Vous êtes sur la page 1sur 10

CAPÍTULO

Introducción al análisis
cuantitativo

Este libro trata sobre la toma de decisiones en la empresa, proceso por medio del
cual la gerencia, al enfrentarse a un problema, selecciona un curso de acción
específico o "solución", de un conjunto de alternativas. Puesto que por lo general
hay incertidumbre con respecto al futuro, no es posible estar seguro de las
consecuencias de la decisión que se tome, y tampoco se puede asegurar que la
decisión que se elija produzca los mejores resultados. Además, el problema puede
ser muy complejo, ya sea porque existan muchas alternativas por considerar o un
gran número de factores que deben tomarse en cuenta.
El libro presenta un método general para que puedan utilizarlo los directivos
cuando se enfrenten a problemas de decisión, así como herramientas cuantitativas
específicas para tipos particulares de problemas.

Decisiones empresariales
El director de una empresa quiere escoger la acción más efectiva para alcanzar
las metas de la organización. Al juzgar la eficacia de las distintas decisiones
posibles, hay que utilizar algún criterio o medida del rendimiento. La medida más
común del rendimiento es la unidad monetaria, pero en los capítulos siguientes
se verá que para ciertas decisiones estas unidades no son adecuadas para deter-
minar las ventajas relativas de distintos cursos de acción.
El proceso general que se presenta a continuación es común para todos los tipos
de situaciones de toma de decisiones:

1. Establecer el criterio que se usará. Por ejemplo, en una situación sencilla, el


criterio puede ser elegir la acción que maximice los beneficios.
2. Seleccionar un conjunto de alternativas para considerarlas.
4 Parte I Modelos y toma de decisiones

3. Determinar el modelo que se usará y los valores de los parámetros del proce
so. Por ejemplo, se podría decidir que una expresión adecuada de los gastos
totales sería:

Gastos totales = a + b(unidades vendidas)

Los parámetros son a y b y será necesario determinar sus valores para poder
utilizar el modelo.

a = Costo fijo para el periodo o proyecto


b = Costo variable (marginal) por unidad

4. Determinar cuál de las alternativas optimiza (es decir, produce el mejor valor
para) el criterio que se estableció en el paso 1.

Ejemplo Se pueden vender al gobierno 1000 unidades de un producto, al precio de 50 dólares


por unidad. ¿Deberá aceptarse el pedido? La empresa tiene exceso de capacidad.
1. Se usará el criterio de maximización de beneficios.
2. Las alternativas son (a) aceptar el pedido o (b) rechazar el pedido. De acuerdo
con el criterio de beneficios, se aceptará el pedido si aumenta el beneficio o se
rechazará si no lo aumenta.
3. Hay que saber cuáles son los gastos marginales o adicionales de la producción
de 1000 unidades. El modelo de gastos que se aplica es:

E = a + 1000b

Suponga que se tendrán que comprar troqueles especiales con costo de 5000
dólares (a es igual a 5000 dólares) y que los costos variables para producir una
unidad son de 30 dólares (b es igual a 30 dólares). Los gastos relevantes totales
para satisfacer el pedido son de 35 000 dólares (equivalente a 5000 dólares más
30 000 dólares).
4. Al comparar los ingresos (50 000 dólares) y los gastos (35 000 dólares), se
obtiene que debe aceptarse el pedido. El beneficio aumentará 15 000 dólares
si "se acepta", en comparación con la alternativa "se rechaza".
En el ejemplo anterior se aplicaron conocimientos básicos y técnicas de cálculo
sencillas. Sin embargo, al tratar con problemas más complejos, se pueden requerir
otras herramientas de análisis cuantitativo, como el cálculo, la probabilidad, la
estadística y la programación (lineal, entera y dinámica).
En seguida consideraremos algunos aspectos relativos a la elaboración de modelos.

Abstracción y simplificación
Los problemas del mundo real tienden a ser de complejidad enorme. Hay,
literalmente, una cantidad incontable de "factores" intrínsecos en cualquier sitúa-
Capítulo 1 Introducción al análisis cuantitativo 5

ción empírica. Además, cada acción potencial inicia una cadena de causa, efecto
e interacción que, como es lógico, nunca termina.
Considere el problema de construir un edificio. Se podría utilizar una cantidad
enorme de tiempo para recopilar información de los factores relacionados con la
situación: por ejemplo, la ubicación precisa y las características físicas del
edificio; un estudio detallado de las condiciones climáticas de los lugares posibles
y la influencia que tendrían en los costos de construcción; las fuentes de financia-
ción que se usarían y sus costos. El decisor puede optar por considerar específi-
camente y con detalle todos los usos alternativos posibles de los fondos en este
periodo y los subsecuentes. Si el decisor adopta la estrategia de recopilar todos
los hechos antes de actuar, nunca se emprenderá la acción. La mente no puede
considerar todos los aspectos de un problema empírico. Hay que omitir algunos
de los atributos del problema para poder tomar una decisión. El decisor debe
determinar cuáles son los factores más relevantes para el problema. La abstracción
y la simplificación son pasos necesarios para resolver cualquier problema huma-
no. Nuestro objetivo es mejorar la toma de decisiones, no ofrecer un pretexto
para no tomar una decisión.

Construcción de modelos
Una vez que el decisor selecciona los factores decisivos, o variables, de la
situación empírica, éstos se combinan de manera lógica para que formen un
modelo del problema real. Un modelo es una representación simplificada de una
situación empírica. De manera ideal, elimina la complejidad abrumante de un
fenómeno natural y resalta el comportamiento básico del mismo a través de unas
cuantas variables que se relacionan de manera sencilla. Si es más sencillo el
modelo, es mejor para la persona que toma la decisión, siempre y cuando
el modelo sea un símil razonablemente confiable del problema empírico. Las
ventajas de contar con un modelo sencillo son:

1. Reduce la cantidad de tiempo y esfuerzo.


2. El decisor puede comprenderlo rápidamente.
3. Si es necesario, el modelo se puede modificar de manera rápida y efectiva.

El objetivo del decisor no es construir un modelo que sea lo más parecido


posible a la realidad. Se requeriría demasiado tiempo para construir este modelo
y a final de cuentas podría quedar fuera de los límites de la comprensión. En
cambio, se busca el modelo más sencillo que pronostique los resultados con
precisión razonable y que sea consistente con la acción efectiva.

Soluciones
Después de construir el modelo, se pueden obtener conclusiones acerca de su
comportamiento, por medio del análisis lógico. Quien toma la decisión basa sus
6 Parte I Modelos y toma de decisiones

acciones o decisiones en estas conclusiones. Si es correcta la lógica utilizada para


obtener las conclusiones a partir de las variables abstraídas, y si se abstrajeron las
variables relevantes, entonces la solución del modelo servirá eficazmente para el
problema empírico. En nuestro ejemplo, se podría decidir que una tasa de interés
del 15% mide el costo de oportunidad anual del dinero de la empresa. Así, la
empresa puede decidir acerca de la construcción del edificio por medio del cálculo
del valor neto actual de los flujos de efectivo y no considerar con detalle las
alternativas de inversión.

Errores
Dos errores importantes que ocurren al usar modelos para la toma de decisio-
nes son la exclusión de variables importantes y las equivocaciones al definir
las relaciones entre variables. Por ejemplo, en el problema relacionado con el
contrato con el gobierno, suponga que se puede esperar una pérdida del 40%
en la producción, por causa de especificaciones de producto muy rigurosas.
Si existiera este factor y se omitiera del análisis, el modelo no representaría
de manera adecuada la situación para una decisión (se obtendría la decisión
equivocada).

Técnicas para la construcción de modelos


Los modelos se pueden representar de varias maneras. En el caso de proble-
mas sencillos y repetitivos, todo el proceso de toma de decisiones puede ocurrir
en la mente del decisor, quizás de manera informal e intuitiva. Todos los días
caminamos, comemos y abrimos puertas sin necesidad de modelos formales.
Si el problema es menos común o más complejo, pensamos un poco más acerca
de él.
La técnica apropiada para describir y relacionar las variables seleccionadas
depende en gran medida de la naturaleza de las variables. Si se pueden medir de
alguna forma, y sobre todo si se les puede dar una representación cuantitativa,
hay fuertes razones para usar una representación matemática del modelo. En
primer lugar, las matemáticas poseen una disciplina rigurosa que asegura un
procedimiento ordenado por parte del investigador; hay que ser específicos con
respecto a las variables que se seleccionaron y a las relaciones que supuestamente
existen entre ellas. En segundo lugar, las matemáticas son una técnica poderosa
para relacionar variables y obtener conclusiones lógicas a partir de determinadas
premisas. Al combinar las matemáticas con los computadores modernos, se
pueden manejar problemas que requieren modelos de gran complejidad y es más
sencillo el proceso de toma de decisiones cuando puede aplicarse el análisis
cuantitativo.
Se ha representado cuantitativamente, con éxito, gran número de problemas
empresariales, de donde surge el procedimiento general llamado análisis cuanti-
Capítulo 1 Introducción al análisis cuantitativo 7

tativo, ciencia de la decisión, ciencia de la dirección o investigación de operacio-


nes. Por supuesto, la representación cuantitativa y la resolución de problemas
empresariales son mucho más antiguas que estas etiquetas, como lo demuestra la
práctica de la contabilidad. No obstante, el análisis cuantitativo se ha extendido
a otra áreas de las operaciones de la empresa y se ha establecido como una manera
eficaz de atacar ciertos problemas de decisiones empresariales. Los directores
actuales tienen que conocer estas técnicas y estos modelos tan bien como conocen
los informes de contabilidad.
Hay que hacer una advertencia: los ejecutivos de una empresa nunca deberán
ser prisioneros de un modelo cuantitativo ni aceptar automáticamente sus conclu-
siones como si fueran la decisión correcta. La conclusión que se obtiene de un
modelo contiene cierto grado de error, debido al proceso de abstracción. Es
cuestión de juicio determinar cuándo es tan grande el error que hay que modificar
la conclusión antes de aceptarla como solución. La cuantificación es un auxiliar
del juicio empresarial, no un sustituto. Al considerar el análisis cuantitativo de
problemas empresariales, es deseable usar el mismo grado de escepticismo
constructivo que se aplica a otros procesos de toma de decisiones.

Factores cualitativos. Muchas decisiones empresariales, en particular las más


importantes, comprenden algunas variables que son de naturaleza cualitativa,
más que cuantitativa. Por ejemplo, las decisiones importantes pueden afectar la
moral o el liderazgo en una organización, o pueden alterar el empleo, las acciones
positivas, la contaminación u otras áreas de responsabilidad social. Muchos de
estos factores no pueden expresarse en términos monetarios; entonces, ¿cómo
considera el decisor estas variables cualitativas?
Primero, hay dos actitudes externas que deben evitarse. Una es omitir los
factores cualitativos, con el argumento de que los factores que no pueden medirse
no son importantes. El otro extremo sería afirmar que los modelos cuantitativos no
tienen valor, ya que sólo los factores cualitativos son importantes.
Un método más sensato es aceptar la idea de que el modelo cuantitativo puede
tratar de manera eficaz los aspectos mensurables del problema de decisión, y que
el decisor también deberá contar con un modelo intuitivo que considere las
variables cualitativas. El director deberá hallar un equilibrio adecuado entre los
factores cualitativos y los cuantitativos.

RESUMEN Al tomar decisiones empresariales se debe establecer el criterio para la toma de


decisiones, seleccionar las alternativas, determinar un modelo y evaluar las
alternativas con base en el modelo para seleccionar la mejor.
Un modelo es una abstracción y simplificación de un problema real, que de
manera ideal incorpora los elementos y las relaciones esenciales del problema
real. Resolver un modelo significa obtener las conclusiones lógicas que sirvan
como guía eficaz para tomar decisiones, si el modelo se diseñó y se resolvió
correctamente. La toma de decisiones comprende la integración de la infor-
mación cuantitativa que se obtiene del modelo y el juicio intuitivo acerca de los
factores cualitativos.
8 Parte I Modelos y toma de decisiones

Decisiones e incertidumbre
Las decisiones empresariales ocurren en dos contextos esencialmente distintos:
en condiciones que se aproximan a la certidumbre y, lo más común, en condiciones
de incertidumbre. El análisis cuantitativo que apoya la toma de decisiones en
condiciones de certidumbre generalmente se refiere a la maximización de un
objetivo (por ejemplo, el beneficio o la producción) sujeto a restricciones (por
ejemplo, la capacidad productiva).
En el ejemplo del principio del capítulo se compararon las alternativas "aceptar
el pedido" y "rechazar el pedido" para un contrato con el gobierno por 1000
unidades. Ésta fue una decisión en condiciones de certidumbre. Se compararon
las dos alternativas y, como el beneficio era 15 000 dólares mayor al aceptar el
pedido, se eligió esta alternativa.
Suponga, que se modifica ligeramente la situación anterior. Se venderá el
producto a 50 dólares por unidad y, como antes, los gastos de producción de X
unidades son:

Pero ahora hay incertidumbre acerca del nivel real de las ventas. Las ven-
tas pueden ser de 100 unidades, de 250 o de 1000, pero no se sabe con seguri-
dad cuál será el nivel que se alcance. Las dos alternativas son: (1) lanzar el
producto al mercado y aceptar los beneficios o las pérdidas que surjan, o (2)
rechazar el proyecto y no obtener beneficios. Suponga que hay que aplicar
los 5000 dólares de costos fijos antes de conocer la demanda real, pero que se
pueden producir unidades después de conocer la demanda (no hay problemas
de inventario).
La figura 1-1 ilustra un árbol de decisión para este problema. Las alternativas
(lanzar al mercado o no hacerlo) se representan como ramas que parten del nudo (o
nodo) cuadrado; y los sucesos inciertos (niveles de ventas), como ramas que par-
ten del nudo circular. La figura 1-1 también contiene los beneficios o las pérdidas
que se obtienen de cada nivel de ventas posible y que se calculan como sigue:

Ingresos Gastos Beneficio


Ventas (50 por unidad) (5000 + 30 por unidad) (ingresos - gastos)

100 5 000 8 000 -3 000


250 12 500 12 500 0
1000 50 000 35 000 15 000

Aunque se han descrito claramente las alternativas y sus consecuencias, no es


obvia la decisión. La mejor alternativa depende de cuan "probable" sea cada nivel
de ventas. Si se tiene la seguridad de que las ventas serán de 1000 unidades, hay
que lanzar el producto al mercado. Si lo más seguro es que las ventas sólo sean
Capítulo 1 Introducción al análisis cuantitativo 9

Figura 1-1 Alternativas y consecuencias de la decisión de lanzar un producto al mercado

de 100 unidades, hay que rechazar el proyecto y evitar una pérdida de 3000 dó-
lares. Si las ventas fueran de 250 unidades, no importaría la alternativa que se
eligiera, ya que los beneficios de ambas decisiones son de cero dólares.
Cuando se desconoce el estado real de la situación, el decisor tiene que actuar
con información imperfecta. Hay varios procedimientos de toma de decisiones
que tienen que ver con la información imperfecta; se analizarán algunas de las
técnicas más útiles más adelante en este libro. Estas técnicas comprenden tanto
el uso de probabilidades para representar el juicio acerca de la posibilidad de
ocurrencia de los sucesos como los procedimientos para determinar el valor
de obtener más información antes de actuar.

Clasificación de modelos
En el libro se analizarán varios tipos de modelos de decisión, los cuales se
clasifican en la figura 1-2. Los modelos se clasifican como ciertos si se supone
que se conocen los factores principales, y como inciertos si se desconocen
algunos factores.

Problemas sencillos

Al construir el modelo para el análisis hay que simplificar todos los problemas.
Si con esto se obtiene un número pequeño de factores o variables, y relativamente
10 Parte I Modelos y toma de decisiones

Figura 1-2 Tipos de modelos


Las variables principales en los problemas de decisión

Cierto son: Incierto


El problema de decisión es: Modelos de caso Análisis de decisiones
Sencillo (árboles de decisión)

Modelos de caso Simulación


Complejo Programación
lineal y entera

Modelos de inventarios Modelos de inventarios


Modelos PERT (ruta crítica) Modelos de colas
Dinámico Programación dinámica Procesos de Markov
Programación dinámica

pocas alternativas, se dice que el modelo es sencillo. Los modelos sencillos


pueden ser muy útiles, incluso para problemas de decisión importantes.
Un caso o modelo de situación es un modelo de un problema de decisión que
se analiza ensayando una serie de casos (posibles resultados o situaciones) con
diversas alternativas o distintas hipótesis. Este modelo no se diseña para encontrar
en forma directa la "mejor" solución. Más bien, el director usa el modelo en un
proceso por tanteo. La mayoría de los demás tipos de modelos que aparecen en
la figura 1-2 son modelos de optimización, donde se usan procedimientos
matemáticos para encontrar la solución óptima. Los modelos de caso se describen
en el capítulo 2.
Los modelos de análisis de decisiones incorporan la aplicación de probabi-
lidades para tomar decisiones en condiciones inciertas. Con frecuencia compren-
den el uso de árboles de decisión similares al de la figura 1-1. La parte II del libro
presenta estos modelos.

Problemas complejos

Muchos problemas de decisión implican gran número de factores o de variables


importantes, o pueden considerar muchas alternativas. Por ejemplo, una empresa
puede tener varias plantas que producen bienes para envío a cientos de clientes.
El problema de decisión de la programación de actividades de las plantas y la
determinación de cuáles plantas proveerán a qué clientes, para minimizar el costo,
comprende cientos de variables y restricciones y puede tener millones de solucio-
nes posibles.
Los modelos de programación lineal y entera son las técnicas que más se
usan para resolver los problemas empresariales grandes y complejos de este tipo.
Capítulo 1 Introducción al análisis cuantitativo 11

Estos modelos utilizan técnicas matemáticas para encontrar el valor máximo (o


mínimo) de un objetivo, sujeto a un conjunto de restricciones. Estas técnicas se
analizan en la parte III del libro.
La simulación es una técnica para modelizar sistemas grandes y complejos que
presentan incertidumbre. Se designa un modelo para que sea una réplica del
comportamiento del sistema. Los modelos de simulación generalmente se anali-
zan con el método de caso por caso (en vez del método de optimización). El
capítulo 19 presenta los modelos de simulación.

Problemas dinámicos

Los problemas dinámicos de decisión comprenden un tipo de complejidad


especial: una secuencia de decisiones relacionadas que se presentan en varios
periodos. La parte IV del libro incluye varios de estos tipos de modelos: modelos
de inventarios para determinar cuándo pedir inventario y cuántas existencias
se deben almacenar; modelos PERT o de ruta crítica para la programación de
proyectos; modelos de colas para problemas que implican colas de espera; y la
programación dinámica y los procesos de Markov, para problemas dinámicos
más generales.

Sistemas de apoyo para las decisiones


Un sistema de apoyo para las decisiones, o DSS (decision support system), es un
sistema de computación integrado, diseñado para auxiliar en la toma de decisiones
para la dirección. Un DSS generalmente incluye un modelo de algunos de los tipos
que se describen en este libro y el computador lleva a cabo los cálculos necesarios
para resolver el modelo. No obstante, un DSS es algo más que un modelo, ya que
por lo general comprende una base de datos que se puede usar para proporcionar
información directamente al gerente (o al modelo). En otros casos, un DSS incluye
gráficos u otros informes que puede comprender el usuario con facilidad. Así
mismo, el DSS incorpora la tecnología de computación para que sea fácil efectuar
el análisis necesario para el problema de decisión o para consultar la información
requerida a la base de datos.
Este libro no se orienta hacia el desarrollo de las herramientas de computación
necesarias para construir un DSS. No obstante, los modelos son una parte
importante del DSS y la comprensión de los modelos que se describen en este
libro representa un paso importante para construir un DSS. A lo largo del libro
haremos referencia a software de computación y presentaremos ejemplos de su
aplicación para ciertos modelos. Este software puede ser parte de un DSS.

RESUMEN Se pueden clasificar las decisiones según se tomen con certidumbre o incertidum-
bre, dependiendo de que se suponga o no el conocimiento de los factores
principales. La toma de decisiones en condiciones de incertidumbre implica el
uso de probabilidades para expresar la verosimilitud de sucesos inciertos.
12 Parte I Modelos y toma de decisiones

También se pueden clasificar los modelos de decisiones como sencillos (hay


pocas variables de importancia), complejos (hay muchas) o dinámicos (las deci-
siones se relacionan entre sí en el tiempo). En el libro se describen varios tipos
de modelos que corresponden a estas categorías.
Los sistemas de computación de apoyo para las decisiones (DSS) muchas veces
incluyen, como uno de los componentes principales, un modelo de decisión del
tipo que se presenta en este libro.

Bibliografía

Baker, K. R. y D. H. Kropp, Management Science: Eppen, G. D., F. J. Gould y C. Schmidt, Quantitati-


An Introduction to the Use of Decision Models, ve Concepts for Management, tercera edición,
Nueva York, John Wiley & Sons, 1985. Englewood Cliffs, N.J., Prentice Hall, 1988.
Bodily, S., Modern Decision Making: A Guide to Jackson, B. B., Computer Models in Management,
Modeling with Decision Support Systems, Nueva Homewood, 111., Richard D. Irwin, 1979.
York, McGraw-Hill, 1985. Raiffa, H., Decision Analysis, Reading, Mass., Ad-
Bonini, C. R, Computer Models for Decision dison-Wesley Publishing, 1968.
Analysis, Palo Alto, Calif., Scientific Press, Schlaifer, R., Analysis of Decisions under Uncer-
1980. tainty, Nueva York, McGraw-Hill, 1969.
Buffa, E. S. y J. S. Dyer, Management Science/Ope- Wagner, H. M., Principles of Operations Research,
rations Research, segunda edición, Nueva York, segunda edición, Englewood Cliffs, N.J., Prenti-
John Wiley & Sons, 1981. ce Hall, 1975.

Problemas con respuestas

1-1. Remítase al ejemplo del contrato guberna- un molde especial para la producción del en-
mental de este capítulo. Suponga que existe granaje. El molde especial durará un año y las
una pérdida del 40% en la producción por ventas anuales son de 80 000 unidades.
causa de las especificaciones más rigurosas a. ¿Deberá la compañía hacer el cambio al
para el producto. engranaje de plástico? ¿Por qué?
a. ¿Cuántas unidades tendrían que entrar al b. Suponga ahora que el engranaje de plásti-
proceso de producción para obtener 1000 co se relaciona con una tasa de averias un
unidades "buenas"? poco más alta en el primer año; específica-
b. ¿Cuál es el costo total para obtener 1000 mente, por cada 1000 unidades que se ven-
unidades "buenas"? den, habrá, en promedio, dos averías más
c. ¿Debe aceptarse el contrato? ¿Por qué? con el engranaje de plástico que con el me-
1-2. La compañía de aparatos domésticos XYZ tálico. Las averías le cuestan 40 dólares a
pretende sustituir un engranaje metálico con la compañía (costos de reparación por ga-
uno de plástico. El engranaje de plástico aho- rantía y por reacción negativa). ¿Deberá
rrará 50 centavos por unidad, pero se requie- ahora la compañía hacer el cambio al en-
re un gasto de 20 000 dólares para elaborar granaje de plástico? ¿Por qué?