A3I<O 6 3OMA $- $-CI1IO2-1 =onsidere el diagrama de 0lu9o que se presenta en la 0igura 1!J! ?ote que hemos com$inado los ) primeros pasos del proceso de toma de decisiones# $a9o el enca$ezado Aestructuracin del pro$lemaA y los J :ltimos# $a9o el enca$ezado Aan lisis del pro$lemaA! =onsideremos ahora en mayor detalle cmo llevar a ca$o el con9unto de actividades que con0orman el proceso de toma de decisiones! La -igura 1!) muestra que la 0ase de an lisis del proceso de toma de decisiones puede tomar J 0ormas $ sicasB cualitativa y cuantitativa! 1l an lisis cualitativo se $asa principalmente ene el 9uicio y e<periencia del administrador@ incluye la AsensacinA intuitiva del administrador en relacin con el pro$lema# y es m s un arte que una ciencia! 3i el administrador ha tenido e<periencia en pro$lemas similares# o si el pro$lema es relativamente simple# se puede poner mucho &n0asis en un an lisis cualitativo! 3in em$argo# si el administrador ha tenido poca e<periencia en pro$lemas similares# o si el pro$lema es lo su0icientemente comple9o# entonces un an lisis cuantitativo puede resultar de especial importancia en la decisin 0inal del administrador!

=uando se utiliza un procedimiento cuantitativo# el analista se concentrar en los hechos o datos cuantitativos asociados con el pro$lema y desarrollar e<presiones matem ticas que descu$rir n los o$9etivos# los l/mites y otras relaciones que e<istan dentro del pro$lema! 1ntonces usando uno o m s m&todos# el analista har una recomendacin con $ase en los aspectos cuantitativos del pro$lema! 8unque al seguir el procedimiento cualitativo el administrador aplica ha$ilidades inherentes# que por lo general se incrementan con la e<periencia# las ha$ilidades en el procedimiento cuantitativo slo pueden aprenderse mediante el estudio y el uso de los m&todos cuantitativos! ;n administrador puede incrementar su e0ectividad en la toma de decisiones aprendiendo m s so$re metodolog/a cuantitativa y comprometiendo me9or su contri$ucin al proceso de toma de decisiones! 8quel administrador que se 0amiliarice con los procedimientos cuantitativos de toma de decisiones estar en mucha me9or posicin para comparar y evaluar las 0uentes cualitativas y cuantitativas de las recomendaciones# y 0inalmente de com$inar am$as 0uentes# a 0in de tomar la decisin lo me9or posi$le! 1l recuadro de la 0igura 1!) titulado A8n lisis cuantitativoA incluye la mayor parte del material de este li$ro! 6omaremos un pro$lema de administracin# introduciremos la metodolog/a cuantitativa apropiada y# a continuacin# desarrollaremos la decisin recomendada! 2ara cerrar esta seccin# enunciaremos $revemente algunas de las razones por las cuales de$er/a utilizarse un procedimiento cuantitativo en el proceso de la toma de decisionesB 1. 1l pro$lema es comple9o y el administrador no puede desarrollar una $uena solucin sin el au<ilio del an lisis cuantitativo! 2. 1l pro$lema es muy importante 5es decir# est involucrada gran cantidad de dinero7# y el administrador desea an lisis cualitativo y cuantitativo completos# antes de intentar llegar a una decisin! !. 1l pro$lema es nuevo y el administrador no tiene e<periencia previa en la cual apoyarse! ". 1l pro$lema es repetitivo# y para dar recomendaciones de decisin de tipo rutinario# el administrador ahorra tiempo y es0uerzo apoy ndose en procedimientos cuantitativos computarizados! 1.! A2F'I1I1 C4A23I3A3I<O >e la 0igura 1!) vemos que el an lisis cuantitativo empieza una vez estructurado el

pro$lema! 4eneralmente requiere de imaginacin# tra$a9o en equipo y un es0uerzo considera$le trans0ormar una descripcin general de un pro$lema en un pro$lema $ien de0inido que pueda encararse v/a un an lisis cuantitativo! =uanto m s involucrado est& el analista en el proceso de estructurar el pro$lema# m s pro$a$le ser que el an lisis cuantitativo resultante contri$uya de manera importante en el proceso de toma de decisiones! 1l desarrollo de un modelo que represente matem ticamente un pro$lema puede iniciarse cuando tanto el administrador como el analista cuantitativo est&n de acuerdo en que el pro$lema ha quedado correctamente estructurado! 1ntonces se pueden utilizar procedimientos de resolucin para encontrar la me9or solucin para el modelo! 1sta me9or solucin se convierte entonces en una recomendacin para quien de$e tomar decisiones! 1l proceso de desarrollar y resolver modelos es esencial en el proceso de an lisis cuantitativo! Xeamos como 0uncionaB $esarrollo de modelos Los modelos son representaciones de o$9etos o de situaciones reales! 1stos modelos se pueden presentar de varias maneras! 2or e9emplo# un modelo a escala de un aeroplano es una representacin de un avi real! 3imilarmente# el camin de 9uguete de un nio es un modelo de un camin real! 1l modelo de aeroplano y el camin de 9uguete son e9emplos de modelos que son r&plicas 0/sicas de o$9etos reales! 1n terminolog/a de modelado# las r&plicas 0/sicas se conocen como modelos icnicos. ;na segunda clasi0icacin de los modelos incluye aquellos que tienen una 0orma real# pero no la misma apariencia 0/sica del o$9eto que se est modelando! 1stos modelos se conocen como modelos analgicos! 1l veloc/metro de un automvil es un modelo analgico@ la posicin de la agu9a en la car tula representa la velocidad del automvil! ;n termmetro es otro modelo analgico y representa la temperatura! ;na tercera clasi0icacin de modelos Cy ser del tipo que principalmente estaremos viendoC incluye aquellos que representan un pro$lema mediante un sistema de s/m$olos y relaciones o e<presiones matem ticas! 1stos modelos se conocen como modelos matemticos y son un 0actor cr/tico en cualquier procedimiento cuantitativo para la toma de decisiones! 2or e9emplo la utilidad total por la venta de un producto se puede determinar multiplicando la utilidad por unidad por la cantidad vendida! 3i hacemos que < represente el n:mero de unidades vendidas y 2 la utilidad total# entonces# con una utilidad de 1. dlares por unidad# el modelo matem tico siguiente de0ine la utilidad total ganada al vender ( unidadesB 51!17 'E 1.( 1l propsito o valor de cualquier modelo es que al estudiarlo y analizarlo nos permite hacer in0erencias so$re la situacin real! 2or e9emplo# un diseador de aeroplanos pudiera pro$ar un modelo icnico de un nuevo avin en un t:nel de viento# a 0in de indagar las caracter/sticas potenciales de vuelo del aeroplano en la realidad! >e manera similar# puede utilizarse un modelo matem tico para hacer in0erencias so$re cu nta utilidad se ganar si se vende una cantidad especi0icada de un producto particular! >e acuerdo con el modelo matem tico de la ecuacin 51!17# esperar/amos que al vender tres unidades de un producto 5<E)7 o$tendr/amos una utilidad 2E 1.5)7 E ). dlares! 1n general# la e<perimentacin con modelos requiere menos tiempo y es menos costosa qua la e<perimentacin con un o$9eto o una situacin real! ;n modelo de avin es ciertamente m s 0 cil y menos costoso de construir y estudiar que un aeroplano de tamao real! >e manera similar# el modelo matem tico de la ecuacin 51!17 permite una

r pida identi0icacin de las e<pectativas de utilidad# sin requerir de hecho que el administrador produzca y venda < unidades! Los modelos tam$i&n tienen la venta9a de reducir el riesgo asociado al e<perimentar con una situacin real! 1l evitar malos diseos a malas decisiones que pudieran hacer que un modelo de aeroplano se estrellase# o que un modelo matem tico proyectase una p&rdida de 1.#... dlares! 1l valor de conclusiones y decisiones $asadas en modelos depende de la e<actitud con que dicho modelo represente la situacin real! =uanto mayor sea la precisin con la que el modelo a escala represente a un aeroplano real# m s e<actas ser n las conclusiones y predicciones@ de manera similar# cu nto m s e<actamente represente un modelo matem tico la verdadera relacin utilidad C volumen de una empresa# m s e<actas ser n las proyecciones de utilidades! >ado que este te<to se ocupa de los an lisis cuantitativos $asados en modelos matem ticos# veamos m s de cerca el proceso del modelado matem tico! 8l considerar inicialmente un pro$lema de administracin# por lo general encontraremos que la 0ase de estructuracin del pro$lema nos lleva a un o$9etivo espec/0ico# como la ma<imizacin de la utilidad o la minimizacin del costo y# posi$lemente# a un con9unto de restricciones o limitantes# como las capacidades de produccin! 1l &<ito del modelo matem tico o del procedimiento cuantitativo depender en gran medida de la precisin con que se hayan e<presado el o$9etivo y las restricciones en t&rminos de ecuaciones o relaciones matem ticos! ;na e<presin matem tica que descri$e el o$9etivo del pro$lema se conoce como una %uncin o/Betivo! 2or e9emplo la ecuacin de utilidad 2E1.< ser/a una 0uncin o$9etivo para una empresa que intente ma<imizar la utilidad! 3i# por e9emplo# se requieren 5 horas para producir cada unidad y slo hay disponi$les Y. horas a la semana ser/a necesaria una restriccin de capacidad de produccin! 3i < indica el n:mero de unidades producidas cada semana# la restriccin de tiempo de produccin est dada porB 51!J7 5( Y. 1l valor 5< es el tiempo total requerido para producir < unidades@ el s/m$olo indica que el tiempo de produccin requerido de$e ser menor que o igual a las Y. horas disponi$les! el pro$lema o pregunta de decisin es como sigueB T=u ntas unidades de producto de$en programarse cada semana a 0in de ma<imizar la utilidadU ;n modelo matem tico completo para este sencillo pro$lema de produccin esB

La restriccin < GE . requiere que la cantidad de produccin < sea mayor que o igual a cero# lo que simplemente reconoce el hecho de que no es posi$le 0a$ricar un n:mero negativo de unidades! La solucin ptima para este modelo se puede calcular con 0acilidad y est dada por < E (# con una utilidad asociada de (. dlares! 1ste modelo es un e9emplo de un modelo de programacin lineal! 1n cap/tulos su$secuentes analizaremos modelos matem ticos m s complicados y aprenderemos a resolverlos en situaciones en que las respuestas no sean tan o$vias! 1n el modelo matem tico anterior# la utilidad por unidad 51. dlares7# el tiempo de produccin por unidad 5cinco horas7 y la capacidad de produccin 5Y. horas7# son 0actores del entorno que no quedan $a9o control del administrador o de quien toma las decisiones!

1stos 0actores del entorno# que pueden a0ectar tanto a la 0uncin o$9etivo como a les restricciones# se conocen como entradas no controla/les al modelo! Las entradas controla/les o determinadas por quien toma las decisiones se conocen como entradas controla$les al modelo! 1n el e9emplo# la cantidad de produccin < es la entrada controla$le al modelo@ las entradas controla$les son las alternativas de decisin de0inidas por el administrador# por lo que tam$i&n se conocen como varia/les de decisin del modelo! ;na vez especi0icadas todas las entradas controla$les e incontrola$les# pueden evaluarse la 0uncin o$9etivo y las restricciones# y determinar el resultado del modelo! 1n este sentido# el resultado del modelo es simplemente la proyeccin de lo que ocurrir/a si en una situacin real ocurrieran estos 0actores de entorno y decisiones particulares! 1n la 0igura 1!Y aparece un diagrama de 0lu9o de cmo el modelo matem tico trans0orma en resultados las entradas controla$les y no controla$les! 1n la 0igura 1!5 aparece un diagrama de 0lu9o similar# mostrando los detalles espec/0icos del modelo de produccin! 6al y como se di9o anteriormente# las entradas no controla$les son aqu&llas so$re las que no puede in0luir quien toma las decisiones! Las entradas espec/0icas controla$les y no controla$les de un modelo dependen del pro$lema espec/0ico o de la situacin particular de toma de decisiones! 1n el pro$lema de produccin# el tiempo de produccin 5Y.7 es una entrada no controla$le! 3in em$argo# si 0uera posi$le contratar m s personal o utilizar tiempo e<tra# el numero de horas de tiempo de produccin podr/a convertirse en entrada controla$le y# por lo tanto# en una varia$le de decisin dentro del pro$lema! Las entradas no controla$les pueden conocerse con e<actitud o ser inciertas y su9etas a variacin! 3i todas las entradas no controla$les a un modelo se conocen y no se pueden variar# el modelo se llamar modelo determin/stico! Las tasas corporativas de impuesto so$re la renta no est n $a9o la in0luencia del administrador por lo que en muchos modelos de decisin constituyen una entrada no controla$le! >ado que estas tasas son 0i9as y conocidas 5por lo menos a corto plazo7# un modelo matem tico que contenga tasas de impuesto so$re la renta corporativas como :nica entrada no controla$le resultar/a un modelo determin stico! La caracter/stica que distingue un modelo determin/stico es que los valores de las entradas no controla$les se conocen por adelantado!

3i cualquiera de las entradas no controla$les es incierta y su9eta a variacin# el modelo se conoce como modelo estocstico o pro/a/il stico! 2ara muchos modelos de planeacin de la produccin la demanda del producto es una entrada no controla$le! >ado que dentro de un rango de valores la demanda 0utura puede ser cualquier valor# un modelo matem tico que trate la demanda con incertidum$re se conocer/a como un modelo estoc+stico! 1n el modelo de produccin# el n:mero de horas de produccin requeridas por unidad# las horas totales disponi$les y la utilidad por unidad# ser/an entradas no controla$les! >ado que se sa$e que todas las entradas no controla$les tienen valores 0i9os# el modelo es determin/stico! ?o o$stante# si el n:mero de horas de produccin por unidad pudiera variar de ) a , horas dependiendo de la calidad de las materias primas# el modelo ser/a estoc stico! La caracter/stica que distingue al modelo estoc stico es que no puede determinarse el valor de salida# incluso si se conoce el valor de la entrada controla$le# dado que los valores espec/0icos de las entradas no controla$les no lo son! 8 este respecto# los modelos estoc sticos a menudo son m s di0/ciles de analizar! &reparacin de datos Otro paso en el an lisis cuantitativo de un pro$lema es la preparacin de los datos requeridos por el modelo! 1n este sentido# los datos corresponden a los valores de las entradas no controla$les del modelo! 6odas las entradas o datos no controla$les de$er n quedar especi0icados antes que podamos analizar el modelo y recomendar una decisin! 1n el modelo de produccin# los valores de las entradas no controla$les o datos no controla$les eran 1. dlares por unidad como utilidad# 5 horas por unidad como tiempo de produccin y Y. horas de capacidad de produccin! 8l desarrollar el modelo# estos valores eran conocidas y se incorporaron en &l# con0orme se i$a desarrollando! 3i el modelo es relativamente pequeo y los valores o datos de entrada no controla$les requeridos son pocos# el analista cuantitativo pro$a$lemente com$inar en un solo paso el desarrollo del modelo y la preparacin de los datos! 1sto es# los valores de los datos se insertan con0orme se van desarrollando las ecuaciones de un modelo matem tico! 3in em$argo# en muchas situaciones de modelado matem tico los valores de los datos o entradas no controla$les no est n disponi$les de inmediato! 1n estos casos el analista cuantitativo pudiera sa$er que el modelo requiere de la utilidad por unidad# del tiempo de

produccin y de la capacidad de produccin# pero los valores no se conocer n en tanto no se puedan consultar los departamentos de conta$ilidad# de produccin y de ingenier/a! 1n vez de intentar recolectar los datos requeridos con0orme se est& desarrollando el modelo# el analista por lo general adoptar una notacin general para el paso del desarrollo del modelo y posteriormente llevar a ca$o un paso separado de preparacin de datos para o$tener los valores de entrada no controla$les requerido por dicho modelo! ;tilizando la notacin general c E utilidad por unidad a E tiempo de produccin# en horas por unidad $ E capacidad de produccin# en horas el paso de desarrollo del modelo# del pro$lema de produccin# dar/a como resultado el siguiente modelo generalB " < c< su9eto a a<DE$ <GE. 3er/a necesario un paso por separado de preparacin de datos para identi0icar los valores de c# a y $ y poder completar el modelo! "uchos analistas cuantitativos sin e<periencia suponen que una vez de0inido el pro$lema y desarrollado el modelo general# el pro$lema ha quedado esencialmente resuelto! 1stas personas tienen la tendencia a creer que la preparacin de datos es un paso trivial del proceso y que el personal de o0icina puede mane9arlo 0 cilmente! 1n realidad# esta suposicin no puede estar m s le9os de la verdad# especialmente en el caso de modelos a gran escala# que tienen numerosos valores de entrada de datos! 2or e9emplo# un modelo de programacin lineal de tamao moderado# con 5. varia$les de decisin y J51imitantes# pudiera tener m s de 1#).. elementos de! datos que de$er n identi0icarse en el paso de preparacin de los datos! 1l tiempo requerido para la preparacin de estos datos y la posi$ilidad de errores de recoleccin de la in0ormacin hace del paso de preparacin de datos una parte cr/tica del proceso de an lisis cuantitativo! >ado que se requiere de una $ase de datos razona$lemente grande para dar apoyo a un modelo matem tico# a menudo los especialistas de los sistemas de in0ormacin tam$i&n se involucran en el paso de preparacin de datos! 1olucin del modelo 2odremos seguir adelante hacia el paso de solucin del modelo una vez completados los pasos de desarrollo del modelo y de preparacin de los datos! 1nC este paso# el analista intentar identi0icar cu les son los valores de las varia$les de decisin que dan el Ame9orA resultado para el modelo! 1l valor o valores espec/0icos de varia$les de decisin que den el Ame9orA resultado se conocen como la solucin ptima para el modelo! 1n el caso del pro$lema de produccin# el paso de solucin del modelo implica encontrar el valor de la varia$le de decisin de la cantidad de produccinB < que ma<imice la utilidad# sin causar violacin a la restriccin de la capacidad de produccin! ;n procedimiento que pudiera utilizarse en el paso de solucin del modelo implica un procedimiento de ensayo y error# en el cual se utiliza el modelo para ensayar y evaluar varias alternativas de decisin! 1n el modelo de produccin# esto signi0icar/a ensayar y evaluar el modelo $a9o varias cantidades o valores de produccin <! Oaciendo re0erencia a la 0igura 1!5# o$serve que podr/amos introducir valores de ensayo para < y veri0icar el

resultado correspondiente en 0uncin de la utilidad proyectada y satis0aciendo la restriccin de la capacidad de produccin! 3i alguna alternativa de decisin no satis0ace una o m s de las restricciones del modelo# la alternativa de decisin se rechaza como solucin no %acti/le# independientemente del valor de la 0uncin o$9etivo! 3i se satis0acen todas las estricciones# la decisin alternativa es una solucin %acti/le y es candidata para la Ame9orA solucin o para la decisin recomendada! 8 trav&s de este proceso de ensayo y error de evaluar alternativas de decisin seleccionadas# quien toma las decisiones puede identi0icar una $uena Cy pro$a$lemente la me9orC solucin 0acti$le al pro$lema! 1sta solucin ser/a entonces la decisin recomendada para el pro$lema! La ta$la 1!J muestra los resultados del procedimiento de ensayo y error para resolver el modelo de produccin de la 0igura 1!5! La decisin recomendada es una cantidad de produccin de (# ya que la solucin 0acti$le# con una utilidad proyectada m s elevada# es en < E (! 8unque a menudo el proceso de solucin por ensayo y error es acepta$le y puede aportar in0ormacin valiosa al administrador# tiene los inconvenientes de no necesariamente ser la me9or de las soluciones y de ser ine0iciente por requerir numerosos c lculos# si se prue$an muchas alternativas de decisin! >e ah/ que los analistas cuantitativos hayan desarrollado procedimientos especiales de solucin que son mucho m s e0icientes que el de ensayo y error! 8 todo lo largo de este te<to se ir n presentando procedimientos de solucin aplica$les a los modelos matem ticos espec/0icos que se 0ormular n! 8unque algunos modelos o pro$lemas relativamente pequeos pudieran ser resueltos con c lculos manuales# la mayor parte de las aplicaciones pr cticas requieren el uso de una computadora! 1s importante darse cuenta que los pasos de desarrollo y solucin del modelo no son totalmente separa$les! 8unque un analista quisiera desarrollar un modelo preciso o una representacin precisa de la situacin actual del pro$lema# el analista tam$i&n desear poder encontrar una solucin para el modelo! 3i nos en0rentamos al paso de desarrollo del modelo intentando encontrar el modelo matem tico m s preciso y realista# pudi&ramos encontrarnos con un modelo tan grande y comple9o que resulte imposi$le o$tener una solucin! 1n este caso# se pre0erir un modelo m s simple y quiz m s 0 cilmente comprensi$le# con un procedimiento para su solucin 0 cilmente disponi$le# incluso si la solucin recomendada slo es una apro<imacin a la me9or decisin! =on0orme usted vaya aprendiendo m s so$re procedimientos para soluciones cuantitativas# tendr una me9or idea de cu les son los tipos de modelo matem tico que se pueden desarrollar y resolver! >espu&s de ha$er o$tenido una solucin para el modelo# tanto el analista cuantitativo como el administrador estar n interesados en determinar qu& tan $uena es dicha solucin! 8unque induda$lemente el analista ha$r tomado muchas precauciones a 0in de desarrollar un modelo realista# a menudo no se puede 9uzgar la $ondad o precisin de un modelo hasta que se generan sus soluciones! 1l ensayo y validacin de los modelos se llevan a ca$o con 0recuencia con pro$lemas Ade pr cticaA relativamente pequeos# cuyas soluciones sean conocidas o por lo menos esperadas! 3i el modelo genera las soluciones esperadas y si la dem s in0ormacin de salida aparece como correcta# se puede dar la autorizacin para usar el modelo en el pro$lema a escala completa! 3in em$argo# si el ensayo o prue$a del modelo y su validacin identi0ican pro$lemas potenciales o 0altas de precisin inherentes en el mismo# de$er/an tomarse acciones conectivas# como la modi0icacin del modelo y`o la recoleccin de datos de entrada m s e<actos! =ualquiera que sea la accin correctiva# la solucin del modelo no se utilizar en la pr ctica en tanto el modelo no haya apro$ado el ensayo y la validacin!

(eneracin de in%ormes ;na parte importante del proceso de an lisis cuantitativo es la preparacin de in0ormes administrativos con $ase en la solucin del modelo! Oaciendo re0erencia a la 0igura 1!)# vemos que la solucin $asada en el an lisis cuantitativo de un pro$lema es una de las entradas que el administrador tomar en consideracin antes de tomar una decisin 0inal# por lo que es esencial que los resultados del modelo aparezcan en un in0orme administrativo que sea de 0 cil comprensin para quien toma las decisiones! 1l in0orme de$er incluir la decisin recomendada y cualquier otra in0ormacin pertinente a los resultados que pudiera ser de utilidad para quien toma las decisiones! 4na nota en relacin con la implementacin 3eg:n se analiz en la seccin 1!J# el administrador es el responsa$le de integrar la solucin cuantitativa con consideraciones de tipo cualitativo para tomar la me9or decisin posi$le# despu&s de lo cual el administrador de$er supervisar la implementacin y evaluacin de seguimiento de la decisin! >urante la implementacin y seguimiento# el administrador de$e seguir vigilando la contri$ucin del modelo! 1n ocasiones# este proceso puede llevar a solicitudes de e<pansin o de a0inacin del modelo# lo que har que el analista cuantitativo vuelva a alguno de los primeros pasos del proceso de an lisis cuantitativo! La implementacin e<itosa de los resultados es de importancia 0undamental tanto para el analista cuantitativo# como para el administrador! 3i los resultados del proceso de an lisis cuantitativo no se implementan de manera correcta# todo el es0uerzo pudiera no tener ning:n valor# y no son necesarias muchas implementaciones 0allidas antes que el analista cuantitativo se quede sin tra$a9o! >e$ido a que la implementacin 0recuentemente requiere que las personas hagan las cosas de manera distinta# a menudo ha$r que en0rentarse a resistencia! Las personas desear n sa$er ATqu& hay de malo en la 0orma que lo hemos venido haciendoUA y as/ sucesivamente! ;na de las 0ormas m s e0ectivas de asegurar una implementacin de &<ito es consiguiendo# a todo lo largo del proceso de modelado# toda la participacin del usuario que sea posi$le! ;n usuario que se sienta involucrado en la identi0icacin del pro$lema y en el desarrollo de su solucin es mucho m s pro$a$le que ponga en pr ctica de manera entusiasta sus resultados! La tasa de &<ito para la implementacin de los resultados de un proyecto de an lisis cuantitativo ser mucho m s elevada en aquellos proyectos en los cuales haya ha$ido e<tensa participacin del usuario! 1." MO$-'O1 $- CO13O+ I2(0-1O1 6 43I'I$A$-1 8lgunos de los modelos cuantitativos m s $ sicos en los negocios o en aplicaciones econmicas son aquellos que involucran la relacin entre una varia$le de volumen Cpor e9emplo# un volumen de produccin o un volumen de ventasC y costo# ingresos y

utilidades! "ediante el uso de esos modelos# el administrador puede determinar el costo# ingreso y`o utilidad proyectada asociada con una cantidad de produccin dada o con un volumen de ventas pronosticado! 6anto la planeacin 0inanciera# la planeacin de la produccin# las cuotas de ventas y otras reas de decisin pueden $ene0iciarse con estos modelos de costos# ingresos y utilidades! Modelos de costos y volGmenes 1l costo de manu0acturar o de producir un producto est en 0uncin del volumen producido! 1ste costo puede de0inirse# de manera general# como una suma de dos costosB costo 0i9o y costo varia$le! 1l costo %iBo es la porcin del costo total que no depende del volumen de produccin! 1ste costo se mantiene igual# independientemente de cu nto se produzca! 2or otra parte# el costo varia/le es la porcin del costo total que depende y var/a con el volumen de produccin! 2or e9emplo# suponga que el costo de preparacin de una l/nea de produccin es de )#... dlares! 3e trata de un costo 0i9o en el que se incurre independientemente del n:mero de unidades que 0inalmente se produzcan! 8dem s# suponga que los costos de mano de o$ra y de material varia$les son de J dlares por cada unidad producida! 1l modelo costoCvolumen para producir < ;nir dades se podr/a escri$ir de la 0orma 1#$" =5<7 E )... a J< donde < E volumen de produccin en unidades =5<7 E costo total de producir < unidades 1l uso del modelo en la ecuacin 51!)7 determinar el costo total de produccin una vez esta$lecido su volumen! 2or e9emplo# un volumen de produccin de < E 1J.. unidades dar/a como resultado un costo total de =51J..7 E )... a J51J..7 E ]5Y..! 1l costo marginal se de0ine como la tasa de cam$io del costo total respecto al volumen! 1sto es# se trata del incremento del costo asociado con un incremento de una unidad en el volumen de produccin! 1n el modelo de costo de la ecuacin 51!)7# vemos que el costo total =5<7 se incrementar en J dlares por cada incremento de una unidad en el volumen de produccin! 2or lo que el costo marginal es igual a J dlares! =on modelos de costo total m s comple9os# el costo marginal puede depender del volumen de produccin! 1n estos casos# podr/amos tener un costo marginal que se incrementa o se reduce en 0uncin del volumen de produccin <! Modelos de ingresos y volGmenes 1l administrador tam$i&n desear in0ormacin so$re los ingresos proyectados asociados con la venta de un n:mero especi0icado de unidades# por lo que tam$i&n se requiere un modelo de la relacin e<istente entre ingresos y vol:menes! 3uponga que el producto del e9emplo anterior se vende a 5 dlares por unidad! 1l modelo para el ingreso total se puede escri$ir de la 0orma 1#%" \5<7 E 5< donde < E volumen de ventas en unidades

\5<7 E ingreso total asociado con la venta de < unidades 1l ingreso marginal se de0ine como la tasa de cam$io del ingreso total respecto al volumen de ventas! 1sto es# se trata del incremento en ingreso total resultado de un incremento de una unidad en el volumen de ventas! 1n el modelo de la ecuacin 51!Y7# vemos que el ingreso marginal es de 5 dlares! 1n este caso# el ingreso marginal es constante y no var/a en 0uncin del volumen de ventas! 1n modelos m s comple9os# pudi&ramos encontrar que el ingreso marginal se incrementa o reduce con0orme el volumen de ventas < aumenta! Modelos de utilidad y volumen ;no de los criterios m s importantes para la toma de decisiones administrativas es la utilidad! Los administradores necesitan tener la capacidad de sa$er cu les son las implicaciones en la utilidad correspondiente a sus decisiones! 3i suponemos que slo producimos lo que vendemos# el volumen de produccin y el volumen de ventas ser n iguales! 2odemos com$inar las ecuaciones 51!)7 y 51!Y7 para desarrollar un modelo utilidadCvolumen que determinar la utilidad asociada con un volumen especi0icado de produccin y ventas! >ado que la utilidad total es igual a los ingresos totales menos el costo total# el modelo siguiente da la utilidad asociada con la produccin y venta de < unidadesB 51!57 25<7 E \5<7 C =5<7 25<7 E5<C5)...aJ<7 E C)...a)< por lo que el modelo para la utilidad 25<7 se puede deducir a partir de los modelos de las relaciones ingresoCvolumen y costoCvolumen! Anlisis de punto de e)uili/rio ;tilizando la ecuacin 51!57# podemos ahora determinar la utilidad asociada con cualquier volumen de produccin <! 2or e9emplo# suponga un pronstico de demanda# que indica que se pueden vender 5.. unidades del producto! La decisin de producir y vender las 5.. unidades da como resultado una utilidad proyectada de 255..7 E C )... a )55..7 E C15.. 1n otras pala$ras# se pronostica una p&rdida de 1#5.. dlares! 3i se espera que la venta sea de 5.. unidades# el administrador puede decidir no producir el producto! 3in em$argo# un pronstico de demanda de 1#(.. unidades mostrar/a una utilidad proyectada de 251(..7 E C )... a )51(..7 E JY.. 1sta utilidad puede ser su0iciente para 9usti0icar seguir adelante con la produccin y venta del producto! Xemos que un volumen de 5.. unidades da como resultado una p&rdida# en tanto que un volumen de 1#(.. genera una utilidad! 1l volumen que resulta en un ingreso total igual a un costo total 5con una utilidad de . dlares7 se conoce como el punto de e)uili/rio! 3i se conoce el punto de equili$rio# el administrador r pidamente puede in0erir qu& vol:menes por encima del punto de equili$rio dar n como resultado una utilidad# en tanto qu& vol:menes por de$a9o del punto de equili$rio resultar n en p&rdida# por lo que el punto de equili$rio de un producto proporciona una in0ormacin valiosa a un administrador que de$a tomar una decisin de s/lno relacionada con la produccin del producto!

Xolvamos ahora al e9emplo y veamos cmo puede utilizarse el modelo de utilidad de la ecuacin 51!57 para calcular el punto de equili$rio! 1l punto de equili$rio se puede determinar al esta$lecer la e<presin de la utilidad igual a cero y resolviendo en 0uncin del volumen de produccin! ;tilizando la ecuacin 51!57# tenemosB 25<7 b C )... a )< E . )< E )... < E 1... =on esta in0ormacin sa$emos que la produccin y venta del producto de$e ser por lo menos 1#... unidades antes que se espere alguna utilidad! 1n la 0igura 1!, aparecen las gr 0icas del modelo de costo total# del modelo de ingresos totales y la identi0icacin del punto de equili$rio!

1.# 'O1 MH3O$O1 C4A23I3A3I<O1 -2 'A &0FC3ICA 1n esta seccin presentamos un $reve repaso de los m&todos cuantitativos cu$iertos en este li$ro! 2resentaremos despu&s los resultados de encuestas que muestran las t&cnicas m s utilizadas en la pr ctica y qu& de$e hacer para a lo largo de su carrera poder utilizar con &<ito metodolog/as cuantitativas! Mtodos cuantitativos 1n este li$ro se tratan los siguientes m&todos cuantitativos! &rogramacin lineal! La programacin lineal es un m&todo de resolucin de pro$lemas desarrollado para situaciones que implican la ma<imizacin o minimizacin de una 0uncin lineal su9eta a restricciones lineales que limitan el grado al cual se puede $uscar un o$9etivo! 1l modelo de produccin desarrollado en la seccin 1!) 5v&ase la 0igura 1!57# es un e9emplo de un modelo simple de programacin lineal! &rogramacin lineal entera.La programacin lineal entera es un procedimiento utilizado para pro$lemas que se pueden plantear como programas lineales# pero con el requisito adicional que algunas o todas las recomendaciones de decisin tienen que ser valores

enteros! &rogramacin de proyectosI &-03?C&M. 1n muchas situaciones# los administradores son responsa$les de planear# programar y controlar proyectos constituidos por muchas tareas separadas# llevadas a ca$o por una diversidad de departamentos# individuos# etc! 1l 21\6 52rogram 1valuation and \evie+ 6echnique# 6&cnica de 1valuacin y de \evisin de 2rogramas7 y el =2" 5=ritical 2ath "ethod# "&todo del =amino =r/tico7 son t&cnicas que ayudan a los administradores a llevar a $uen 0in sus responsa$ilidades de programacin de proyectos! Modelos de inventarios. Los modelos de inventarios son utilizados por aquellos administradores que tienen que en0rentarse al pro$lema dual de mantener inventarios su0icientes para llenar la demanda de $ienes y# al mismo tiempo# de incurrir en los m/nimos costos posi$les de mantenimiento de inventarios! Modelos de l neas de espera! Los modelos de colas o de l/neas de espera han sido desarrollados para ayudar a los administradores a comprender y a tomar me9ores decisiones en relacin con la operacin de sistemas que implican l/neas de espera! 1imulacin por computadora! La simulacin por computadora es una t&cnica utilizada para modelar la operacin de un sistema! 1sta t&cnica emplea un programa de computacin para modelar la operacin y para llevar a ca$o c lculos de simulacin! Anlisis de decisiones! Los an lisis de decisiones pueden utilizarse para determinar cu les son las estrategias ptimas en situaciones que involucren varias alternativas de decisin y un patrn de eventos de incertidum$re o lleno de riesgos! &rogramacin de metas! La programacin de metas es una t&cnica para la resolucin de pro$lemas multicriterio# por lo general dentro de la estructura de la programacin lineal! &roceso de Berar)u as anal ticas ! 1sta t&cnica de toma de decisiones multicriterio permite la inclusin de 0actores su$9etivos para llegar a una decisin recomendada! 2ronsticos Los m&todos de pronstico son t&cnicas que se pueden utilizar para predecir aspectos 0uturos en la operacin de un negocio! Modelos de procesos de MarJov ! Los modelos de procesos de "ar*ov son :tiles para estudiar la evolucin de ciertos sistemas a lo largo de ensayos repetidos! 2or e9emplo# los procesos de "ar*ov han sido utilizados para descri$ir la pro$a$ilidad que una m quina# 0uncionando en un periodo# 0uncione o de9e de hacerlo en otro periodo! Mtodos ms %recuentemente utiliKados ;n estudio so$re encuestas ela$oradas por Lane# "ansour y Oarpell puso de mani0iesto los m&todos cuantitativos que pro0esionistas y educadores han encontrado como los de mayor importaricia#y de mayor utilidad! Los tres m&todos que consistentemente enca$ezan la lista incluyen los m&todos estad/sticos# la programacin lineal y la simulacin! 1n la ta$la 1!) aparece cu l es la pre0erencia general# es decir# la clasi0icacin de los m&todos cuantitativos! Los pro$lemas de decisiones multorriterio# incluyendo la programacin de metas y el proceso 9er rquico anal/tico# los pronsticos7y los modelos de proceso de "ar*ov# no se mencionaron espec/0icamente en el estudio de Lane# "ansour y Oarpell# pero son m&todos cuantitativos adicionales que usted conocer en este li$ro! 1n un estudio de 1J encuestas en empresas y de tres entre pro0esionistas# "organ encontr apoyo adicional a la programacin lineal# la simulacin y los modelos de red# incluyendo 21\6`=2"# como entre los m s 0recuentemente utilizados de los m&todos cuantitativos! ) 8:n m s importante#! "organ lleg a la conclusin que 517 cualquier empresa que empiece a utilizar m&todos cuantitativos de$er localizar analistas en reas 0uncionales# no en unidades centralizadas@ 5J7 el uso inicial de m&todos cuantitativos de$er en0ocarse a los m&todos utilizados con mayor 0recuencia y de mayor utilidad# y 5)7

las $arreras al uso de m&todos cuantitativos ser n eliminadas con mayor 0acilidad al aumentar el grado de comprensin# por parte del administrador## de los m&todos cuantitativosB 8dem s# a 0in de ganarse laPcon0ranza y el apoyo de la gerencia superior# los analistas cuantitativos de$en aprender a vender sus procedimientos y soluciones# poniendo particular &n0asis en me9orar la comunicacin cpn los administradores! ;no de los principales propsitos de este li$ro es ayudar a crear ui1 puente entre el administrador y el analista cuantitativo! =omo autores y pro0esionales cuantitativos# deseamos ayudar a desarrollar la comprensin de lo que son los m&todos cuantitativos# cmo se usan y# lo que es m s importante# cmo pueden au<iliar a los administradores en la toma de me9ores decisiones!

-Bercicio &rincipal
=uando "ario Vunge asisti al :ltimo congreso internacional de sociolog/a de =anad # o$serv que las discusiones de los congresistas eran so$re conceptos escenciales# cuando se supon/a que este evento era para discutir pro$lamas de 0rontera de &ste m$ito del conocimiento! Rl propuso que para solucionar los pro$lemas de sem ntica de los congresistas se de0inieran los conceptos principales utilizando ecuaciones di0erenciales! Los congresistas estuvieron de acuerdo# sin em$argo surgi un pro$lema mayor# pues el :nico que domina$a el = lculo >i0erencial era Vunge! 1l asunto del dominio de los conceptos principales de cada campo del conocimiento tiene una enorme importancia# por tal razn# para comenzar a dominar los conceptos de Investigacin de Operaciones haremos lo siguienteB A= ?os situamos en la in0ormacin correspondiente al primer cap/tulo de cada uno de los li$rosB 1.7 Investigacin de Operaciones en la Ciencia Administrativa+ &earson+ #a -dicin+ &rentice Lall. 2.7Mtodos Cuantitativos para los 2egocios+ Anderson 1Meeney Nilliams+ 9a -dicin+ 3homson -ditores. 2ara poder ver las introducciones de los li$ros anteriormente citados de clic en la siguiente ligaI 1studiaremos a conciencia cada uno de los cap/tulos mencionados!

B= 8 continuacin e<traeremos de la in0ormacin dada# los Y. conceptos que m s se repitan y que consideramos que son los m s importantes! C= >espu&s 6omaremos Y. tar9etas tamao media carta y en cada una de las tar9etas en la parte 0rontal# anotaremos un solo concepto y su de0inicin! E%emplo0 3upongamos que el primer concepto principal sea 3istema# tomaremos la primer tar9eta y en la parte 0rontal anotaremos su de0inicinB A3istema es un con9unto de o$9etos# personas y conceptos que interact:an entre s/ para el logro de de un o$9etivo com:n! $= 8nalizaremos esa de0inicin y despu&s en la cara posterior de la tar9eta haremos un di$u9o a mano alzada que nos represente el concepto! -= >e$emos realizar este proceso con los Y. conceptos! ,= 2osteriormente utilizaremos esos Y. conceptos para con0igurar dos crucigramas! 2rimero un crucigrama propuesta y acontinuacin un crucigrama respuesta del anterior! 1sta actividad educativa implica estudio e<haustivo# procesos deB an lisis# s/ntesis# e9ercicio de creatividad y el estudio como una actividad de 9uego# como una 0orma de placer! 8 continuacin se muestra un e9emplo sencillo re0erente a lo anteriormente planteado!