Mostrando entradas con la etiqueta Métodos cuantitativos para la gestión. Mostrar todas las entradas
Mostrando entradas con la etiqueta Métodos cuantitativos para la gestión. Mostrar todas las entradas

sábado, 7 de mayo de 2016

Aplicación de la Programación Lineal

Nota de Nora Bär publicada en La Nación el 1 de mayo de 2016.


Un matemático argentino programa 

el fútbol de Chile


Junto con colegas de ese país, aplica técnicas computacionales para diseñar 
el fixture; el desarrollo llegó a la final de una importante competencia
 internacional
NORA BÄR

Como miles de chicos argentinos, Guillermo Durán pasó muchas tardes pateando una pelota mientras soñaba con ser jugador de fútbol. "A veces creo que me dediqué a la matemática porque no tuve nivel para jugar al fútbol en primera", confiesa el actual director del Instituto de Cálculo de la Facultad de Ciencias Exactas y Naturales de la UBA.
Por eso, cuando hace alrededor de una década la Asociación Nacional de Fútbol Profesional de Chile recurrió al Departamento de Ingeniería Industrial de la Universidad de Chile, con el que Durán estaba colaborando, para pedirles a los científicos que aplicaran técnicas computacionales al calendario del torneo de primera división de ese país, no dudó de que se le presentaba la oportunidad de su vida: unir sus dos pasiones, el fútbol y la ciencia.
Desde entonces, junto con el profesor Andrés Weintraub, uno de los académicos más prestigiosos del país trasandino, programan "científicamente" las tres ligas profesionales y las juveniles de ese país, y el campeonato de básquet argentino. A todo esto se agregaron las eliminatorias latinoamericanas para el Mundial de Rusia 2018.
Es más, tal como informó recientemente Gabriel Rocca en el sitionexciencia.exactas.uba.ar, la excelencia de este desarrollo les valió la nominación como finalistas en lo que se considera el Nobel de la "investigación operativa", el "Premio Franz Edelman".
"Todo surgió a partir de una charla que dio George Nemhauser, una personalidad en este campo, a tal punto que nosotros estudiamos en sus libros -cuenta Durán-. En ese momento, él estaba programando la liga de beisbol de los Estados Unidos. Gente de la Asociación del Fútbol chilena leyó una entrevista que le hizo El Mercurio y nos contactó para ver si podíamos mejorar la programación de su torneo. Desde 2005, programamos la liga de primera con estos métodos; en 2007 se decidió incorporar la segunda; en 2013, la tercera y luego los juveniles."
Toma de decisiones

Según explica Durán, el uso de técnicas computacionales para la toma de decisiones ofrece ventajas cuantitativas y cualitativas.
"Con este sistema -ilustra-, si un equipo del norte de Chile tiene que jugar dos partidos seguidos en el Sur, los juega un domingo y un miércoles. Así, no vuelve a su casa y se ahorra un viaje. Además, se pueden programar torneos más equitativos y teniendo en cuenta necesidades de los clubes. Por ejemplo, cuando la Universidad Católica, que tiene un estadio muy bonito en Santiago, lo alquila para un recital, nosotros los hacemos jugar de visitantes."
A propósito de los perjuicios que puede acarrear jugar en un campo que no está en buenas condiciones, Durán recuerda que, hace unos diez años, un delantero muy conocido que intervenía en la selección argentina, Lucho Figueroa, se lesionó la rodilla por jugar en el Monumental, que en ese momento tenía el piso deteriorado porque dos días antes había habido un recital. En la programación de Durán y colegas, River hubiera jugado esa fecha de visitante y su campo hubiera tenido unos diez días para recuperar el césped.
"Cuando me preguntan cuánto vale lo que hacemos -dice el matemático-, yo contesto: ¿cuánto valía en ese momento la rodilla de Lucho Figueroa? Hay problemas que podrían evitarse con mejores programaciones."
Los investigadores también toman en cuenta otros aspectos que tienen que ver con el atractivo del torneo. Durante el verano, tratan de que los equipos grandes juegen en localidades turísticas, como Viña del Mar, lo que acrecienta el interés por visitar la ciudad. También, que los partidos importantes se disputen en las últimas fechas del torneo, las más apasionantes para el público.
"Todos esos parámetros son incorporados en lo que nosotros llamamos la «función objetivo» del problema -explica el científico-, que desde el punto de vista matemático es bastante difícil de resolver. Nosotros lo que hacemos es modelarlo matemáticamente y después se lo «entregamos» a un software [Solver] computacional para que lo resuelva. Pero no es cuestión de quedarse de brazos cruzados, porque puede tardar tres meses. Hay que «meterle cabeza» al problema, mejorar la formulación matemática para poder resolver más rápido. No podemos decirle a la Asociación de Fútbol «espérennos tres meses que les damos una respuesta». "
Un problema nada sencillo
Eso, precisamente, fue lo que les pasó al principio: se inquietaron porque vieron que el Solver no podía resolver. Sin embargo, haciendo buena matemática lograron disminuir el tiempo de procesamiento de tres meses a 45 minutos o una hora.
"Lo que sucede es que muchas veces tenemos que hacer 50 «corridas» -subraya Durán-. Es un ida y vuelta: uno entrega una formulación , el programa te devuelve una solución que no te conforma, entonces hay que retocarla... Si cada una tardara un mes..."
Pero la investigación operativa no se aplica solamente al deporte. El equipo de Durán también la utilizó en la Argentina para proyectos de simulación de tránsito en La Matanza, recolección de residuos en Morón, Bariloche, Salta y Tucumán, y seguridad del aeropuerto de Ezeiza.
Para el investigador, por otro lado, la importancia de estas iniciativas no sólo está en su uso práctico, sino también en su valor para el desarrollo de recursos humanos. "Desde la universidad, lo que nos interesa es que estos desarrollos sean innovadores -agrega-. Si no, los haría una consultora, que lo que quiere es resolverlos rápido y pasar a otro problema. A nosotros, al revés, nos interesan los problemas complejos porque nos permiten publicar papers científicos."
Según Verónica Becher, investigadora del Conicet y docente del Departamento de Computación de la FCEN, "El equipo de Durán tiene una vasta experiencia en la modelización de problemas reales mediante técnicas de optimización de la investigación operativa. El propósito de esta competencia es reconocer ejemplos significativos de esta disciplina en la vida práctica. Quedar finalista en este premio, que distingue trabajos del mundo entero en los que se combinan la matemática, la computación, la ingeniería, y, me permito decir, el arte de desarrollar modelos matemáticos, es en sí mismo un reconocimiento enorme."
En el podio
El trabajo de Durán y colegas fue seleccionado como finalista del premio Franz Edelman 2016, al que se presentan anualmente alrededor de 30 desarrollos entre los cuales se eligen 12 finalistas. Cada uno de estos equipos son entrevistados un par de horas por Skype y quedan seis finalistas. El 11 de abril todos ellos debieron competir en la ciudad de Orlando, Estados Unidos.
"Nos preparamos durante dos meses para hacer una presentación de 40 minutos -cuenta Durán-. No ganamos (el premio mayor se lo llevó la compañía UPS de reparto de paquetes postales). Pero lo interesante es que competimos contra cinco proyectos norteamericanos. Fuimos los únicos de afuera de los Estados Unidos. Nos volvimos con la sensación de que causamos muy buena impresión. Recibimos muchas felicitaciones y pudimos mostrar que en América latina se hace ciencia de calidad. Fue una experiencia única, muy motivante."

domingo, 27 de marzo de 2016

MÉTODOS CUANTITATVOS PARA LA GESTIÓN (3)

APLICACIÓN DE LOS ÁRBOLES DE DECISIÓN
Vamos a ver una de las herramientas más interesantes y utilizadas para esta tarea. El árbol es una excelente ayuda para la elección entre varios cursos de acción. Proveen una estructura sumamente efectiva dentro de la cual estimar cuales son las opciones e investigar las posibles consecuencias de seleccionar cada una de ellas. También ayudan a construir una imagen balanceada de los riesgos y recompensas asociados con cada posible curso de acción.
En resumen, los árboles de decisión proveen un método efectivo para la toma de decisiones debido a que:
- claramente plantean el problema para que todas las opciones sean analizadas.
- permiten analizar totalmente las posibles consecuencias de tomar una decisión.
- proveen un esquema para cuantificar el costo de un resultado y la probabilidad de que suceda.
- nos ayuda a realizar las mejores decisiones sobre la base de la información existente y de las mejores suposiciones.

CÓMO DIBUJAR UN ÁRBOL DE DECISIONES

Para comenzar a dibujar un árbol de decisión debemos escribir cuál es la decisión que necesitamos tomar. Dibujaremos un recuadro para representar esto en la parte izquierda de una página grande de papel.
Desde este recuadro se deben dibujar líneas hacia la derecha para cada posible solución, y escribir cuál es la solución sobre cada línea. Se debe mantener las líneas lo más apartadas posibles para poder expandir tanto como se pueda el esquema.
Al final de cada línea se debe estimar cuál puede ser el resultado. Si este resultado es incierto, se puede dibujar un pequeño círculo. Si el resultado es otra decisión que necesita ser tomada, se debe dibujar otro recuadro. Los recuadros representan decisiones, y los círculos representan resultados inciertos. Se debe escribir la decisión o el causante arriba de los cuadros o círculos. Si se completa la solución al final de la línea, se puede dejar en blanco.
Comenzando por los recuadros de una nueva decisión en el diagrama, dibujar líneas que salgan representando las opciones que podemos seleccionar. Desde los círculos se deben dibujar líneas que representen las posibles consecuencias. Nuevamente se debe hacer una pequeña inscripción sobre las líneas que digan que significan. Seguir realizando esto hasta que tengamos dibujado tantas consecuencias y decisiones como sea posible ver asociadas a la decisión original.






Un ejemplo de árbol de decisión se puede ver en la siguiente figura:
Una vez que tenemos hecho esto, revisamos el diagrama en árbol. Controlamos cada cuadro y círculo para ver si hay alguna solución o consecuencia que no hayamos considerado. Si hay alguna, la debemos agregar. En algunos casos será necesario dibujar nuevamente todo el árbol si partes de él se ven muy desarregladas o desorganizadas. Ahora ya tendremos un buen entendimiento de las posibles consecuencias de nuestras decisiones.

EVALUAR LOS ÁRBOLES

Ahora ya estamos en condición de evaluar un árbol de decisiones. Aquí es cuando podemos analizar cuál opción tiene el mayor valor para nosotros. Comencemos por asignar un costo o puntaje a cada posible resultado - cuánto creemos que podría ser el valor para nosotros si estos resultados ocurren.
Luego, debemos ver cada uno de los círculos (que representan puntos de incertidumbre) y estimar la probabilidad de cada resultado. Si utilizamos porcentajes, el total debe sumar 100%. Si utilizamos fracciones, estas deberían sumar 1. Si tenemos algún tipo de información basada en eventos del pasado, quizás estemos en mejores condiciones de hacer estimaciones más rigurosas sobre las probabilidades. De otra forma, debemos realizar nuestra mejor suposición.


Esto dará un árbol parecido al de la siguiente figura:

CALCULAR LOS VALORES DE LOS ÁRBOLES

Una vez que calculamos el valor de cada uno de los resultados, y hemos evaluado la probabilidad de que ocurran las consecuencias inciertas, ya es momento de calcular el valor que nos ayudará a tomar nuestras decisiones.
Comenzamos por la derecha del árbol de decisión, y recorremos el mismo hacia la izquierda. Cuando completamos un conjunto de cálculos en un nodo (cuadro de decisión o círculo de incertidumbre), todo lo que necesitamos hacer es anotar el resultado. Podemos ignorar todos los cálculos que llevan a ese resultado.

CALCULAR EL VALOR DE LOS NODOS DE INCERTIDUMBRE

Cuando vayamos a calcular el valor para resultados inciertos (los círculos), debemos hacerlo multiplicando el costo de estos resultados por la probabilidad de que se produzcan. El total para esos nodos del árbol lo constituye la suma de todos estos valores.
En este ejemplo, el valor para “Producto Nuevo, Desarrollo Meticuloso” es:
0,4 (probabilidad de un resultado bueno) x 500.000 (costo)               $200.000
0,4 (probabilidad de un resultado moderado) x 25.000 (costo)             $10.000
0,2 (probabilidad de un resultado pobre) x 1.000 (costo)                           $200
Total: $210.200
Colocamos el valor calculado para cada nodo en un recuadro.

CALCULAR EL VALOR DE LOS NODOS DE DECISIÓN

Cuando evaluamos los nodos de decisión, debemos escribir el costo de la opción sobre cada línea de decisión. Luego, debemos calcular el costo total basado en los valores de los resultados que ya hemos calculado. Esto nos dará un valor que representa el beneficio de tal decisión.
Hay que tener en cuenta que la cantidad ya gastada no cuenta en este análisis - estos son costos ya perdidos y (a pesar de los argumentos que pueda tener un contador) no deberían ser imputados a las decisiones.
Cuando ya hayamos calculado los beneficios de estas decisiones, deberemos elegir la opción que tiene el beneficio más importante, y tomar a este como la decisión tomada. Este es el valor de este nodo de decisión.

El árbol final con los resultados de los cálculos pueden verse en la siguiente figura:
En este ejemplo, el beneficio que hemos calculado previamente para “Nuevo Producto, Desarrollo Meticuloso” fue $210.000. Luego, estimamos el futuro costo aproximado de esta decisión como $75.000. Esto da un beneficio neto de $135.000.
El beneficio neto de “Nuevo Producto, Desarrollo Rápido” es $15.700. En esta rama por consiguiente seleccionamos la opción de mayor valor, “Nuevo Producto, Desarrollo Meticuloso”, y escribimos ese valor en el nodo de decisión.

 

 

CUÁL ES EL RESULTADO

Realizando este análisis podemos ver que la mejor opción es el desarrollo de un nuevo producto. Es mucho más valiosos para nosotros que tomemos suficiente tiempo para registrar el producto antes que apurarnos a sacarlo rápidamente al mercado. Es preferible el mejorar nuestros productos ya desarrollados que echar a perder un nuevo producto, incluso sabiendo que nos costará menos.




Avast logo
El software de antivirus Avast ha analizado este correo electrónico en busca de virus.
www.avast.com

sábado, 27 de febrero de 2016

MÉTODOS CUANTITATIVOS PARA LA GESTIÓN (2)

Decisiones sobre la mezcla de productos mediante la programación lineal: Método gráfico

En el agrupamiento de la línea de productos se deben adoptar decisiones para seleccionar la mezcla de productos que se generará (o cuáles procesos se usarán) en función del costo, la capacidad y otras limitaciones. La programación lineal es una técnica muy útil para apoyar el proceso de decisión sobre la mezcla de productos (y otras muchas).

Se aplica a situaciones en las que la empresa tiene una demanda de cualesquier cantidad de dos o más productos que debe producir. Otra aplicación usual es la selección de la mezcla más barata de materias primas o procesos que se aplicará cuando se pueda escoger entre varios de ellos.

La programación lineal es una técnica matemática útil para aprovechar al máximo o reducir al mínimo posible una función lineal objetiva, sujeta a restricciones lineales. Supone que los valores de costos e ingresos son conocidos (certidumbre) y que las utilidades de varias actividades son aditivas (aditividad) y que no se tienen valores negativos de producción (no negatividad).

Se revisará la programación lineal en el caso de una decisión de mezcla de productos; sin embargo tiene una amplia aplicación a otros problemas, tales como presupuestos de capital, balanceo de líneas de producción, planeación y programación.

Los problemas de programación lineal son expresados en términos de una sola función objetivo lineal que especifica el beneficio o costo asociado, con cada variable de decisión.

Por ejemplo: si la utilidad (Z) de una variable de decisión X1 (sillas) es $20 y de X2 (mesas) es $70, la función objetivo lineal puede ser:

Maximizar Z = $20X1 + $70X2

Las restricciones expresan las limitaciones de recursos o necesidades de fabricar productos finales y deben poder ser establecidas como menor o igual que (≤), igual que (=), o mayor o igual que (≥) una cantidad específica.

Es decir, si cada silla (X1) es armada en 10 minutos, y cada mesa (X2) requiere 20 minutos, el número de sillas y mesas que puedan ser armadas estará limitado por el tiempo total de montaje disponible, por ejemplo: 420 minutos.

La ecuación lineal para restringir el tiempo de ensamble puede ser, entonces:
10X1 + 20 X2 ≤ 420

Otras restricciones (tantas como se apliquen) pueden ser formuladas en una forma similar. Tomándolas juntas, las restricciones definen una región factible, un área dentro de la cual se encuentran todas las posibles combinaciones de solución.

La solución óptima (o mezcla de variables) depende de los criterios –por ejemplo: beneficio o costo) expresados en la función objetivo, pero siempre será en algún punto de intersección de las restricciones (una esquina) en la región factible.

Uno de los métodos más fáciles de solución de problemas de dos variables (dos productos) es el método gráfico.

Método gráfico de solución de problemas de programación lineal
<![if !supportLists]>1.      <![endif]>Formúlese el problema en términos de una función objetivo lineal y restricciones lineales.
<![if !supportLists]>2.      <![endif]>Elabórese una gráfica con una variable de decisión en cada eje, y grafíquense las restricciones. Ellas definen la región factible.
<![if !supportLists]>3.      <![endif]>Determínese la pendiente de la función objetivo, e indíquese la pendiente en la región factible de la gráfica.
<![if !supportLists]>4.      <![endif]>Trasládese la función objetivo paralela en dirección de la optimización, hasta que esté restringida.
<![if !supportLists]>5.      <![endif]>Léanse los valores solución de las variables de decisión de los ejes respectivos.


Ejemplo:
Una empresa química "Chemical" produce limpiadores para automóviles X y pulidores Y y gana $10 en cada lote de X, y $30 en Y. Ambos productos requieren procesarse en las mismas máquinas, A y B, pero X requiere cuatro horas en A y ocho en B, mientras que Y requiere seis horas en A y cuatro en B.  Durante la semana entrante las máquinas A y B tienen 12 y 16 horas de capacidad disponible, respectivamente. Suponiendo que existe demanda de ambos productos, cuántos lotes de cada uno deben producirse para alcanzar la unidad óptima Z?.

1. La función objetivo es:
Max Z = $10X + $30Y

Las restricciones son:
A : 4X + 6Y = 12
B : 8X + 4Y =16
X,Y ≥ 0

2. Las variables son X y Y. Las restricciones son dibujadas como igualdades. Para graficar:

Puntos
X
Y
A
X = 0
Y = 2
X = 3
Y = 0
B
X = 0
Y = 4
X = 2
Y = 0

Nótese que la gráfica establece una región factible limitada por las restricciones explícitas de A y B y las restricciones implícitas de que la producción de X ≥ 0 y la producción de Y ≥ 0.

<![if !vml]><![endif]>


3. La función objetivo es la pendiente

Z = 10X + 30Y

La forma estándar de la pendiente de una ecuación lineal es

Y = mX + b

m es la pendiente de la línea (esto es, cambio en Y por cambio unitario en X) y b es la intersección de Y. Expresando la función objetivo en esta forma, se tiene:

<![if !vml]><![endif]>

<![if !vml]><![endif]>

La pendiente = -1/3; es decir, la línea disminuye una unidad en X por cada tres unidades positivas de X. Esto puede graficarse en forma identificable dentro de la región factible (como se muestra en las líneas punteadas de la gráfica anterior. De Y =1 y X=3

4. La pendiente de la función objetivo es trasladada del origen hasta la intersección más lejana de las restricciones  A y la restricción implícita X ≥ 0. La solución óptima estará siempre en una esquina de la región factible.

5. Las flecha apuntan la solución, la cual es determinada por las coordenadas de X y Y en la esquina. En el ejemplo, X=0 y Y=2. O sea la empresa debe producir dos lotes de pulidor y ningún limpiador para obtener una utilidad de

Z = $10(0) + $30(2) = $60

Cómo se puede observar en la gráfica, la restricción impuesta por la máquina B (esto es
8X + 4Y ≤ 16) no tiene efecto, por lo cual las 12 horas de la máquina A (denotada por
4X + 6Y ≤ 12) ) son las que restringen la producción del pulidor más rentable.

La gráfica también muestra que la utilidad podría continuar incrementándose si hubiera más horas disponibles en la máquina A, al punto de doblar la producción (en X=0 y Y=4). En este punto, el tiempo disponible de la máquina B se vuelve restrictivo.

El ejemplo presupone que la contribución a la utilidad era conocida y que las cantidades de las restricciones, tiempo de procesado, y tiempo disponible de las máquinas eran conocidas con certeza.

Bibliografía
Monks Joseph G. ADMINISTRACIÓN DE OPERACIONES, SERIE SCHAUM., Primera edición, México D.F., Mc. Graw Hill., p.p. 103 – 104.
Taha Hamdy. INVESTIGACIÓN DE OPERACIONES. Séptima edición, México D.F., Prentice Hall. p.p 11- 28




Avast logo
El software de antivirus Avast ha analizado este correo electrónico en busca de virus.
www.avast.com

sábado, 2 de enero de 2016

MÉTODOS CUANTITATIVOS PARA LA GESTIÓN

A continuación presentamos un interesante trabajo de el Dr. Mario Pietrapaolo y el CPN Gerardo Zocola, presentado en el Congreso Argentino de Profesores Universitarios de Costos - año 2006

 

ANÁLISIS PARA LA TOMA DE DECISIONES UTILIZANDO PROGRAMACIÓN LINEAL

 

INTRODUCCIÓN

La realidad a la que nos enfrentamos día a días es compleja e incluye una multiplicidad de factores.  Las empresas, como parte de esta realidad, son sistemas que integran innumerables elementos que se interrelacionan dinámicamente entre sí.
Por otra parte, al momento de tomar las decisiones, nos encontramos con gran cantidad de limitantes.
La programación lineal nos permite de manera sencilla optimizar el objetivo explotando al máximo el uso de los recursos que tenemos disponibles.
A efectos de una mayor claridad, desarrollaremos esta herramienta explicando su uso y su aplicación práctica al caso de una curtiembre de cueros.  En todo momento daremos prioridad a la introducción técnica de su implementación y, por eso, brindaremos distintas alternativas de soluciones en la práctica para poder observar más claramente los alcances que tiene.  Simultáneamente, si bien enunciaremos los principales componentes de la contribución marginal, no nos detendremos extensamente en los mismos a efectos de no distraernos del objetivo planteado para el trabajo.
Para la resolución aplicaremos el Solver, una herramienta de Excel que permite de manera práctica y amigable desarrollar el modelo y obtener el óptimo.  De todos modos, los conceptos vertidos y sus aplicaciones se pueden utilizar en otras planillas de cálculos que tengan esta función o en software específicos para programación lineal.

PLANTEO DEL CASO: LA CURTIEMBRE
El problema
La empresa del caso venía de ser gestionada sin objetivos de rentabilidad, con un modelo de gestión basado y prisionero del volumen, con una estructura de costos fijos mostruosa y, para peor, con una conducción “Patrón de Estancia”.
Las necesidades primordiales eran:
1º) No perder clientes y mercados, ya que el incumplimiento de las órdenes pendientes, significaría el desplazamiento por competidores.
2º) Equilibrarse financieramente y alcanzar el equilibrio económico con la limitación de capital de trabajo con la que se contaba.
3º) Reemplazar a la conducción anterior en la toma de decisiones, ya que los dos directores principales tomaban las decisiones de compra, ventas y financieras.
La necesidad de no perder mercados y clientes, así como la de equilibrarse financieramente se pudo alcanzar mediante la renegociación de los plazos de pagos de los clientes, cobranzas pendientes y menor nivel de actividad, ya que es una actividad de significativa financiación del negocio por parte del sector industrial.
Si bien el menor nivel de actividad atentaba contra el objetivo de alcanzar el equilibrio económico, se demostró que mejorar la contribución marginal por pie2 del mix del negocio tenía mayor impacto que el volumen.  Asimismo -gracias a la crisis empresaria- los costos fijos se lograron mantener en niveles mucho más bajos que los estadísticos del período anterior.
La necesidad de reemplazar a la conducción anterior, con la restricción de poder incorporar gerentes de dicho nivel, así como un funcionamiento totalmente estanco de cada área de la organización, llevó a trabajar sobre:
<![if !supportLists]>a)   <![endif]>Lograr la integración de las distintas áreas de la empresa y darle nuevos objetivos que no solo permitan la subsistencia de la empresa, sino además evitar la anarquía.
<![if !supportLists]>b)   <![endif]>Encontrar una herramienta de gestión que permita la integración de dichas áreas detrás de un objetivo, poco buscado en esa organización, como ser “ganar plata”.
<![if !supportLists]>c)   <![endif]>Y, fundamentalmente, modificar un criterio equivocado que todo lo resolvía “el volumen”.
Efectuamos sensibilizaciones de distintas variables y al observar los resultados pudimos distinguir que, de todas las variables que influyen directamente en el resultado final, los componentes de la contribución marginal son los que más impacto tienen.  El factor subsiguiente en grado de impacto es el aumento de volumen de cueros procesados.  En conclusión, como primera medida apuntamos a mejorar la contribución marginal del mix actual y, una vez lograda esa meta, aumentar el volumen de producción.
Para ello nos propusimos diseñar lo que llamamos “El simulador de ventas”, que nos permitiera, partiendo del área comercial, analizar el mix de pedidos por cliente y mercado; siguiendo con el abastecimiento del tipo de cueros que requiere ese mix, el costo de esa materia prima y los demás costos variables tanto de ventas como de producción.
Esto permitiría que el conjunto de responsables de tales áreas puedan establecer el PLAN DE NEGOCIO DE LA EMPRESA.

PROCESO PRODUCTIVO
Adquisición de la Materia Prima
La compra de cuero en la curtiembre se realiza a granel de acuerdo al tamaño, pagando por kilo pero sin conocer la calidad.  La clasificación por calidad se realiza luego de iniciado proceso productivo por lo que es imposible distinguirlo en la adquisición.
Si bien existen varios tamaños de cueros los hemos distinguidos en los dos principales: Livianos y Medianos por un lado y Pesados por otro.

Proceso productivo
En la Figura 1 se grafica detalladamente todo el proceso productivo.
Los cueros se reciben en la planta salados o salmuerados y discriminados únicamente por tamaño y no de acuerdo a la calidad de los mismos.  Es, por tanto, muy importante la primera clasificación que se realiza luego del curtido y escurrido.  En esta clasificación –denominada “Wet Blue”– es posible conocer la calidad de cada cuero y, a partir de ahí, asignarle un destino.
Los cueros provenientes de animales Livianos y Medianos se clasifican en: I a IV, V, VI y VII y los que provienen de animales Pesados en G1-3, G4, G5, G6, G7 y G8.  Esta tipificación está enunciada de mayor a menor calidad.
El proceso siguiente –llamado “dividido”– también resulta importante al momento del análisis dado que en el se obtiene él “Drop” que es un subproducto con una fuerte<![if !vml]><![endif]> incidencia en la contribución<![if !vml]><![endif]> marginal del cuero.  Se consideró que de cada kilo de cuero se obtenían 320 g. de Drop.

Demanda
En el caso que nos sirvió de base, al inicio del período que estamos por analizar ya tenemos un listado detallado de los pedidos que realizaron cada uno de los clientes con los productos, las cantidades, los precios y la forma de pago de cada operación.  De esta información también se desprende si resulta una venta al mercado interno o una exportación, el medio de transporte, las comisiones que se deben pagas, los reintegros que se pueden recibir, etc.
El cálculo de la contribución marginal
Los elementos que determinan la contribución marginal de cada producto terminado son:
<![if !supportLists]>ü <![endif]>Precio de venta. El mismo se establece por pie cuadrado de producto terminado que es la misma unidad en la que el cliente efectúa la demanda.
<![if !supportLists]>ü <![endif]>Reintegro a las exportaciones.  Es un porcentaje que depende del destino y el tipo de producto que se aplica sobre las ventas en el mercado externo.
<![if !supportLists]>ü <![endif]>Costo Adquisición del Cuero.  Como se expresaba anteriormente, el cuero se compra sin clasificar y por kilos.  Aquí es importante, por lo tanto, la relación que existe entre el peso del cuero al ser comprado y la cantidad de pies cuadrados que se obtienen una vez procesado.
<![if !supportLists]>ü <![endif]>Transporte del Cuero Crudo. Es el costo de transportar el cuero sin curtir hasta la curtiembre.
<![if !supportLists]>ü <![endif]>Costo de Químicos.  Es el costo de los químicos necesarios para procesar el cuero. Depende del tipo de producto que se está elaborando y en función de los pies cuadrados que se obtengan.
<![if !supportLists]>ü <![endif]>Comisiones. Es el porcentaje que se le reconoce al vendedor y está en función del monto vendido.
<![if !supportLists]>ü <![endif]>Derechos de Exportación. Es un canon que se abona en las ventas al exterior y es un porcentaje que se aplica sobre las ventas.
<![if !supportLists]>ü <![endif]>Gastos de Despacho. Corresponde a los gastos aduaneros (despachante y gastos de aduana).
<![if !supportLists]>ü <![endif]>Gastos de Distribución.  Por el envío de los productos terminados a los clientes y depende del medio de transporte que se utilice: aéreo, marítimo o terrestre.
<![if !supportLists]>ü <![endif]>Gastos e Impuestos Bancarios. Está compuesto por los gastos y comisiones bancarias y por el Impuesto a los Débitos y Créditos Bancarios.

La medición del nivel de actividad
Uno de los primeros problemas a resolver fue la unidad de medida dado que teníamos tres que representaban el nivel de actividad en términos físicos: la cantidad de cueros, los kilos y pies cuadrados.
Las ventas y algunos costos están expresados en pies cuadrados, el costo de adquisición en kilos y, para hablar de capacidad de producción, de nivel de actividad previsto o cantidades compradas nos referimos a cueros.
Dada la importancia que tenían las tres unidades de medida, las soluciones fueron determinadas en cueros pero, en cada caso, se fueron estableciendo las equivalencias en kilos y en pie2.  De igual manera se podía haber hecho con cualquiera de los otros dos.
Para esto, contábamos con la información de cuántos kilos se necesitaban y cuántos pie2 rendían cada cuero de acuerdo al producto final que se obtenía.

PENSANDO EL MODELO
Cuanto más variables tengamos en cuenta cuando desarrollamos un modelo más detallado va a ser el análisis y más precisos sus resultados.
Sin embargo, al mismo tiempo, la incorporación de cada vez más datos diversos nos hace más complejo el modelo y de más difícil interpretación.  Es necesario por tanto que busquemos un justo equilibrio que nos permita obtener los objetivos propuestos sin perdernos en una telaraña de información.
Abordar una situación con el planteo de programación lineal no escapa a estos comentarios.
Otra cuestión importante a destacar es que muchas veces, la ansiedad por resolver el problema nos tienta a sentarnos delante de la computadora y comenzar a cargar números y fórmulas, sin embargo, lo primero que tenemos que hacer es tener en claro la situación que se plantea, el lugar al que queremos llegar, los caminos que podemos recorrer y los escollos o límites con que nos podemos encontrar.  Sólo una vez en claro esto podemos sentarnos ante la PC.

El destino
Tenemos que comenzar por tener en claro cuál es la función objetivo o, para usar terminología más vinculada a la gestión de empresa, el objetivo que se nos plantea.  El mismo puede tratarse de maximización (resultados, ventas, producción, etc.) o de minimización (costos, consumos, capital, etc.).
Muchas veces nos encontramos con situaciones en las que queremos lograr múltiples objetivos.  Generalmente, si bien estos van en el mismo sentido, tienen aspectos que son contradictorios y, por lo tanto, no nos permiten hallar una resolución óptima.  Por lo tanto, lo que tenemos que hacer es identificar cuál es el objetivo principal y se puede colocar a las otras variables una referencia que se pide como valor mínimo o máximo a alcanzar.
Para el caso que estamos desarrollando, lo que se procuraba era maximizar la contribución marginal total.  Se planteó esto dado que se trataba de una empresa que no tenía una restricción de estructura al corto plazo y, por tanto, una maximización de la contribución marginal total implicaba obtener el mejor resultado posible.

Los caminos
Por otra parte, existen factores o variables que pueden combinarse de infinidad de formas.  Cada una de ellas llega a un determinado resultado.   Sin embargo, no todos los resultados son iguales y lo que precisamente tengo que buscar es cuál es la combinación que me permite optimizar el objetivo planteado.  Es lo que se denominan variables de decisión y es, en el fondo, la conclusión o resolución del análisis.
Este es el verdadero problema que debemos afrontar.  Nosotros nos encontrábamos ante una situación en la que, para la mayoría de las categorías de cueros, la demanda era superior a lo que la empresa podía ofrecer debido a las restricciones de compras que poseía.
Por lo tanto, lo que queríamos determinar era a qué clientes íbamos a abastecer y en qué medida. Es decir, queríamos encontrar el mejor destino para la materia prima de acuerdo al objetivo planteado.

Los escollos
Los condicionantes con los que nos podemos encontrar en el desarrollo del modelo son múltiples y pueden estar relacionados con las variables de decisión o con cualquier otra variable en juego.  Este límite puede referirse a un valor máximo, mínimo y hasta la necesidad de igualar la variable a un valor determinado.
En este sentido, la primera restricción que surgió estaba referida a que, por mejor contribución unitaria que tenga, la cantidad que le venda a un cliente de un determinado producto no podía ser mayor a la cantidad demandada.  Sin embargo, esto no era lo único que afectaba el destino de los cueros, existían casos en los que por compromisos de distintos tipos no podían dejar de entregar alguna cantidad mínima poniendo un piso a esta variable.
Por otro lado, los cueros que se compraban por tamaños, luego discriminarse por calidad, nos daba un máximo disponible de cada tipo.  De ser mayor los pedidos se recortarían los mismos pero en el caso inverso habría un excedente en esa categoría.
El destino de este excedente puede tratarse de dos maneras.  Una es dejarla en el stock para el próximo período y la otra es destinarla a productos que requerían cueros de inferior calidad.  Oportunamente se explicará como se debe plantear cada uno de estos casos.
También es posible plantear otras restricciones como la capacidad de procesamiento, el capital de trabajo, etc.

El mapa
Una vez en claro los pasos anteriores podemos pasar a confeccionar el mapa virtual con una infinidad de rutas alternativas que permiten lograr en mayor o menor medida la meta propuesta.  Estamos ante la formulación del modelo que “indica la transferencia de un problema de mundo real a un formato de ecuaciones matemáticas” (BONINI y otros, 1999). 
En esta construcción del mismo nos enfrentamos a la necesidad de definir claramente la función objetivo dejando identificables las variables de decisión y todas aquellas sujetas a restricciones.  Dadas las características de estos procesos, nos parece útil recomendar que también las restricciones estén identificadas claramente de manera que resulte fácil modificarlas y volver a realizar el proceso de determinación de los resultados.

MANOS A LA OBRA
Una vez que definimos todo esto nos pudimos sentar delante de la computadora y comenzar a delinear lo que queríamos.  Evidentemente, a medida que íbamos avanzando en el desarrollo del modelo, nos encontrábamos con distintos inconvenientes propios del diseño de las planillas y también de la forma con la cuál se operaría una vez terminado.  Importa la idiosincrasia del usuario, los datos que van a estar disponibles y de qué forma, las asunciones o simplificaciones que hacíamos siempre con la consigna clara que planteamos anteriormente “mayor detalle da más precisión pero torna más engorroso el uso y, viceversa, mayor agregación simplifica la cantidad de variables a considerar pero limita, precisamente, la posibilidad de sensibilizarla.”
Influyó de manera importante en la confección de este “Simulador de Ventas” el hecho que el mismo iba a ser utilizado por personas distintas a las que lo estábamos desarrollando, que pretendíamos que el mismo sea útil para la toma de decisiones en forma permanente y de acuerdo a la situación en distintos períodos, alimentar información y extraer conclusiones a las distintas áreas de la empresa.
Es así, que en el diseño de las distintas hojas que servían para ir cargando los datos, fuimos teniendo en cuenta quienes eran los “dueños de la información”, es decir, qué área –comercialización, producción, logística, etc.– era responsable de ir suministrándola y, por lo tanto, de ir actualizándola a medida que se producen cambios en los estándares.

Planilla central
En primer lugar, pasaremos a describir lo que era el corazón del Simulador y que es desde donde se ejecuta el Solver.
Una cuestión importante a tener en cuenta en este momento, es que todas las variables –función objetivo, variables de decisión y restricciones– deben estar en la misma hoja del libro de Excel para que puedan ser tomadas como parámetro del Solver.
En la figura 2 está el núcleo de esta hoja en los que se pueden ver:
<![if !supportLists]>ü <![endif]>Datos de Comprador: nos servía para identificar quién compraba y, también, a dónde se debía enviar esa compra y el plazo de financiación.
<![if !supportLists]>ü <![endif]>Datos del producto: se refería al producto final que estaba demandando el proveedor y también el tamaño y calidad de cuero que se utiliza para su producción.
<![if !supportLists]>ü <![endif]>Rendimiento del Cuero: Indica cuál es el rendimiento estándar en pie2 por cuero y cuánto pesa el mismo al comprarlo.
<![if !supportLists]>ü <![endif]>Demanda: es la cantidad que solicitaba el cliente de ese tipo de cuero.
<![if !supportLists]>ü <![endif]>Compromiso: existen ocasiones que por distintos motivos hay que destinar un mínimo de cueros a determinados productos de un determinado cliente.  Tales casos eran indicados en esta columna.
<![if !supportLists]>ü <![endif]>Actividad prevista: es el destino que van a tener en definitiva los cueros.
<![if !supportLists]>ü <![endif]>Contribución Marginal: expresada por pie2 y total.
Nos detenemos un poco en estos últimos datos.  Como dijimos, la unidad empleada para el cálculo de la contribución marginal unitaria es el pie2 de producto terminado dado que es la unidad en que se efectúa la demanda.  Este se calcula de acuerdo a los conceptos detallados anteriormente donde el precio de venta es la única variable directa que se ingresa –al momento de cargar los pedidos hay que ingresar el precio de venta acordado con cada producto para cada proveedor– y el sistema calcula automáticamente todos los demás elementos.  Tanto el ingreso extra que se obtiene por reintegro de exportaciones como todos los costos son determinados de acuerdo a los parámetros ingresados (país de destino, tamaños y kilos de los cueros, peso de los mismos, medio de transporte, etc.).
Esto nos permitió darle a la planilla un manejo ágil y sencillo pudiendo cambiar rápidamente algunas variables y, con ello, poder ir optimizando los resultados obtenidos.
Como mencionamos anteriormente, es importante para la determinación de la contribución marginal total el Drop que se obtiene en el proceso de “dividido”.  A los fines <![if !vml]><![endif]><![if !vml]><![endif]>     de poder calcularlo convenientemente y como el mismo depende de la cantidad y tamaño de los cueros procesados, calculamos en un cuadro al pie del anterior la cantidad de este subproducto en función de la cantidad total de kilos de cueros a procesar por el rendimiento estándar.

El Capital de Trabajo
En la formulación del modelo, también incluimos el cálculo de un dato que resulta de suma utilidad: el capital de trabajo.  Este nos permitía determinar la inmovilización financiera que iba a requerir el plan de trabajo que resultara.
Para determinar el mismo, consideramos, para cada elemento, el tiempo desde que se adquiría o contrataba ese factor hasta la fecha de entrega a lo que le adicionamos el plazo de financiación acordado con el cliente menos el plazo que nos otorgaba el proveedor.
Así, por ejemplo, para el costo de compra del cuero teníamos en cuenta el tiempo que estaba en stock el cuero antes de ser utilizado, el tiempo de procesarlo (que dependía si el producto final era un cuero semi-terminado o terminado), el tiempo que estaba en stock de productos terminados antes de ser despachado y el plazo acordado con el cliente.  A esto le restábamos el tiempo que el proveedor nos otorgaba a nosotros en la compra de esta materia prima.
La determinación del capital de trabajo no influía en la aplicación que realizábamos de la programación lineal.  Era al mero efecto informativo o, mejor dicho, esta información es utilizada para otro tipo de decisiones que no estaban vinculadas con el destino que se le daba a los cueros.
Cabe aclarar, sin embargo, que en el caso de tener una restricción importante en este concepto, el mismo se podía agregar fácilmente vinculando el total determinado con dicho valor.

Control de cueros
Hacer un seguimiento de los cueros era fundamental a los fines propuestos en el trabajo.  Por tal motivo, en esta hoja hicimos un cuadro (figura 3) el cual tiene tres partes:
<![if !supportLists]>1.    <![endif]>La cantidad de cueros de acuerdo a la solución propuesta por el Solver.
<![if !supportLists]>2.    <![endif]>La cantidad comprada de cueros discriminada por calidad.
<![if !supportLists]>3.    <![endif]>El excedente de cueros o, mejor dicho, los cueros sin destino.


VENTA POR SELECCIÓN

I A IV
V
VI
VII
G1-3
G4
G5
G6
G7
G8
Vta. por Selección










Acum. por Tamaño






















COMPRA POR SELECCIÓN

I A IV
V
VI
VII
G1-3
G4
G5
G6
G7
G8
Compra por Selección










Acum. por Tamaño






















EXCEDENTE DE CUEROS POR SELECCIÓN

I A IV
V
VI
VII
G1-3
G4
G5
G6
G7
G8
Saldo










Saldo Acumulado










<![if !vml]>
<![endif]><![if !mso]>
<![endif]>
FIGURA: Seguimiento de los cueros
<![if !mso]>
<![endif]><![if !mso & !vml]> <![endif]><![if !vml]>
<![endif]>

Dado que la cantidad vendida por tipo de cuero no podía ser superior a la cantidad comprada, en el tercer cuadro podíamos ver la cantidad de cueros que, por no existir demanda o por que la misma no generaba una contribución marginal positiva, no se le asignaba destino.
Los datos acumulados de cueros son por tamaños, es decir, por un lado acumulábamos los cueros Livianos y Medianos y por otro los Pesados.  Este cálculo es fundamental al momento en que queramos asignar el excedente de cueros de una calidad a las calidades inferiores dentro del mismo tamaño de cuero.

DEFINIENDO LOS PARÁMETROS DEL SOLVER
Una vez diseñado el modelo en todos sus aspectos nos abocamos a definir los parámetros a incluir en el Solver.  En realidad, todo el proceso de diseño implica una continua revisión de los pasos dados.  Es decir, realizamos el primer diseño y por más esmero que pusimos en no olvidarnos de ningún aspecto, cuando cargamos los parámetros nos encontramos con cosas que no teníamos en cuenta y, más aún, al ejecutar el Solver el mismo nos arroja resultados inconsistentes.
Es necesario, por lo tanto, una retroalimentación a partir de la experiencia que vamos haciendo de manera de ir puliendo las posibles inconsistencias que van surgiendo o agregando nuevos elementos para hacerlo más precisos.  También en esto fue fundamental los comentarios que íbamos recibiendo de los que serían los usurios definitivos, lo que nos implicaba ir haciendo modificaciones que muchas veces eran formales o de carga de datos.
En la figura 4 podemos ver la ventana que se abre para definir los parámetros del Solver.


FIGURA: Ventana de Parámetros de Solver

Celda Objetivo
Como expresamos anteriormente, el objetivo planteado es obtener la mayor contribución marginal posible.  Por lo tanto señalamos como celda objetivo la que determinaba la suma de la contribución marginal total incluyendo la obtenida por la venta de Drop.  Si no adicionábamos esta última contribución, podríamos dejar de lado destinos en los que el producto principal por sí solo generaba una contribución marginal negativa pero inferior a la que aportaba el subproducto que se extraía de dicho cuero.
La otra cuestión que señalamos respecto al objetivo al momento de definir los parámetros es que queríamos que busque la combinación de destinos que obtenga el máximo valor de esta celda.

Cambiando las celdas
En esta porción de la ventana hay que indicar cuales son las celdas que van a ir cambiando su valor para obtener su objetivo, es decir, las variables de decisión.
En nuestro caso, lo que queríamos determinar era el destino que le íbamos a dar a los cueros comprados y, por lo tanto, definimos las celdas que indican la Actividad Prevista en Cueros.  De esta asignación determinábamos –teniendo en cuenta el rendimiento– la cantidad de pie2 y kilos asignados.  Cabe acotar que podríamos haber definido cualquiera de las tres bases para la determinación del nivel de actividad en forma indistinta teniendo la precaución de aplicar los correspondientes rendimientos a las otras.
Además, dentro de “Opciones…”, tildamos que estas celdas asuman “Valores no negativos” de manera de evitar la asignación de ventas menores a cero.
Un par de observaciones que queremos hacer respecto a las limitantes que tienen la asignación de las Celdas Cambiantes cuando definimos los parámetros del Solver.  Por un lado, las celdas a cambiar deben estar en la misma fila o columna y en forma contigua y, por otro, que la cantidad máxima no puede ser superior a 150 celdas.  En esta aplicación tuvimos la oportunidad y necesidad de probar al máximo esta limitante.

Sujeta a las siguientes restricciones
La determinación y configuración de las restricciones es uno de los pasos que trabajo da en cuanto a la carga y, también, en cuanto a su determinación cuya importancia es fundamental para obtener los resultados correctos.
Las mismas pueden estar vinculadas a las variables de decisión o a otros parámetros que en el desarrollo del modelo se van calculando. En nuestro caso teníamos de ambos tipos.
En primer lugar, la cantidad de cueros asignada en cada reglón no podía ser superior a la cantidad demandada ni inferior al compromiso asumido con el cliente.  Esto nos implicó que teníamos que definir para cada una de las celdas cambiantes dos restricciones que se ingresan independientemente.
Por otra parte, el total de cueros que podíamos procesar no podía exceder las compras que teníamos previstas hacer para ese período.  Para esto fue que diseñamos los cuadros que expusimos en la Figura 3.
Y acá surge la doble alternativa que planteamos antes y es que si al excedente de una categoría de cuero lo mantenemos en stock o lo destinamos a productos que requieren una calidad inferior de cuero dentro del mismo tamaño.
Para el primer caso, que es el que en definitiva terminamos optando, tenemos que definir como restricción que la cantidad de cueros vendida por selección tiene que ser menor o igual que la cantidad comprada para el mismo tipo de cuero.
En el segundo, lo que íbamos comparando eran los acumulados de cueros de tal manera que, si había un excedente en algún tipo de cuero, quedaba de manifiesto que el acumulado de cueros comprados hasta esa calidad era superior a la cantidad asignada y, por ende, arrastraba un saldo que podía ser utilizado en las siguientes categorías.
En esta segunda opción, de existir cueros de calidades inferiores con contribuciones marginales unitarias mayores a la calidades superiores, deja un saldo sin aplicar a estas últimas para arrastrarlas y asignarlas a las que más utilidad generan.

UTILIZACIÓN ACTUAL DE LA HERRAMIENTA EN LA EMPRESA

La herramienta se convirtió en un elemento de gestión clave de la empresa actualmente. Con ella se hace:
<![if !supportLists]>a)    <![endif]>El plan económico y financiero de la empresa a tres meses vista (período de ventas firmes).
<![if !supportLists]>b)   <![endif]>El área comercial analiza y negocia con los representantes externos el mix de productos para decidir las ventas futuras. Utiliza la herramienta para visualizar la contribución marginal por pie2 de cada producto, la contribución marginal del mix solicitado por el cliente, el capital de trabajo necesario de cada producto y el del mix.
<![if !supportLists]>c)   <![endif]>El área industrial tiene a partir de dicha herramienta información de costos variables de cada producto (fundamentalmente químicos), el impacto que tienen los rendimientos estandarizados en el simulador, el tipo de cuero que necesita cada producto y por ende el total por tipo de clasificación, convirtiéndose ellos en “metas”  a alcanzar y mejorar. Le permite establecer  la cantidad y calidad de cueros a adquirir (en función de los juegos de stock) y los químicos necesarios para producir.
<![if !supportLists]>d)   <![endif]>El área de abastecimiento tiene la “meta” claramente establecida en cantidad, precio y calidad de materia prima a comprar. Le permite establecer el “poder de compra” de las distintas calidades, y evitar así comprar calidades que no tendrán destinos comerciales.
<![if !supportLists]>e)   <![endif]>El área de administración puede establecer el plan de negocios y por ende establecer el plan financiero y determinar el resultado económico planificado.
Pero lo más importante, en este caso, fue que permitió lograr una mayor integración de la organización mediante el establecimiento de una “meta”, muchas veces olvidada en las organizaciones: “Intentar ganar plata”.



BIBLIOGRAFIA
BONINI, Charles; HAUSMAN, Warren y BIERMAN, Harold. “Análisis Cuantitativo para los Negocios” Editorial: Mc Graw –Hill Interamericana S.A., 9° Edición, Bogotá, Colombia. Noviembre 1.999.
BOTTARO, Oscar E., RODRIGUEZ JÁUREGUI, Hugo A. y YARÍN, Amaro R.,  “El Comportamiento de los Costos y la Gestión de la Empresa”, La Ley, Buenos Aires, 2.004.
RODRÍGUEZ JÁUREGUI, Hugo. “La contribución marginal por unidad de recurso escaso”. Rev. Costos y Gestión Nº 24. Bs.As.
SANCHEZ, Claudio. “Excel Avanzado” Editorial: MP Ediciones, Buenos Aires, 2.004.
YARDIN, Amaro y RODRIGUEZ JAUREGUI, Hugo. "La información de resultados a la gerencia". Rev. Administración de Empresas Nº 96. Ed. Contabilidad Moderna. Bs.As. Marzo de 1978.
YARDIN, Amaro y RODRIGUEZ JAUREGUI, Hugo. "Costos de la función comercialización". Revista Contabilidad y Administración Nº 36. Ed. Cangallo. Bs.As. junio 1980.






Avast logo
El software de antivirus Avast ha analizado este correo electrónico en busca de virus.
www.avast.com