Investigacion de Operaciones en la Ciencia Administrativa, 5ta Edicion

Vista previa del material en texto

Operaciones-logística Páginas
Programación de actividades del personal 101-102, 108-109
Planeación del transporte 226-232
Asignaciones de personal 232-239
Planeación de embarques 239-244
Rutas de viaje 244-246
Administración del tráfico 248-249
Ubicación de almacenes 300-304
Cantidad económica de pedidos 
de inventario 365-371
Pedidos económicos con descuentos 
por cantidad 371-374
Trabajos en secuencia computarizada 399-401
Programación de operaciones con 
recursos limitados 403-407
Diseño de instalaciones de carga 
y descarga de camiones 509
Decisión sobre la ubicación de un almacén 
(centralizado vs. descentralizado) 556-557
Tiempo de espera en la copiadora 
de la oficina 575-579, 580-581
Diseño de cola de espera en un laboratorio 
de hematología 583-586
Administración del traslado de una 
empresa de tarjetas de crédito 659-670
Probabilidad de completar la mudanza 
a tiempo 675-677
Operaciones-producción
Ensamble restringido 52-56
Decisiones sobre fuentes 
de aprovisionamiento 60, 221-224
Mezcla de productos 69-79, 100-101, 
215-216
Componentes de las mezclas 97-100, 107-108
Determinación de dietas óptimas 171-172
Planeación de nuevos productos 216-219
Subcontratación 221-224
Planeación financiera y de producción 251-254
Planeación de producción e inventarios 261-268
Planeación de personal y de producción 266-268
Planeación de producción y transporte 281-283
Mezclas de petróleo 339-346
Tamaño de los lotes de producción 375-378
Distribución general de instalaciones 430-431
Ubicación de estaciones de prueba para 
control de calidad del abastecimiento 
de agua 432
Consolidación de una planta 437-439
Modelo del vendedor de periódicos 446-448, 454-455,
458-460, 557-578
Páginas
Políticas de control de inventarios 509-510
Equilibrio de la capacidad 546-550
Decisión sobre líneas telefónicas de 
larga distancia 589-591
Número de expertos en reparaciones que 
conviene contratar para mantenimiento 
de equipo técnico 592-593
Cuándo prometer nuevos pedidos 593-596
Cuántos operadores telefónicos debe 
contratar L.L. Bean 603-604
Pronóstico de ventas de soportes 621-628
Pronóstico del número de cheques 
tramitados por un banco local 650-651
Economía de los negocios
Determinación del precio de productos 29-38, 338-341
Análisis del punto de equilibrio 38-45, 103-104, 
109-110
Contratación y precios negociados 45-52
Cálculo del costo de productos 123-125, 221-224
Atribución del valor de los recursos 189-197
Sustitución de equipo 246-248
Cuál computadora conviene comprar 421
Cómo selecciona un hotel el sistema de 
software que le conviene implementar 422-427
Costo de la pérdida de imagen o prestigio 448-451
Decisión de compra de un seguro 
de automóvil 461-462
Estrategia óptima en demandas judiciales 
por quejas de pacientes 413-414
Modelo de sobreboletaje de una aerolínea, 
para Midwest Express 542-545, 558
Análisis económico de colas de espera 
en un laboratorio médico 586-589
Finanzas
Valuación de empresas 61
Planeación de las finanzas personales 61-62
Comercio de divisas y administración 
de efectivo 126-129
Planeación de una cartera de préstamos 198-204
Planeación financiera y de producción 251-254
Análisis de inversiones 268-270
Planeación de caja e inversiones 285-287
Presupuesto de capital en condiciones 
de certidumbre 295-298
Suscripción de bonos 324-325
Planeación de fondos de pensiones 326-327
Selección de cartera 358-364
Cargas tributarias equitativas en Peoria 407, 435-436
PERSPECTIVA GENERAL de los EJEMPLOS incluidos en el LIBRO DE TEXTO,
por ÁREA FUNCIONAL
Páginas
Decisión sobre perforación de 
pozos petrolíferos 498-499
Presupuesto de capital con demandas 
inciertas 518-524, 524-532,
558
Licitación para un yacimiento petrolífero 
frente a la costa 558
Decisión de inversión en robótica para 
laboratorios 559-563
Decisión sobre perforación de pozos de 
gas natural 564-571
Pronóstico de ganancias por acción de 
una nueva aerolínea 632-634
Administración del desarrollo de un paquete
de software de análisis financiero 679-683
Control del presupuesto de un gran 
proyecto de tarjetas de crédito 683-689
Mercadotecnia
Precio del servicio de copiado 38-45
Publicidad y precios 62-64
Gerencia de ventas 220-221
Asignación de la fuerza de ventas 237-238
Selección de medios en condiciones 
de certidumbre 254-258
Asignación de territorios de ventas 322-323
Optimización de gastos de mercadotecnia 336-337
Selección de medios en condiciones de 
incertidumbre 411-420
Campaña de mercadotecnia para 
Home and Garden Tractors 463-467, 468-470
Conducción de un estudio de investigación 
de mercados 470-476
Decisión del mercado de prueba 476-483
Base de la tasa de publicidad en revistas 499-501
Promoción de sartenes para omelette 
—cuántas unidades conviene pedir 533-538, 539-542
Modelo de cambio de marca 555
Promoción óptima de un modelo de 
televisor discontinuado 558
Uso del flujo de tráfico para pronóstico 
de ventas en torno a la decisión de 
ampliar una estación de gasolina 608-617
Pronóstico de la demanda de carbón 635-639
Pronóstico de ventas de automóviles 650
Pronóstico de circulación de una revista 652-654
Sector público Páginas
Programación de actividades del personal 101-102, 108-109
Administración de efectivo 126-129
Determinación de dietas óptimas 171-172
Planeación del transporte 239-244
Asignaciones de personal 232-239
Rutas de viaje 244-246
Sustitución de equipo 246-248
Administración del tráfico 248-249
Suscripción de bonos municipales 324-325
Planeación de un fondo de pensiones 326-327
Planeación de cumplimiento tributario 
y renta fiscal 389-396
Diseño de un programa educacional 408-410
Selección del sistema de programas que 
se aplicarán 422-427
Cargas tributarias equitativas en Peoria 407, 435-436
Administración de un proyecto grande 659-670
Probabilidad de completar el proyecto 
a tiempo 675-677
Control del presupuesto para un proyecto 683-689
Recursos humanos
Programación de actividades del personal 101-102, 108-109
Asignaciones de personal 232-239
Planeación de personal y producción 266-268
Contratación de una secretaria 581-583
Número de expertos en reparaciones que 
conviene contratar para el manteni-
miento de equipo técnico 592-593
Cuántos operadores telefónicos debe 
contratar LS banco local 650-651
Otros
Selección de un empleo fuera de 
la universidad 435
Selección de una escuela de posgrado 435
Decisión de qué automóvil conviene 
comprar 435
Decisión de llevar o no el paraguas 
cuando vamos al trabajo 444
Análisis de fallas en una grúa 555
Decisión sobre pedidos de leche en una 
tienda de servicio rápido 556
Campaña anual de recaudación de fondos 557
Pronóstico del número de huéspedes en 
un hotel Marriott 654-656
PERSPECTIVA GENERAL de los EJEMPLOS incluidos en el LIBRO DE TEXTO,
por ÁREA FUNCIONAL (Continuación)
Investigación de
Operaciones en la 
Ciencia Administrativa
MÉXICO • ARGENTINA • BOLIVIA • BRASIL • COLOMBIA • COSTA RICA • CHILE • ECUADOR 
EL SALVADOR • ESPAÑA • GUATEMALA • HONDURAS • NICARAGUA • PANAMÁ
PARAGUAY • PERÚ • PUERTO RICO • REPÚBLICA DOMINICANA• URUGUAY • VENEZUELA
AMSTERDAM • HARLOW • MIAMI • MUNICH • NUEVA DELHI • MENLO PARK • NUEVA JERSEY
NUEVA YORK • ONTARIO • PARÍS • SINGAPUR • SYDNEY • TOKIO • TORONTO • ZURICH
Investigación de Operaciones
en la Ciencia Administrativa Q U I N T A E D I C I Ó N
Construción de Modelos
para la toma de Decisiones
con Hojas de Cálculo Electrónicas
G.D. Eppen
F.J. Gould University of Chicago
C.P. Schmidt University of Alabama
J.H. Moore Stanford University
L.R. Weatherford University of Wyoming
TRADUCCIÓN:
Ángel Carlos González Ruiz
Traductor profesional 
Gabriel Sánchez García
Universidad Nacional Autónoma de México
REVISIÓN TÉCNICA:
Marco Antonio Montúfar Benítez
Departamento de Ingeniería Industrial
Instituto Tecnológico y de Estudios Superiores de Monterrey
Campus Estado de México
Guillermo Martínez del Campo Varela
Departamento de Ingeniería
Universidad Iberoamericana
México
Versión en español de la obratitulada Introductory Management Science, Fifth Edition, de G.D. Eppen, F.J. Gould, C.P. Schmidt, J.H. Moore
y L.R. Weatherford, publicada originalmente en inglés por Prentice-Hall, Inc. Upper Saddle River, New Jersey, NJ, E.U.A.
Esta edición en español es la única autorizada.
Original English language title by
Prentice-Hall, Inc.
Copyright © 1998
All rights reserved
ISBN 0-13-889395-0
Edición en español:
Editora: Marisa de Anta
Supervisor de traducción: Armando Castañeda González
Supervisor de producción: José D. Hernández Garduño
Edición en inglés:
Senior Acquisitions Editor: Tom Tucker
Editorial Assistant: Melissa Back
Marketing Manager: Debbie Clare
Production Editor: Susan Rifkin
Production Coordinator: Cindy Spreder
Managing Editor: Katherine Evancie
Senior Manufacturing Supervisor: Paul Smolenski
Manufacturing Manager: Vincent Scelta
Design Director: Pat Smythe
Interior Design: Ox and Company, Inc.
Cover Design: John Romer
Interior Art/Cover Art: Marjory Dressler
Composition: Carlisle Communications, Inc.
QUINTA EDICIÓN, 2000
D.R. © 2000 por Prentice Hall Hispanoamericana, S. A.
Calle 4 No. 25-2do. piso
Fracc. Industrial Alce Blanco
53370 Naucalpan de Juárez, Edo. de México
Cámara Nacional de la Industria Editorial Mexicana 
Reg. Núm. 1524
Reservados todos los derechos. Ni la totalidad ni parte de esta publicación pueden reproducirse, registrarse o transmitirse, por un sistema
de recuperación de información, en ninguna forma ni por ningún medio, sea electrónico, mecánico, fotoquímico, magnético o electroóptico,
por fotocopia, grabación o cualquier otro, sin permiso previo por escrito del editor.
El préstamo, alquiler o cualquier otra forma de cesión de uso de este ejemplar requerirá también la autorización del editor o de sus repre-
sentantes.
ISBN 970-17-0270-0
Impreso en México/Printed in Mexico
1 2 3 4 5 6 7 8 9 0 04 03 02 01 00
Datos de catalogación bibliográfica
EPPEN, G. D.
Investigación de Operaciones 
en la Ciencia Administrativa
PRENTICE-HALL, México, 2000
ISBN: 970-17-0270-0
Materia: Computación
Formato: 20 x 25.5 Páginas: 792
A Ashley y Aaron;
A Jenny, por su increíble apoyo y eterno com-
pañerismo; y a Maria, Carolyn, Laura, Bob, Paul,
y Amy, por su amor y entusiasmo
ix
Jeffrey H. Moore
Jeffrey Moore se incorporó al profesorado
de la Graduate School of Business (Escue-
la universitaria de graduados en negocios)
de la Universidad de Stanford en 1972, des-
pués de haber trabajado más de 10 años co-
mo ingeniero en comunicaciones, analista
en sistemas de computación y analista en
administración. Desde su ingreso a Stan-
ford, ha diseñado e impartido cursos en el
área de Operaciones y Tecnología de la Información en los niveles
ejecutivo, de maestría y doctorado. Además de sus responsabilida-
des administrativas, imparte el curso principal de construcción de
modelos y es un catedrático muy reconocido en cuatro programas
Senior Executive de Stanford. En su investigación, se concentra en
sistemas de apoyo para la toma de decisiones y en el uso de la compu-
tadora por parte de altos ejecutivos. Ha escrito más de 40 artículos so-
bre estos temas y otros afines, y también ha trabajado intensamente
como consultor en la industria privada, tanto nacional como interna-
cional, para la aplicación de la tecnología de la información y la cons-
trucción de modelos como soporte para la toma de decisiones.
Ha trabajado en varios proyectos para la elaboración de mate-
rial en cursos cuyo fin es introducir Excel con propósitos de cons-
trucción de modelos y apoyo a las decisiones en los niveles de pos-
grado, maestría en administración de empresas y también para
ejecutivos. A este respecto, ha trabajado con varias subvenciones de
Microsoft, IBM y Hewlett Packard, y colaboró inicialmente con
Frontline Systems en la fase de ensayos y desarrollo del Solver de
Excel, sobre todo en las opciones de optimización lineal. Él fue un
precursor en 1978-79, cuando presentó uno de los primeros cursos
sobre el uso de modelos en hojas de cálculo electrónicas en una es-
cuela de administración de empresas, y poco después logró que las
hojas de cálculo electrónicas fueran adoptadas para el curso funda-
mental de la Ciencia de las Decisiones, en Stanford, que así se con-
virtió en la primera escuela importante de administración que las
adoptó. Desde entonces ha participado en el desarrollo de la cons-
trucción de modelos y aplicaciones estadísticas con hojas de cálcu-
lo electrónicas, y desarrolló el GLP (Graphical LP Optimizer de
Stanford; un optimizador con gráficas de programación lineal hecho
en dicha universidad) y Regress, un paquete de regresión basado en
Excel que hoy se usa en Stanford y otros lugares.
En 1995-96 trabajó con la INFORMS Business School Educa-
tional Task Force, la cual realizó una encuesta entre más de 300 pro-
fesores universitarios de la Ciencia de la Administración. Además,
en sus conferencias ha hecho presentaciones en las que muestra el
importante papel que deben desempeñar las hojas de cálculo electró-
nicas en la enseñanza de la administración. En la actualidad es el di-
rector de TELL, el Technology Educational Learning Laboratory de
la Stanford Business School, una nueva instalación dedicada a la en-
señanza y el estudio del uso de la tecnología en la administración.
En 1996 recibió el Premio Sloan a la excelencia magisterial de
Stanford por su curso fundamental sobre la construcción de modelos
que sirven como soporte para la toma de decisiones.
El doctor Moore ostenta un BSEE con especialidad en diseño de
circuitos digitales por la University of Cinncinatti, un título conjunto
MBA/CS por la Texas A&M University y un doctorado en adminis-
tración de empresas por la University of California en Berkeley. Os-
tenta también un certificado de Professional Engineer (E. E., Ohio).
Larry R. Weatherford
Larry Weatherford es profesor asociado en
el College of Business de la University of
Wyoming. Obtuvo su licenciatura en la
Brigham Young University en 1982 y su
maestría y doctorado en la Darden Gradua-
te School of Business de la University of
Virginia en 1991. Recibió el premio a la
“Enseñanza Sobresaliente” por parte del
College of Business en su primer año como
profesor. En los años siguientes también se ha hecho acreedor al pre-
mio que otorga Alpha Kappa Psi al “Miembro más destacado del
profesorado”, al premio al “Investigador adjunto más destacado”
que confiere el College of Business y, más recientemente, al premio
Ellbogen al “Mérito en la enseñanza en el aula”, conferido institu-
cionalmente por la universidad. Varios de sus artículos académicos
han aparecido en diversas publicaciones, como Operations Re-
search, Decision Sciences, Transportation Science, Naval Research
Logistics, Cornell Hotel and Restaurant Administration Quarterly,
International Journal of Technology Management, Journal of Com-
binatorial Optimization y Omega.
En el terreno de la práctica, Larry fue el personaje presentado
en la sección de “Preguntas y respuestas” de Scorecard (Revenue
Management Quarterly) en el segundo trimestre de 1994. También
fue autor de un artículo en la sección sobre literatura técnica publi-
cada en ese mismo número de Scorecard. En varios de los últimos
años ha presentado sus investigaciones en AGIFORS ante el grupo
de estudios Yield Management, y también en la conferencia de IA-
TA International Revenue Management. Ha trabajado en proyectos
de administración de ingresos con varias aerolíneas y corporaciones
de hotelería importantes.
En el aspecto personal, Larry está casado con la encantadora
Jenny y tienen seis hijos (¡sí, todos nacidos del mismo matrimonio!).
La mayor parte de sus intereses no profesionales están concentrados
en su familia y en la iglesia. El resto de su tiempo libre lo dedica a
jugar racketball o golf, y también a leer algún libro divertido.
Acerca
de los
Autores
xi
Prefacio xxi
Parte 1 Los Modelos y su Construcción 1
Capítulo 1 Introducción a la construcción de Modelos 2
2 Construcción de modelos en hojas 
de cálculoelectrónicas 28
Parte 2 Optimización 65
Capítulo 3 Optimización lineal 66
4 Programación lineal: Análisis gráfico 130
5 Programación lineal: Interpretación del
Informe de sensibilidad de Solver 173
6 Programación Lineal: Aplicaciones 225
7 Optimización con Enteros 288
8 Optimización no lineal 328
9 Toma de decisiones con objetivos
múltiples y heurística 397
Parte 3 Modelos Probabilísticos 441
Capítulo10 Análisis de decisiones 442
11 Simulación Monte Carlo 506
12 Colas de espera 573
13 Pronósticos 605
14 Administración de Proyectos: PERT y CPM 657
Apéndice A Conceptos básicos de probabilidad A-1
Apéndice B Características de Excel que son útiles 
para la construcción de modelos B-1
Apéndice C Sugerencias y mensajes de Solver C-1
Índice I-1
Resumen de 
contenido
xiii
Prefacio xxi
Parte 1 Los Modelos y su Construcción 1
CAPÍTULO 1 Introducción a la Construcción
de Modelos 2
Cápsula de aplicación:
Decisiones de crédito y cobranzas en AT&T
Capital Corporation 2
1.1 Introducción 3
1.2 El proceso de construccióm de modelos 3
Los modelos en la empresa 5
Modelos y gerentes 6
1.3 Una palabra sobre filosofía 6
Realismo 6
Intuición 7
1.4 Tipos de modelos 9
Modelos simbólicos (cuantitativos) 10
Modelos de decisión 11
1.5 Construcción de modelos 12
Estudio del ambiente 12
Formulación 12
Construcción simbólica 14
1.6 Construcción de modelos con datos 15
1.7 Cuestiones relacionadas con los datos 17
Formas y fuentes de datos 17
Agregación de datos 17
Refinación de datos 18
1.8 Modelos determinísticos y 
probabilísticos 18
Modelos determínisticos 18
Modelos probabilísticos 19
1.9 Ciclos en la construcción de modelos 19
1.10 Construcción de modelos y 
toma de decisiones 22
Validación de modelos 22
Una prespectiva final 23
1.11 Terminología de la construcción 
de modelos 23
1.12 Resumen 23
Términos clave 24
Ejercicios de repaso 24
Preguntas para discusión 26
Referencias 27
CAPÍTULO 2 Cosntrucción de modelos 
en hojas de cálculo electrónicas 28
Cápsula de aplicación:
Modelo de las operaciones de los buques
nodriza de la Guardia Costera 28
2.1 Introducción 29
2.2 Ejemplo 1: Simon Pie 29
Proyección “¿Qué pasaría sí?” 36
2.3 Ejemplo 2: XerTech Copy, Inc. 38
2.4 Ejemplo 3: Rosa Raisins 45
2.5 Ejemplo 4: La producción en
Oak Products, Inc. 52
Modelos de Optimización 55
2.6 Restricciones y optimización 
Restringida 56
2.7 Resumen 57
Términos clave 57
Ejercicios de repaso 57
Problemas 59
Caso práctico: Kayo Computer 60
Caso práctico: Watson Truck Rental Company 61
Caso práctico: Plan financiero personal 61
Caso práctico: Benson Appliance Corporation 62
Referencias 64
Parte 2 Optimización 65
CAPÍTULO 3 Optimización lineal 66
Cápsula de aplicación:
Asignación de flotillas de Delta Air Lines 66
3.1 Introducción a la programación lineal 67
3.2 Formulación de modelos de PL 68
Restricciones 68
Contenido
La función objetivo 69
PROTRAC, Inc. 69
Los datos de PROTRAC 70
Evaluación de varias decisiones 72
Observaciones sobre el modelo de PROTRAC 74
3.3 Guías y comentarios acerca de la 
formulación de modelos 75
3.4 Costos fijos versus costos variables 76
3.5 Modelo de PROTRAC en hojas de 
cálculo electrónicas 78
Creación de la hoja de cálculo de PROTRAC 78
Optimización de la hoja de cálculo 80
3.6 El modelo de PL y la construcción de 
modelos en hojas de cálculo 80
Reglas para la construcción de modelos 
de PL en hojas de cálculo 82
3.7 Generalidades de Solver 84
Cómo se usa el Solver 85
Terminología de Solver 86
3.8 Optimización del modelo de 
PROTRAC con Solver 87
3.9 Recomendaciones para los modelos de 
PL en Solver 95
3.10 Crawler Tread: Ejemplo de integración 97
Creación del modelo de PL 99
Modelo PL de Crawler Tread 100
3.11 Cómo formular modelos de PL 100
3.12 Ejemplo 1: Astro y Cosmo 
(un problema de mezcla de productos) 100
3.13 Ejemplo 2: Mezcla de alimentos 
(un problema de mezcla) 101
3.14 Ejemplo 3: Programación de las fuerzas 
de seguridad 
(un problema de programación) 101
3.15 Ejemplo 4: Longer Boats Yacht Company 
(una pequeña descripción acerca del 
análisis de punto de equilibrio restringido) 103
3.16 Más sugerencias para el desarrollo de 
modelos de PL 104
3.17 Resumen 106
3.18 Soluciones de los problemas presentados 
como ejemplos 107
Solución de Crawler Tread 107
Solución del Ejemplo 1: Astro y Cosmo 107
Solución del Ejemplo 2: Mezcla de 
Alimentos 108
Solución de Ejemplo 3: Programación de 
las fuerzas de seguridad 108
Solución de Ejemplo 4: 
Longer Boats Yacht Company 109
Términos clave 111
Ejercicios de repaso 111
Problemas 114
Caso práctico: Red Brand Canners 123
Caso práctico: Una aplicación del uso de 
modelos en los mercados de 
divisas 126
Referencias 127
CAPÍTULO 4 Programación lineal:
Análisis gráfico 130
Cápsula de aplicación:
Mayor potencia por cada dólar: la PL 
ayuda a la Fuerza Áerea Estadounidense 
a integrar sus arsenales 130
4.1 Introducción 131
4.2 Graficación de desigualdades y contornos 131
Graficación de desigualdades 131
Líneas de contorno 132
4.3 El método de resolución gráfica
aplicado a PROTRAC 133
El modelo PROTRAC 134
Graficación de las restricciones 134
El efecto de agregar restricciones 135
La región factible 137
Graficación de la función objetivo 138
Busqueda de la solución óptima 140
4.4 Restricciones activas e inactivas 141
Interpretactiones gráficas de restricciones 
activas e inactivas 143
4.5 Puntos extremos y soluciones óptimas 144
Una nueva función objetivo 144
Un nuevo vértice óptimo 145
4.6 Resumen del método de resolución 
gráfica para un modelo Max 146
4.7 El método gráfico aplicado a un 
modelo Min 146
La dirección “Descendente” 146
Búsqueda de la solución óptima 147
4.8 Modelos no acotados y no factibles 149
Modelos no acotados 149
Modelos no factibles 150
4.9 Análisis gráfico de sensibilidad 151
Cápsula de aplicación: El modelo 
para una dieta 152
4.10 Cambios en los coeficientes de 
la función objetivo 153
4.11 Cambios en el lado derecho 155
4.12 Estrechamiento y relajación de una 
restricción de desigualdad 157
4.13 Restricciones redundantes 158
4.14 ¿Qué es una restricción importante? 159
Restricciones redundantes 159
Restricciones activas e inactivas 159
4.15 Adición o supresión de restricciones 161
4.16 Resumen 163
Términos clave 164
Ejercicios de repaso 165
Problemas 167
xiv
Caso práctico: El método Símplex 171
Referencias 172
CAPÍTULO 5 Programación lineal:
Interpretación del Informe de 
sensibilidad de Solver 173
Cápsula de aplicación: Planeación de 
productos en una planta química de China 173
5.1 Introducción 174
5.2 Forma de restricción de igualdad 174
Valores óptimos de las variables de 
holgura y de excedente 175
Variables positivas y soluciones 
ubicadas en vértices 177
Degeneración y no degeneración 178
5.3 Análisis de sensibilidad del modelo de 
PL de PROTRAC 179
La Solución 179
Sensibilidad del LD y el precio fijo 181
Sensibilidad de coeficientes de función 
objetivo y soluciones óptimas alternativas 186
Costos reducidos 188
5.4 La producción de Crawler Tread:
diálogo con la gerencia 
(análisis de sensibilidad en acción) 189
Cápsula de aplicación: Contra la veta:
los modelos de PL ayudan a una compañía 
fabricante de archiveros a ahorrar en sus 
materias primas 190
5.5 Sinopsis de las cifras de salida de 
la solución 198
5.6 Interpretación del informe de sensibilidad
para los modelos alternativos en hojas 
de cálculo electrónicas 198
Límites superiores e inferiores simples 201
Interpretación del precio sombra 204
5.7 Resumen 204
Términos clave 205
Ejercicios de repaso 205
Problemas 206
Caso práctico: Preguntas relacionadas con el
caso de Red Brand Canners 215
Caso práctico: Crawler Tread y un 
nuevo enfoque 216
Caso práctico: Saw Mill River Feed y 
Grain Company 220
Caso práctico: Kiwi Computer 221
Referencias 224
CAPÍTULO 6 Programación lineal:
Aplicaciones 225
Cápsula de aplicación: Ici on parle HASTUS:
Montréal moderniza la programación de 
su sistema de transporte por medio de la PL 225
6.1 Introducción 226
6.2 El modelo de transporte 226El problema de distribución de PROTRAC: 
Envío de motores diesel de los puertos a las 
plantas 226
Formulación de la solución de PL 228
Degeneración de los modelos de transporte 230
6.3 Variaciones en el modelo de transporte 230
Resolución de modelos de transporte de 
maximación 231
Cuando la oferta y la demanda difieren 231
Eliminación de las rutas no aceptables 231
Soluciones con valores enteros 231
Cápsula de aplicación: ¡Play Ball! La Liga
Americana usa un modelo de PL de asignación
para programar su personal de arbitraje 232
6.4 El modelo de asignación 232
El problema de auditoría de 
PROTRAC-Europa 232
Resolución por enumeración exhaustiva 233
Formulación y solución en PL 234
Relación con el modelo de transporte 234
El modelo de asignación: 
Otras consideraciones 235
6.5 Modelos de red 239
6.6 Modelo de transbordo con capacidades 239
Cápsula de aplicación: Diario llega 
nueva mercancía: modelos de red ayudan 
a una cadena de tiendas de descuento a 
mantener sus costos de embarque a niveles 
increíblemente bajos 239
Terminología de redes 240
Formulación del modelo de PL 240
Propiedades de la PL 241
6.7 Formulación general del modelo de 
transbordo con capacidades 242
Soluciones óptimas con enteros 244
Procedimientos de solución eficientes 244
6.8 El modelo de la ruta más corta 244
Una aplicación de la ruta más corta:
Sustitución de equipo 246
Cápsula de aplicación: La autopista 
Hanshin de Japón 246
6.9 El modelo de flujo máximo 248
Una aplicación de flujo máximo: La 
comisión de planeación del desarrollo urbano 248
6.10 Notas sobre la aplicación de modelos 
de Red 249
6.11 Planeación financiera y de producción 251
Consideraciones financieras 251
El modelo combinado 252
Efecto de las consideraciones financieras 254
6.12 El modelo de selección de medios 254
Promoción de un nuevo producto 
de PROTRAC 255
6.13 Modelos dinámicos 258
xv
Modelos dinámicos de inventario 259
Un inventario para periodos múltiples 261
6.14 Ejemplos de modelos dinámicos 266
Bumles, Inc. (control de producción 
e inventario) 266
Winston-Salem Development Corporation 
(planeación financiera) 268
6.15 Resumen 270
Términos clave 271
Ejercicios de repaso 272
Problemas 273
Caso práctico: Trans World Oil Company 281
Caso práctico: Planeación de la producción 
en Bumles 283
Caso práctico: Biglow Toy Company 285
Referencias 287
CAPÍTULO 7 Optimización con enteros 288
Cápsula de aplicación: American Airlines 
Usa un programa de enteros para optimizar 
los itinerarios de sus tripulaciones 288
7.1 Introducción a la optimización con enteros 289
Cuándo son importantes las soluciones 
enteras 289
PL frente a la PLE 290
7.2 Tipos de modelos de programación lineal 
con enteros (PLE) 290
7.3 Interpretaciones gráficas de modelos 
de PLE 291
Optimización del modelo de PLE: Una 
modificación de PROTRAC, Inc. 291
La relajación de PL 292
Soluciones redondeadas 294
Enumeración 295
7.4 Aplicaciones de las variables binarias 295
Respuesta de Capital: Una decisión 
sobre expansión 296
Condiciones Lógicas 298
7.5 Una viñeta de PLE: Ubicación del almacén 
de STECO, un modelo de cargo fijo 300
Consideraciones sobre los modelos 300
El modelo de PLEM 301
Cápsula de aplicación: ¿En qué puedo 
servirle? AT&T halaga a los clientes 
haciéndoles ahorrar dinero con ayuda de 
un programa de enteros mixtos 302
7.6 El algoritmo de ramificación y acotamiento 304
Un ejemplo del PLE 304
PLEM 310
Resumen de ramificación y acotamiento 310
Sensibilidad 312
Algoritmos huerísticos 313
7.7 Notas sobre la aplicación de modelos de 
optimización con enteros 313
Kelly-Springfield 313
Flying Tiger Line 313
Hunt-Wesson Foods 313
7.8 Resumen 314
Términos clave 315
Ejercicios de repaso 315
Problemas 318
Caso práctico: Asignación de 
representantes de ventas 322
Caso práctico: Suscripción de 
bonos municipales 324
Caso práctico: Conciliación de flujo 
de efectivo 326
Referencias 327
CAPÍTULO 8 Optimización no lineal 328
Cápsula de aplicación: Administración de 
activos y pasivos en Pacific Financial Asset 
Management Company 328
8.1 Introducción a los modelos de 
optimización no lineales 329
8.2 Optimización no restringida con dos 
o más variables de decisión 330
8.3 Optimización no lineal con restricciones:
Una introducción descriptiva y geométrica 331
Análisis gráfico 331
Comparaciones entre la PL y la PNL 332
PNL con restricciones de igualdad 334
8.4 Uso de Solver para modelos PNL
(programción no lineal) 335
8.5 Ejemplo de modelos no lineales con 
restricciones de desigualdad 336
Interpretación económica de los multiplicadores 
de Lagrange y los gradientes reducidos 337
Optimalidad en la PNL 339
Uso de una suposición inicial 344
8.6 Posibilidad de resolución de los 
modelos de PNL 346
Programas no lineales que podemos resolver:
Programas cóncavos y convexos 347
Programas no lineales que intentaremos 
resolver 350
8.7 Introducción a la programación 
cuadrática (PC) 352
8.8 Solución de problemas de PC con Solver 353
8.9 Interpretación geométrica del análisis 
de sensibilidad de PC 354
Cómo identificar la solución óptima 355
El valor óptimo (VO) de la función objetivo 356
8.10 Selección de una cartera de inversiones 357
El modelo de cartera 357
Cápsula de aplicación: Estructuración de
carteras en Prudential Securities 358
Cómo formular el modelo de una cartera 
de inversiones 358
8.11 Un ejemplo de cartera de 
inversiones con datos 360
Formulación del Modelo 361
Solución en la hoja de cálculo 362
xvi
8.12 Control de inventarios 364
Ventas al mayoreo de STECO:
La política actual 365
Desarrollo del modelo CEP 367
La fórmula CEP: Q* 369
Análisis de sensibilidad 370
8.13 Ejemplos de modelos de inventario 371
Descuentos por cantidad y el valor óptimo 
general de STECO 371
Tamaño del lote de producción: Modelo de
tratamiento térmico de STECO 375
8.14 Notas sobre la aplicación de la PNL 378
Términos clave 379
Ejercicios de repaso: Modelos no lineales 380
Ejercicios de repaso: Programación cuadrática 381
Ejercicios de repaso: Modelos de inventario 383
Problemas de programación no lineal 383
Problemas de programación cuadrática 385
Problemas de inventario 386
Caso práctico: Justo a tiempo 388
Caso práctico: El Internal Revenue Service 
(Agencia estadounidense 
recaudadora de impuestos)
(1994–1995) 389
Referencias 396
CAPÍTULO 9 Toma de decisiones con objeti-
vos múltiples y heurística 397
Cápsula de aplicación: Planeación de 
recursos en la Universidad de Missouri 397
9.1 Introducción 398
9.2 Programación de recursos (secuencia 
de trabajos en computadora) 399
Tiempo de ajuste inicial dependiente de
la secuencia 399
Soluciones huerísticas 400
9.3 Programación de recursos limitados
(aligeramiento de la carga de trabajo) 401
Un ejemplo sencillo 401
Heurística para aligerar la carga de trabajo 403
9.4 Objetivos múltiples 407
Cápsula de aplicación: Llegó el recaudador:
Podría afinar su sistema tributario con la 
ayuda de la programación por metas 407
La programación por metas 408
Prioridades absolutas 411
La combinación de ponderaciones y 
prioridades absolutas 419
9.5 Proceso de jerarquía analítica 421
9.6 Notas sobre la aplicación 427
Términos clave 428
Ejercicios de repaso 429
Problemas 430
Caso práctico: Sleepmore Mattress 
Manufacturing: 
Consolidación de una planta 
fabril 437
Referencias 440
Parte 3 Modelos Probabilísticos 441
CAPÍTULO 10 Análisis de decisiones 442
Cápsula de aplicación: Prueba antidoping
a estudiantes atletas 442
10.1 Introducción 443
10.2 Tres clases de modelos de decisión 444
Decisiones bajo certidumbre 444
Decisiones bajo riesgo 445
Decisiones bajo incertidumbre (opcional) 451
10.3 El valor esperado de la información 
perfecta: El modelo del repartidor de 
periódicos bajo riesgo 454
10.4 Utilidades y decisiones bajo riesgo 455
La razón fundamental de la utilidad 456
Cómo crear y utilizar una función de utilidad 458
10.5 Un resumen a la mitad del capítulo 462
10.6 Árboles de decisión: Venta de tractores 
para jardín y uso doméstico 463
Estrategias alternativas de mercadotecnia
y de producción463
Cómo crear un árbol de decisiones 464
Cómo establecer las probabilidades y 
valores terminales 466
Cómo plegar el árbol 467
Cápsula de aplicación: Oglethorpe Power:
¿Invertir en un sistema de transmisón más
grande? 468
10.7 Análisis de sensibilidad 468
El rendimiento esperado como una función 
de la probabilidad en un mercado fuerte 468
10.8 Árboles de decisión: Cómo incorporar 
nueva información 470
Un estudio de investigación de mercados 
sobre tractores para jardín y uso doméstico 470
Cómo obtener probabilidades revisadas con 
base en nueva información 471
Cómo incorporar probabilidades a posteriori 
al árbol de decisión 473
El valor esperado de la información 
de muestra 476
10.9 Decisiones secuenciales: Probar o 
no probar 476
Análisis de decisiones secuenciales 477
El impacto de las utilidades 479
Otras características de TreePlan 480
Sensibilidad de la decisión óptima para 
las probabilidades a PRIORI 482
10.10 Administración y teoría de las decisiones 483
Cómo valorar probabilidades subjetivas 484
10.11 Notas sobre la aplicación 485
El papel que juega el juicio personal 485
10.12 Resumen 486
Términos clave 486
xvii
Ejercicios de repaso 487
Problemas 488
Caso práctico: Johnson’s Metal 497
Caso práctico: Perforar o no perforar 498
Caso práctico: Shumway, Horch, y Sager (A) 499
Apéndice 10.1 Probabilidad condicional 
y teorema de Bayes 501
Referencias 505
CAPÍTULO 11 Simulación Monte Carlo 506
Cápsula de aplicación: Simulador de AT&T
para procesar llamadas 506
11.1 Introducción 507
¿Cuándo se debe utilizar la simulación? 508
Simulación y variables aleatorias 508
11.2 Generación de variables aleatorias 510
Cápsula de aplicación: Acertijo de robots:
La simulación ayuda a GM de Canadá a 
automatizar su ensamblaje de automóviles 511
Uso de un generador de números aleatorios 
en una hoja de cálculo 511
Un método general 512
Aplicación del método general a 
distribuciones continuas 515
Cómo generar variables aleatorias 
utilizando complementos 516
11.3 Simulación con hoja de cálculo 518
Ejemplo de presupuesto de capital: Adición de 
un nuevo producto a la línea de PROTRAC 518
El modelo con demanda aleatoria 518
Evaluación de la propuesta 520
11.4 Simulación con complementos de hoja 
de cálculo 524
Un ejemplo de presupuesto de capital: La 
adición de un nuevo producto a la línea 
de PROTRAC 524
El modelo con demanda aleatoria 525
Evaluación de la propuesta 526
Otras distribuciones de la demanda 530
11.5 Un ejemplo del control de inventarios:
Foslins Housewares 532
La promoción del sartén para Omelettes: 
¿Cuántos sartenes pedir? 533
Utilidad versus tamaño del pedido 534
Recapitulación 538
11.6 Simulación del modelo de Foslins con una
hipótesis más realista de la demanda 539
La hoja de cálculo de Foslins: Simulación 
más realista de una demanda 539
El efecto del tamaño de la orden o pedido 540
11.7 Midwest Express: Modelo de sobreboletaje
en una aerolínea 542
Cápsula de aplicación: Cheques y saldos:
Un banco de Ohio utiliza la simulación para 
modernizar sus operaciones 545
11.8 Balanceo de la capacidad 546
Cómo hacer el modelo de una celda 
de trabajo 546
Simulación de la capacidad balanceada 546
Simulación de la capacidad no balanceada 549
11.9 Notas sobre la aplicación 550
11.10 Resumen 551
Términos clave 552
Ejercicios de repaso 553
Problemas 554
Caso práctico: CyberLab (A) 559
Caso práctico: Sprigg Lane (A) 564
Referencias 572
CAPÍTULO 12 Colas de espera 573
Cápsula de aplicación: Reducción del tiempo
que tarda un detenido en ser procesado en el 
Departamento de Policía de Nueva York 573
12.1 Introducción 574
12.2 El modelo básico 575
Suposiciones del modelo básico 575
Características del modelo básico 577
12.3 Clasificación de los modelos de colas 
de espera 579
Cápsula de aplicación: Empalme de tráfico:
Una simulación de cola de espera ayuda a 
eliminar un costoso cuello de botella 579
12.4 Ecuación de flujo de Little y resultados 
relacionados 580
12.5 La cola de espera M/G/1 581
12.6 Modelo 1: Una cola de espera M/M/s
(laboratorio de hematología) 583
12.7 Análisis económico de los sistemas de 
colas de espera 586
12.8 Modelo 2: Una cola de espera finita 
(líneas WATS) 589
12.9 Modelo 3: El modelo del reparador 592
12.10 Resultados transitorios versus resultados 
de estado estable: Promesa de entrega de 
pedido 593
12.11 El Papel que desempeña la distribución 
exponencial 596
12.12 Disciplina en las colas de espera 597
12.13 Notas sobre la aplicación 597
xviii
12.14 Resumen 598
Términos clave 598
Ejercicios de repaso 599
Problemas 600
Caso práctico: ¿Cuántos operadores? 603
Referencias 604
CAPÍTULO 13 Pronósticos 605
Cápsula de aplicación: Pronóstico de 
mejoras en L.L. Bean 605
13.1 Introducción 606
13.2 Pronósticos cuantitativos 607
13.3 Modelo de pronósticos causales 607
Ajuste de curvas: La expansión de una 
empresa petrolera 608
¿Qué curva ajustar? 617
Resumen 619
13.4 Modelo de pronósticos de series de tiempo 620
Extrapolación del comportamiento histórico 620
Ajuste de curvas 621
Promedios móviles: Pronóstico de las ventas 
de puntales de STECO 621
Ponderación exponencial: El modelo básico 626
Modelo de Holt (Ponderación exponencial 
con tendencia) 632
Estacionalidad 634
La caminata aleatoria 639
13.5 El papel que desempeñan los datos 
históricos: Divide y vencerás 641
13.6 Pronósticos cualitativos 642
Juicio experto 642
El método Delphi y el grupo de consenso 643
Pronósticos populares e investigación 
de mercados 643
13.7 Notas sobre la aplicación 644
Cápsula de aplicación: Sí Virginia...: Un 
modelo de pronóstico económico ayuda a 
mantener en números negros un fondo 
fiduciario de seguros contra el desempleo 645
Términos clave 646
Ejercicios de repaso 647
Problemas 648
Caso práctico: El banco de Laramie 650
Caso práctico: Shumway, Horch, y Sager (B) 652
Caso práctico: Pronóstico sobre las 
habitaciones del Marriott 654
Referencias 656
CAPÍTULO 14 Administración de Proyectos:
PERT y CPM 657
Cápsula de aplicación: ¿Cuándo es el nado 
sincronizado? Las ciencias de la administración
van a las Olimpiadas de Barcelona 657
14.1 Introducción 658
14.2 Un proyecto típico: La operación de 
la tarjeta de crédito de Global Oil 659
La lista de actividades 659
La gráfica de Gantt 660
El diagrama de red 661
14.3 La ruta crítica: Cumplir con la fecha 
de entrega a la dirección 664
Cálculo de la ruta crítica 665
Maneras de reducir la duración del proyecto 670
14.4 Veriabilidad en los tiempos de 
las actividades 673
Estimación del tiempo esperado de 
las actividades 673
Probabilidad de terminar el proyecto a tiempo 675
Pueba de las suposiciones con simulación 
en hojas de cálculo 676
14.5 Resumen a la mitad del capítulo: PERT 678
14.6 CPM y el equilibrio entre tiempo y costo 678
Proyecto de análisis financiero para 
mercadotecnia al menudeo 679
Recorte del proyecto 680
Un modelo de programación lineal 681
14.7 Administración del costo del proyecto:
PERT/COSTO 683
Planeación de los costos para el proyecto de 
tarjetas de crédito: el sistema PERT/COSTO 683
Cápsula de aplicación: Administración 
de proyectos en la Guerra del Golfo Pérsico 684
Control de los costos del proyecto 685
14.8 Notas sobre la aplicación 690
14.9 Resumen 691
Términos clave 692
Ejercicios de repaso 693
Problemas 694
Referencias 702
Apéndice A Conceptos básicos de probabilidad A-1
I. Introducción A-1
Variables aleatorias A-1
Tipos de probabilidades A-1
II. Probabilidades discretas A-2
A. La función de masa de las 
probabilidades (FMP) A-2
B. La función de distribución 
acumulada (FDA) A-3
III. Probabilidades continuas A-3
A. La función de densidad de las 
probabilidades A-3
B. La función de distribución acumulada A-4
C. Ejemplos importantes A-4
D. Cómo utilizar la tabla normal A-5
IV. Valores esperados A-7
A. Valor esperado de una variable aleatoria A-7
B. Valor esperado de una función de una 
variable aleatoria A-8
C. Rendimiento esperado A-9
V. Distribuciones con múltiples variables A-10
xix
A. Distribuciones conjuntas A-10
B. Variablesaleatorias independientes A-11
C. Expectativa y varianza de sumas A-11
Apéndice B Características de Excel que son 
útiles para la construcción de 
modelos B-1
Configuración de la hoja de trabajo B-1
Manejo de ventanas y hojas de trabajo B-5
Selección de celdas B-6
Edición de celdas B-8
Cómo rellenar celdas B-10
Formato de celdas B-12
Matrices de celdas B-16
Cómo dar nombre a las celdas B-19
Asistentes B-21
Otros comandos útiles B-24
Apéndice C Sugerencias y mensajes de Solver C-1
Problemas comunes en modelos al aplicar Solver C-2
Sugerencias que se deben recordar C-3
Opciones de Solver C-4
Cómo interpretar los mensajes de Solver C-5
Mensajes de terminación exitosa C-5
Mensajes de terminación no exitosa C-7
Índice I-1
xx
¡Felicidades! Al aprender el uso de Microsoft Excel se ha unido usted a los 35 millones de usua-
rios que han hecho de las hojas de cálculo electrónicas la lingua franca de la administración, lo
cual ha creado toda una revolución administrativa que comenzó hace apenas una década. El te-
ma de este libro no es Excel, sino la forma en que usted puede utilizar ese programa para el aná-
lisis de situaciones que se presentan en la administración. Nuestro enfoque consistirá en desa-
rrollar y más tarde analizar un modelo Excel para cada situación. A partir de ese análisis se
someterán a consideración las decisiones recomendables con el fin de mejorar la situación. Se
desarrollará una amplia gama de modelos, conjuntamente con los conceptos apropiados, para
que usted pueda generalizar estos ejemplos ante las diversas situaciones que encontrará duran-
te su carrera como administrador.
La construcción de modelos explícitos para el análisis y la toma de decisiones administra-
tivas se conoce tradicionalmente como Ciencia de la Administración.
El Webster’s New World Dictionary define el término oxymoron (oxímoron) como una “fi-
gura retórica en la cual se combinan ideas o términos opuestos o contradictorios”. Algunos
ejemplos muy comunes de oxímoron son: dulce tristeza, estruendoso silencio, bebé gigante, se-
dán deportivo, eficiencia burocrática... y seguramente usted podrá encontrar muchos más. ¿Y
qué podemos decir de la Ciencia de la Administración?
En el mismo diccionario se define la palabra management (administración) como “el acto,
arte o actividad para administrar, manejar, controlar, dirigir”, y otros conceptos por el estilo. Pe-
ro si la administración es un arte, entonces ¿la Ciencia de la Administración es un oxímoron, es
decir, una contradicción de términos?
¡Para nosotros no lo es!
La ciencia consiste en un proceso mediante el cual se utilizan observaciones y se llevan a
cabo ensayos para establecer principios y después aplicar esos principios para responder pre-
guntas. En gran parte, los negocios se basan en esa misma aproximación. Los actuarios utilizan
modelos estadísticos para establecer el tipo o costo de los seguros. Las organizaciones usan mo-
delos de flujo de efectivo descontado para tomar decisiones sobre gastos de capital. Los ejecu-
tivos de ventas emplean modelos basados en la elasticidad de la demanda para realizar sus de-
terminaciones de precio, y los gerentes de fondos de pensiones utilizan modelos de inversión
para controlar sus carteras de inversiones.
El tema principal de este libro son los modelos que pueden utilizarse en muchas y muy di-
versas situaciones administrativas. En realidad, gran parte de los modelos que vamos a estudiar
son modelos genéricos. De la misma manera en que el modelo aquí utilizado para el descuento
de flujos de efectivo se puede aplicar para la resolución de otros problemas en los cuales los pe-
riodos, las tasas de interés y los flujos de efectivo son diferentes; también los modelos que estu-
diaremos en este texto pueden utilizarse en situaciones sumamente distintas.
Creemos que este libro le parecerá interesante (para no hablar por ahora de su utilidad) en
la medida en que usted (1) enfoque su atención a las situaciones del mundo real y a los mode-
los construidos en hojas de cálculo electrónicas, los cuales llevan a cabo la resolución de esas
situaciones, y (2) participe activamente en la construcción y el análisis de dichos modelos. Por
nuestra parte, hemos tratado de mantener el enfoque centrado en la relación que existe entre la
administración y el modelo. Sin embargo, la responsabilidad de mantener dicho enfoque depen-
derá principalmente de usted. A medida que vaya avanzando en su trabajo, observará que este
texto está lleno de modelos específicos. Es fácil llegar a sumergirse a tal grado en los detalles
técnicos de los modelos y en la representación de los mismos en Excel, que al final se pierden
de vista las habilidades de tipo general que es preciso desarrollar para llegar a ser un buen ge-
rente o un buen constructor de modelos. Presentamos a continuación cuatro ideas que son fun-
damentales para lograr la eficiencia en la toma de decisiones. Será muy útil que las tenga usted
presentes. Ya verá que los modelos específicos con los cuales va a trabajar le ayudarán a com-
prender mejor estas ideas.
xxi
Prefacio Para el estudiante de administración
El contexto del problema. Para poder representar una situación por medio de un modelo, pri-
mero es necesario “contextualizarla” o “enmarcarla”. Esto significa que usted debe desarrollar
una forma organizada que le permita pensar en la situación. Recuerde que la mayoría de los pro-
blemas de administración llegan hasta nosotros en forma de síntomas, no como el planteamien-
to claro de un problema. Supongamos que su representante de ventas en Spokane acaba de in-
formarle que el principal competidor de su empresa les está ganando la partida, porque ahora
ofrece a sus clientes el procesamiento directo de todas sus transacciones a través de Internet. En
el sentido ordinario de la palabra, se trata de un problema de administración, pero en nuestro vo-
cabulario es un síntoma. El planteamiento de un problema tiene que incluir las posibles decisio-
nes y un método para medir la eficacia de cada una. El arte de pasar de un simple síntoma a un
planteamiento claro del problema se conoce como el proceso para enmarcar la situación, y es
una habilidad fundamental para un gerente o administrador eficiente.
La optimización sujeta a restricciones y las decisiones bajo riesgo son dos marcos útiles e
importantes que estudiaremos aquí y que son aplicables a gran variedad de situaciones en admi-
nistración. Desgraciadamente, no creemos que sea suficiente describir esos marcos y suponer
que el lector los va a saber utilizar en forma correcta. Para que pueda avanzar hacia la meta de
usar los contextos o marcos en forma intuitiva es necesario que usted entienda cómo fueron
construidos los modelos y qué relaciones existen entre las decisiones y los resultados. Tendrá
que aprender acerca de los modelos y su utilización en distintas situaciones, pues solamente así
hará suyas estas ideas. Para eso será preciso que dedique cierto tiempo a revisar con sentido crí-
tico los trabajos de otras personas y también a practicar por su cuenta. Por esa razón, este libro
está lleno de ejemplos con sus representaciones correspondientes en hojas de cálculo electróni-
cas, además de casos prácticos y problemas que le ayudarán a perfeccionar sus habilidades en la
construcción de modelos.
Optimalidad y sensibilidad. En este texto encontrará numerosos modelos construidos para em-
presas, por lo cual verá que el análisis de los mismos conduce a decisiones “óptimas”. Esto sue-
na muy bien: ¿qué podría haber mejor que una decisión “óptima”? Pero el lenguaje puede ser
engañoso si no se comprenden a fondo los conceptos en cuestión. En este contexto, la decisión
óptima es la que ofrece la mejor respuesta para el problema abstracto planteado en el modelo;
por ejemplo, una respuesta que maximice las ganancias. Pero, ¿acaso es también la mejor res-
puesta para la situación de la vida real que, por principio de cuentas, nos indujo a construir el
modelo? Esto es lo que tendrá usted que averiguar, sobretodo antes de poner en práctica la re-
comendación extraída del modelo. La decisión de aplicar o no una recomendación en particular
siempre es una cuestión de juicio, pero la calidad de tal juicio dependerá, en un grado conside-
rable, de lo bien que haya comprendido usted la relación entre el modelo y la situación real que
se ha intentado reflejar en él.
También es importante valorar la sensibilidad de la respuesta, es decir, hasta qué punto la
respuesta proporcionada por un modelo depende de los valores numéricos particulares que fue-
ron utilizados como datos de entrada para el mismo. Por lo general, la alta dirección se siente
más cómoda con las decisiones que son válidas dentro de una amplia gama de valores de entra-
da, de tal manera que una decisión buena no se transforme de pronto en una mala decisión a
causa de un pequeño cambio en alguna de las entradas del modelo. Así pues, el análisis de la
sensibilidad es un tema importante en todo este texto.
Conceptos de costo. Este libro se ocupa de las decisiones individuales de las empresas, como
por ejemplo cuántos artículos conviene solicitar en un pedido o dónde se habrá de instalar una
nueva fábrica. Uno de los elementos básicos que usted usará en la construcción de sus modelos
son los costos. Así, tendrá oportunidad de trabajar con los conceptos de costos fijos, marginales
y de oportunidad. La determinación de las relaciones de costo apropiadas en un modelo es un
factor de importancia crucial para tomar decisiones acertadas. Ésta es una habilidad que le re-
sultará muy útil en su carrera.
Un saludable escepticismo. Es importante ser escépticos. Aprenda a desconfiar de los exper-
tos, de las soluciones producidas por modelos computarizados —tanto los de usted como, sobre
todo, los de otras personas— y, por supuesto, de su propia intuición. Nuestros socios más valio-
sos son los que nos dicen: “No puedes estar en lo correcto. Si hubieras acertado, entonces la con-
dición siguiente forzosamente tendría que ser cierta, pero resulta obvio que no lo es, por tanto te
has equivocado.” El trabajo directo con modelos —en la práctica— refuerza su capacidad para
analizar y deslindar la ruta que conduce desde las suposiciones hasta las conclusiones. Los ca-
sos que presentamos al final de cada capítulo han sido diseñados específicamente para ilustrar
este concepto. Saber formular la pregunta adecuada es el primer paso para llegar a una buena de-
cisión. Ya tendrá oportunidad de trabajar para desarrollar esta habilidad.
xxii Prefacio
Usted es el ingrediente clave para el éxito en la construcción de modelos que reflejen situa-
ciones administrativas. Tenga presente que usted está “compitiendo” con los otros 35 millones
de individuos que le han precedido en esta revolución y que han llegado a dominar la mecánica de
las hojas de cálculo electrónicas. Pero, ¿cuántos de ellos son capaces de usar esas hojas para
representar exitosamente mediante un modelo una situación administrativa desafiante, y justi-
ficar después su análisis sobre bases conceptuales sólidas? Por supuesto, es factible que el estu-
diante realice las tareas de trabajo de este texto o que logre aprobar la asignatura, y que, sin em-
bargo, todo este material no produzca efecto alguno en su formación o en su carrera. Con el fin
de evitar ese resultado trágico, es indispensable que usted haga suyas estas ideas acerca de los
modelos, es decir, que las convierta en parte integral de su intuición personal. Este texto le pue-
de ayudar, y también su maestro, pero al final de cuentas tendrá que realizarlo usted mismo te-
niendo como base su trabajo “práctico” en la construcción de modelos mediante Excel. Después
de todo, el aprendizaje es una experiencia personal y sólo es posible obtenerlo por medio del es-
fuerzo propio.
Notas sobre la Traducción:
1. El disco compacto que se encuentra al final del texto contiene además del material en in-
glés (el cual especifica en la contraportada y en el prefacio para el profesor) las pantallas
del programa Excel 7.0 en español. Es decir, el alumno tendrá dos versiones para poder tra-
bajar de la manera que más le convenga o desee.
2. Se respetaron las unidades de medición del libro en inglés; en otras palabras no se hicieron
conversiones de un sistema a otro.
Prefacio xxiii
Por lo dicho anteriormente, resulta obvio que la ciencia de la administración basada en hojas de
cálculo electrónicas tiene mucho que ofrecer a sus estudiantes. Creemos que un buen libro de
texto, combinado con la labor de enseñanza y el entusiasmo de usted, puede desempeñar un pa-
pel decisivo para ayudar a encauzar las actitudes de los administradores del mañana hacia el uso
apropiado de los modelos cuantitativos en el mundo de los negocios. Las hojas de cálculo elec-
trónicas se han convertido en la herramienta que actualmente utilizan en forma casi exclusiva
millones de administradores para el análisis de los problemas de la empresa. Ahora esas hojas
de cálculo ofrecen muchas herramientas poderosas que nos permiten analizar modelos más com-
plejos y tomar mejores decisiones. En virtud del uso tan generalizado de las hojas de cálculo
electrónicas en administración, nuestra tarea consiste en lograr que los estudiantes enfoquen su
atención al desarrollo de sus aptitudes para la construcción de modelos —que sepan “pintar” en
el lienzo vacío de la hoja de cálculo electrónica los modelos que puedan ser útiles y prácticos
para los negocios— y no en algoritmos o acertijos matemáticos.
Teniendo esto presente, la quinta edición fue revisada de principio a fin por los nuevos au-
tores, Jeffrey Moore y Larry Weatherford, con el doble propósito de adecuarla a las herramientas
más avanzadas de las hojas de cálculo electrónicas incorporadas a esta obra y ayudarle a usted a
que las haga todavía más relevantes para la carrera que sus estudiantes van a emprender en admi-
nistración. Con este propósito, el contenido se ha desviado de los procedimientos de resolución y
otros detalles matemáticos y se ha enfocado en material adicional y casos prácticos. Por ejem-
plo, a casi todos los capítulos se les han añadido nuevos casos tomados de las escuelas de pos-
grado en administración de empresas de Stanford y Darden. Como también consideramos muy
importante que el estudiante se percate de que las empresas del mundo real siguen utilizando con
éxito estos métodos cuantitativos, hemos incluido viñetas actualizadas al principio de cada ca-
pítulo y diversas cápsulas de aplicación que muestran los resultados, a menudo del orden de mi-
llones de dólares, que han obtenido empresas muy conocidas mediante la aplicación de estas téc-
nicas para la construcción de modelos.
Este libro de texto está dirigido a los cursos introductorios sobre la aplicación de la hoja de
cálculo electrónica de Microsoft Excel para la construcción de modelos que sirvan para la toma
de decisiones administrativas en los niveles de licenciatura o maestría. Los estudiantes tendrán
así las ideas fundamentales que los guiarán a lo largo de toda su carrera. Para abordar las nece-
sidades de los lectores interesados en seguir carreras administrativas más generales o más espe-
cializadas en la ciencia de las decisiones, el libro hace énfasis en:
• la importancia de contar con fundamentos conceptuales firmes en todos los temas, en opo-
sición a las prescripciones que se hacen al estilo de “recetas de cocina” para el manejo de
hojas de cálculo electrónicas.
• el papel que desempeña la construcción de modelos en hojas de cálculo electrónicas dentro
del contexto más amplio de la toma de decisiones en la administración, en oposición a las
técnicas algorítmicas.
Hemos adoptado un enfoque muy “práctico” en la construcción de modelos que correspon-
den a muchos de los desafíos a los cuales pueden enfrentarse las empresas en los rubros de ope-
raciones, finanzas, recursos humanos, mercadotecnia y el sector público, para mencionar sólo
unos cuantos. Los estudiantes muestran una clara preferencia por este enfoque porque, gracias
a él, (1) adquierenhabilidades capitalizables que podrán utilizar de inmediato en su carrera pro-
fesional y, lo más importante, (2) desarrollan hábitos y conocimientos valiosos para la construc-
ción de modelos que les beneficiarán en forma perdurable. Muchos estudiantes se han comunica-
do con nosotros para decirnos que el presente fue uno de los cursos más valiosos que estudiaron
en la universidad.
Para el profesor
xxiv
El libro revisado se enfoca en gran medida a los modelos —qué son, cómo se crean, cómo
se usan y qué tipo de información ofrecen— y en la importancia decisiva del buen juicio admi-
nistrativo para utilizar esa información. Al mismo tiempo, para los lectores interesados en los
aspectos más especializados del tema, se incluye una exposición sin paralelo sobre técnicas de
optimización y análisis de decisiones.
Las aplicaciones y ejemplos de las hojas de cálculo electrónicas en Microsoft Excel, en las
cuales se incluye el uso de módulos suplementarios muy conocidos (Solver, Crystal Ball, @Risk
y TreePlan), están integrados en todo el texto como paradigmas para la construcción de modelos.
Se ha prestado mucha atención a los pasos de los procedimientos (funcionan casi como “tu-
toriales”) para la construcción y análisis de modelos para la toma de decisiones en Excel. Una
vez más se hace énfasis en el uso “práctico” de Excel con sus módulos suplementarios. El libro
presenta muchas “pantallas” que muestran los modelos realizados en Excel e incluye cuatro pa-
quetes de programas de aplicaciones que el estudiante seguirá usando mucho tiempo después de
terminado el curso:
• Un nuevo programa de visualización gráfica, GLP, para la optimización interactiva de mo-
delos de programación lineal (software incluido con el libro de texto).
• Versión exclusiva para el estudiante, la cual contiene un módulo suplementario de Crystal
Ball para simulaciones Monte Carlo (software incluido con el libro de texto).
• Módulo suplementario TreePlan para análisis de decisiones (software incluido con el libro
de texto).
• Plantillas de Excel para modelos de línea o cola de espera (software incluido con el libro de
texto).
También ampliamos la exposición introductoria acerca de la filosofía sobre la construcción
de modelos y agregamos un nuevo capítulo donde se exponen técnicas generales para la cons-
trucción de modelos en hojas de cálculo electrónicas. Este capítulo sirve como introducción a los
estudiantes para la utilización de dichas hojas de cálculo. Asimismo, revisamos a fondo dos ca-
pítulos: el correspondiente a la toma de decisiones con objetivos múltiples, en el cual se incorpo-
ró una nueva sección acerca del proceso de jerarquía analítica (PJA); y el capítulo dedicado a pro-
nósticos, donde la exposición sobre modelos para el pronóstico de series de tiempo es ahora más
amplia, independientemente de que se añadieron temas como el del tratamiento de la estaciona-
lidad de los datos, y también un caso referente al uso de pronósticos en los hoteles Marriott.
En esta edición se presenta nuevo material sobre modelos de aplicación en el sector servi-
cios, además de los ejemplos tradicionales de manufactura que ya aparecieron en ediciones an-
teriores. Continuando la excelente tradición de estas últimas, el texto expone en forma sin igual
el tema de la optimización.
El texto está dividido en tres partes; la primera se refiere a temas generales que tratan la
construcción de modelos, la segunda a los modelos de optimización y la tercera a los modelos
probabilísticos (estocásticos). Esto provee un marco lógico para la organización del material,
permitiendo que se haga más énfasis y se dedique mayor espacio a rubros “candentes” de actua-
lidad, como el PJA, la simulación Monte Carlo, la toma de decisiones con objetivos múltiples y
el uso general de hojas de cálculo electrónicas para la construcción de modelos. Aquí encontra-
rá usted más material que el que se puede abarcar en un primer curso. Creemos que nuestra or-
ganización de los temas brinda a cada profesor toda la flexibilidad para que adapte su curso a
diferentes grupos y necesidades.
Los apéndices sobre Solver y las características especiales de Excel para la construcción de
modelos no se encuentran habitualmente en cursos donde se enseña la mecánica de las hojas
de cálculo electrónicas, pero han sido incluidas aquí para que el estudiante pueda mejorar sus
habilidades en el manejo de dichas hojas y aprecie mejor las capacidades de Excel para la cons-
trucción de modelos.
MATERIALES INCLUIDOS
Esta edición incluye un CD-ROM que contiene, sin costo extra, los siguientes programas y ma-
teriales para el curso:
• Nuevo programa de visualización gráfica, GLP, para la optimización interactiva de los mo-
delos de programación lineal incluidos en el material de los capítulos 4 y 7.
• Versión exclusiva para el estudiante, la cual presenta el módulo suplementario Crystal Ball
para simulaciones Monte Carlo, que podrá utilizarse con el material del capítulo 11. Es
compatible con Excel 97 (versión 8.0).
• Software del módulo suplementario para análisis de decisiones TreePlan, que se usará con
el material del capítulo 10. Es compatible con Excel 97 (versión 8.0).
Prefacio xxv
• Plantillas de Excel para modelos de línea de espera, aplicables al material del capítulo 12.
Son compatibles con Excel 97 (versión 8.0).
• Demostraciones con “reproducción” animada y comentarios de viva voz, para ilustrar el uso
de los principales módulos suplementarios de Excel.
• Archivos de hojas de cálculo Excel para todos los ejemplos citados en el texto, así como to-
dos los datos pertinentes para la resolución de los problemas y los casos prácticos presen-
tados al final de los capítulos.
MATERIALES SUPLEMENTARIOS PARA LOS QUE ADOPTEN EL TEXTO
• Soluciones Excel (para el profesor) de cada uno de los ejemplos, casos y problemas presen-
tados en el libro. El maestro puede usarlos en su forma original, suprimir algunos detalles
o modificarlos a su gusto.
• Diapositivas de presentación para cada capítulo, en Power Point, con las hojas de cálculo
Excel apropiadas (013-904780-8).
• Acceso a la página protegida en la World Wide Web para que obtenga oportunamente ma-
teriales complementarios (www.prenhall.com/eppen)
• Manual de soluciones para el maestro (013-904756-5)
• Archivo (Test Item File) con artículos de prueba (013-904764-6)
• Examen adaptable por el usuario (Custom Test) para Windows (013-904772-7)
AGRADECIMIENTOS
En nuestro papel como autores responsables de esta edición, queremos dar las gracias a los au-
tores de las cuatro primeras ediciones de esta obra: Gary Eppen y F. J. Gould, a quienes se les
unió en ediciones posteriores Charles Smith. A todos ellos nuestro más profundo reconoci-
miento por sus arduos esfuerzos en la preparación de un libro de texto clásico que valió la pena
revisar.
Deseamos dar las gracias a nuestro editor, Tom Tucker, por la paciencia con la cual logró
que esta revisión fuera aprobada. Consideramos que si no hubiera sido por sus orientaciones y
dirección, este libro no sería ni remotamente el producto que actualmente es.
Nos gustaría expresar nuestra gratitud por la labor que realizaron los numerosos revisores
de esta edición (véase la lista más adelante). Gracias a sus atinados comentarios e ideas éste es
un mejor libro. Agradecemos también a quienes nos proporcionaron los casos prácticos amplia-
dos que aparecen en esta edición, C. P. Bonini, Evan Porteus, Robert Wilson, Haim Mendelson,
Krishnan Anand y Sam Bodily.
Agradecemos a los más de 300 profesores que participaron en la extensa Encuesta IN-
FORMS, donde se ven aspectos sobre la enseñanza de la ciencia de la administración. En sus
comentarios y sugerencias se basaron muchos cambios introducidos en esta edición.
Además, deseamos dar las gracias a nuestras secretarias, Heather Harper, Vonda Barnes y
Marge Holford, por sus largas horas de minucioso trabajo repasando la edición anterior de este
libro e incorporando las correcciones necesarias. También estamos en deuda con Kevin Lewis,quien con sus ojos de águila detectó cualquier error que pudiera haberse filtrado hasta esa etapa
del proceso, y asimismo agradecemos a todos los jóvenes que pertenecen a la generación de la
maestría en “Construcción de modelos para la toma de decisiones” de la University of Wyoming,
correspondiente al otoño de 1997, que llevó a cabo el uso de este libro en el aula.
Nuestra gratitud para el profesor David Ashley por las plantillas sobre líneas de espera y
para el profesor Mike Middleton por el software TreePlan.
Por último, queremos dar las gracias a Daniel Fylstra y John Watson de Frontline Sys-
tems y Software Engines por haber hecho realidad el Solver. Ha sido un placer trabajar con
ellos. Otros miembros de Microsoft, Lewis Lewin y los ex alumnos de Administración de Em-
presas de Stanford, Steve Ballmer y Pete Higgins, merecen nuestro reconocimiento por su par-
ticipación tan decisiva en la creación de las herramientas Excel, las cuales han hecho de este
programa la opción preferida por parte de los gerentes y administradores para la construcción
y el análisis de modelos. Su colaboración y receptividad ante las sugerencias de los académi-
cos, para determinar el diseño del producto y el conjunto de características de Excel y Solver,
han sido un modelo que ojalá sirva de ejemplo a otros creadores de software.
xxvi Prefacio
Esperamos que este texto y sus materiales de apoyo sirvan como un refuerzo para sus labo-
res de enseñanza. Siempre nos agrada la comunicación con los profesores —sobre todo si nos
mencionan sus ideas para mejorar este texto—, así que siéntase en entera libertad para hacernos
llegar sus comentarios.
Jeffrey Moore, Palo Alto, CA
Email: moore_jeffrey@gsb.stanford.edu
Teléfono: (650) 723-4058
FAX: (650) 725-7979
Lawrence R. Weatherford, Laramie, WY
Email: lrw@uwyo.edu
Teléfono: (307) 766-3639
FAX: (307) 766-3488
REVISORES DE LA QUINTA EDICIÓN
Kenneth H. Brown, University of Northern Iowa; Mitale De, Wilfrid Laurier University; Greg De-
Croix, University of Washington; Abe Feinberg, California State University; Phillip C. Fry, Boise
State University; Thomas A. Grossman, Jr., University of Calgary; Anne D. Henriksen, University
of New Mexico; Steven Nahmias, Santa Clara University; Robert Nau, Duke University; Gary
Reeves, University of South Carolina; David A. Schilling, The Ohio State University; Rick L.
Wilson, Oklahoma State University.
Prefacio xxvii
Parte 1
L O S M O D E L O S Y S U C O N S T R U C C I Ó N
En esta parte iniciamos nuestro enfoque con la cons-trucción de modelos en Excel, los cuales se presentancomo un apoyo para las decisiones administrativas.Nuestro enfoque consistirá en desarrollar un modelo de
una situación administrativa en Excel, analizar dicho modelo con
las herramientas de este programa y finalmente tomar una decisión
basada en ese análisis. Los primeros capítulos estarán dedica-
dos a estudiar un tipo de modelos conocidos como determinis-
tas. Por eso tiene sentido preguntar: “¿Qué entendemos por de-
terminista?”
La palabra determinista significa que todos los aspectos del
modelo ya se conocen con certeza. Si se trata de un modelo de pla-
neación de la producción, por ejemplo, se supondrá que sabemos
exactamente en cuánto tiempo se produce una parte en particu-
lar, digamos 20 minutos, o el equivalente de tres partes por hora.
En esas condiciones, sabremos que en ocho horas de trabajo será
posible producir: 8 horas * 3 partes por hora = 24 partes.
Todos hemos usado modelos deterministas. Desde la prime-
ra vez que dedujimos que cinco piezas de una golosina, que ven-
dían a cinco centavos cada una, nos costarían 25 centavos, supi-
mos el valor exacto de todos los factores que intervienen en
nuestro análisis. De hecho, en forma natural tendemos a suponer
que el mundo circundante es determinista. Sin embargo, al refle-
xionar en el asunto, comprendemos que no es así. En el ejemplo
anterior, sabemos que algunas de esas partes podrán fabricarse
en 19 minutos y otras en 23. Tal vez nos basten 7 horas y 41 mi-
nutos para producir nuestras 24 partes.
Entonces, ¿qué objeto tiene utilizar modelos deterministas, si
sabemos que no describen perfectamente la realidad? La respues-
ta es sencilla: los modelos son útiles. Es posible que los modelos
deterministas no sean perfectos, pero a menudo ofrecen una apro-
ximación razonablemente aceptable a la realidad, y ello casi siem-
pre es preferible a no tener algún modelo. Los resultados, que ta-
les modelos nos ofrecen, compensan de sobra el tiempo y esfuerzo
necesarios para su construcción y análisis. Por esta razón, los mo-
delos deterministas son el caballo de batalla entre las aplicaciones
de las hojas de cálculo electrónicas destinadas al análisis de situa-
ciones administrativas.También es por eso que hemos dedicado las
dos primeras partes de este libro a tal estudio. Más adelante, en la
tercera parte, relajaremos nuestra suposición determinista e inclui-
remos diferentes modelos en los que será necesario tomar en
cuenta explícitamente la incertidumbre.
Capítulo 1 Introducción a la construcción de modelos
Capítulo 2 Construcción de modelos en hojas de cálculo
electrónicas
1
C A P Í T U L O
1.1 Introducción
1.2 El proceso de construcción 
de modelos
1.3 Una palabra sobre filosofía
1.4 Tipos de modelos
1.5 Construcción de modelos
1.6 Construcción de modelos 
con datos
1.7 Cuestiones relacionadas 
con los datos
1.8 Modelos determinísticos 
y probabilísticos
1.9 Ciclos en la construcción de modelos
1.10 Construcción de modelos y toma
de decisiones
1.11 Terminología de la construcción 
de modelos
1.12 Resumen
TÉRMINOS CLAVE
EJERCICIOS DE REPASO
PREGUNTAS PARA DISCUSIÓN
REFERENCIAS
1
Decisiones de crédito y cobranzas en AT&T Capital CorporationC Á P S U L A D E A P L I C A C I Ó N
Como propietaria y administradora de más de $12,000 millones en ac-
tivos, AT&T Capital Corporation (AT&T CC) es la más grande entre las
compañías de arrendamiento y financiamiento de Estados Unidos. El
arrendamiento comercial en pequeña escala, que implica un capital en
equipo valuado en $50,000 o menos, es un segmento estratégico de los
negocios de AT&T CC que representa varios miles de millones de dóla-
res. En este mercado altamente competitivo, AT&T CC debe tomar las
decisiones de aprobación de crédito con rapidez (o correr el riesgo de
perder clientes que serían absorbidos por otra arrendadora), con preci-
sión (o arriesgarse a sufrir pérdidas por concepto de deudas incobra-
bles) y con efectividad en términos de costos (o exponerse a pagar el
costo de decisiones erróneas que merman las ganancias). Además, es
preciso que la administración de las actividades de cobranza de cuen-
tas pendientes sea efectiva, en términos de costos, para controlar las
pérdidas ocasionadas por las deudas incobrables, reducir los costos de
servicio de carácter financiero y mejorar el flujo de caja.
Adaptando una aproximación basada en el ciclo de vida,AT&T CC
desarrolló un sistema computarizado de apoyo de decisiones, con el fin
de administrar el riesgo de crédito de cada cliente durante toda su re-
lación con la empresa. Se desarrollaron modelos y sistemas para apo-
yar tres fases de cada relación: (1) tomar las decisiones iniciales de cré-
dito, (2) administrar la línea de crédito y las subsiguientes decisiones
de crédito, y (3) realizar el cobro de cuentas. En cada fase, sendos mo-
delos para la predicción del riesgo y la toma de decisiones ayudan a de-
terminar qué decisión es la más conveniente. Algunas ventajas de este
sistema son: respuestas más rápidas al cliente, incrementos en el volu-
men de negocios de AT&T CC y mayor rentabilidad.
Para tomar las decisiones de crédito iniciales se utiliza informa-
ción del perfil de crédito e informes crediticios que permiten pronosti-
car el futuro desempeño de un cliente en términos de pago. Se usa un
modelo de optimización para determinar las fuentes de información de
crédito procedente de distintas oficinas de crédito. Otro modelo de op-
timizacióndetermina las decisiones de aprobación y la asignación de
líneas de crédito. En la toma de la decisión aprobatoria se consideran
la exposición en dólares y la predicción de la calificación de crédito, y
poder así determinar las decisiones de Aprobar, Rechazar o Remitir pa-
ra Revisión. Con este procedimiento se automatiza actualmente cerca
de 68% de las decisiones iniciales de crédito, permitiendo un incremen-
to de $40 millones en el volumen anual de negocios, al tiempo que los
costos de la toma de decisiones se reducen en $550,000 anuales. Otra
división de AT&T CC utilizó el modelo para reducir sus costos en más
de $600,000 al año, incluida una reducción de 40% en el costo de la
obtención de informes de crédito.
La administración de la línea de crédito del cliente implica una
evaluación continua de la solvencia del mismo y permite reclasificar su
línea de crédito en “cubos” crediticios. Los clientes son ascendidos al
nivel de crédito inmediato superior o reubicados en un nivel inferior
cuando el modelo de calificación crediticia predice un nuevo umbral. El
P E R F I L D E L C A P Í T U L O
Introducción a la construcción
de modelos
2
INTRODUCCIÓN 
El fundamento del éxito de AT&T es una serie de modelos de administración para apoyar la to-
ma de decisiones de crédito, y precisamente los modelos para la administración son el tema de
nuestro estudio. Este libro está dedicado a la construcción de modelos para la toma de decisio-
nes administrativas usando hojas de cálculo electrónicas: qué son, cómo se construyen, cómo se
usan y qué pueden revelarnos.
Por mucho tiempo, los gerentes han tenido una actitud ambigua hacia la construcción de
modelos cuantitativos para la toma de decisiones. Aunque reconocen las ventajas de los mode-
los cuantitativos, algunos administradores han opinado a menudo que el proceso mismo de la
construcción de modelos es un acto de “magia negra” que sólo debe ser practicado por matemá-
ticos, consultores muy bien pagados o especialistas en informática. Desgraciadamente, el hecho
de delegar la construcción de modelos a los especialistas elimina de este proceso al gerente y,
con frecuencia, da lugar a que los resultados se apliquen en forma errónea o no se apliquen. Es-
to, a su vez, hace que los gerentes sean aún más escépticos acerca del valor real de la construc-
ción de modelos, como no sea para redactar apéndices de resultados obtenidos con modelos
—que a menudo se añejan como el buen vino— en informes que nadie lee jamás. Así, dinero y
esfuerzo se desperdician en ceremoniosas actividades de construcción de modelos que, a la pos-
tre, tienen poca o ninguna repercusión en el administrador o en la organización que los mandó
construir, los cuales ni aprenden ni son influidos por el proceso de modelación.
Dos tecnologías recientes han revolucionado la construcción de modelos al hacer posible que
los administradores construyan y analicen sus propios modelos. Esas dos tecnologías son las pode-
rosas computadoras personales y los avanzados y refinados programas de hoja de cálculo electró-
nica accesibles para el usuario. Parafraseando al profesor Sam Savage, estas tecnologías han hecho
que “la cortina analítica se derrumbe...” como impedimento para la aplicación directa de la cons-
trucción de modelos para la toma de decisiones por los gerentes de la empresa. En otras palabras,
los conocimientos analíticos de matemáticas avanzadas, programación de computadoras, razona-
miento algorítmico y otros aspectos de la formación técnica que antes eran indispensables, ya casi
han desaparecido como prerrequisitos para el usuario. Esta utilización directa de modelos como
apoyo de decisiones no sólo se traduce en mejores decisiones, sino además, imparte a los adminis-
tradores conocimientos importantes que anteriormente se perdían. Este enfoque del aprendizaje a
partir de la construcción de modelos permite que el administrador aborde el aspecto más importan-
te de cualquier situación de toma de decisiones: determinar cuáles son las preguntas fundamentales
que es necesario plantear, qué alternativas conviene investigar y dónde centrar la atención.
modelo de administración de la línea de crédito ha reportado ahorros
anuales de $300,000 al año, mientras que, al mismo tiempo sirve de ba-
se para un incremento de $6 millones en el volumen de negocios.
La cobranza de cuentas de clientes morosos es administrada me-
diante una serie de modelos estadísticos que recomiendan de uno a cin-
co escenarios de procedimientos para las actividades de cobranza. Un
modelo de administración de cartera selecciona automáticamente a los
clientes morosos y asienta sus nombres en una lista de espera, para in-
cluirlos en la relación de trabajo de alguno de los representantes de ser-
vicio. El resultado ha sido una ganancia en productividad de 15%, la cual
se traduce en una reducción sostenida de las deudas morosas por $16
millones y un aumento correspondiente de $1 millón mensual en el flu-
jo de caja. Con dicho modelo, la provisión de AT&T CC para compensar
cuentas dudosas disminuyó 15%, al tiempo que su volumen de negocios
creció 23%.
En general, diversas aplicaciones de los modelos de análisis de
riesgo, de optimización, estadísticos y de administración de cartera han
reducido los costos de las decisiones de la gerencia de crédito en $3.5
millones anuales, permitiendo al mismo tiempo que el volumen de sus
negocios aumente en $86 millones al año y reduzcan las pérdidas por
deudas incobrables en $1.1 millones anuales. Según AT&T CC, esas in-
versiones en “automatización y optimización de decisiones se conside-
ran ahora como una fuente apreciable de ventajas competitivas y mejo-
ramiento de la rentabilidad”. (Véase Curnow et al.)
1.1
Gracias a que construyó modelos para ensayar las alternativas para el futuro diseño de
su sistema, Federal Express solamente cometió equivocaciones sobre el papel. La cons-
trucción de modelos en computadora sí funciona: nos permite examinar muchas opciones
diferentes y nos obliga a examinar el problema en su totalidad.
Frederick W. Smith
Presidente y director general de Federal Express Corporation
EL PROCESO DE CONSTRUCCIÓN DE MODELOS
La figura 1.1 ilustra los pasos de la toma de decisiones administrativas. Cuando se presenta una
situación en la cual intervienen alternativas conflictivas o antagónicas, el gerente la analiza; se
1.2
3
toman decisiones para resolver los conflictos; las decisiones se ponen en práctica; y la organi-
zación asume las consecuencias en forma de resultados, tomando en cuenta que no todos son
monetarios. En este libro enfocaremos la construcción de modelos con hojas de cálculo electró-
nicas como apoyo para la toma de decisiones; es decir, nos centraremos en las dos primeras eta-
pas: el análisis de la situación y la toma de decisiones correspondiente.
La figura 1.2 define el proceso de modelación aplicado a las dos primeras etapas que usa-
remos en todo este libro. Observe que el diagrama está dividido en dos mitades, superior e infe-
rior, separadas por una línea interrumpida. Debajo de dicha línea se encuentra el mundo real y
caótico de todos los días, al cual se enfrentan los gerentes cuando están obligados a decidir có-
mo lidiar con el reto de una situación, como por ejemplo a quién se le asignan los recursos pa-
ra llevar a cabo las tareas, la programación de actividades o el diseño de una estrategia de co-
mercialización. El proceso comienza en el ángulo inferior izquierdo, con el reto de la situación
administrativa.
Históricamente, los gerentes han dependido casi por completo de su propia intuición como
el instrumento primario para tomar decisiones. Aunque la intuición es de gran valor, sobre todo
en el caso de gerentes con experiencia, puede decirse que, por definición, está desprovista de un
proceso analítico. Un administrador que basa la toma de decisiones solamente en la intuición no
aprende, salvo por la retroalimentación que le proporcionan los resultados obtenidos, pero está
demostrado que es una forma bastante cara