Tabla 1
El presente Trabajo tiene por objeto, a través de Inteligencia de Negocios, crear un enfoque conjunto entre los aspectos financieros y operativos de una organización para la toma de decisiones, lo cual conlleva a crear un modelo de optimización a través de la interrelación de los mencionados criterios para lograr minimizar costos considerando los diferentes elementos que cada área toma para la planeación, así como la forma en que trabajan las empresas industriales de la región Tepeji-Tula.
Esta investigación en desarrollo, considera que la conjunción o correlación óptima entre los criterios para la planeación de la producción y las necesidades financieras permitirá a las empresas armonizar los criterios utilizados en ambas áreas, teniendo como resultado la minimización sus costos.
Se analizarán los procesos de planeación de las empresas industriales de la región Tepeji-Tula con la finalidad de buscar la optimización de la planeación utilizando para ello indicadores financieros y operativos, software de programación lineal y la metodología necesaria para lograr este fin.
En el presente trabajo se muestran los avances en la elección del software de programación lineal que permite la optimización de las variables de la planeación y primordialmente se muestran los resultados en la realización de pruebas y los obtenidos al utilizar y combinar diferentes programas de “software libre” que permiten manejar el número de variables requerido.
Palabras clave: Programación Lineal, Inteligencia de Negocios, Medición del desempeño, Indicadores financieros, Indicadores operativos.
This research on production aims though Business Intelligence to create a joint between the financial and operational aspects in an organization for decision-making, wich leads to create an optimization model though the interplay of the above minimize cost criteria considering the different elements that each area make for planning and working. The study considered enterprises from Tula Tepeji región.
We considered the optimal conjuntion or correlation between the criteria for production planning and financial requires, both allow companies to harmonize the criteria using in both areas, in order to minimizing their cost.
This paper describes the progress made in the choice of software that allows linear programming optimization planning the variables required.
Keywords: Linear programming, business intelligent, performance measurement, financial indicators, operative indicators.
Las empresas de hoy, miden su desempeño con la finalidad de contar con los elementos suficientes que le permitan observan de manera casi inmediata su funcionamiento en la búsqueda de optimizar sus recursos y minimizar sus costos a través de la planeación y el diseño de políticas óptimas que le permitan lograr rentabilidad atractiva para sus socios y continuar con una operación sana y de largo plazo. Sin embargo, en la empresas de la región Tepeji-Tula, aún existen problemas entre los criterios de planeación de la producción y los financieros, en donde la toma de decisiones de los aspectos financieros no son necesariamente aquellos que benefician a las necesidades productivas o bien la planeación de la producción solo contempla aspectos estrechamente relacionados con los inventarios, la cantidad a producir, optimizar tiempos, etc. Y deja a un lado las necesidades financieras o mejor dicho la optimización de los aspectos financieros.
La presente investigación en desarrollo, considera la planeación operativa en forma conjunta con la financiera, como lo explica Protopappa-sieke (2010), “La gestión financiera de la cadena de suministro y de capital de trabajo están recibiendo cada vez más atención como importantes vías para incrementar la rentabilidad de las cadenas de suministro”, por su parte, Martín Darío Arango Serna en “Modelización Difusa para la Planificación Agregada de la Producción en Ambientes de Incertidumbre” considera el apoyo a los procesos de toma de decisión en la planificación de la producción a mediano plazo cuando existen parámetros con incertidumbre en la demanda.
En una primera etapa se trabajará con Protopappa y Martín Arango en la emulación de sus resultados con la finalidad de dominar su metodología. Una segunda parte constará de revisar la información de empresas de la región a través de trabajo de campo, una tercera conjuntará la operatividad y la actividad financiera del capital de trabajo enfocada en estas empresas, para terminar en una cuarta etapa en la metodología adecuada a la región.
Aspectos de alto impacto en la planeación y gestión financiera como son la Programación Lineal, Inteligencia de Negocios, Medición de desempeño, Indicadores financieros, Indicadores operativos, Herramientas para la Toma de Decisiones Estructuradas, Semi-esructuradas y no Estructuradas, serán consideradas de tal manera que el impacto en el desarrollo de las empresas llegue a ser el medio para optimizar las políticas operativas y financieras en las empresas.
Tomando como base la replicación de los artículos que conforman las referencias básicas, Protopappa-Sieke y Seifert (2010), Arango et. al. (2010), para generar certeza en la aplicación de datos al considerar los casos particulares de la región, lo que permitirá crear una herramienta de inteligencia de negocios que logre formular una visión estratégica conjunta financiera-operativa, para la toma de decisiones.
Adicionalmente se está desarrollando lo que hemos denominado un corpus léxico hipervinculado de conceptos y fuentes de información que permita, mediante un enfoque heurístico y hermenéutico, dar seguimiento a nuevas ideas, enfoques y orientaciones de investigación, Almazán (2012).
En las décadas pasadas han habido cambios considerables en los métodos tradicionales de la post-guerra para la medición del desempeño (Kald y Nilsson, 2000), dichos cambios surgen en el quehacer diario del sector industrial debido a la creciente globalización y a la presión de la competencia a nivel regional, nacional e internacional, Molina (2012). El enfoque usual está basado principalmente en el cálculo de indicadores financieros como: ventas, beneficios (ganancias y utilidades), endeudamiento y retorno de inversión. Esta medición del desempeño estaba asentada en estándares determinados, con el objetivo de medir el rendimiento de cada proceso, fundamentalmente el desempeño individual y someramente en el desempeño de la organización en conjunto (Kanji, 2005: citado en De Waal et al., 2009). En los años 70’s y 80’s, transformaciones esenciales en los sistemas industriales crearon un estimulante ambiente de negocio, el cual provocó en las organizaciones, la búsqueda de herramientas que fueran capaces de proveer una mejor visión de las actividades de la empresa y el desempeño operacional. La creciente importancia de dichos cambios ha intensificado la necesidad de controles y mediciones alternativas del desempeño (Davis y Albright, 2004) esto debido al ambiente competitivo y cambiante al cual se enfrentan la organizaciones en la actualidad y, muy probablemente, también al cual se seguirán enfrentando las empresas de bienes y servicios, en el mediano y largo plazo (Molina, 2012).
Las empresas usan los sistemas de medición del desempeño para establecer sus metas, lograr sus objetivos financieros, ordenar el ambiente laboral en una sola dirección productiva. Además las empresas también monitorean sus procesos, tanto internos como externos, y el impacto que las decisiones tomadas tienen sobre el desempeño de la compañía (Molina Ruiz, 2012). Los sistemas tradicionales de medición del desempeño se perciben cada vez menos satisfactorios, dado que sólo contienen información financiera (unidimensional) y carecen de un vínculo entre las competencias, fortalezas y debilidades, de la corporación y la dinámica del negocio. Dichos sistemas tradicionales conservan una visión retrospectiva y de corto plazo, por lo cual poseen un escaso contenido estratégico (Kald et al. 2000).
El desempeño de la organización es dinámico y cambiante. Consecuentemente, las interacciones del desempeño (internas y externas) deben ser cuantificadas (Najmi et al.,2005), esta medición permite a los implicados en la toma de decisiones, ejercer acciones correctivas cuando se considera necesario.
En la búsqueda constante por mejorar la rentabilidad y situación financiera de la entidad, los investigadores han encontrado que raramente se reconoce la interdependencia entre el flujo financiero y el operativo y que las decisiones son basadas en diferentes criterios (Protopappa-Sieke 2010), Así, mientras que la planeación de la operación se decide en función de niveles de inventario, niveles de servicio, dirigir el desempeño financiero en términos de ganancia, necesidades de capital de trabajo y de retorno de inversión, los administradores financieros toman decisiones parcialmente arbitrarias enfocadas al rango deseado de desempeño financiero que en muchos casos se convierten en restricciones para el consecución de la planeación operativa.
La incorporación de las decisiones financieras en la cadena de suministros y la revisión constante de los modelos de inventario desde el punto de vista de restricciones de capacidad, son temas que han sido abordados por varios investigadores como Shen 2005, Ettl et al., 2000, Sharma and Bhagwat 2007, Buzacott and Zhang 2004, por citar solo algunos.
Sin embargo ha crecido constantemente el reconocimiento de la importancia de conjuntar las decisiones financieras y operativas como un medio para incrementar las utilidades en la cadena de suministro.
Las ganancias de los cargos financieros recibidas por la organización pueden ser utilizadas para cubrir el costo que implica el contrato inicial o el riesgo que la misma organización asume. Con ello se logra flexibilidad en el precio y, bajo condiciones de mercado competitivas, el cargo del financiamiento puede influir en la oferta de precios bajos a los futuros compradores (Smith, P. F., 1962).
Por otra parte las empresas tienen que enfrentar los problemas que les plantea la incertidumbre en la demanda y cuyos factores impactan el desempeño financiero (Martín Arango et al. 2010), propone la modelización difusa como herramienta de apoyo para la toma de decisiones para la planeación la producción en donde se encuentran parámetros con incertidumbre precisamente en la demanda.
Partiendo de la revisión inicial de la literatura de Protopappa-Sieke y Seifert (2010), Arango et al. (2010) se han ubicado los conceptos y el estado actual relacionado con la optimización en la gestión de la cadena de suministro operativa, así como la consideración conjunta de ésta con la cadena de suministro financiera. Conceptos como Capital de Trabajo, Indicadores de Desempeño Operativo y de Desempeño Financiero, Rentabilidad, ROI, Satisfacción del Cliente, Demoras en Pagos (en los ámbitos, hacia el proveedor y del cliente), Niveles de Inventarios, Predictibilidad en el Flujo de Efectivo, Ahorros en Costos, Políticas de Ordenamiento Óptimas, Relaciones de Compromiso y los vínculos a considerar en un modelo matemático que busque dilucidar los parámetros óptimos conjuntamente considerados, bajo un escenario específico. Lo anterior derivado de los avances en la investigación, tanto de carácter cualitativa como cuantitativa.
Siguiendo con Arango encontramos un modelo de programación lineal que incorpora un parámetro difuso como una alternativa al enfoque estocástico para enfrentar la variabilidad de la demanda, en el contexto de minimizar los costos al elaborar el plan agregado de la producción que siga dicha demanda. El modelo resultante cuenta con 84 variables de decisión, derivadas de 7 variables fijas, que aparecen en 12 periodos mensuales, en un horizonte de planeación de un año; en tanto que el número de restricciones resultante es de 120, 10 por cada periodo, derivadas del mercado, los materiales e inventario, la capacidad, y las políticas de carácter administrativo asociadas a la producción, además de la no negatividad.
La metodología que seguirá este trabajo inicia con la búsqueda de herramientas de optimización de las variables que involucra la planeación de la producción y la planeación financiera, realizar pruebas del software y, buscar aquel que sea lo suficientemente “robusto” para que permita analizar un gran número de variables, creando o buscando los enlaces y el diseño del ordenamiento de dichas variables con el fin de hacerlo amigable con el usuario. Realizar “corridas” del software que permitan comparar los resultados obtenidos con los publicados y asegurar así un mínimo de confianza.
Con este fin, se han utilizado las siguientes herramientas.
Es importante mencionar las limitaciones de Solver, que en su versión integrada originalmente al paquete de Office sólo permitía, en 2005, hasta 200 variables de decisión, de acuerdo con Buttrey (2005), en tanto que LPSolve podía manejar 10,000 variables y 50,000 restricciones, sin costo alguno (ibidem). Por otra parte, con el objeto de replicar los resultados de Arango Serna, et al. (2010), se capturaron los datos del modelo en una hoja de un libro de Excel sin obtener el valor esperado ni poder ejecutar con éxito la resolución para variables enteras, tal como se reporta en el artículo de referencia.
La captura del modelo en uno de los formatos que provee LPSolve tampoco nos llevó a igualar los resultados del autor, observando una discordancia entre todos éstos: El del artículo, el de Solver y el de LPSolve. Por lo anterior, se decidió habilitar un enlace entre ;Excel y LPSolve que permitiera hacer un llamado a una Biblioteca de Enlace Dinámico (DLL) suministrando los datos capturados en la hoja de Excel para evitar así los errores de captura de datos de los modelos en los distintos sistemas y además contar con el beneficio de la mayor amplitud de variables y restricciones de LPSolve. Se logró el vínculo logrando también la resolución del modelo con variables enteras, observando una muy buena velocidad de cálculo. Se verificó nuevamente una diferencia con los tres datos a comparar por lo que se ha seguido una estrategia de revisión a través de la reducción del horizonte de planeación a 6, 3, 2 y 1 meses encontrando concordancia para los últimos dos, es decir, para uno y dos periodos entre los tres medios de resolución del modelo. A pesar de no lograr replicar el resultado, consideramos secundario este hecho para el propósito del avance en la ruta de nuestros intereses de investigación, ya que la fuente de error pudiera ser el propio artículo referido; es decir, ya se cuenta con un sistema Excel-LPSolve que servirá para abordar otros problemas que se desean tratar en el corto y mediano plazo, a saber: 1. Optimización de Planeación de Horarios en la Escuela Superior de Tepeji; 2. Optimización de instalación de antenas para células de sistemas para la cobertura de servicio de telefonía móvil, 3. Creación de modelos de optimización en la planeación agregada de la producción considerando algunos aspectos financieros iniciales.
A continuación se detallan los parámetros como base para el modelado en los diferentes programas o software utilizados para el presente estudio, tomados de Arango et al. (2010).
Tabla 1
Tabla 2
Tabla 3
Tabla 4
Tabla 5
Se sigue el procedimiento señalado en (Arango et al 2010), para determinar el conjunto difuso de valores óptimos, calculando primero los límites inferior y superior, solucionando primero los problemas de programación lineal estándar equivalentes planteados a continuación.
Figura 1
De acuerdo con el autor, la solución más eficiente se encuentra resolviendo el siguiente modelo de programación lineal.
Figura 2
Restricciones de capacidad
Figura 3
Restricciones de la función objetivo
Figura 4
Restricción difusa
Figura 5
Restricciones de materiales e inventario (difusa)
Figura 6
Restricciones administrativas
Políticas de horas extra
Figura 7
Políticas de contrataciones y despidos
Figura 8
Políticas de máxima subcontratación
Figura 9
Con esta información se procedió hacer las corridas en Solver (complemento de Excel), obteniendo los siguientes resultados:
Figura 10
Debido a las limitaciones de Solver, que sólo permitía hasta 200 variables de decisión, se buscaron alternativas de cálculo para una solución más aproximada a la planteada en el artículo (Arango et al 2010).
Al utilizar la versión de evaluación de Lingo V.13, se encontró la limitante que solamente puede manejar 30 variables enteras como máximo, siendo que la solución del problema lineal requiere del manejo de 84 variables enteras, por lo cual se optó por continuar con la búsqueda de mejores alternativas.
Figura 11
Encontrándose en LP Solver una alternativa con mucha mayor capacidad que permite manejar 10,000 variables y 50,000 restricciones, sin costo alguno. Se logró el vínculo logrando también la resolución del modelo con variables enteras, observando una muy buena velocidad de cálculo.
Figura 12
Figura 13
Como ejemplo se visualiza parcialmente el resultado , ya que se continuó con la búsqueda de la mejor forma de resolver el problema para contar con una metodología que permitiera adecuarse a la situación particular de cada organización, para este efecto se buscó un vínculo entre LP Solver y Excel con la finalidad de facilitar la construcción de las matrices de variables ya que este último permite un ambiente más amigable y a través del llamado a la función de la biblioteca de enlace dinámico lpslink 57.dll utilizar LP Solver como herramienta de cálculo para la solución del programa lineal.
Este enlace dinámico se obtuvo con la información del articulo “Calling the lp_solve Linear Program Software from R, S-PLUS and Excel” Buttrey (2005), en el cual el autor presenta la forma de enlazar Solver de Excel con LP Solver, a través de la re-compilación dentro de una librería dinámica vinculada (DLL, Dynamic Linked Library), usando un compilador de software libre. Este DLL trabaja junto con una interface escrita en lenguaje Visual Basic para aplicaciones en Excel y que permite hacer “llamadas” a la aplicación de LP Solver, a través de una interface de programación aplicada (API, Application Programming Interfase).
Ejecución de Enlace Excel-LPsolve.
En las siguientes figuras se muestra la estructura de la matriz de datos, los cálculos realizados y los resultados obtenidos con el enlace Excel-LPsolve.
Se puede apreciar la construcción en Excel se realiza en columnas y filas y en LP solve en editor de texto
Fila 1. Variables de decisión
Fila 2. Valores objetivo de las variables de decisión (resultado óptimo)
Fila 3. Coeficientes de las variables de decisión
Figura 14
En la siguiente figura se muestra el proceso de “llamado” para la función dinámica LP Solve desde Excel, la cual permite obtener la solución del programa lineal, considerando valores enteros para las variables de decisión, cabe recordar que Excel no tiene capacidad para solucionar dicho problema con valores enteros.
Figura 15
A continuación se presentan los resultados obtenidos en el artículo, comparados con los obtenidos por los autores de la esta investigación.
Resultados obtenidos en el artículo
Tabla 6
Tabla 7
Comparación resultante entre los cálculos efectuados en el artículo y los realizados en el presente documento.
Tabla 8
Tabla 9
De la comparación de los resultados obtenidos y los del artículo, se infiere que es necesario analizar las diferencias. Hasta ahora existe la duda razonable de que el artículo presente algunas inconsistencias en sus resultados, sin embargo, ha servido de referente básico para el desarrollo de nuevos formas de cálculo a través de la solución en programación lineal, que desarrolla este documento.
El presente muestra el avance a la fecha de esta investigación falta por recorrer un largo trecho, pues una vez resueltas las diferencias, se encaminara al objetivo inicial que es la aplicación de políticas financieras-operativas, esperando lograr una planeación conjunta en la empresa que reditúe en mayores ahorros y utilidades. Esto con el fin de promover su aplicabilidad en empresas de la región adecuando el modelo lineal a las características particulares de la empresa y no viceversa
Almazán, G. (2012). Propuesta de Aprendizaje Autónomo Asistido por Computadora como Estrategia para el Rescate de una Lengua Políticamente Débil. Memorias del XIII Encuentro Nacional de Estudios en Lenguas, Tlax., México.
Arango, M.D., Vergara, C., Gaviria, H. (2010). Modelización Difusa para la Planificación Agregada de la Producción en Ambientes de Incertidumbre. Dyna, vol. 77, (162), 397-409. Disponible en:
http://redalyc.uaemex.mx/redalyc/pdf/496/49615023019.pdf
Buttrey ,S.E. (2005).Calling the lp_solve Linear Program Software from R, SPLUS and Excel. Journal of Statistical Software. Disponible en:
http://www.jstatsoft.org/v14/i04
Casas, R., De Gortari, R.(2001). La Formación de redes de conocimiento: una perspectiva regional desde México. México, D.F. : Anthropos Editorial, UNAM.
Davis, S. y Albright, T. (2004), An investigation of the effect of Balanced Scorecard implementation on financial performance, Management Accounting Research, Vol. 15,(2), 135-153. Disponible en:
www.elsevier.com/locate/mar
De Waal, A., Kourtit, K. y Nijkamp, P. (2009), The relationship between the level of completeness of a strategic performance management system and the perceived advantages and disadvantages, International Journal of Operations & Production Management, Vol. 29 (12), 242-1265. © Emerald Group Publishing Limited, 0144-3577, DOI 10.1108/01443570911005983. Disponible en:
http://www.emerald-library.com/0144-3577.htm
Kald, M. y Nilsson, F. (2000), Performance measurement at Nordic companies, European Management Journal, Vol. 14 (1),113-127. Disponible en:
www.elsevier.com/locate/mar
Molina Ruiz, H. D. (2012), Evaluación de la medición del desempeño en una PyME textil, Universidad Nacional Autónoma de México, Posgrado en Ingeniería de Sistemas.
Najmi, M., Rigas, J. y Fan, I. (2005), A framework to review performance measurement systems. Business Process Management Journal, Vol. 11 (2),109-122. Disponible en: dspace.lib.cranfield.ac.uk
Protopappa-Sieke M., Seifert R.W. (2010). Interrelating operational and financial performance measurements in inventory control. European Journal of Operational Research, Vol. 204 (3), 439-448. Disponible en:
http://www.sciencedirect.com/science/article/pii/S037722170900825X#
Universidad Autónoma del Estado de Hidalgo- Escuela Superior Tepeji (ESTe). Av. del maestro s/n, Colonia Noxtongo, 2ª Sección, C.P. 42855, Tepeji del Río de Ocampo, Hidalgo, Teléfono: (0177) 1717.2000 Ext: 5850,
e-mail:
[a]jglgarrido@hotmail.com
[b]m_en_i_molina_ruiz@engineer.com
[c]galmazand@hotmail.com
[d]ismaelreg@hotmail.com