Seccion D - Lecturas

J. Ponce, G. Sols y L.
Ulfe Seccin D
Origen y Naturaleza de la Investigacin de Operaciones
1. La Investigacin de Operaciones y El Enfoque de Sistemas.
1.1 Antecedentes histricos de la Investigacin de Operaciones
En el antiguo testamento, por un tratado sobre organizacin, se da crdito a Jetro, el suegro de

Moiss. Asimismo, Platn en el ao 400 a.c. en su obra La Repblica reconoce las bondades de
la divisin del trabajo, al decir que El hombre cuyo trabajo se circunscribe a una tarea delimitada,
debe necesariamente llegar a realizarla en forma excelsa. Asimismo debe mencionarse el
esfuerzo organizacional que significo la construccin de la gran muralla china, la nica construccin
humana visible desde el espacio sideral, ms precisamente de la luna.
Los inicios de lo que hoy se conoce a nivel mundial como Investigacin de Operaciones, se
remontan al ao 1759 cuando el economista Francois Quesnay empieza a utilizar modelos
primitivos de Programacin Matemtica, mediante la construccin de modelos abstractos que
ilustran el flujo de mercancas a lo largo del proceso de produccin y consumo.
En 1776 el economista escocs Adam Smith, en su libro Sobre la salud y la riqueza de las
naciones hizo notar que la divisin del trabajo aumenta la produccin, debido a tres factores a
saber:
La adquisicin de destreza, al realizar una tarea en forma repetida.

El ahorro de tiempo, ya que se evita el pasar de una actividad a otra.
El incremento de una invencin de maquinas y herramientas destinadas a tareas
especializadas, como consecuencia de la divisin del trabajo (Buffa,1981).
Despus de Adam Smith, el ingles Charles Babbage amplio estas ideas al publicar en 1832, un
libro sobre la produccin de alfileres: On the Economy of Machinery and Manufactures.
Babbage advirti que con la divisin del trabajo los salarios dependeran de la rareza de la
habilidad requerida, lo cual dara una base par fijar el jornal.
Ms tarde, otro economista, Walras, establece un sistema de ecuaciones que definen el equilibrio
esttico de la economa en un sistema de las cantidades interdependientes, al desarrollar su
trabajo sobre Teora del equilibrio econmico (Lilienfeld,1984).
Los modelos lineales de la Investigaciones de Operaciones, tienen como precursores a Jordan en

1873, Minkowsky en 1896 y a Farkas en 1906, y los modelos dinmicos probabilsticos tienen su
origen con Markov a fines del siglo pasado.
El desarrollo de los modelos de inventario se inicia en 1915 cuando F.W. Harris, aplica el anlisis
matemtico a su primer modelo de magnitud de lote econmico para control de inventario
(Buffa,1986). En 1908, el ingeniero dans A.K. Erlang, lleva a cabo una labor investigadora por
encargo de la compaa de telfonos de Copenhague, sobre la ramificacin de las comunicaciones
telefnicas, llevando a cabo experimentos relacionados con las fluctuaciones de la demanda de
servicio telefnico con el equipo de marcado automtico. Sus trabajos constituyeron el inicio de los
modelos probabilsticos de la Teora de Colas de Espera.
1
Investigacin de Operaciones 1
Durante la Primera Guerra Mundial, en Inglaterra, ao 1914 F.W. Lanchester public trabajos sobre
las relaciones tericas existentes entre el logr de la victoria y la superioridad, con el poder de
fuego de las Fuerzas Armadas. En los Estados Unidos se le di a Thomas Alva Edison la tarea de
descubrir cuales maniobras de los buques mercantes serin ms efectivas para minimizar la
prdida de buques por encuentros con submarinos enemigos. En vez de arriesgar buques en
accin blica real, ste empleo un Tablero Tctico de juego, para encontrar solucin. En la
dcada de los aos treinta, Horace C. Lenderson aplic modelos matemticos muy elaborados a la
combinacin de una cantidad de datos, tan grande, que de otra manera hubiera sido materialmente
imposible de procesar (Thierauff, 1981). En el campo de la estadstica, en 1931 Walter Shewhart
introdujo en la produccin industrial el control de calidad estadstico, as mismo en 1934 L.H.C.
Tipett concibe las tcnicas de lo que hoy es conocido como Muestreo (Buffa, 1986).
Los problemas de asignacin se estudian con mtodos matemticos por los hngaros Konig y
Egerrary en la segunda y tercera dcada de este siglo. Los problemas de distribucin son
estudiados por el ruso Kantorovich en el ao 1939.
El movimiento de la Administracin Cientfica recibi su impulso inicial a fines de siglo XIX y

principios de siglo XX, por parte del Frederick Wislow Taylor; quien recibe el estmulo de sus
predecesores en especial de Henry R. Towne. En sus primeros escritos se refera a sus ideas
como Tarea Administrativa. No fue sino hasta 1910, cuando Luis Brandeis, en un informe ante la
comisin Inter estatal de comercio de los E.U.A., us el trmino Administracin Cientfica. Taylor
pens que el trabajo se poda analizar cientficamente, lo cual se condujo al desarrollo de mejores
mtodos de desempeo, as como a la estandarizacin de esos mtodos, y a la seleccin del
trabajador mejor capacitado, y a su posterior capacitacin sobre procedimientos ms eficientes
para poder realizar su trabajo.
Henry L. Gantt, asociado de Taylor, se hizo conocedor por sus trabajos de programacin
cronolgica de la produccin. Antes de l se hacia muy poco caso de las congestiones de trabajo,
lo cual originaba retrasos en las entregas. Gantt plane cada tarea, de una mquina a otra y
aminorando las demoras de produccin, al asignar las cargas de produccin con varios meses de
anticipacin haciendo posible las fechas de entrega con ms exactitud.
Las contribuciones de los esposos Frank y Lilien Gilbreth, en la dcada de 1910 significaron un
gran adelanto en los estudios de Taylor y Gantt. Se iniciaron con el enfoque cientfico del estudio
de movimientos, dividiendo los movimientos en sus elementos fundamentales para llegar a crear
movimientos con menos desperdicios de tiempo.
1.2 La Investigacin de Operaciones en la Segunda Guerra Mundial
No fue sino hasta la segunda guerra mundial, cuando las diversas tcnicas de la Investigacin de
Operaciones comenzaron a tomar auge.
La Investigacin de Operaciones en Gran Bretaa
En 1937 se dio origen a un grupo embrionario de Investigacin de Operaciones, cuando A.P. Rowe,
Superintendente de la Estacin de Bawdsey, emprendi la tarea de hacer colaborar a los cientficos
con los militares para establecer directrices para el Ejrcito Ingls en el empleo efectivo del
recientemente inventado radar, mediante una localizacin geogrfica ptima. En Bawdsey se
estudiaba con preferencia el modo de combinar el nuevo sistema de alerta por radar con el mtodo
de observacin tradicional.
Simultneamente, el Dr. E.C Williams desarrollaba otros estudios, tambin de sumo inters por
cuenta de la R.A.F. (Royal Air Force). Su anlisis se centraba en las diferencias observadas entre
los resultados obtenidos por las diversas estaciones avanzadas de alerta y sus conclusiones se
cristalizaron en ciertas mejoras. Entre la ruptura de las hostilidades y la batalla de Inglaterra, los
2
J. Ponce, G. Sols y L. Ulfe Seccin D
bombardeos nocturnos alemanes, permitieron a estudiar las reacciones de la defensa antiarea.

Este trabajo condujo aun minucioso anlisis de las operaciones nocturnas en todas sus fases.
El Ejrcito de Tierra Britnico, encargado de la defensa antiarea, demostr muy pronto un vivo
inters por la Investigacin de Operaciones. En agosto de 1940, el General Pile, comandante de la
artillera antiarea, solicito ayuda de un cientfico, para coordinar los equipos de radar, que
indicaban el azimut y el rumbo de los bombardeos, con otros nuevos aparatos que calculaban su
altitud.
El profesor P.M.S. Blackett (Premio Nobel de Fsica) de la Universidad de Manchester, fue

designado para esta labor. Los nuevos aparatos no parecan dar, en los emplazamiento de tiro,
resultados tan satisfactorios como los que se daban en las estaciones de ensayo. Era preciso pues
llevar a cabo la observacin en el curso de las operaciones. Blackett formo un grupo investigadores
cientficamente preparados, si bien no todos especialistas en radio, con el fin de que pudiera
abordar el problema desde diferentes puntos de vista. Haba entre ellos tres fisilogos, un
especialista en fsica general y dos en fsica matemtica, un astrofsico, un experimentado oficial
de Ejrcito de Tierra. Un observador areo y dos matemticos.
El Circo Blackett, como dio en llamrsele, por la heterogeneidad de sus integrantes demostr
enseguida la utilidad de confrontar los diferentes puntos de vista en la resolucin de los problemas
de Investigacin de Operaciones.
Despus de haberse ocupado de la localizacin optima de radares, Blackett paso a dirigir la

Investigacin de Operaciones en la Marina para la deteccin de naves y submarinos enemigos. A
los dos aos de comenzar la guerra los ejrcitos britnicos de tierra, mar y aire contaban con
grupos dedicados a la Investigacin de Operaciones.
La Investigacin de Operaciones en EE.UU.
Al igual que en Inglaterra, el punto de partida fue el radar, en la primavera de 1942, el Secretario de
Guerra, Stimson, realizaba un viaje de inspeccin por Panam.
El General Andrews llam su atencin sobre la utilidad que podra reportar la creacin de un equipo
de especialistas civiles encargados de coordinar el radar con los dems medios de defensa en la
zona del canal. De este modo se constituyo en Panam un equipo de cientficos. Poco tiempo
despus, un cientfico, el Dr. Ward S. Davidson, y un jurista, el comandante W.B. Leach, fueron
encargados de realizar una encuesta sobre la Investigacin de Operaciones en Gran Bretaa y
sobre los primeros trabajos de este tipo llevados a cabo en los Estados Unidos.
Este informe suscit tanto inters, ya que Sir Robertson Watson-Watt, que fuera el iniciador de los
dos primeros estudios sobre Investigacin de Operaciones en 1937, en Gran Bretaa recomend
que se implantara la Investigacin de Operaciones en los Departamentos del Secretario de Guerra
y el Secretario de Marina de los Estados Unidos quien al igual que el General Spaatz, Comandante
de la Octava Fuerza Area de U.S.A., haba solicitado ya una Seccin de Investigacin de
Operaciones semejantes al de la R.A.F.
En abril de 1942, ya haba tomado y se haba puesto en prctica la implementacin de la decisin

de introducir la Investigacin de Operaciones en las Fuerzas Armadas de U.S.A. Los problemas
iniciales incluan el radar y las creacin de convoyes de la Marina Mercante destinados a aminorar
las prdidas causadas por los submarinos enemigos. En la Fuerza Area de los Estados Unidos
se le dio el nombre de Anlisis de Operaciones y en la Marina, Evaluacin de Operaciones y en
el Ejrcito Investigacin de Operaciones, recogiendo la denominacin utilizada por primera vez
Mc. Closkey y Trefethen en 1940 y que fuera la que se difundira para denominar esta actividad.
3
Estas actividades no slo se desarrollaron en la Gran Bretaa y los Estados Unidos, sino tambin
en Canad y Francia durante la Segunda Guerra Mundial.
Mencionaremos tambin la utilizacin de la Teora de Juegos y de la Teora de Preferencias,

desarrolladas por John Von Newman y Oskar Morgerstemn, en 1928 y que se empleara en el
campo de la Logstica Estratgica para vencer al enemigo, y que ms tarde, al finalizar la Segunda
Guerra Mundial, se le usara en la logstica de distribucin de todas los recursos militares de los
aliados, dispersados por todo el mundo.
Consecuencias de la Segunda Guerra Mundial
La adopcin del nombre de Investigacin de Operaciones dado por primera vez por Mc
Closckey y Trefethen, asumido por el ejercito norteamericano.
La formacin de equipos mixtos interdisciplinarios, formando un grupo de fiscos, matemticos,

bilogos, estadsticos, psiclogos y politlogos (especialistas en Ciencias Polticas),
constituyeron un factor esencial, para ver desde diferentes perspectivas, el tratamiento y al
solucin del problema.
La adquisicin de la costumbre de analizar cada problema en funcin de sus relaciones con el

grupo total de una operacin dada, y en examinar los problemas adicionales a travs de dicha
operacin. Iniciando la actividad que es conocida mas tarde como Anlisis de Sistemas.
1.3 La Investigacin de Operaciones en la Post Guerra
Al finalizar la guerra, la victoria hall a los grupos de Investigacin de Operaciones de ambos lados
del Atlntico en pleno apogeo. Veamos cual fue su posterior evolucin:
Gran Bretaa
En noviembre de 1945 se creo en la Gran Bretaa, la Seccin de Investigacin de Operaciones del

Ministerio de Guerra. Formadas por oficiales que trabajan en estrecho contacto con una seccin
similar al Ministerio de Aprovisionamiento, estaba compuesta, en gran parte; por especialistas
civiles. Ambos grupos fueron pronto integrados en uno solo, en el seno del Ministerio de Guerra,
bajo el nombre del Grupo de Investigacin de Operaciones del Ejrcito. Esto fue consecuencia, de
una reduccin de presupuesto en los gasto de defensa al haber concluido la guerra, lo cual
permiti disponer de muchos analistas de Investigacin de Operaciones que trabajan en el campo
militar, precisamente cuando se confrontaba la necesidad de reconstruir un gran nmero de
instalaciones manufactureras britnicas destruidas por los bombardeos enemigos. Adems, el
partido laborista, entonces en el poder, inicio la nacionalizacin de varias de las principales
industrias como las del hierro, el acero, la hulla, las que comenzaron a demandar rpidamente
especialistas en Investigacin de Operaciones.
Estos grupos de cientficos normalmente se asignaban al responsable encargado de las

operaciones en lnea (on-lineal), de aqu que su trabajo se lleg a conocer en Gran Bretaa como
Investigacin Operacional.
4
Estados Unidos
El grupo de Investigacin de Operacines de la Marina pas a ser Grupo de Anlisis de

Operaciones, siendo su competencia la guerra submarina, los proyectiles teledirigidos, el radar y
la guerra atmica.
Una orden gubernamental en 1946, introdujo la Investigacin de Operaciones en la organizacin de

la Fuerza Area de los Estados Unidos (U.S.A.F.). Existe en la actualidad una Divisin de Anlisis
de Operaciones en el Estado Mayor de la Fuerza Area, as como sus respectivas secciones
correspondientes agregadas a los mandos locales. El mismo ao 1946 la Fuerza Area encarga a
la compaa de aviones Douglas el proyecto llamado RAND, abreviatura de Reserach and
Development (Investigacin y Desarrollo), funcionando inicialmente con 10 millones de dlares,
siendo su personal reclutado de la industria y de los medios universitarios. Posteriormente, la
U.S.A.F. crea la RAND Corporation, con financiamiento de la Fundacin Ford, fijando su sede en
Santa Mnica California.
En 1948, el Mayor General del Ejrcito Mc Auliffe elige a la Universidad Johns Hopkins de
Baltimore, para dirigir al grupo de Investigacin de Operaciones. En setiembre de ese mismo ao
se crea la Operations Research Office, (Oficina de investigacin de operaciones) ORO en
abreviatura.
En 1948 se crea el grupo de Anlisis de Armamento, encargado de analizar en forma rigurosa y

objetiva, los armamentos en condiciones probables de combate. El Teniente General John E. Hall,
comandante de las Fuerzas Terrestre del Pacfico y de las pruebas atmicas de Eniwetok fue
designado para dirigir dicho Grupo, y el Doctor Philip M. Morse del instituto Tecnolgico de
Massachusetts, fue su primer director tcnico. Su personal se reclut entre los oficiales militares y
especialistas civiles. Los grupos de Investigacin de Operaciones de las Tres Fuerzas Militares
estadounidenses, participaron en este grupo en forma peridica.
Como hemos visto en los Estados Unidos la Investigacin de Operaciones en la Post-Guerra, se

sigui utilizando en el campo militar, a diferencia de la Gran Bretaa que tenia que reconstruir sus
industrias, seriamente daadas por los bombardeos alemanes; y no es sino hasta las primera mitad
de la dcada de los aos 50, con la aparicin del computador, que entraran en uso por partes de
las grandes corporaciones que la Investigacin de Operaciones hace su aparicin en el sector civil.
1.4 La Investigacin de Operaciones en el Sector Civil
La I.O. se desenvolvi en Gran Bretaa cuando se redujeron los gastos de investigacin militar, lo
cual hizo que muchos analistas de investigacin de operaciones que trabajan en la fuerzas
armadas, pasasen al sector civil, precisamente cuando los administradores enfrentaron nuevos
tipos de problema creados por la nacionalizacin de la industria llevada a cabo por el Labour Party
(Partido Laborista) y la necesidad de reconstruir grandes sectores de la industria britnica,
destruida por el bombardeo alemn con lo cual requeran de un nuevo enfoque para su tratamiento
y solucin. Los ejecutivos de la industria llamaron a los analistas de Investigacin de Operaciones
a muchas empresas.
A mediados de los aos 50, la semilla germino y dio frutos. Los grupos de I.O., se difundieron
ampliamente, y por ejemplo, para el gobierno, los estudios de I.O. para el Ministerio de Alimentos,
examinaron el consumo y los patrones de gastos y alimentos, para predecir los efectos de las
polticas gubernamentales en alimentos y precios sobre la nutricin y el presupuesto familiar, as
mismo, hubo departamentos de I.O., en la United Steel Company, British Iron And Steel Research
Associats British Petroleum y la National Coal Board, entre muchos otros.
En Gran Bretaa una situacin econmica critica exigi aumentos drsticos de eficiencia en la
produccin y el desarrollo de nuevos mercados, es gracias a este estimulo que la I.O. ha
5
conquistado una posicin muy slida en el gobierno y empresariado britnico para la solucin de
problemas difciles y complejos.
En EE.UU. la Investigacin de Operaciones sigui una direccin ligeramente distinta. La

investigacin militar aument en los EE.UU., despus de la Segunda Guerra Mundial, y las fuerzas
armadas retuvieron al personal de I.O. Aunque la consultora no era nada nuevo para los
administradores de los EE.UU., ya que esta se remontaba a la poca de Taylor, no fue sino hasta
que estall el conflicto coreano en 1950, que la nueva bsqueda de asesora se aceler y se cre
amplias demandas de mayor productividad en la industria norteamericana que hizo que el sector
civil empezara a absorber a los analistas de I.O., ya que anteriormente los ejecutivos industriales
no requeran mayor reconstruccin de plantas destinadas, como si fuese el caso britnico y
simplemente hubieron de volver al patrn tradicional de produccin. Gran cantidad de empresas
norteamericanas tales como U.S. Rubber Company y la Lun Oil Company estuvieron entre las
primeras, en hacer uso de la I.O.
As mismo de la dcada de los aos 50 se hace presente la introduccin del computador

electrnico, cuyo potencial como instrumento para la administracin se difundi ampliamente el
trayendo consigo nuevas soluciones a viejos problemas pero haciendo tambin aparecer nuevos
problemas, para los cuales no haba ninguna experiencia previa. Es as que los analistas de I.O.,
que hubieran trabajado, en el campo militar, durante aos, se encontraron listos para aprovechar la
oportunidad que la industria les presentaba, producindose as en adelante, un desarrollo fabuloso
de la I.O., partiendo por la creacin del mtodo simplex (1947) por George Dantzig, que diera inicio
a la Programacin Lineal (1950); paralelamente el avance de las computadoras digitales, se
vinieron desarrollando la Programacin No Lineal (Kunh y Tucker), Programacin Entera (Gomory),
Redes de Optimizacin (Ford y Fulkerson), Simulacin (Markowitz), Inventarios (Arrow, Karlin,
Scarf, Whitin), Anlisis de Decisiones (Raiffa) y Procesos Markovianos de Decisin (Howard),
llegando a aplicarse las tcnicas de I.O. no solo en el sector privado, (produccin industrial,
comercializacin, finanzas, transportes, seguro, etc.) sino tambin en el sector de los servicios
pblicos.
Durante este periodo de gran despegue y difusin de las tcnicas de Investigacin de Operaciones
y Anlisis de Sistemas de las 500 empresas ms grandes del mundo registradas por la revista
FORTUNE la tercera parte de ellas comenzaron a adoptar la Investigacin de Operaciones y el
Anlisis de Sistemas juntos. Los avances cientficos en el campo de la Comunicacin, Control y
Computacin, produjeron la base tecnolgica para la automatizacin, es decir, la maquina sustitua
al hombre como fuente de control de procesos en los sistemas.
Conjuntamente con este desarrollo se produjo la difusin de los expertos en Investigacin de

Operaciones/ Anlisis de Sistemas en el Departamento de Estado de los Estados Unidos, llegando
ocupar altos puestos en el gobierno e influyentes asesoras, desde donde se extendieron a los
gobiernos estatales y municipales a travs de todos los Estados Unidos, y con ello la nocin de la
aplicacin de las tcnicas de Investigacin de Operaciones / Anlisis de Sistemas a todas las
facetas de la Administracin Publica (Lilienfeld 1984), es as que en 1967 el presidente Lyndon B.
Johson, instaur el PPBS (Planned Programing and Budgeting System Sistema de
Planificacin, Programacin y Presupuesto) para todas las Agencias Federales, Estatales y Locales
de los Estados Unidos.
En este sistema el anlisis costo-beneficio, insumo-producto y el Anlisis de Sistemas son sus

componentes bsicos (Katz- Rosenzweig 1988) de este modo la Investigacin de Operaciones se
convirti en un importante instrumento en las batallas de los presupuestos de los contratos pblicos
(Ackoff-Sasieni 1977). Es as que la Investigacin de Operaciones se hace presente mediante sus
tcnicas para la construccin de los cohetes Apolo que llevaron al hombre a la Luna. As como la
construccin del Nautilus, el primer submarino nuclear, y de los misiles intercontinentales Polaris.
Aunque muchos de los resultados de la implementacin de las Tcnicas de Investigacin de

Operaciones fueron exitosos, hubieron algunos que producto de la aplicacin en empresas
6
publicas en los Estados Unidos durante los fines de la segunda mitad de la dcada de los 70 que
no fueron alentadores, debido a la mala aplicacin de quienes abordaron los problemas para su
solucin (Lilienfeld 1984), este problema fue abordado inmediatamente por distinguidos
acadmicos, quienes mencionan varios argumentos, entre los cuales destacan: Que en los
proyectos pblicos, los precios del mercado no eran los que se usaban en las evaluaciones y
control de proyectos, sino que se tomaba en cuenta un Precio de cuenta socialmente aceptable,
(Uriegas,1987) lo que hizo notar que frecuentemente no existan indicadores adecuados para medir
la efectividad en los sistemas de carcter netamente social, como si daban en los sistemas
tcnicos, tales como por ejemplo sistemas de transportes, produccin, comunicaciones, etc; los
cuales pueden evaluarse con indicadores tcnicos de relacin costo/beneficio.
Segn la opinin de Churchman (1970), quienes aplicaban las tcnicas estaban faltando a la
intencin original de una ciencia holstica (globalizadora), interdisciplinaria y experimental dirigida a
resolver los problemas de la sociedad.
Cruber y Niles sostenan que, la actitud que con frecuencia sostenan estos investigadores, era que
mas les interesaban el desarrollo de complejos modelos matemticos y los algoritmos de
programas de computadoras para esos modelos, y crean que su tarea terminaba una vez que
presentaban sus conclusiones.
Los problemas encontrados por los que fueron bien aplicadas las tcnicas fueron:
No considerar suficientemente los factores humanos, ya que les eran difciles de expresar
matemticamente, dejar de lado las tcnicas cualitativas para la solucin de los mismos.
La tarea de explicar y convencer al usuario debi formar parte de la formulacin y solucin del
problema.
Falta de inters por la gestin como un proceso completo, interrelacionando entre si las
diversas partes de la empresa en la solucin (enfoque y solucin del problema mediante el
anlisis del sistema)
La gerencia con frecuencia no utilizo los resultados producidos por la investigacin, debido al
problema de falta de comprensin de los mismos as como de comunicacin.
La inercia de la administracin y la falta de un proceso de aprendizaje impeda la

implementacin de las conclusiones del investigador.
No comprender que la gerencia opera en un ambiente de factores generalmente cambiantes

y/ crticos, en el que el tiempo, para hallar la solucin es un factor muy importante.
Buffa (1981) da grandes luces al respecto, l sostiene que durante los periodos de guerra, la I.O.
comenz a abrirse paso; logrando un gran desarrollo, pero que sin embargo le sucede algo
comparable a lo acontecido con la Administracin Cientfica (no confundir con ciencias de la
administracin), la proposiciones originales, para la aplicacin de la Investigacin de Operaciones,
hechas hacia un amplio enfoque (metodologa) de los sistemas, en relacin con las tcnicas de
resolucin de los problemas de direccin, que se propusieron no fueron tomados en cuenta y
quedaron como simple modo forma de implantacin de determinadas tcnicas.
Lo que haba ocurrido, fue que durante un lapso considerable se puso todo el nfasis en las
nuevas y potentes tcnicas analticas de cuantificacion, y se perdi gran parte de la amplia
concepcin de los problemas desde el punto de vista de los sistemas.
La Investigacin y la Aplicacin se centraron en aspectos tales como el PERT/CPM, el Control de

Inventarios, la Programacin Matemtica (que incluye la programacin lineal, programacin no
7
lineal, programacin entera, etc.), la Simulacin y las Tcnicas de Programacin de Actividades

(Scheduling).
La amplia estructura conceptual de anlisis de los sistemas, quedaba, solamente en el papel, y

pareci ser algo sobre lo que habra que charlar, en vez de algo sobre lo que se poda hacer.
Probablemente hayan existido muchas buenas razones por las que se haya puesto mas atencin
en las tcnicas cuantitativas, ya que es mucho mas fcil y sencillo, afrontar un problema pequeo,
de alcance limitado, que luchar con problemas de gran escala, no olvidemos que el concepto de los
sistemas requiere de modelos que tomen en consideracin las interacciones, de alto nivel, que se
efecten entre todas las partes de la organizacin, y esto es algo difcil de lograr sin ninguna
preparacin, en el sentido conceptual, del enfoque de sistemas, sino que puede parecer algo
imposible de considerarse en el sentido organizacional de la direccin.
En la actualidad existe inters por la amplia estructura conceptual de los sistemas, habindose
planteado en ellos, el hecho, de que las tcnicas de Investigacin de Operaciones deben
encontrar su aplicacin apropiada mediante el diseo de sistemas orientados apropiadamente a la
bsqueda incesante de la satisfaccin del hombre en su verdadera esencia; y no simplemente
como otro eslabn de una mquina gigantesca.
Ante la posibilidad de transformar la Investigacin de Operaciones en slo una nueva habilidad y

tcnica matemtica, destacados acadmicos, recalcan la capacidad de anlisis de la I.O.,
enfatizando y rescatando una caracterstica esencial de la Investigacin de Operaciones: el
Enfoque de Sistemas; dirigindose hacia un anlisis en un marco de referencia ms amplio; el
Anlisis de Sistemas, el cual estuvo descuidado (Buffa, 1981).
Es as que surgen trabajos de Ackoff (1974, 1981), Checkland (1981) y Churchman (1974). Sus
trabajos son representativos de la corriente de los procedimientos metodolgicos de los Sistemas
Blandos.
La Metodologa de los Sistemas Blandos (MSB, Rodrguez Ulloa 1989) es un conjunto de

procedimientos que fue desarrollado con el fin de permitir soluciones viables en Sistemas en donde
el comportamiento de los grupos humanos y sus valores Socio - Culturales, entran en conflicto con
la modelacin y/o implantacin de los modelos matemticos o tcnicas cuantitativas, los cuales son
incapaces de captar aquellas variables que en muchas ocasiones definen el curso de accin de las
organizaciones (por ejemplo factores polticos, ambicin de poder, valores culturales, ideologa,
intereses personales, complejos psicolgicos, prejuicios, etc.).
Cada persona o grupo de personas puede adoptar una determinada posicin valorativa conceptual,
en la forma de abordar la solucin a los procedimientos o tcnicas que habran de dar solucin a
dichos problemas, que pueden estar en contradiccin con el punto de vista de las personas que
establecen y/o implantan las soluciones, para lo cual es necesario prever un factor de resistencia
humana a las soluciones racionales o proporcionar un entendimiento dirigido hacia las personas
del sistema que se quiere optimizar, es decir, incorporar el aprendizaje como parte de la solucin.
Vemos pues la complejidad de estos sistemas denominados "Blandos" (o Sistemas Humanos, o

Sistemas de Actividad Humana), en los cuales los mtodos cuantitativos de la Investigacin de
Operaciones al no tener en cuenta los detalles que observa la Metodologa de Sistemas Blandos
hace imposible su interpretacin hacia un modelo matemtico, ya que un modelo producido de esta
manera habra de conducir a una versin muy sesgada del problema a resolver.
Lo cual no necesariamente habra de ocurrir en un modelamiento de un Sistema Duro (o bien

estructurado, fcil de modelar matemticamente); es decir en los Sistemas de Produccin,
Comunicacin y Transporte, etc. los cuales a pesar de tener sus propias caractersticas en cada
tipo de problema (problema de Asignacin, Inventario, Reemplazo, Colas, Localizacin,
Competencia, Transporte, etc.), son de poca complejidad; ya que aqu los modelos son
esencialmente simples ya que responden a la lgica de las situaciones en las cuales no hay
8
valores contradictorios entre quien da las soluciones y quien las recibe, por existir consenso
generalizado acerca de lo que se necesita hacer para llegar a una solucin ptima del problema.
1.5 Sociedades de Investigacin de Operaciones
Las organizaciones acadmicas dedicadas a las tcnicas de I.O. se difundieron en todo el mundo,
en 1948 en Gran Bretaa se form The Operations Research Club, que en 1953 cambi el nombre
a Operations Research Society of the United Kingdom, quienes publicaron en 1950 la Operations
Research Quarterly, que pas a ser la primera revista especializada en I.O. En los EE.UU. se
forma The Operations Research Society of America (ORSA) en 1950 y The Institute of
Management Science (TIMS) en 1953 que publicaron sus respectivas revistas especializadas, y
que publican en forma conjunta, dos dcadas despus Interfaces, tambin revista especializada en
la cual se tratan trabajos de aplicacin de I.O., as como nuevas tcnicas, que son presentadas a
consideracin de los lectores. Dos dcadas despus ambas instituciones se fusionaron creando
The Institute for Operations Research and The Management Sciences - INFORMS
(www.informs.org).
A nivel internacional, adems de los Estados Unidos y el Reino Unido, se crearon las primeras
Sociedades de Investigacin de Operaciones en Canad, Francia, Italia, Israel y Austria que
financian junto con las sociedades anteriormente mencionadas a la Internacional Federation of
Operations Reserarch Societies IFORS (www.ifors.org) que llev a cabo el primer Congreso
Internacional de I.O. el ao 1957 en la ciudad de Oxford.
1.6 Perspectivas de la Investigacin de Operaciones
En la actualidad, la dinmica del mundo de los negocios de nuestros das, est forzando a las
compaas a concentrarse en el reto que representa la competitividad de estos das, (Thierauff,
1984) como consecuencia de la liberalizacin de la economa y de la apertura de mercados, est
presentando a la Investigacin de Operaciones como una moderna ciencia. La dinmica de los
productos (vida limitada de los productos), de los mercados (nuevos productos tcnicamente
superiores y econmicamente ventajosos desplazan a los nuevos productos aqu y en el
extranjero), de los procesos industriales (el estado restringido y a la vez cambiante de los procesos
de manufactura), y del gobierno y de la sociedad (las restricciones legales y consideraciones socio-
culturales sobre las empresas que estn cambiando vertiginosamente) ocasionan que las
empresas planeen cuidadosamente sus actividades a corto, mediano y largo plazo. Este proceso
lleva no slo a cambiar las polticas de planificacin de las empresas, sino el modo de la
planeacin que requieren dichos cambios.
La informacin resultante de los mtodos de la Investigacin de Operaciones, respaldados por la

ventaja, que nos ofrecen cada vez ms vertiginosamente las computadoras, ha ayudado y
continuar ayudando a la plana gerencial de las empresas, a comprender que tenga sentido la
acelerada cantidad de cambios que tiene lugar en el mundo de los negocios. El Investigador de
Operaciones y Sistemas, a menudo desarrolla nuevas ideas y conceptos alternativos a los
planteamientos administrativos tradicionalmente considerados, por lo que permanentemente est
en constante evolucin (Kast y Rosenzweig, 1990).
Es as que actualmente muchos Investigadores de Operaciones reconocen cada vez ms que si

han de desempear un papel en la solucin de problemas aplicados a la realidad no pueden
preocuparse slo por el desarrollo de los modelos matemticos, sino que tambin deben participar
activamente en la comprensin cabal de los problemas abordados, lo cual necesariamente implica
el tener en cuenta no slo las variables e interrelaciones cuantitativas sino necesariamente tambin
las variables e interrelaciones cualitativas en los problemas abordados, tomar esta actitud implica
comprometerse con el Enfoque y el Anlisis Sistmico, es decir abordar los problemas de la
9
realidad como una totalidad, ya que para poder entenderlos existir siempre la necesidad de
apreciar dicha totalidad en su real dimensin
2. Caractersticas y Alcances de la Investigacin de Operaciones
2.1 Caractersticas Esenciales de la Investigacin de Operaciones
La necesidad de la combinacin de mtodos y, por tanto, de la estrecha colaboracin entre los

especialistas de las diversas ramas que tiene relacin con un problema dado es evidente.
As, pues, la principal caracterstica de la investigacin de Operaciones consiste, en haber

considerado siempre a cada organismo como un todo. Si los organizadores tradicionales tienden,
por principio, a disociar los elementos de un organismo, la Investigacin de Operaciones intenta
mejorar las operaciones no sector por sector, sino ms bien en su conjunto.
Las previsiones que establecen la Investigacin de Operaciones no estn exentas de cierto grado
de incertidumbre, que proviene del comportamiento humano o de las modificaciones futuras en el
medio econmico. Aunque se trate de una tarea difcil, conviene ponderar cada uno de estos
factores de inseguridad. Sus caractersticas principales se resumen as:
Estudio de un sistema dado en su conjunto.

Investigacin de las soluciones ptimas para el presente y para el futuro.
Adopcin de los procedimientos cientficos ms modernos.
Sntesis y desarrollo de la metodologa de los organizadores tradicionales.
Elaboracin y empleo de modelos cuantitativos y cualitativos.
Reproduccin de operaciones aisladas a ttulo experimental.
Utilizacin de equipos muy unidos, integrados por elementos procedentes de diversos campos
intelectuales.
2.2 Condiciones Ambientales de la Investigacin de Operaciones
La investigacin de Operaciones requiere dos condiciones: la comunicacin de la informacin y la

confianza. Tal investigacin debe obtener todas las informaciones precisas, es decir, tener acceso
a todos los servicios del organismo estudiado.
Por su parte, el equipo investigador debe facilitar los contactos sirvindose del lenguaje usual entre
el personal y no de una terminologa hermtica. Debe asimismo, exponer a los dirigentes las
conclusiones de sus estudios, utilizando el lenguaje de stos.
La segunda condicin - la confianza - esta ligada a la primera. Para poder confiar en sus propias
conclusiones, la Investigacin de Operaciones debe tener acceso a las fuentes de informacin.
Por lo que se refiere a los dirigentes de un organismo, slo confiarn en las conclusiones indicadas
si las comprenden y si tienen la certeza de que parten de una base concreta.
La mejor manera de cumplir con los requisitos sealados consiste en disponer de un grupo de
investigadores que pertenezcan al organismo estudiado; exigencia importante por cuanto se trata
de encontrar soluciones compatibles con la marcha de dicho organismo. Las personas ajenas a l
pueden, desde luego, conseguirlo, pero no disfrutan de la ventaja que otorgan los contactos
permanentes.
2.3 Naturaleza de la Actividad Moderna y la Investigacin de Operaciones
10
La creciente complejidad de las tcnicas hace cada da ms difcil coordinar todos los elementos
de una actividad. Esta complejidad ya no permite comenzar partiendo de un plan establecido de
antemano e introducir progresivamente los distintos elementos necesarios. La organizacin acta
sobre la produccin, sobre la expansin y sobre la investigacin e, inversamente, stas actan
sobre aquella.
En consecuencia, los dirigentes deben estar seguros de que cada sector se desenvuelve de
acuerdo con las necesidades del organismo. Con todo, el problema de las relaciones entre los
distintos sectores puede ser objeto de diversas soluciones. La experiencia demuestra que los
resultados no son buenos si los vendedores dominan sobre la produccin, o si la produccin
controla el desarrollo, o si el desarrollo condiciona la investigacin. El personal comercial, por
ejemplo, tiende a exigir los resultados inmediatos de la produccin, sin tener en cuenta la
disminucin de calidad o el aumento de costos que ello provocara.
Lo anterior resulta vlido en lo que se refiere al grado de rapidez en las decisiones, de precisin y
de intuicin de cada sector. La Investigacin de Operaciones se sita en el centro mismo de este
problema de control; al hacer funcionar el conjunto del sistema con la mxima eficacia y el menor
costo.
Las pequeas empresas, las industrias sin altibajos y los monopolios an pueden permitirse
vacilaciones y contentarse con mejoras marginales. Pero los organismos complejos, en los que los
factores habitualmente, se encuentran en constante competencia (por los recursos a veces
escasos de la empresa) se convierten en "variables acumulativas", deben renunciar a los tanteos y
aceptar la organizacin cientfica; no deben detenerse en las mejoras marginales, sino proceder a
perfeccionamientos globales.
La finalidad de la Investigacin de Operaciones consiste en socorrer a estas "vctimas" de la

complejidad del mundo actual. Su atencin se centra en las grandes organizaciones, que precisan
adaptarse sin vacilar a la evolucin de una tcnica en continuo progreso. Las simples mejoras
marginales apenas le preocupan; su objetivo consiste en mejorar el conjunto, en ocasiones de
forma revolucionaria. Se trata de un instrumento perfeccionado de direccin, destinado a estudiar
los problemas del mundo actual, un mundo complejo, irracional, dinmico y, al propio tiempo,
conservador. Un mundo en el que existen probabilidades, pero no certezas.
2.4 Condiciones de las Organizaciones y la Investigacin de Operaciones
La organizacin en estudio debe tener una misin. Una misin comprende un objetivo y una tarea.
Una vez definida claramente la misin, los organismos han de documentarse sobre el pasado, el
presente y el futuro. Ocurre a menudo que las grandes organizaciones no disponen de rpidos
medios de transmisin de las informaciones, debido probablemente al hecho de que los clculos y
los estudios tradicionales tienden mas bien a justificar la actividad pasada que a preparar la futura.
Los investigadores empero, necesitan conocer con prontitud todas las indicaciones disponibles
sobre la situacin presente, en particular las que se refieren a la poltica y a los mtodos generales
del organismo.
Suponiendo que la misin haya sido precisada correctamente y que las informaciones facilitadas
estn al da, an queda un problema de difcil solucin: el de la fidelidad a las recomendaciones
hechas por los organizadores. Quizs algunos de sus consejos no produzcan resultados prcticos
antes de cinco o seis aos, e incluso ms tarde; tales son, por ejemplo, los que dependen de las
conclusiones de la investigacin cientfica. Adems, tambin los competidores establecen sus
planes para el futuro. Hay que prever, un margen de maniobra que permita adaptarse a las
circunstancias.
Finalmente, conviene distinguir las recomendaciones a corto plazo de las recomendaciones a plazo
ms largo. Aunque es evidente que deben armonizarse, la casi totalidad de los objetivos a corto
11
plazo se refiere a problemas inmediatos, y los consejos correspondientes habrn de ser

fundamentados y concretos. Por el contrario, las recomendaciones sern tanto ms flexibles
cuanto mayor sea el plazo de su vigencia.
2.5 El rol de la Investigacin de Operaciones
El primer quehacer de la Investigacin de Operaciones consiste en reunir informaciones en el seno

del organismo estudiado y en el mbito exterior. Seguidamente, se crea un modelo de este
organismo y del medio en que desenvuelve. Se hacen variar entonces los elementos del modelo
para extraer las consecuencia de las distintas soluciones posibles. Finalmente, estas previsiones
sirven para formular recomendaciones. A este respecto debe destacarse:
La investigacin de Operaciones no constituye una receta mgica que permita adoptar

decisiones sin posibilidad de error.
Ciertos elementos, que han permanecido inmutables hasta el momento, pueden variar
posteriormente.
A estos, se aade la posibilidad de que alguno de los futuros ejecutantes acte
deficientemente.
Por ltimo, ciertas catstrofes, como un incendio o un huracn puede destruir las previsiones
mejor establecidas. La Investigacin de Operaciones tendr en cuenta las eventualidades,
indicando la ms favorable y la menos favorable de las soluciones posibles.
2.6 El profesional experto de Investigacin de Operaciones
Cuando el investigador llega a una conclusin respecto a la tcnica que habr de proporcionar una
mayor efectividad, el problema est slo parcialmente resuelto. Otras cuestiones quedan
planteadas, tales como el capital que se precisa, la disponibilidad de los materiales, el personal
necesario, etc., sin olvidar el factor humano, o sea, las reacciones que puede producir su adopcin.
La solucin de un problema jams debe exigir del elemento humano ms de lo que ste sea capaz
de realizar. Nunca debern sugerirse soluciones tales como la que le propuso la hormiga a la
cigarra. Sucedi que, en una fra noche, la cigarra se encontr con la hormiga y empez a
lamentarse: "Ay, querida amiga! Durante todo el verano he llevado una vida de reina, pero ahora
estoy hambrienta y probablemente me morir de fro. Aconsjame. T has sido industriosa y
previsora y tendrs maravillosos planes. Por favor, dame algn consejo sobre la manera de pasar
el invierno". La hormiga prometi que le enviara un informe sobre el asunto. Pocos das despus
le present un hermoso memorndum con sus correspondientes conclusiones y la siguiente
recomendacin final: "Convirtete en cucaracha y vive todo el invierno en la cocina". La cigarra
observ: "He aqu una solucin maravillosa. Realmente tiene un valor muy superior al precio que
debo pagar por ella. Y, por cierto, puedes decirme cmo puedo convertirme en cucaracha?". A ello
respondi la hormiga: "Ah, eso es ya un problema de ejecucin. Yo nicamente puedo darte un
consejo de experto" (Mc Kloskey & Trefethen).
Las soluciones "cucaracha" no son caractersticas de la Investigacin de Operaciones. Si la

solucin resuelve algn punto o aspecto del problema, pero olvida sus posibilidades de ejecucin
desde el punto de vista humano, deja de ser solucin para la Investigacin de Operaciones. Es
fcil caer en este peligro. Un buen avin, desde el punto de vista mecnico, puede resultar
imposible de pilotear conscientemente. Un ejemplo ms claro lo constituye el plan econmico
"perfecto" que se somete a la aprobacin de un gobernante y que ste comprende en seguida que
es polticamente irrealizable.
El profesional experto en Investigacin de Operaciones posee una capacidad y un instinto y

formacin especiales para los mtodos de anlisis y, en ellos, jams deja de lado el factor humano.
Tiene, adems, un claro sentido de la semntica, en virtud del cual le es posible catalizar en torno
12
a un problema las actividades conjuntas de un socilogo, un bilogo o un fsico, y conseguir que

hablen un mismo lenguaje.
El profesional de esta ciencia debe poseer un alto sentido de lo que es factible y no debe desdear
ningn factor que pueda afecta al proceso. Ha de tener, igualmente, sentido cabal de la
organizacin, pues no debe olvidarse que la Investigacin de Operaciones est destinada en ltima
instancia a la ejecucin, lo que equivale a decir que sirve a hombres que toman decisiones en una
organizacin social. No distingue el ejecutor del legislador. El poder ejecutivo siempre parte de
una organizacin y la Investigacin de Operaciones, ayudndolo en la misin de tomar decisiones,
est de acuerdo con las recomendaciones que, en los ltimos treinta o cuarenta aos, se han
venido haciendo en los Estados Unidos, en el sentido de lograr una amplia colaboracin entre las
distintas disciplinas y de organizar los conocimientos actuales de modo que se contrarreste la
tendencia la superespecializacin no interactuante. En la Investigacin de Operaciones, la ciencia
es necesariamente actividad social; la investigacin cientfica depende de los trabajos en equipo,
puesto que ningn cientfico posee suficiente competencia para emprenderla individualmente.
2.7 Alcance de la Investigacin de Operaciones
Para que una solucin sea adecuada se debera crear grupos interdisciplinarios, en stos grupos
deberan figurar "generalistas", esto es, "especialistas" en Sistemas Generales, teniendo en cuenta
que la Investigacin de Operaciones y el Anlisis de Sistemas tienden a unificarse, puesto que sus
limites son muy borrosos.
La definicin oficial de la Real Sociedad Britnica de Investigacin de Operaciones del Reino

Unido, que insiste en este carcter cientfico, dice as:
"La Investigacin de Operaciones es la aplicacin de los mtodos de la ciencia a los complejos

problemas que aparecen en la Direccin y Administracin de los grandes sistemas de hombres,
mquinas, materiales, y dinero en las industrias, los negocios, el gobierno y la defensa. Lo que le
distingue es el desarrollo de un modelo del sistema, incorporando medidas de factores como la
causalidad y el riesgo, con lo cual predice y compara los resultados de diversas decisiones,
estrategias o controles. El propsito consiste en ayudar a la gerencia a determinar cientficamente
su poltica y su actuacin".
Esta definicin expresa la concepcin adoptada pro la Investigacin de Operaciones para el difcil
problema de aplicar los mtodos cientficos a sectores del mundo real, y no a las situaciones
artificiales creadas en el laboratorio.
Es evidente que ningn criterio nico puede reunir la miriada de consideraciones que afectan al
proceso decisorio en los sistemas sociales. Y, desde luego, no puede originar decisiones
aparentemente irracionales que, en ciertas situaciones gerenciales, suelen ser las ms acertadas.
El argumento implcito en la evolucin de la Investigacin de Operaciones durante los treinta

ltimos aos es que las situaciones problemticas son recurrentes por lo que los algoritmos para
su solucin pueden irse mejorando. La mayora de los textos sobre Investigacin de Operaciones
estudian por ello los tipos de problemas que se creen recurrentes.
Wild (1972), citado por Checkland, dice que aunque los problemas sean diferentes, en la prctica la
diferencia suele depender mas de los detalles que de las formas, reconocindose generalmente
que existen las siguientes formas bsicas:
Problemas de asignacin
Problemas de inventario
Problemas de sustitucin (reemplazo)
13
Problemas de colas (o de lnea de espera)

Problemas de secuenciamiento y rutas
Problemas de localizacin
Problemas de competencia
Pero es el hecho, en la vida real, que "el problema" generalmente es percibido como tal,
precisamente por el contenido de los detalles que lo hacen nico, en vez de la forma que lo hace
general. La mayor dificultad consiste en la aplicacin del mtodo cientfico en sectores de enrome
complejidad.
As de no definir claramente cual es el problema, podemos llegar a obtener la solucin correcta al

problema equivocado.
Con justificada razn Checkland ha manifestado que la caracterstica distintiva de todo el

Pensamiento de los Sistemas "Duros" es que asume que una clase importante de problemas del
mundo real puede formularse de la manera que se indica a continuacin:
"Existe un estado deseado, S1 y un estado actual S O y medios alternativos para ir de S O a S1. La

"solucin del problema" de conformidad con este punto de vista, consiste en definir S 1 y SO y en
seleccionar el mejor medio para reducir la diferencia entre los mismos" .(Checkland, 1981).
Ahora, con tantos Sistemas "Blandos" rodendonos, es difcil especificar y estar de acuerdo
respecto de un objetivo. Diversos observadores tendrn diferentes opiniones acerca de la
naturaleza del sistema, as como de sus fines. Al no generarse un consenso acerca de los
objetivos, las metodologas tradicionales no pueden aplicarse cuando confrontan situaciones
"problemticas". Peor todava, se tendr la tentacin de distorsionar la situacin-problema a fin de
hacer que esta satisfaga los requisitos de la metodologa que se est utilizando. Se escoger una
percepcin de la realidad, entre varias, para que sea la fuente del "objetivo" del sistema que se va
a concebir.
La extrema complejidad de los Sistemas "Blandos" y el medio en que estos existen es otro factor
que frustra las aspiraciones gerenciales. Algunas metodologa tradicionales buscan una
explicacin "objetiva" del sistema de inters de modo que pueda producirse un modelo matemtico
y una solucin ptima para el problema encomendado. Sin embargo, la "realidad de los
problemas blandos es tan compleja y est sujeta a diferentes interpretaciones que es casi
imposible "reducirla" a una nica forma que la haga ajustable a dicho modelo.
Cualquier modelo producido inevitablemente constituir una versin altamente sesgada de dicha
realidad, producida a partir de slo uno de los muchos puntos de vista posibles. Adems de esto,
se corre el riesgo de tratar a los seres humanos como componentes de un modelo as como de
convertir al modelo en algo que sustituya a la propia realidad, que se le manipule en beneficio
propio; y que el peligro de que cualquier solucin ptima no "sirva", es decir, que no tenga ninguna
real validez al aplicarla a la realidad, debido a la naturaleza turbulenta y cambiante de los sistemas
blandos. Las dificultades que surgen al tratar la extrema complejidad de la manera recomendada
por los enfoques tradicionales tambin son demasiado aparentes.
Segn al opinin de Ackoff (1977), aquellos que continan trabajando segn la lnea tradicional,
enfatizando en la optimizacin y objetividad unilateral, inevitablemente optarn por no abordar los
problemas sociales importantes de la poca. El aferrarse a una optimizacin en un mundo de
valores mltiples y cambios rpidos es perder el control de la realidad.
14
George B. Dantzig
Creador del Mtodo SIMPLEX en 1,947
"Los que mandan generalmente mueven las manos y dicen 'He considerado todas las alternativas'.
Pero eso es casi siempre basura. Lo ms probable es que no pudiesen estudiar todas las
combinaciones."
George B. Dantzig , el creador de la programacin lineal, en una entrevista publicada en The

College Mathematical Journal, marzo de 1986. Se presenta a continuacin, parte de esta
entrevista:
"Considere el problema de asignar 70 hombres a 70 empleos. Una 'actividad' consiste en asignar el

i-simo hombre al j-simo empleo. Las restricciones son dos: en primer lugar hay 70 hombres,
cada uno de los cuales debe asignarse a un puesto, y en segundo lugar, cada uno de los 70
puestos existentes debe estar ocupado. El nivel de una actividad puede ser 1, lo cual indica que
est siendo usada, o 0, lo cual significa que no. En consecuencia hay 2 x 70 = 140 restricciones y
70 x 70 = 4900 actividades con 4900 variables correspondientes de decisin uno-cero. Por
desgracia tambin hay factorial de 70 permutaciones o formas de hacer las asignaciones. El
problema consiste en comparar estas factorial de 70 formas y elegir la que sea la ptima o 'mejor'
segn algn criterio previamente establecido."
"En el ejemplo anterior, factorial de 70 es un nmero muy grande. A fin de tener una idea de qu
tan grande es, supngase que se hubiese tenido una computadora IBM del tipo main-frame en el
instante en el que ocurri el Big Bang hace quince millones de aos. Habra podido, entre ese
entonces y ahora, examinar todas las soluciones posibles? No! No obstante, supngase que se
hubiese tenido una computadora aun ms poderosa, una que pudiese examinar mil millones de
asignaciones por segundo. La respuesta seguira siendo negativa. Aun si la Tierra se llenase con
computadoras cuyas rapideces fueran de nanosegundos, todas ellas trabajando en paralelo, la
respuesta aun sera no. Sin embargo, si existiesen diez Tierras, todas llenas con computadoras del
tipo mencionado, todas programadas en paralelo desde el instante del Big Bang hasta que el Sol
fuese una esfera fra, entonces quizs la respuesta podra ser s. Lo notable es que el mtodo
Simplex, con la ayuda de una computadora moderna, puede resolver este problema en una
fraccin de segundo".
"Cuando el problema de la planeacin fue formulado inicialmente para la Fuerza Area, no exista
la nocin exacta de una funcin objetivo, la idea de una meta claramente definida. Por supuesto,
tenamos slo un falso respeto hacia el concepto de objetivo. En el discurso de los militares
escuch a menudo decir, 'nuestro objetivo es ganar la guerra'. En el mundo de los negocios se
escuchara quizs 'nuestro objetivo es obtener ganancias'. Sin embargo, era imposible hallar
alguna relacin directa entre la meta establecida y las acciones emprendidas para tal fin."
"Si se estudiaba con cuidado el paso siguiente, se poda ver que algn lder haba promulgado un
montn de reglas bsicas que, en su concepto, llevaran a la meta. Esto distaba mucho de lo que
15
sera honestamente estudiar todas las combinaciones alternativas de las acciones a seguir para
elegir la mejor combinacin. Los que mandan generalmente mueven las manos y dicen 'He
considerado todas las alternativas'. Pero eso es casi siempre basura. Lo ms probable es que no
pudiesen estudiar todas las combinaciones. Antes de 1947 era inconcebible pensar en la existencia
de una herramienta como la programacin lineal que permitiese examinar millones de
combinaciones. No haba algoritmo o herramienta computacional que pudiera hacer eso."
"No descubr el modelo de la programacin lineal en un instante, sino que tuvo un proceso de
evolucin. Se dedic casi un ao completo a la tarea de decidir si mi modelo podra ser utilizado en
la formulacin de problemas prcticos de distribucin de tiempos. Como usted sabe, la planeacin
y la distribucin de tiempos se llevaron a una escala inmensa durante la guerra. El funcionamiento
de la Fuerza Area fue equivalente al funcionamiento de la economa de toda una nacin. En el
proceso intervinieron cientos de miles de personas. La logstica tuvo una magnitud difcil de
entender para alguien que no haya estado all. Mi colega Marshall Wood y yo revisamos miles de
situaciones tomadas de nuestra experiencia durante la guerra."
"Las reglas bsicas empleadas en la planeacin se expresaban en un formato completamente

distinto del que se emplea en la actualidad para formular un programa lineal. Lo que hicimos fue
revisar estas reglas una por una y demostrar que casi todas ellas podan reformularse
aceptablemente en un formato de programacin lineal. Pero no todas. En algunos casos era
necesario tomar en cuenta el carcter discreto de las variables y las no convexidades."
"Cuando formul por primera vez mi modelo de programacin lineal, lo hice sin una funcin
objetivo. Estuve luchando por algn tiempo con la adicin de reglas bsicas para elegir de entre las
soluciones factibles la que en algn sentido fuese 'ptima'. Pero pronto abandon esta idea y la
sustitu por la de una funcin objetivo a ser maximizada. El modelo que formul no estaba hecho
especficamente para fines militares. Poda aplicarse a toda clase de problemas de planeacin;
todo lo que tena que hacerse era cambiar los nombres de las columnas y los renglones, y
entonces era aplicable a un problema de planeacin econmica lo mismo que a un problema de
planeacin industrial."
16
Teora de la Produccin y los Costos
El anlisis de la teora de los precios requiere el uso profuso de grficas, que vale la pena destacar
que habra que familiarizarse con ellos para que no tener mayores obstculos que incidan en el
buen manejo de las curvas de costos y facilite grandemente el anlisis de la teora del precio.
Aunque parezca montono, se ha preferido ilustrar y explicar conjuntamente las diversas curvas
de costos correspondientes a los diferentes conceptos analizados en este trabajo. Asimismo,
tomando en consideracin que la teora de la determinacin de precio de un producto bajo
condiciones de competencia perfecta, la produccin total para una industria depende del nmero
total de empresas que la componen. Puesto que el volumen de produccin total depende de la
produccin de cada empresa individual es, por lo tanto, importante, estudiar los factores
determinantes de la capacidad productiva de cada una de las empresas que componen la industria.
La disponibilidad y el costo de los factores de produccin (tierra, capital y trabajo), constituyen los
elementos ms importantes en la estructura de los costos de produccin para una empresa bajo
condiciones de competencia perfecta.
La teora de la produccin analiza la forma en que el productor dado "el estado del arte o la
tecnologa, combina varios insumos para producir una cantidad estipulada en una forma
econmicamente eficiente". Toda sociedad tiene que organizar de algn modo el proceso
productivo para resolver adecuadamente los problemas econmicos fundamentales. Pero
independientemente de la organizacin que se adopte, hay ciertos principios econmicos
universales que rigen el proceso productivo. La produccin de bienes y servicios puede estar en
manos del Estado, como en el sistema comunista; o en manos de la empresa privada, como en el
sistema capitalista. Pero en ambos casos la actividad productiva est condicionada por ciertas
leyes o principios generales que tiene que tomar en consideracin el empresario si desea lograr el
uso ms eficaz de los recursos econmicos a su disposicin; es decir, lograr la mxima produccin
con el mximo de economa, bajo cualquier tipo de organizacin socio-econmica.
Los principios que regulan la actividad econmica son:
- Principio de la Escasez
- Ley de los Rendimientos Decrecientes.
- Principio de Eficacia Econmica.
Principio de la Escasez
El concepto escasez es aplicable a aquellas cosas que son tiles. El economista considera tiles a
todas aquellas cosas que tienen la capacidad de satisfacer necesidades humanas, y tambin
abarca dos dimensiones: de un lado la cantidad de cosas tiles a nuestra disposicin, y que
llamaremos recursos o medios; y del otro lado, las necesidades que estas cosas estn dispuestas
a satisfacer, es decir el concepto escasez se refiere a una determinada relacin entre los medios
(recursos econmicos) y los fines (las necesidades). Dados los medios a nuestra disposicin y los
fines a conseguirse, habr un problema de escasez, y por ende un problema econmico cuando se
renan las siguientes condiciones:
a) Los medios o recursos econmicos son susceptibles de diferentes usos y aplicaciones. Por
ejemplo el carbn de piedra nos sirve puesto que puede utilizarse para diferentes fines:
transportacin, calefaccin y otros fines industriales.
b) Los fines son mltiples y de importancia variada para el hombre. La diversidad de fines con
diferentes grados de importancia plantea inmediatamente el problema de decidir que fines
lograr primero.
c) Y, finalmente, dados los medios, la consecucin de ciertos fines implica siempre la renuncia de
otros.
17
Supongamos, por ejemplo, que con determinados recursos el hombre puede conseguir tres fines
distintos, digamos, A, B, y C. Como se expres anteriormente, estos fines son de importancia
variada para el hombre. Es decir, el grado de satisfaccin obtenido vara con cada fin. Supongamos
que podemos medir cuantitativamente estos grados de satisfaccin de suerte que podamos
ordenarlos de acuerdo con su importancia. Vamos a suponer, adems, que los grados de
satisfaccin de A, B, y C, equivalen a 50, 40 y 30 grados respectivamente. Ahora bien, de
conformidad con el supuesto c) no podemos conseguir todos estos fines con los recursos a
nuestra disposicin, vindonos por lo tanto, obligados a renunciar a algunos de estos.
Consideremos el problema de "que fin seleccionar" a la luz de los supuestos expresados. Aqu,
existe la obligacin de introducir otro supuesto bsico de la Ciencia econmica:
La racionalidad del hombre. La ciencia econmica presupone que el hombre acta racionalmente
al hacer sus decisiones econmicas, tratar en todo momento, de llevar al mximo su satisfaccin
material. Bajo las condiciones establecidas, y de conformidad con el supuesto de racionalidad, el
hombre tratar de alcanzar el fin A que le provee el grado ms alto de satisfaccin y luego B, y
finalmente C. La diversidad de fines con ciertos grados de importancia y la escasez de los recursos
es lo que obliga al hombre a considerar racionalmente las posibles alternativas, con miras a lograr,
de acuerdo con el principio de racionalidad, la mxima satisfaccin con los recursos disponibles.
Ley de los Rendimientos Decrecientes.

La ley de rendimientos decrecientes (o ley de proporciones variables), describe las limitaciones al
crecimiento de la produccin cuando, bajo determinadas tcnicas de produccin aplicamos
cantidades variables de un factor o una cantidad fija de los dems factores de la produccin. El
principio de los rendimientos decrecientes, puede expresarse en los siguientes trminos:
"Dadas las tcnicas de produccin, si a una unidad fija de un factor de produccin le vamos
aadiendo unidades adicionales del factor variable, la produccin total tender a aumentar a un
ritmo acelerado en una primera fase, a un ritmo ms lento despus hasta llegar a un punto de
mxima produccin, y, de ah en adelante la produccin tender a reducirse".
En primer trmino, la ley de rendimientos decrecientes presupone unas tcnicas de produccin

constantes. En segundo trmino, la ley de los rendimientos decrecientes presupone que se
mantengan fijas las unidades de cierto factores de la produccin, y que slo varen las unidades
utilizadas de uno de los factores. Para simplificar la exposicin de la ley de los rendimientos
decrecientes, es necesario familiarizarnos con los siguientes trminos y conceptos, para que de la
misma manera, este pueda ser explicado numricamente, y as lograr un mayor entendimiento del
tema en referencia.
Producto Total
Se refiere al nmero de unidades producidas de un artculo con una combinacin determinada de
factores productivos.
Producto Marginal
Se refiere al incremento del producto total a cada nivel de produccin, como consecuencia de
utilizar una unidad adicional de factor variable. Se define como el incremento en el producto total
como resultado del empleo de una unidad adicional del factor variable. Se expresa de la siguiente
manera:
PM = PT
X
En donde: PM representa el producto Marginal, PT el incremento del producto total y X el

incremento de las unidades del factor variable.
18
El incremento en producto total (PT) es la diferencia entre los dos niveles de produccin bajo
consideracin, y puede expresarse as: PT = PT1 - PT0, en donde: PT1 significa el nuevo
producto total y PT0 el producto total inicial.
Producto Promedio
Se refiere al producto de una unidad promedio del factor variable. El producto promedio se obtiene
dividiendo el producto total entre el nmero de unidades de factor variable que se emplearon para
obtener ese nivel de produccin. Esta operacin puede expresarse en los siguientes trminos:
PP = PT
X
En donde significa producto promedio, PT producto Total y X el nmero de unidades del factor
variable. El concepto Producto Promedio se refiere no a la produccin de una unidad en particular
del factor variable, sino a una unidad promedio. Es por decirlo as, un concepto estadstico, y en
ese sentido, tiene el mismo significado que le adjudicamos al concepto "promedio" en el lenguaje
comn.
Ahora bien, cuando nos referimos a los tan mencionados unidades del factor fijo, unidades del
factor variable a qu nos referimos? Los procesos de produccin requieren usualmente una gran
variedad de insumos. Los mismos no son simplemente "trabajo", "capital" "materias primas", sino
que generalmente se requieren muchos tipos cualitativamente diferentes de cada uno de ellos
para la produccin. Al analizar el proceso de produccin fsica y los costos de produccin
correspondientes, es conveniente introducir una ficcin analtica: la clasificacin de los insumos en
fijos y variables: Definimos como fijo a un insumo cuya cantidad no se puede cambiar de inmediato
cuando las condiciones del mercado indican que tal cambio sera conveniente. En realidad ningn
insumo es absolutamente fijo por ms corto que sea el perodo que se considere. Pero
frecuentemente, en aras de la sencillez analtica mantenemos fijos algunos insumos, pensando que
aunque en realidad son variables el costo de su variacin inmediata es tan grande que su
variabilidad carece de importancia prctica. Los edificios, las grandes mquinas y el personal de
gerencia, constituyen ejemplos de insumos que no se pueden aumentar ni disminuir rpidamente.
En cambio, un insumo variable es aquel cuya cantidad se puede variar casi al instante cuando se
desea variar el nivel de produccin. En esta categora se encuentran muchas clases de trabajo, de
materias primas y de bienes intermedios.
En relacin con la fijacin de los insumos fijos y variables, los economistas utilizan otra: la del corto
y el largo plazo. (El corto plazo se refiere al lapso en que el insumo de uno o ms agentes
productivos est fijo. En este caso, los cambios en el nivel de produccin se deben obtener
cambiando exclusivamente el empleo de los insumos variables. Cuando un productor desea
aumentar la produccin en el corto plazo, usualmente tendr que hacerlo utilizando ms horas de
trabajo con las instalaciones y el equipo existentes. De igual modo, cuando desea disminuir la
produccin en el corto plazo podr desocupar a ciertas clases de trabajadores, pero no podr
deshacerse de inmediato de un edificio o una locomotora, an cuando puede reducir su empleo a
cero.
En el largo plazo si es posible aquello, porque el mismo se define como el lapso (un horizonte de
planeacin) en el que todos los insumos son variables. En otras palabras, el largo plazo, se refiere
al momento en lo futuro en el que se podrn hacer cualesquier cambios en la produccin para
obtener las mayores ventajas para el empresario. Por ejemplo, en el corto plazo un productor slo
puede aumentar su produccin haciendo funcionar su equipo existente por un mayor nmero de
horas al da, lo que implica el pago de horas extras a los trabajadores. En largo plazo le puede
resultar ms conveniente el establecimiento de nuevas instalaciones, volviendo a la jornada normal
de trabajo.
19
Principio de Eficacia Econmica

Un empresario tratar siempre de combinar los factores de produccin en aquella forma que le
permita producir con el mximo de eficacia econmica. La combinacin ms eficaz de los factores
de produccin ser siempre aquella que le permita producir al ms bajo costa posible por unidad.
Existen dos situaciones bajo las cuales el empresario tiene necesariamente que desenvolverse
teniendo en mente este concepto de eficacia econmica:
Cuando el empresario vara uno de los factores de produccin (mientras mantiene fijas los
dems) para lograr el nivel de produccin que ms le convenga.
Cuando, estando obligado a un monto fijo en la produccin vara todos los factores para lograr
ese determinado nivel de produccin.
En el primer caso, el nivel de produccin de mxima eficacia se conoce como el nivel de

produccin optima. En el segundo caso la combinacin ms eficaz de los factores se conoce como
la combinacin de costo mnimo.
Nivel Optimo de Produccin

Un empresario ha logrado el nivel ptimo de produccin cuando combina los factores de
produccin en tal forma que el costo de producir una unidad del producto resulta ser el ms bajo
posible. Cuando un empresario vara las unidades de uno de los factores de produccin mientras
mantiene constantes las unidades de los dems factores, lograr el nivel de produccin ms eficaz
(nivel ptimo de produccin) cuando el costo de producir una unidad sea lo ms bajo posible.
Combinacin de Costo Mnimo

Otra situacin que puede enfrentar un empresario es aquella en la que slo est interesado en
producir una cantidad fija del producto, y desea conocer cul es la combinacin ms eficaz que
puede lograr con los factores de produccin a su disposicin Hay siempre una determinada
combinacin de factores que resulta la ms productiva o eficaz. Aquella combinacin que permita
la produccin de una determinada cantidad del producto al ms bajo costo posible es la
combinacin ms eficaz. Esta es la combinacin de costo mnimo.
Cuando un empresario combina los factores de produccin en varias proporciones para lograr un
nivel de produccin fijo se confrontara con el problema de la sustitucin de los factores. Es decir,
por cada unidad adicional del factor x que emplee, el empresario tendr que abandonar el empleo
de algunas unidades del factor Y; o para utilizar unidades adicionales de X; Las unidades de un
factor que nos vemos obligados a abandonar para emplear unidades adicionales del otro, es lo que
se conoce como el Costo Marginal de Sustitucin de los factores. Por ejemplo: si para poder
emplear una unidad adicional del factor X nos vemos obligados a abandonar el empleo de 100
unidades del factor Y, el costo marginal de sustitucin de los factores es 100 a 1, el cual expresa el
nmero de unidades de un factor que damos a cambio de una unidad del otro factor
Costo Total
Es igual al costo de las unidades empleadas del factor X ms el costo de las unidades del factor Y.
Tasa de Rendimiento y Combinacin ptima.

La tasa de rendimiento de los factores se refiere al nmero de unidades del producto que puede
lograrse por cada dlar que se invierte en un factor. La tasa de rendimiento se computa dividiendo
el producto marginal del factor, a un nivel determinado de produccin, entre el precio por unidad del
factor. Esta relacin puede expresarse en la siguiente forma:
R = PM
P
En donde R significa tasa de rendimiento, PM significa el producto marginal y P el precio por

unidad del factor. Por ejemplo: Si, al emplear una unidad del factor X cuyo precio suponemos es de
20
$4, obtenemos un producto marginal de 20 unidades del producto, la tasa de productividad de este
factor es de 5 unidades por cada dlar invertido:
Rx = PMx = 20 = 5
Px $4
Si a ese mismo nivel de produccin el producto marginal de una unidad del factor Y es de 12
unidades y el precio por unidad del factor es de $ 2, la tasa de rendimiento de dicho factor es de 6
unidades. La tasa de rendimiento de los factores de produccin es un factor importante en la
determinacin de como disponer de los recursos econmicos en la forma ms eficaz, puesto que
en todo momento tratamos de lograr la mxima productividad con el ms bajo costo posible y esto
se logra cuando invertimos cada dlar en aquel factor que nos provea el mximo rendimiento. El
punto en donde la tasa de rendimiento es exactamente igual para ambos factores, da la
combinacin optima o ms eficaz de los factores de produccin, o el nivel de produccin de costo
mnimo.
PMx Pmy
Px Py
Nivel de Produccin y Capacidad Productiva.

La capacidad productiva se refiere al potencial mximo de produccin de una empresa cuando
utiliza las tcnicas de produccin ms avanzadas y utiliza al mximo su espacio fsico y equipo. El
concepto nivel de produccin se refiere a la magnitud de la produccin cuando sta ha sido
reducida a menos de su (mxima) "capacidad productiva". Dentro de los lmites de la capacidad
productiva, una empresa puede variar el nivel de produccin para ajustarse a las condiciones del
mercado, podr limitar su produccin, utilizando menos espacio fsico, reduciendo el tiempo de
operaciones, el nmero de unidades de trabajo, etc. con la finalidad de ajustarse a las condiciones
del mercado.
COSTOS DE PRODUCCION
En este estudio se pretende analizar las decisiones fundamentales que tiene que hacer una
empresa bajo condiciones de competencia perfecta, para lograr el objetivo de producir con la
mxima eficacia econmica posible, para lograr el nivel de produccin de mxima eficacia
econmica y mxima ganancia. Hay que tomar en consideracin que la ganancia total de una
empresa depende de la relacin entre los costos de produccin y el ingreso total alcanzado. El
precio de venta del producto determinar los ingresos de la empresa. Por lo tanto, los costos e
ingresos resultan ser dos elementos fundamentales para decidir el nivel de produccin de mxima
ganancia. Por otra parte, la organizacin de una empresa para lograr producir tiene
necesariamente que incurrir en una serie de gastos, directa o indirectamente, relacionados con el
proceso productivo, en cuanto a la movilizacin de los factores de produccin tierra, capital y
trabajo. La planta, el equipo de produccin , la materia prima y los empleados de todos los tipos
(asalariados y ejecutivos), componen los elementos fundamentales del costo de produccin de una
empresa. De esta manera, el nivel de produccin de mxima eficacia econmica que es en ltima
instancia el fin que persigue todo empresario, depender del uso de los factores de produccin
dentro de los lmites de la capacidad productiva de la empresa.
21
Componentes del Costo

El costo de produccin de una empresa puede subdividirse en los siguientes elementos:
alquileres, salarios y jornales, la depreciacin de los bienes de capital (maquinara y equipo, etc.),
el costo de la materia prima, los intereses sobre el capital de operaciones, seguros, contribuciones
y otros gastos miscelneos. Los diferentes tipos de costos pueden agruparse en dos categoras:
costos fijos y costos variables.
Costos fijos.
Los costos fijos son aquellos en que necesariamente tiene que incurrir la empresa al iniciar sus
operaciones. Se definen como costos porque en el plazo corto e intermedio se mantienen
constantes a los diferentes niveles de produccin. Como ejemplo de estos costos fijos se
identifican los salarios de ejecutivos, los alquileres, los intereses, las primas de seguro, la
depreciacin de la maquinaria y el equipo y las contribuciones sobre la propiedad. El costo fijo total
se mantendr constante a los diferentes niveles de produccin mientras la empresa se
desenvuelva dentro de los lmites de su capacidad productiva inicial. La empresa comienza las
operaciones con una capacidad productiva que estar determinada por la planta, el equipo, la
maquinaria inicial y el factor gerencial. Estos son los elementos esenciales de los costos fijos al
comienzo de las operaciones. Hay que dejar claro, que los costos fijos pueden llegar a aumentar,
obviamente si la empresa decide aumentar su capacidad productiva, cosa que normalmente se
logra a largo plazo, por esta razn, el concepto costo fijo debe entenderse en trminos de aquellos
costos que se mantienen constantes dentro d0e un perodo de tiempo relativamente corto.
Costos Variables.
Los costos variables son aquellos que varan al variar el volumen de produccin. El costo variable
total se mueve en la misma direccin del nivel de produccin. El costo de la materia prima y el
costo de la mano de obra son los elementos ms importantes del costo variable. La decisin de
aumentar el nivel de produccin significa el uso de ms materia prima y ms obreros, por lo que el
costo variable total tiende a aumentar la produccin. Los costos variables son pues, aquellos que
varan al variar la produccin.
Otros refinamientos.
El vocabulario econmico maneja cuatro conceptos de costos, derivados del concepto costo total,
de gran importancia para el estudio de la teora de la firma. Estos conceptos son el costo promedio
total (CPT) el costo variable promedio (CVP) el costo fijo promedio (CFP) y el costo marginal
(CMg). Cada uno de estos conceptos presenta una relacin econmica muy importante para el
anlisis del problema de la determinacin del nivel de produccin de mxima ventaja econmica
pera el empresario, por lo cual se recomienda familiarizarse con la abreviatura convencional,
aceptada por los economistas, importante para la comprensin del tema.
Costo Marginal.
El costo marginal (CMg) permite al empresario observar los cambios ocurridos en el costo total de
produccin al emplear unidades adicionales de los factores variables de produccin. El costo
marginal es, por tanto una medida del costo adicional incurrido como consecuencia de un aumento
en el volumen de produccin. El costo marginal se define como el costo adicional incurrido como
consecuencia de producir una unidad adicional del producto. Si al aumentar el volumen de
produccin en una unidad el costo total aumenta, el aumento absoluto en el costo total se toma
como resultado del aumento absoluto en la produccin. De ah que aritmticamente, el costo
marginal es el resultado de dividir el cambio absoluto en costo total entre el cambio absoluto en
produccin. Esta relacin aritmtica puede expresarse en los siguientes trminos:
CMg = CT
PT
22
Costo Promedio Total

Le indica al empresario el costo de producir una unidad del producto para cada nivel de
produccin, obteniendo la combinacin ms eficaz de los factores de produccin, se obtiene
matemticamente dividiendo el costo total entre el nmero de unidades producidas a cada nivel de
produccin y se expresa de la siguiente forma:
CPT = CT
PT
Costo Fijo Promedio.
Indica que el costo fijo por unidad se reduce a medida que aumentamos la produccin, al distribuir
un valor fijo entre un nmero mayor de unidades producidas el costo fijo por unidad tiene que
reducirse.
Costo variable promedio.

Indica que en el punto ms bajo de la curva el productor alcanza el nivel de produccin de
mxima eficacia productiva de los factores variables y cuando esta asciende seala la reduccin de
eficacia productiva que tiene lugar al aumentar la produccin mediante el empleo de unidades
adicionales de los factores variables, mientras se mantiene fija la capacidad productiva de la
empresa.
REPRESENTACIN GRFICA DE LOS COSTOS.
Costo Total en el Corto Plazo

El anlisis del costo Total en el corto plazo depende de dos proposiciones las cuales son:
Las condiciones fsicas de la produccin y los precios unitarios de los insumos determinan el
costo de produccin correspondiente a cada nivel de produccin posible
El costo Total se puede dividir en dos componentes: el costo fijo y el costo variable.
Para mayor apreciacin en la Grfica No.: 1 se presenta un ejemplo prctico para

consecutivamente derivar las grficas correspondientes. Supongamos que un empresario tenga
una planta fija que se puede utilizar para producir un bien dado, y cuyo costo sea 100$: Por lo
tanto, el costo fijo ser 100$, y su magnitud permanece constante independientemente del nivel de
produccin. Esto se refleja en la columna llamada Costo Fijo Total del siguiente cuadro donde slo
aparece la cifra 100$. Tambin se representa por la lnea horizontal llamada CFT (Costo Fijo Total)
de la Grfica. Tanto el cuadro como la grfica subrayan el hecho de que el costo fijo es realmente
constante.
23
Cuadro No. 1.Costo fijo, variable y Total
Cantidad de Producto Costo Fijo Total Costo Variable Total Costo Total
1 $100 $10 $110
2 $100 $16 $116
3 $100 $21 $121
4 $100 $26 $126
5 $100 $30 $130
6 $100 $36 $136
7 $100 $45.50 $145
8 $100 $56 $156
9 $100 $72 $172
10 $100 $90 $190
11 $100 $100 $200
12 $100 $130.40 $230.40
13 $100 $160 $260
14 $100 $198.20 $298
15 $100 $249.50 $349.50
16 $100 $324 $424
17 $100 $418.50 $518.50
18 $100 $539 $639
19 $100 $98 $798
20 $100 $900 $1000
Grfica No. : 1 Representacin Grfica de los Costos Fijos, Variables y Totales
CT CVT
COSTO (Dlares)
200
100 CFT
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
RELACION ENTRE RENDIMIENTO Y COSTO A LARGO PLAZO. (Ejemplo Prctico)

En cuanto a la expansin del nivel de produccin se debe tomar en cuenta el costo medio a largo
plazo y el costo marginal a largo plazo son diferentes en el siguiente sentido: La curva de costo
medio de largo plazo indica el costo unitario mnimo de generar cualquier nivel de produccin. La
curva de costo marginal de largo plazo indica la cantidad mnima de incremento en el costo total
cuando aumenta la produccin, y la cantidad mxima en que disminuye dicho costo al reducir la
produccin.
Partiendo de una situacin muy sencilla, supongamos que la tecnologa es tal que las plantas de
CANTIDAD DE PRODUCTO
una cierta industria slo pueden ser se tres tamaos diferentes o sea que el equipo de capital fijo
que corresponde la planta slo existe en tres tamaos: pequeo, mediano y grande. La planta
ms pequea origina la curva de costo medio a corto plazo que llamamos CMC 1 en la Grfica No.:
2. la de tamao medio tiene un costo medio de corto plazo o igual a CMC 2, y la ms grande tiene
un costo medio dado por CMC 3. En el largo plazo, el empresario tiene que escoger entre las tres
24
alternativas de inversin representadas, por las tres curvas de costo medio de corto plazo. Si
espera que su produccin de mximo beneficio sea Ox 1 , escoger la planta ms pequea. Si
espera que sea Ox2, escoger la planta de tamao mediano, y as sucesivamente. Se tomarn
tales decisiones porque el empresario selecciona la planta capaz de producir la produccin
esperada al ms bajo costo unitario posible. Si espera producir Ox 1 u Ox2, su decisin ser un
poco ms difcil. En estos dos puntos, dos plantas incurren en el mismo costo medio. Un
empresario puede seleccionar la planta ms pequea porque requiere una inversin menor, o bien,
la ms grande, para hacer frente a una posible expansin de la demanda.
En estos dos ejemplos la decisin del empresario, se basar en consideraciones diferentes de la

de costo mnimo de la produccin. En todos los dems casos su decisin la determina el costo
unitario.
Supongamos que espera producir Ox 1 y que en consecuencia construye la planta representada por
CMC. Si luego encontrara conveniente producir Ox 2 unidades, lo podra hacer con su planta a un
costo unitario de Oc1 . En el corto plazo es todo lo que puede hacer, pues no tiene alternativa. Pero
puede planear haca lo futuro. Cuando su planta se acabe, la puede reemplazar por otra nueva de
tamao mediano, porque la produccin Ox 2 se puede generar a un costo medio de Oc 2, que es
sustancialmente menor que el de la planta pequea. En el corto plazo el empresario debe operar
con CMC1 , CMC2 o CMC3. Pero en el largo plazo puede planear la construccin de una planta cuyo
tamao asegure el menor costo medio de la cantidad que espere producir.
De esta manera que en trminos de planeacin considera la curva llena como su curva de costo
medio de largo plazo, porque la misma indica el costo medio mnimo de cualquier produccin
posible. A esta curva se le suele llamar frecuentemente la curva envolvente.
GRAFICA No.: 2. Curvas de Costo medio de corto Plazo para plantas de diferente tamao
CMC1
C1
CMC2
COSTO (Dlares)
C2 CMC3
X1 X1 X2 X2
En el largo plazo un empresario debe seleccionar normalmente entre una amplia variedad de
plantas segn Grfica No.: 3 seis curvas de costo medio de corto plazo, que todava son
insuficientes: se podran trazar muchas curvas entre las que all aparecen. Estas seis plantas son
slo representativas de la ampla variedad que se podra imaginar,. Todas estas curvas, como las
tres de la Grfica No:. 2 generan la curva de Costo Medio a largo Plazo como un instrumento de
planeacin. Supongamos que un empresario crea que el nivel de produccin que ms le conviene
sea el punto A. Entonces construir la planta correspondiente a CMC 1 que le permitir generar esta
produccin al menor costo medio posible. Con esta planta, se podr reducir el costo medio
25
aumentando la produccin a la cantidad representada o por el punto B, que marca el nivel mnimo
de CMC1. Si cambiaran repentinamente las condiciones de la demanda, de manera que se
justificara esta mayor produccin, el empresario podra extender sus operaciones y aumentar sus
beneficios reduciendo el costo medio. Sin embargo, al hacer sus planes para lo futuro, el
empresario decidir construir la planta representada por CMC 2, porque as podr reducir an ms
su costo medio. Operara entonces en el punto C, bajando as su costo medio del nivel
representado por B en CMC 1. La curva de planeacin de largo plazo, CML, es un locus de puntos
que representan el costo medio mnimo de generar la produccin correspondiente. El empresario
determina el tamao de su planta con referencia a esta curva. Seleccionar la planta de corto plazo
que represente el menor costo medio de produccin del volumen que espere generar.
GRAFICA No.: 3. Curva de Costo Medio a Largo Plazo

COSTO (Dlares)
CMC1
CMC2 CMC6
CMC5
CMC3 CMC4
Tasa de Rendimiento y Combinacin ptima.

La tasa de rendimiento de los factores se refiere al nmero de unidades del producto que puede
lograrse por cada dlar que se invierte en un factor. La tasa de rendimiento se computa dividiendo
el producto marginal del factor, a un nivel determinado de produccin, entre el precio por unidad del
factor. Esta relacin puede expresarse en la siguiente forma:
26
R = PM
En donde R significa tasa de rendimiento, PM significa el producto marginal y P el precio por

unidad del factor. Por ejemplo: Si, al emplear una unidad del factor X cuyo precio suponemos es de
$4, obtenemos un producto marginal de 20 unidades del producto, la tasa de productividad de este
factor es de 5 unidades por cada dlar invertido:
Rx = PMx = 20 = 5
Px $4
Si a ese mismo nivel de produccin el producto marginal de una unidad del factor Y es de 12
unidades y el precio por unidad del factor es de $ 2, la tasa de rendimiento de dicho factor es de 6
unidades. La tasa de rendimiento de los factores de produccin es un factor importante en la
determinacin de como disponer de los recursos econmicos en la forma ms eficaz, puesto que
en todo momento tratamos de lograr la mxima productividad con el ms bajo costo posible y esto
se logra cuando invertimos cada dlar en aquel factor que nos provea el mximo rendimiento. El
punto en donde la tasa de rendimiento es exactamente igual para ambos factores, da la
combinacin optima o ms eficaz de los factores de produccin, o el nivel de produccin de costo
mnimo.
PMx Pmy
Px Py
CONCLUSION
Para lograr el objetivo de producir con la mxima eficacia econmica posible, para lograr el nivel de
produccin de mxima eficacia econmica y mxima ganancia hay que tomar en consideracin que
la ganancia total de una empresa depende de la relacin entre los costos de produccin, el ingreso
total alcanzado. Para lograr el nivel de mxima eficacia depender del uso de los factores de
produccin dentro de los lmites de la capacidad productiva de la empresa. Un empresario ha
logrado el nivel ptimo de produccin cuando combina los factores de produccin en tal forma que
el costo de producir una unidad del producto resulta ser el ms bajo posible. El vocabulario
econmico maneja cuatro conceptos de costos, estos conceptos son el costo promedio total (CPT)
el costo variable promedio (CVP) el costo fijo promedio (CFP) y el costo marginal (CMg). Cada uno
de estos conceptos presenta una relacin econmica muy importante para el anlisis del problema
de la determinacin del nivel de produccin de mxima ventaja econmica pera el empresario. El
anlisis del costo Total en el corto plazo depende de dos proposiciones las cuales son:
Las condiciones fsicas de la produccin y los precios unitarios de los insumos determinan el
costo de produccin correspondiente a cada nivel de produccin posible
El costo Total se puede dividir en dos componentes: el costo fijo y el costo variable.
En cuanto al largo plazo, el anlisis introduce dos consideraciones importantes. Una de ella es la
que tiene que ver con la capacidad productiva de las empresas que componen la industria. La
segunda es la que tiene que ver con la capacidad productiva de todas las industrias y de sus
consecuencias econmicas para las empresas individuales. La empresa puede lograr costos de
produccin ms bajos y ponerse en igualdad de condiciones con las dems, introduciendo tcnicas
de produccin ms eficaces, as como ampliando su capacidad productiva hasta lograr el tamao
de mximo rendimiento. Si todas las empresas tienen suficiente tiempo para producir los cambios
que son necesarios para aumentar en capacidad productiva y eficacia, llegar el momento en que
todas alcancen condiciones de costos muy similares. De ah que las ventajas de unas empresas
27
sobre las otras tender a desaparecer en el largo plazo es, pues, la tendencia hacia la desaparicin
de posibles desventajas econmicas entre las empresas.
28
Data Mining
Descubriendo Informacin Oculta
Data Mining, la extraccin de informacin oculta y predecible de grandes bases de datos,

es una poderosa tecnologa nueva con gran potencial para ayudar a las compaas a
concentrarse en la informacin ms importante de sus Bases de Informacin (Data Warehouse).
Las herramientas de Data Mining predicen futuras tendencias y comportamientos, permitiendo en
los negocios tomar decisiones proactivas y conducidas por un conocimiento acabado de la
informacin (knowledge-driven). Los anlisis prospectivos automatizados ofrecidos por un
producto as van ms all de los eventos pasados provistos por herramientas retrospectivas
tpicas de sistemas de soporte de decisin. Las herramientas de Data Mining pueden responder a
preguntas de negocios que tradicionalmente consumen demasiado tiempo para poder ser
resueltas y a los cuales los usuarios de esta informacin casi no estn dispuestos a aceptar.
Estas herramientas exploran las bases de datos en busca de patrones ocultos, encontrando
informacin predecible que un experto no puede llegar a encontrar porque se encuentra fuera de
sus expectativas.
Muchas compaas ya colectan y refinan cantidades masivas de datos. Las tcnicas de Data
Mining pueden ser implementadas rpidamente en plataformas ya existentes de software y
hardware para acrecentar el valor de las fuentes de informacin existentes y pueden ser integradas
con nuevos productos y sistemas pues son tradas en lnea (on-line). Una vez que las herramientas
de Data Mining fueron implementadas en computadoras cliente servidor de alta performance o de
procesamiento paralelo, pueden analizar bases de datos masivas para brindar respuesta a
preguntas tales como, "Cules clientes tienen ms probabilidad de responder al prximo mailing
promocional, y por qu? y presentar los resultados en formas de tablas, con grficos, reportes,
texto, hipertexto, etc.
Los Fundamentos del Data Mining

Las tcnicas de Data Mining son el resultado de un largo proceso de investigacin y desarrollo de
productos. Esta evolucin comenz cuando los datos de negocios fueron almacenados por primera
vez en computadoras, y continu con mejoras en el acceso a los datos, y ms recientemente con
tecnologas generadas para permitir a los usuarios navegar a travs de los datos en tiempo real.
Data Mining toma este proceso de evolucin ms all del acceso y navegacin retrospectiva de los
datos, hacia la entrega de informacin prospectiva y proactiva. Data Mining est listo para su
aplicacin en la comunidad de negocios porque est soportado por tres tecnologas que ya estn
suficientemente maduras:
Recoleccin masiva de datos

Potentes computadoras con multiprocesadores
Algoritmos de Data Mining
Las bases de datos comerciales estn creciendo a un ritmo sin precedentes. Un reciente estudio
del META GROUP sobre los proyectos de Data Warehouse encontr que el 19% de los que
contestaron estn por encima del nivel de los 50 Gigabytes, mientras que el 59% espera
alcanzarlo en el segundo trimestre de 1997. En algunas industrias, tales como ventas al por
menor (retail), estos nmeros pueden ser an mayores. MCI Telecommunications Corp. cuenta
con una base de datos de 3 terabytes + 1 terabyte de ndices y overhead corriendo en MVS
sobre IBM SP2. La necesidad paralela de motores computacionales mejorados puede ahora
alcanzarse de forma ms costo - efectiva con tecnologa de computadoras con
multiprocesamiento paralelo. Los algoritmos de Data Mining utilizan tcnicas que han existido por
29
lo menos desde hace 10 aos, pero que slo han sido implementadas recientemente como
herramientas maduras, confiables, entendibles que consistentemente son ms performantes que
mtodos estadsticos clsicos.
En la evolucin desde los datos de negocios a informacin de negocios, cada nuevo paso se basa
en el previo. Por ejemplo, el acceso a datos dinmicos es crtico para las aplicaciones de
navegacin de datos (drill through applications), y la habilidad para almacenar grandes bases de
datos es crtica para Data Mining.
Los componentes esenciales de la tecnologa de Data Mining han estado bajo desarrollo por
dcadas, en reas de investigacin como estadsticas, inteligencia artificial y aprendizaje de
mquinas. Hoy, la madurez de estas tcnicas, junto con los motores de bases de datos
relacionales de alta performance, hicieron que estas tecnologas fueran prcticas para los
entornos de data warehouse actuales.
El Alcance de Data Mining

El nombre de Data Mining deriva de las similitudes entre buscar valiosa informacin de negocios
en grandes bases de datos - por ej.: encontrar informacin de la venta de un producto entre
grandes montos de Gigabytes almacenados - y minar una montaa para encontrar una veta de
metales valiosos. Ambos procesos requieren examinar una inmensa cantidad de material, o
investigar inteligentemente hasta encontrar exactamente donde residen los valores. Dadas bases
de datos de suficiente tamao y calidad, la tecnologa de Data Mining puede generar nuevas
oportunidades de negocios al proveer estas capacidades:
Prediccin automatizada de tendencias y comportamientos. Data Mining automatiza el

proceso de encontrar informacin predecible en grandes bases de datos. Preguntas que
tradicionalmente requeran un intenso anlisis manual, ahora pueden ser contestadas directa
y rpidamente desde los datos. Un tpico ejemplo de problema predecible es el marketing
apuntado a objetivos (targeted marketing). Data Mining usa datos en mailing promocionales
anteriores para identificar posibles objetivos para maximizar los resultados de la inversin en
futuros mailing. Otros problemas predecibles incluyen pronsticos de problemas financieros
futuros y otras formas de incumplimiento, e identificar segmentos de poblacin que
probablemente respondan similarmente a eventos dados.
Descubrimiento automatizado de modelos previamente desconocidos. Las herramientas

de Data Mining barren las bases de datos e identifican modelos previamente escondidos en
un slo paso. Otros problemas de descubrimiento de modelos incluye detectar transacciones
fraudulentas de tarjetas de crditos e identificar datos anormales que pueden representar
errores de tipeado en la carga de datos.
Las tcnicas de Data Mining pueden redituar los beneficios de automatizacin en las plataformas
de hardware y software existentes y puede ser implementadas en sistemas nuevos a medida que
las plataformas existentes se actualicen y nuevos productos sean desarrollados. Cuando las
herramientas de Data Mining son implementadas en sistemas de procesamiento paralelo de alta
performance, pueden analizar bases de datos masivas en minutos. Procesamiento ms rpido
significa que los usuarios pueden automticamente experimentar con ms modelos para
entender datos complejos. Alta velocidad hace que sea prctico para los usuarios analizar
inmensas cantidades de datos. Grandes bases de datos, a su vez, producen mejores
predicciones.
30
Las bases de datos pueden ser grandes tanto en profundidad como en ancho:
Ms columnas. Los analistas muchas veces deben limitar el nmero de variables a examinar
cuando realizan anlisis manuales debido a limitaciones de tiempo. Sin embargo, variables
que son descartadas porque parecen sin importancia pueden proveer informacin acerca de
modelos desconocidos. Un Data Mining de alto rendimiento permite a los usuarios explorar
toda la base de datos, sin preseleccionar un subconjunto de variables.
Ms filas. Muestras mayores producen menos errores de estimacin y desvos, y permite a
los usuarios hacer inferencias acerca de pequeos pero importantes segmentos de poblacin.
Las tcnicas ms comnmente usadas en Data Mining son:
Redes neuronales artificiales: modelos predecible no-lineales que aprenden a travs del
entrenamiento y semejan la estructura de una red neuronal biolgica.
Arboles de decisin: estructuras de forma de rbol que representan conjuntos de
decisiones. Estas decisiones generan reglas para la clasificacin de un conjunto de datos.
Mtodos especficos de rboles de decisin incluyen Arboles de Clasificacin y Regresin
(CART: Classification And Regression Tree) y Deteccin de Interaccin Automtica de Chi
Cuadrado (CHAI: Chi Square Automatic Interaction Detection)
Algoritmos genticos: tcnicas de optimizacin que usan procesos tales como
combinaciones genticas, mutaciones y seleccin natural en un diseo basado en los
conceptos de evolucin.
Mtodo del vecino ms cercano: una tcnica que clasifica cada registro en un conjunto de
datos basado en una combinacin de las clases del/de los k registro (s) ms similar/es a l en
un conjunto de datos histricos (donde k 1). Algunas veces se llama la tcnica del vecino k-
ms cercano.
Regla de induccin: la extraccin de reglas if-then de datos basados en significado
estadstico.
Muchas de estas tecnologas han estado en uso por ms de una dcada en herramientas de
anlisis especializadas que trabajan con volmenes de datos relativamente pequeos. Estas
capacidades estn ahora evolucionando para integrarse directamente con herramientas OLAP y
de Data Warehousing.
Cmo Trabaja el Data Mining?

Cun exactamente es capaz Data Mining de decirle cosas importantes que usted desconoce o
que van a pasar? La tcnica usada para realizar estas hazaas en Data Mining se llama
Modelado. Modelado es simplemente el acto de construir un modelo en una situacin donde
usted conoce la respuesta y luego la aplica en otra situacin de la cual desconoce la respuesta.
Por ejemplo, si busca un galen espaol hundido en los mares lo primero que podra hacer es
investigar otros tesoros espaoles que ya fueron encontrados en el pasado. Notara que esos
barcos frecuentemente fueron encontrados fuera de las costas de Bermuda y que hay ciertas
caractersticas respecto de las corrientes ocenicas y ciertas rutas que probablemente tomara el
capitn del barco en esa poca. Usted nota esas similitudes y arma un modelo que incluye las
caractersticas comunes a todos los sitios de estos tesoros hundidos. Con estos modelos en
mano sale a buscar el tesoro donde el modelo indica que en el pasado hubo ms probabilidad de
darse una situacin similar. Con un poco de esperanza, si tiene un buen modelo, probablemente
encontrar el tesoro.
Este acto de construccin de un modelo es algo que la gente ha estado haciendo desde hace
mucho tiempo, seguramente desde antes del auge de las computadoras y de la tecnologa de
Data Mining. Lo que ocurre en las computadoras, no es muy diferente de la manera en que la
gente construye modelos. Las computadoras son cargadas con mucha informacin acerca de
una variedad de situaciones donde una respuesta es conocida y luego el software de Data
Mining en la computadora debe correr a travs de los datos y distinguir las caractersticas de los
31
datos que llevarn al modelo. Una vez que el modelo se construy, puede ser usado en
situaciones similares donde usted no conoce la respuesta.
Si alguien le dice que tiene un modelo que puede predecir el uso de los clientes, Cmo puede
saber si es realmente un buen modelo? La primera cosa que puede probar es pedirle que
aplique el modelo a su base de clientes - donde usted ya conoce la respuesta. Con Data Mining,
la mejor manera para realizar esto es dejando de lado ciertos datos para aislarlos del proceso de
Data Mining. Una vez que el proceso est completo, los resultados pueden ser testeados contra
los datos excluidos para confirmar la validez del modelo. Si el modelo funciona, las
observaciones deben mantenerse para los datos excluidos.
Una arquitectura para Data Mining

Para aplicar mejor estas tcnicas avanzadas, stas deben estar totalmente integradas con el
data warehouse as como con herramientas flexibles e interactivas para el anlisis de negocios.
Varias herramientas de Data Mining actualmente operan fuera del warehouse, requiriendo pasos
extra para extraer, importar y analizar los datos. Adems, cuando nuevos conceptos requieren
implementacin operacional, la integracin con el warehouse simplifica la aplicacin de los
resultados desde Data Mining. El Data warehouse analtico resultante puede ser aplicado para
mejorar procesos de negocios en toda la organizacin, en reas tales como manejo de
campaas promocionales, deteccin de fraudes, lanzamiento de nuevos productos, etc.
El punto de inicio ideal es un data warehouse que contenga una combinacin de datos de
seguimiento interno de todos los clientes junto con datos externos de mercado acerca de la
actividad de los competidores. Informacin histrica sobre potenciales clientes tambin provee una
excelente base para prospecting. Este warehouse puede ser implementado en una variedad de
sistemas de bases relacionales y debe ser optimizado para un acceso a los datos flexible y rpido.
Un server multidimensional OLAP permite que un modelo de negocios ms sofisticado pueda ser
aplicado cuando se navega por el data warehouse. Las estructuras multidimensionales permiten
que el usuario analice los datos de acuerdo a como quiera mirar el negocio - resumido por lnea
de producto, u otras perspectivas claves para su negocio. El server de Data Mining debe estar
integrado con el data warehouse y el server OLAP para insertar el anlisis de negocios
directamente en esta infraestructura. Un avanzado, metadata centrado en procesos define los
objetivos del Data Mining para resultados especficos tales como manejos de campaa,
prospecting, y optimizacin de promociones. La integracin con el data warehouse permite que
decisiones operacionales sean implementadas directamente y monitoreadas. A medida que el
data warehouse crece con nuevas decisiones y resultados, la organizacin puede "minar" las
mejores prcticas y aplicarlas en futuras decisiones.
Este diseo representa una transferencia fundamental desde los sistemas de soporte de decisin
convencionales. Ms que simplemente proveer datos a los usuarios finales a travs de software
de consultas y reportes, el server de Anlisis Avanzado aplica los modelos de negocios del
usuario directamente al warehouse y devuelve un anlisis proactivo de la informacin ms
relevante. Estos resultados mejoran los metadatos en el server OLAP proveyendo una estrato de
metadatos que representa una vista fraccionada de los datos. Generadores de reportes,
visualizadores y otras herramientas de anlisis pueden ser aplicadas para planificar futuras
acciones y confirmar el impacto de esos planes.
Glosario de Trminos de Data Mining
Algoritmos genticos: Tcnicas de optimizacin que usan procesos tales como combinacin
gentica, mutacin y seleccin natural en un diseo basado en los conceptos de evolucin
natural.
Anlisis de series de tiempo (time-series): Anlisis de una secuencia de medidas hechas a
intervalos especficos. El tiempo es usualmente la dimensin dominanate de los datos.
32
Anlisis prospectivo de datos: Anlisis de datos que predice futuras tendencias,

comportamientos o eventos basado en datos histticos.
Anlisis exploratorio de datos: Uso de tcnicas estadsticas tanto grficas como descriptivas
para aprender acerca de la estructura de un conjunto de datos.
Anlisis retrospectivo de datos: Anlisis de datos que provee una visin de las tendencias ,
comportamientos o eventos basado en datos histricos.
rbol de decisin: Estructura en forma de rbol que representa un conjunto de decisiones.
Estas decisiones generan reglas para la clasificacin de un conjunto de datos. Ver CART y
CHAID.
Base de datos multidimensional: Base de datos diseada para procesamiento analtico on-
line (OLAP). Estructurada como un hipercubo con un eje por dimensin.
CART rboles de clasificacin y regresin: Una tcnica de rbol de decisin usada para la
clasificacin de un conjunto da datos. Provee un conjunto de reglas que se pueden aplicar a
un nuevo (sin clasificar) conjunto de datos para predecir cules registros darn un cierto
resultado. Segmenta un conjunto de datos creando 2 divisiones. Requiere menos preparacin
de datos que CHAID .
CHAID Deteccin de interaccin automtica de Chi cuadrado: Una tcnica de rbol de
decisin usada para la clasificacin de un conjunto da datos. Provee un conjunto de reglas
que se pueden aplicar a un nuevo (sin clasificar) conjunto de datos para predecir cules
registros darn un cierto resultado. Segmenta un conjunto de datos utilizando tests de chi
cuadrado para crear mltiples divisiones. Antecede, y requiere ms preparacin de datos, que
CART.
Clasificacin: Proceso de dividir un conjunto de datos en grupos mutuamente excluyentes de
tal manera que cada miembro de un grupo est lo "ms cercano" posible a otro, y grupos
diferentes estn lo "ms lejos" posible uno del otro, donde la distancia est medida con
respecto a variable(s) especfica(s) las cuales se estn tratando de predecir. Por ejemplo, un
problema tpico de clasificacin es el de dividir una base de datos de compaas en grupos que
son lo ms homogneos posibles con respecto a variables como "posibilidades de crdito" con
valores tales como "Bueno" y "Malo".
Clustering (agrupamiento): Proceso de dividir un conjunto de datos en grupos mutuamente
excluyentes de tal manera que cada miembro de un grupo est lo "ms cercano" posible a otro,
y grupos diferentes estn lo "ms lejos" posible uno del otro, donde la distancia est medida
con respecto a todas las variables disponibles.
Computadoras con multiprocesadores: Una computadora que incluye mltiples
procesadores conectados por una red. Ver procesamiento paralelo.
Data cleansing: Proceso de asegurar que todos los valores en un conjunto de datos sean
consistentes y correctamente registrados.
Data Mining: La extraccin de informacin predecible escondida en grandes bases de datos.
Data Warehouse: Sistema para el almacenamiento y distribucin de cantdades masivas de
datos
Datos anormales: Datos que resultan de errores (por ej.: errores en el tipeado durante la
carga) o que representan eventos inusuales.
Dimensin: En una base de datos relacional o plana, cada campo en un registro representa
una dimensin. En una base de datos multidimensional, una dimensin es un conjunto de
entidades similares; por ej.: una base de datos multidimensional de ventas podra incluir las
dimensiones Producto, Tiempo y Ciudad.
Modelo analtico: Una estructura y proceso para analizar un conjunto de datos. Por ejemplo,
un rbol de decisin es un modelo para la clasificacin de un conjunto de datos
Modelo lineal: Un modelo analtico que asume relaciones lineales entre una variable
seleccionada (dependiente) y sus predictores (variables independientes).
Modelo no lineal: Un modelo analtico que no asume una relacin lineal en los coeficientes de
las variables que son estudiadas.
Modelo predictivo: Estructura y proceso para predecir valores de variables especificadas en
un conjunto de datos.
33
Navegacin de datos: Proceso de visualizar diferentes dimensiones, "fetas" y niveles de una

base de datos multidimensional. Ver OLAP.
OLAP Procesamiento analtico on-line (On Line Analitic prossesing): Se refiere a
aplicaciones de bases de datos orientadas a array que permite a los usuarios ver, navegar,
manipular y analizar bases de datos multidimensionales.
Outlier: Un item de datos cuyo valor cae fuera de los lmites que encierran a la mayora del
resto de los valores correspondientes de la muestra. Puede indicar datos anormales. Deberan
ser examinados detenidamente; pueden dar importante informacin.
Procesamiento paralelo: Uso coordinado de mltiples procesadores para realizar tareas
computacionales. El procesamiento paralelo puede ocurrir en una computadora con mltiples
procesadores o en una red de estaciones de trabajo o PCs.
RAID: Formacin redundante de discos baratos (Redundant Array of inexpensive disks).
Tecnologa para el almacenamiento paralelo eficiente de datos en sistemas de computadoras
de alto rendimiento.
Regresin lineal: Tcnica estadstica utilizada para encontrar la mejor relacin lineal que
encaja entre una variable seleccionada (dependiente) y sus predicados (variables
independientes).
Regresin logstica: Una regresin lineal que predice las proporciones de una variable
seleccionada categrica, tal como Tipo de Consumidor, en una poblacin.
Vecino ms cercano: Tcnica que clasifica cada registro en un conjunto de datos basado
en una combinacin de las clases del/de los k registro (s) ms similar/es a l en un conjunto de
datos histricos (donde k 1). Algunas veces se llama la tcnica del vecino k-ms cercano.
SMP Multiprocesador simtrico (Symmetric multiprocessor): Tipo de computadora con
multiprocesadores en la cual la memoria es compartida entre los procesadores
Terabyte: Un trilln de bytes.
34
Metaheursticas
Un campo muy amplio de la Investigacin de Operaciones, son las tcnicas de Programacin

Matemtica, que comprende la Programacin Lineal, Entera, Mixta, La Teora de Grafos (Teora
Combinatoria) entre otras. Algunos problemas clsicos son: Localizacin, Problema de Agente
Viajero - recorrido de vrtices (TSP), Problema del Cartero-Recorrido de arcos, Secuenciacin,
Ruteamiento, Distribucin, Redes de Camino, etc. Este grupo de tcnicas es la de mayor
potencial para los problemas de empresas.
Muchas formulaciones de problemas reales usando estas tcnicas generan modelos difciles de
resolver por los algoritmos clsicos de solucin (eg. simplex, primal-dual, transporte, etc,) con una
complejidad computacional de forma no polinomial (NP). Para atender estos problemas se han
desarrollados diversas heursticas.
Necesidad de las Metaheursticas
Una buena parte de los problemas tecno-cientficos consiste en cuestiones de bsqueda.

Algunos de estos problemas poseen un elevado nivel de complejidad computacional (NP-
Arduos, NP-Completos).
Encontrar una solucin ptima en un tiempo computacional aceptable, para estos problemas
es, en muchos casos, posible solamente para instancias pequeas.
A pesar del gran desarrollo terico en el estudio de nuevos mtodos para la solucin de
problemas complejos, este avance ha sido, en algunos caso, poco productivo en la solucin de
problemas reales.
Los mtodos de optimizacin exacta, se caracterizan por la rigidez de sus modelos
matemticos, dificultando la representacin de situaciones reales cada vez mas complejas y
dinmicas.
El problema de esta falta de flexibilidad fue un poco, reducida, a partir del momento en que se
pas a asociar Tcnicas de Optimizacin con Herramientas de Inteligencia Artificial;
especficamente, las herramientas de busca heurstica.
Definicin de Heursticas
Son mtodos para resolver problemas complejos en forma aproximada.

Su complejidad computacional es reducida en relacin a la de los mtodos exactos.
Son flexibles e tienen como objetivo, encontrar soluciones de buena cualidad en un tiempo
computacional soportable.
Son mtodos para resolver problemas complejos en forma aproximada.
Su complejidad computacional es reducida en relacin a la de los mtodos exactos.
Son flexibles e tienen como objetivo, encontrar soluciones de buena cualidad en un tiempo
computacional soportable.
35
Dificultades de las Heursticas
La deficiencia histrica de, ni siempre conseguir superar las trampas de los extremos locales
en problemas de optimizacin.
La falta de una base terica para los mtodos heursticos, produce heursticas muy
especializadas.
Metaheursticas
La reunin de los modelos rgidos de optimizacin con los mtodos flexibles de la bsqueda
heurstica, proporcion el surgimiento de los llamados Mtodos Inteligentes Flexibles o
Metaheursticas.
Facilitan el desarrollo de mtodos con una cierta rigidez matemtica y con facilidades para
incorporar nuevas situaciones.
Logran superar algunas de las deficiencias presentes en los mtodos heursticos.
Aspectos Tcnicos
Todo problema de optimizacin est compuesto por Un espacio de soluciones viables o

espacio de bsqueda y Una funcin a ser optimizada
Cualquier algoritmo eficiente de optimizacin, debe usar dos tcnicas para intentar encontrar
un extremo global:
o La exploracin, para buscar en nuevas regiones del espacio de bsqueda.
o La explotacin, para hacer uso del conocimiento adquirido.
Estos mtodos de bsqueda estn inspirados en mecanismos usados por la naturaleza
(evolucin, adaptacin, memoria, etc..) como principios inteligentes para la solucin de
problemas complejos.
Esto incluye el proceso de crear estructuras para el uso ventajoso del conocimiento previo y el
uso de este conocimiento para la obtencin de mejores soluciones
Algunas Metaheurstcas
Algoritmo Genticos (John Holland)

Programacin Gentica
Redes Neurales
Simulated Annealing (Temple Simulado)
Tab Search
GRASP
Ant Colony Optimization
Comportamiento Emergente
36
La Toma de Decisiones,
Una perspectiva actual
Jaime Ponce
Jponce@amauta.rcp.net.pe
Los sistemas de informacin, ... deben

existir slo para un propsito primordial:
soportar los procesos de toma de decisin
de la organizacin
Ford Motor Co. (1969)
37
Los Retos
Reduccion del Mejoras en los Productos
ciclo del Negocio y Servicios
NUEVAS METAS
Percibir rapidamente Identificar a tiempo

las tendencias del areas problematicas
Mercado
Informacin Flexibilidad Informacin

Velocidad
Competitividad
Reduccin de Re-ingeniera de
Costos Procesos de Negocio
Calidad
Administracin
Informacin del Cambio Informacin
38
El Rol de la Informacin
Knowledge
Layer
Aplicaciones de
soporte estratgico
Information
Layer Aplicaciones de
soporte a la gestin
Data
Layer Aplicaciones de soporte operativo
Las decisiones en las operaciones

empresariales
Clientes Regulaciones
rca s
Me one
Im
do
pu
del ndici
es
to
Co
Entradas Procesos Salidas
Materias primas Planeamiento

Programacin Performance
Costos Compras Nivel de Servicio
Transformacin Costo de
Recursos Distribucin operacin
Ventas
Pr Decisiones
ov ia
e ed nc
o re p ete
s m
Accionistas Bancos Co
39
El proceso de toma de decisiones

en la empresa
Inteligencia
Realidad Objetivos estratgicos

Recoleccin de datos
Identificacin de problemas
Clasificacin de problemas
Seleccin Diseo
Seleccin de una buena Formulacin de un modelo
alternativa Definicin de criterios de
Anlisis what-if seleccin
Plan de implantacin Bsqueda de alternativas
Plan de control Evaluacin de alternativas
Caracterstica de un problema estructurado
La relacin entre las partes est dominada por el

carcter general del todo.
Puede ser dividido en partes para luego establecer
relaciones entre las partes en base a una estructura
comn.
Resueltas las partes, queda resuelto el problema.
divide y conquistars
(la estrategia de la ciencia)
40
Etapas en el proceso de toma de decisiones *
INTELIGENCIA
bsqueda de las condiciones que necesitan una decisin :
estados
DISEO
creacin, desarrollo y anlisis de posibles alternativas de
accin
SELECCION
escoger una de las alternativas de accin entre las que estn
disponibles : la mejor (la ptima)
* Simon, Carnegie Institute of Technology
Tipos de decisiones
ESTRUCTURADAS
las tres etapas son estructuradas
problemas rutinarios y repetitivos
SEMIESTRUCTURADAS
algunas pero no todas las etapas son
estructuradas
INESTRUCTURADAS
ninguna de las etapas es estructurada
41
C la s ific a c i n d e la s d e c is io n e s e m p r e s a r ia le s
T ip o s d e N iv e l d e D e c is i n
d e c is i n O p e r a t iv o T c tic o E s tr a t g ic o
C o n ta b ilid a d A n lis is d e p re s u p u e s to s In v e r s io n e s
C u e n ta s p o r p a g a r y p o r R e p o rte s d e p e rs o n a l U b ic a c i n d e a lm a c e n e s S is te m a s d e
E s tr u c tu r a d a s c o b rar A n lis is d e h a c e r o c o m p r a r S is te m a s d e d is trib u c i n In fo r m a c i n
T o m a d e p e d id o s T r a d ic io n a l
C o n tr o l d e in v e n ta rio s
P ro g r a m a c i n d e E v a lu a c i n d e c r d ito C o n s tr u c c i n d e u n a n u e v a
p r o d u c c i n P r e p a ra c i n d e p r e s u p u e s to s p la n ta
S e m ie s tr u c tu r a d a s D e te rm in a c i n d e n iv e le s D is trib u c i n d e p la n ta F u s io n e s y a d q u is ic io n e s
d e in v e n ta rio s P r o g ra m a c i n d e p r o y e c to s P la n e a m ie n to d e n u e v o s
P ro n s tic o d e d e m a n d a D is e o d e in c e n tiv o s p r o d u c to s
P la n e s d e a s e g u ra m ie n to d e la
c a lid a d
A d q u is ic i n d e s o ftw a r e R e c lu ta m ie n to d e u n P la n e a m ie n to d e in v e rs io n e s y
I n e s tr u c tu r a d a s A p ro b a c i n d e p r s ta m o s e je c u tiv o d e s a r ro llo
A d q u is ic i n d e h a rd w a r e In c o r p o r a c i n d e n u e v a s
L o b b y in g te c n o lo g a s
Im a g e n s o c ia l
Aversin a tomar decisiones no estructuradas

en la empresa
Temor a equivocarse.
Creacin de burocracia, perdindose oportunidades.
No se cuenta con evaluacin del impacto y de las
consecuencias de la decisin.
No es fcil monitorear para deteccin de malas
decisiones.
42
Sistemas de Soporte de Decisiones (SSD)
Los SSD son sistemas de informacin basados

en computadora que proporcionan soporte
interactivo, informativo y evaluativo a
un usuario durante el proceso de
toma de decisiones no estructuradas.
Caractersticas de un SSD
Soportan, y no reemplazan al profesional encargado.

Deben ser flexibles para lograr utilidad an en situaciones
no previstas.
Evolucionan con el entendimiento del usuario.
Mejoran la efectividad y no slo la eficiencia.
Se amoldan a la percepcin y al raciocinio del usuario en
todas las etapas del proceso.
Funcionan en diversos niveles empresariales.
Soportan decisiones individuales y de grupos (procesos).
43
Arquitectura de un Sistema de
Soporte de Decisiones
Usuario
MODULO DE CONTROL
INTERFAZ DE USUARIO
COORDINADOR DE MDULOS
MODULO DE LA DATA MODULO EVALUADOR MODULO DEL MODELO

DEFINICION QUERYS EVALUACION GENERACIN
MANIPULACIN MANTENIMIENTO REPORTE SOLUCIN
MODULO EXPERTO
BASE DE CAMBIOS DE MOTOR
ANALISIS DE DATA
PARMETROS
DATOS SOLUCIONADOR
ANALISIS POST- INSERCIONES
OPTIMO EXPERTAS
Contribuciones externas a la
aceptacin de S S D
Softwares visuales
amigables
Menor ansiedad Computacin

computacional Mayor uso personal en
en los usuarios de SSD gran avance
Costo muy alto por dejar

de usar Tecnologa de
Informacin
44
Impacto de los S S D
Ya probaron que ahorran gran parte del esfuerzo puesto

por una persona para tomar una decisin.
El tiempo extra disponible puede ser usado para otros
encargos o para profundizar en el problema y mejorar
la calidad de la decisin.
Todava no son bien entendidos ni por los profesionales
en informtica, ni por los gerentes.
En este momento constituyen la mayor rea de desarrollo

en el soporte de gestin empresarial.
Criterios en el diseo
de un S S D
Robustez.
Facilidad de control.
Simplicidad.
Cobertura completa de factores relevantes
Adaptabilidad e inteligencia : orientacin
al problema.
Facilidad de comunicacin.
45
Requerimientos estrictamente necesarios

para el xito de un S S D
(1) Disponibilidad de data adecuada.
(2) Compromiso, participacin y decisin de la

alta gerencia.
(3) Evaluadores y reportes de alta calidad.
(4) Enfoque evolucionario para la

implementacin
Problema
Empresarial
Max CiXi
s.a. Aij < Bj
Xi > 0
Parmetros del Modelo
modelo Ci, Aij, Bj y Algebraico
otros elementos
elementos.
Interface de usuario
en Visual Basic
Base de
Datos del Archivo Modelo
Problema en LINGO
Formularios de Ingreso de datos En Access
BOTON DE COMANDO OPTIMIZAR

Funcin que llama al LINGO y ejecuta
el file modelo. El file modelo lee y graba LINGO
los resultados en la base de datos en Access. Software Optimizador
Formulario de Salida de Resultados
Solucin y Valor
Optimo
en reporte
46
LOGSTICA EMPRESARIAL
VISIN Y TENDENCIAS PARA

EL NUEVO MILENIO
Jaime Ponce
Jponce@amauta.rcp.net.pe
C
OM
PL
EJ
IDA
DC
RE
CI
ENT
E
P
ROD
UC
TO
S C
LI
ENT
ES
P
ROC
ES
OS H
ER
RA
MI
ENT
AS
47
RESPUESTAS A LA COMPLEJIDAD
LINEA DE NEGOCIOS SEGREGACIN

CENTROS DE MAQUINARIA FLEXIBLES
SISTEMAS DE CONTROL MS COMPLEJOS
MRP, MRPII, JIT.
MANAGEMENT CONCEPTS
FILOSOFIA PRINCIPIOS
Strategic Alliance . Formar partner para alcanzar mejores resultados
Time Based Competition . Gestionar y controlar estndares estratgicos de tiempo
. Quick Response, JIT.
Total Cycle Time . Comprimir el tiempo de cada actividad.
Total Quality Management . Mejoramiento Continuo
. Construir exactitud y seguridad
. Constancia
. SPC
Virtual Corporation . Introducir y externalizar actividades en la empresa de
acuerdo a los requerimientos del mercado y la misin de
la empresa.
War on Waste . Eliminar costos innecesarios de mano de obra,
infraestructura y materiales
. Reciclado
. Proteccin del Medio Ambiente
Benchmarking . Hacerlo tan bien como el mejor
48
MANAGEMENT CONCEPTS
FILOSOFIA CONCEPTOS
Globalizacin . Pensar Globalmente, actuar localmente
. Productos y marcas globales
. Personalizar para necesidades locales.
Kaizen . Mejoramiento Continuo
. Cambios interactivos en procesos
Re - Engineering . Eliminar la obsolescencia
. Rediseo, reinventar una actividad
. Innovacin
Market - driven . Sobrepasar las expectativas de los clientes
. Oreganizarse para satisfacer estos requerimientos
LOGISTICS . Servicio de entrega a clientes
. Partnering con clientes, proveedores
. Diseo y utilizacin de IT
. Mejorar la rentabilidad
LA EMPRESA EN 1994: TOM PETERS

(Liberation Management. Necesary Disorganization for the 90s)
1.- Romper Jerarquas
2.- Hacer Responsable al Gerente
3.- Organizaciones Trbol
4.- Administracin de Calidad Total (TQM)
5.- Tecnologa de Informacin (IT)
6.- Re-Engineering
7.- Conocimiento al Cliente
8.- Globalizacin
9.- Volverse ecolgicas
10.- Competencia esencial
11.- Organizaciones de Aprendizaje
12.- Gobierno
49
LOGSTICA EMPRESARIAL
La logstica es el proceso de planificacin,
implementacin y control de la eficacia y
efectividad del flujo y almacenamiento de
materias primas, productos semiacabados,
productos finales, servicios e informacin
desde el punto de origen hasta el punto de
consumo (incluyendo movimientos desde,
hacia e internos) con el fin de satisfacer los
requerimientos de los clientes
Fuente: Council of logistics Management 1985
PATRN DE FLUJO DE MATERIALES
MATERIA COMPONENTES PRODUCTOS

PRIMA Y PARTES ACABADOS
PROVEEDORES
CLIENTES
FABRICACIN MONTAJE DISTRIBUCIN
Punto de Almacenaje
Transporte
Transformacin
50
PROCESO DE MATERIALES
COMPONENTES DE LA GESTIN
LOGSTICA
INPUTS ACTIVIDADES LOGSTICAS
ACTIVIDADES LOGSTICAS OUTPUTS
LOGSTICOS PLANIFICACIN
PLANIFICACIN IMPLEMENTACIN
IMPLEMENTACIN CONTROL
CONTROL LOGSTICOS
RECURSOS
NATURALES GESTIN LOGSTICA ORIENTACIN
HACIA EL CLIENTE
RECURSOS MATERIA STOCKS EN PRODUCTO
HUMANOS PRIMA PROCESO TERMINADO UTILIDAD DE
TIEMPO Y ESPACIO
RECURSOS
FINANCIEROS TRANSPORTE
EFICIENTE A
RECURSOS CLIENTES
INFORMTICOS
ACTIVIDADES LOGSTICAS
Proyeccin de la demanda Abastecimiento
Distribucin&Comunicac. Empaque-Emabalaje
Control de Stocks Devoluciones
Administracin de Materiales Trat. De Desechos
51
ASPECTOS CLAVES EN GESTIN

LOGSTICA
Transporte Tiempo de resp. v/s Distrib. Progr.

Velocidad v/s Costos
Tipo de Transp. v/s Control
Distribucin Fsica Stock v/s Servicio

Servicio v/s Costos
Gestin de mater. Stock v/s Utilizac. Planta

MRP v/s JIT
Logstica Orientada a pedidos v/s Orientada. a las ventas
PERSPECTIVAS HISTRICAS DEL DESARROLLO

DE LA LOGSTICA
U.K. - Legalidad del imperio
- Estilo de Gestin derivado de la Marina
U.S.A. - Problema de movimiento de tropas

EUROPA- Estilo de Gestin derivado del Ejrcito.
JAPN - Desarrollado por la Incertidumbre

- Control y Gestin de la Cadena de
Abastecimiento
52
DESARROLLO DE LA ORGANIZACIN LOGSTICA
Etapa de Dcada Focalizacin Orientacin

Desarrollo Principal
I 1960 Transporte Solucionar
Problemas
II 1970 Distribucin Reducir
Fsica Costos
III 1980 Dist. Fs. + MRP Aumentar
Productivid.
IV 1990 Logstica Ventaja
Integral Competitiva
LA IMPORTANCIA ESTRATGICA DE LA LOGSTICA:

CRECIMIENTO DE LOS GASTOS GENERALES
(% total de costos logsticos)
15 . ADMINISTRACIN
23 . CONTROL DE
STOCKS
logstica 21 . ALMACENAJE
41 . TRANSPORTE
La Logstica est sobrepasando su actual entorno y ganando perspectiva

administrativa
Los costos de administracin todava no reflejan el cambio por la dificultad
de localizar los gastos generales adecuadamente en los sistemas financieros
tradicionales.
53
IMPORTANCIA ESTRATGICA DE LA
LOGSTICA
LA LOGSTICA ES UN INSTRUMENTO PARA MEJORAR
LA COMPETITIVIDAD EN UN ENTORNO CAMBIANTE
ECONOMA GLOBAL
COMPETENCIA INTERNACIONAL
DISMINUCIN DEL CICLO DE VIDA DE LOS PRODUCTOS
DIVERSIFICACIN DE LAS NECESIDADES DEL MERCADO.
LA CADENA LOGSTICA ES UN IMPORTANTE

INSTRUMENTO QUE AYUDA A MANTENER Y
MEJORAR LA COMPETITIVIDAD
RPIDA CAPACIDAD DE RESPUESTA EN SERVICIO A CLIENTES
AUMENTO DE LA PRODUCTIVIDAD
GESTIN Y CONTROL DE TODA LA CADENA LOGSTICA.
ALGUNAS CONCLUSIONES
Productividad Logstica - factor clave del futuro

Los costos Logsticos tienen mayor participacin del
valor agregado.
Servicio a Clientes - Elemento sensible
Tcnicas como Kanban, JIT, CAM, CIM, cobran
mayor relevancia que en el pasado.
La integracin de la cadena logstica conlleva a un
mejor Outsourcing y Partnering
Soluciones estructuradas dan mejores resultados.
54
CULES SON LAS CONSECUENCIAS MS FRECUENTES DE

UNA ORIENTACIN LOGSTICA EN LA EMPRESA?
Envos ms pequeos
Envos ms frecuentes
Necesidad de una mayor exactitud en los transportes
Necesidad de retroinformacin/informe de
desviaciones
Centralizacin de almacenes
Series cortas de fabricacin/sistemas de produccin
flexibles.
Implantacin de tcnicas de embalaje unitario
Cuestionamiento, reformulacin de la estrategia
empresarial.
Cambios en la organizacin.
LOGSTICA Y LA FUNCIN DE
MARKETING
PRODUCTO
MARKETING
PRECIO PROMOCIN
LUGAR DE
ENTREGA
STOCK COSTOS DE
LOGSTICA TRANSPORTE
COSTOS COSTOS DE
INICIO/CAMBIO BODEGA
PROCESAMIENTO
DE PEDIDOS Y COSTO
DE INFORMACIN
55
EL CONCEPTO DE COSTO TOTAL

EL ANLISIS DEL COSTO TOTAL ES LA
CLAVE PARA LA GESTIN DE LA
FUNCIN LOGSTICA
LA GESTIN DEBE ESFORZARSE POR

MINIMIZAR EL COSTO TOTAL MS BIEN
QUE EL COSTO DE CADA ACTIVIDAD.
MODELO ESTRATGICO DE
RENTABILIDAD
Costos de Ingresos
Aprovisionamiento _ Beneficio
Costos de Prod. Margen de
Costos de Distrib. Costos Beneficio
Otros Costos Ingresos
Rentab.
Materia Prima Ingresos
Productos Capital Rotacin
Semi-acabados Logstico de capital
Productos Capital
acabados + total
Almacenes- veh- Otros
equipos capitales
56
TENDENCIAS FUTURAS
Focalizacin en la satisfaccin de clientes
Globalizacin y Competencia Internacional
Concentracin de los mercados
El efecto de la informtica est afectando a todo el mundo
Las organizaciones son ms planas que antes: las tareas y
funciones estn tambin siendo reorganizadas.

Mayores alianzas estratgicas entre proveedores y
clientes. Las organizaciones se estn volviendo holsticas

El valor de la implementacin estratgica es fundamental
en un ambiente competitivo.
DESARROLLOS FUTUROS
DE LA LOGSTICA
Principales estrategias Logsticas

Area de la Distribucin
- Menor plazo de servicio en gestin de los pedidos
- Optimizacin del almacenamiento y la manipulacin
- Optimizacin de la gestin de transporte
- Reduccin de unidades de manipulacin
- Reduccin de centros de almacenamientos
- Subcontratacin de funciones
57
DESARROLLOS FUTUROS
DE LA LOGSTICA
Principales Estrategias Logsticas
Area de Compras y Abastecimiento
- Proveedor segn criterios de calidad
- Integracin con proveedores
- Proveedores segn criterios de servicio
- Reduccin del nmero de proveedores
- Proveedores segn criterios de precio
- subcontratacin del manejo de proveedores
FUENTE: Estudio Andersen Consulting para Instituto Colombiano de Codificacin y

Automatizacin Comercial
DESARROLLOS FUTUROS
DE LA LOGSTICA
Areas claves de la LOGSTICA - sector bienes
consumo masivo
- Servicio a clientes
- Relaciones entre fabricantes y canales de distribucin
- Redes de centros de fabricacin, almacenamiento y distribucin
- Relaciones con los operadores logsticos y el transporte
- Tecnologa de almacenamiento y manipulacin
- Relaciones con los proveedores
- Tecnologas de informacin
- Medio ambiente
FUENTE: Estudio Andersen Consulting para I.C.C. y A.C.
58
DESARROLLOS FUTUROS
DE LA LOGSTICA
Perspectivas futuras:
- El proceso de decisiones logsticas se mover desde un enfoque
corporativo interno hacia una visin externa sin fronteras
- Con el apoyo de las nuevas tecnologas, la logstica ser capaz
de satisfacer realmente a los clientes
- Las principales transformaciones de recursos en el canal
logstico significarn transar stock por informacin
- El desempeo productivo del capital orientar a los sistemas
logsticos.
FUENTE: The International Journal of Logistics Management Vol. 1, 1990
DESARROLLOS FUTUROS
DE LA LOGSTICA
Proposiciones en el campo de la logstica
- La demanda bsica por servicios logsticos aumentar
- Las restricciones ambientales y de infraestructura sern cada
vez ms importantes
- Los recursos humanos sern un aspecto crtico
- Las competencias logsticas sern vistas en forma creciente
como recurso estratgico
- La tecnologa seguir renovando los canales y procesos
logsticos convencionales
- Las organizaciones logsticas sern cada vez ms transparentes
FUENTE: Logistics excellence. Digital Press, 1992 (B, D, D, G y R)
59
DESARROLLOS FUTUROS
DE LA LOGSTICA
Tendencias que afectan a la logstica:
- nfasis en satisfaccin del cliente
- Globalizacin y competencia internacional
- Revolucin de la computacin
- Organizaciones ms planas y horizontales
- Alianzas Clientes - Proveedores
- Era de conocimiento y la innovacin
FUENTE: Logistics excellence. Digital Press, 1992
DESARROLLOS FUTUROS
DE LA LOGSTICA
Comentarios sobre la LOGSTICA y el futuro
- El mercado global crear las mayores oportunidades y
los cambios ms significativos en la funcin logstica.
- El tema ms relevante, junto a las posibilidades de
Outsourcing, ser el ciclo de tiempo al mercado de
cliente.
- El ciclo de tiempo permite satisfacer clientes, mejorar
servicio, disminuir costos, etc.
- Slo los pensadores globales sobrevivirn.
FUENTE: Council of Logistics Management Annual Conference Proceedings., 1993
60

Seccion D - Lecturas

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Seccion D - Lecturas

Uploaded by

Copyright:

Available Formats

J. Ponce, G. Sols y L.

Origen y Naturaleza de la Investigacin de Operaciones

1. La Investigacin de Operaciones y El Enfoque de Sistemas.

1.1 Antecedentes histricos de la Investigacin de Operaciones

En el antiguo testamento, por un tratado sobre organizacin, se da crdito a Jetro, el suegro de

La adquisicin de destreza, al realizar una tarea en forma repetida.

Los modelos lineales de la Investigaciones de Operaciones, tienen como precursores a Jordan en

El movimiento de la Administracin Cientfica recibi su impulso inicial a fines de siglo XIX y

1.2 La Investigacin de Operaciones en la Segunda Guerra Mundial

La Investigacin de Operaciones en Gran Bretaa

bombardeos nocturnos alemanes, permitieron a estudiar las reacciones de la defensa antiarea.

El profesor P.M.S. Blackett (Premio Nobel de Fsica) de la Universidad de Manchester, fue

Despus de haberse ocupado de la localizacin optima de radares, Blackett paso a dirigir la

La Investigacin de Operaciones en EE.UU.

En abril de 1942, ya haba tomado y se haba puesto en prctica la implementacin de la decisin

Mencionaremos tambin la utilizacin de la Teora de Juegos y de la Teora de Preferencias,

Consecuencias de la Segunda Guerra Mundial

La formacin de equipos mixtos interdisciplinarios, formando un grupo de fiscos, matemticos,

La adquisicin de la costumbre de analizar cada problema en funcin de sus relaciones con el

1.3 La Investigacin de Operaciones en la Post Guerra

En noviembre de 1945 se creo en la Gran Bretaa, la Seccin de Investigacin de Operaciones del

Estos grupos de cientficos normalmente se asignaban al responsable encargado de las

El grupo de Investigacin de Operacines de la Marina pas a ser Grupo de Anlisis de

Una orden gubernamental en 1946, introdujo la Investigacin de Operaciones en la organizacin de

En 1948 se crea el grupo de Anlisis de Armamento, encargado de analizar en forma rigurosa y

Como hemos visto en los Estados Unidos la Investigacin de Operaciones en la Post-Guerra, se

1.4 La Investigacin de Operaciones en el Sector Civil

En EE.UU. la Investigacin de Operaciones sigui una direccin ligeramente distinta. La

As mismo de la dcada de los aos 50 se hace presente la introduccin del computador

Conjuntamente con este desarrollo se produjo la difusin de los expertos en Investigacin de

En este sistema el anlisis costo-beneficio, insumo-producto y el Anlisis de Sistemas son sus

Aunque muchos de los resultados de la implementacin de las Tcnicas de Investigacin de

La inercia de la administracin y la falta de un proceso de aprendizaje impeda la

No comprender que la gerencia opera en un ambiente de factores generalmente cambiantes

La Investigacin y la Aplicacin se centraron en aspectos tales como el PERT/CPM, el Control de

lineal, programacin entera, etc.), la Simulacin y las Tcnicas de Programacin de Actividades

La amplia estructura conceptual de anlisis de los sistemas, quedaba, solamente en el papel, y

Ante la posibilidad de transformar la Investigacin de Operaciones en slo una nueva habilidad y

La Metodologa de los Sistemas Blandos (MSB, Rodrguez Ulloa 1989) es un conjunto de

Vemos pues la complejidad de estos sistemas denominados "Blandos" (o Sistemas Humanos, o

Lo cual no necesariamente habra de ocurrir en un modelamiento de un Sistema Duro (o bien

1.5 Sociedades de Investigacin de Operaciones

1.6 Perspectivas de la Investigacin de Operaciones

La informacin resultante de los mtodos de la Investigacin de Operaciones, respaldados por la

Es as que actualmente muchos Investigadores de Operaciones reconocen cada vez ms que si

2. Caractersticas y Alcances de la Investigacin de Operaciones

2.1 Caractersticas Esenciales de la Investigacin de Operaciones

La necesidad de la combinacin de mtodos y, por tanto, de la estrecha colaboracin entre los

As, pues, la principal caracterstica de la investigacin de Operaciones consiste, en haber

Estudio de un sistema dado en su conjunto.

2.2 Condiciones Ambientales de la Investigacin de Operaciones

La investigacin de Operaciones requiere dos condiciones: la comunicacin de la informacin y la

2.3 Naturaleza de la Actividad Moderna y la Investigacin de Operaciones

La finalidad de la Investigacin de Operaciones consiste en socorrer a estas "vctimas" de la

2.4 Condiciones de las Organizaciones y la Investigacin de Operaciones

plazo se refiere a problemas inmediatos, y los consejos correspondientes habrn de ser

2.5 El rol de la Investigacin de Operaciones

El primer quehacer de la Investigacin de Operaciones consiste en reunir informaciones en el seno

La investigacin de Operaciones no constituye una receta mgica que permita adoptar

2.6 El profesional experto de Investigacin de Operaciones

Las soluciones "cucaracha" no son caractersticas de la Investigacin de Operaciones. Si la

El profesional experto en Investigacin de Operaciones posee una capacidad y un instinto y

a un problema las actividades conjuntas de un socilogo, un bilogo o un fsico, y conseguir que