Análisis de costo-volumen-utilidad bajo condiciones de incertidumbre

• Autores: Mallo, Paulino E.; Artola, María Antonia; Galante, Marcelo Javier; Morettini, Mariano; Pascual, Mariano Enrique; Busetto, Adrián Raúl
• Año de publicación: 2004
• Idioma: español castellano
• Tipo de recurso: documento de conferencia
• Fuente: XXVII Congreso Argentino de Profesores Universitarios de Costos y I Congreso Mercosur de Costos y Gestión, Tandil [ARG], 3-5 noviembre 2004.
• Materia: Toma de Decisiones; Incertidumbre; Punto de Equilibrio; Matemática Borrosa
• Institución: Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Sociales

Cada vez con más frecuencia escuchamos o leemos en la bibliografía sobre gestión empresaria acerca de la complejidad que rodea a las organizaciones y sobre el marco de incertidumbre en el que interactúan. Si bien coincidimos con que el medioambiente que enfrentamos está totalmente impregnado de incertidumbre, que lo normal es el cambio, y que la sobreinformación reinante nos impide saber con precisión hacia donde vamos, no compartimos los métodos actualmente utilizados para facilitar la toma de decisiones en dichas condiciones. Ante esta situación no resultan aplicables las técnicas clásicas porque para poder abordar los problemas de índole económica y social, ya no son suficientes los conocimientos basados en la lógica formal. Por tal motivo, proponemos para la resolución de problemas en condiciones de incertidumbre la aplicación de la Matemática Borrosa con sustento en la teoría de los subconjuntos borrosos, que surge a raíz de considerar una lógica multivaluada en contraposición a la lógica bivalente o formal. Es decir, si bien existe una adhesión generalizada acerca de la carátula a dar al entorno organizacional, no parece haber similar consenso respecto de las herramientas de gestión a aplicar, debido a que se siguen utilizando las probabilidades subjetivas, el método bayesiano, los presupuestos flexibles, los métodos de simulación, la selección de la alternativa más conservadora, etc. O sea, modelos que deforman la naturaleza incierta de los datos, forzando su conversión en datos ciertos o aleatorios. En contraposición a lo antedicho, nuestro propósito es lograr una consideración más adecuada de la realidad, a través de la cuantificación de los datos inciertos por medio de la Matemática Borrosa, superando así la deformación que genera la lógica formal en el tratamiento de problemas inciertos. En el ámbito de las organizaciones, el tratamiento de la incertidumbre se caracteriza por la simplificación de la realidad y la obtención de precisión. Esto se busca actualmente a través de la disminución de la incertidumbre mediante las llamadas pérdidas de información que, como dijimos anteriormente, consiste en tratar los datos imprecisos como si fueran ciertos o estocásticos. Es precisamente para evitar este inconveniente que proponemos la utilización de la Matemática Borrosa como soporte de las herramientas tradicionales de gestión empresarial. El objetivo de la aplicación de la Matemática Borrosa en las disciplinas contables y administrativas, es mantener toda la información por medio del sinceramiento de los datos, rediseñando los modelos, métodos y técnicas usuales de apoyo para la toma de decisiones mediante el uso de números que cuantifiquen y reflejen adecuadamente la incertidumbre, es decir, con números y subconjuntos borrosos. En el caso particular del punto de equilibrio, para determinar la cantidad mínima a producir y vender, a partir de la cual siempre se obtienen beneficios, la incertidumbre puede generarse al definir cualquiera de los componentes del proceso productivo (costos fijos o variables) y, sobretodo, en la determinación del precio de venta de sus artículos. Por lo tanto, desarrollamos un modelo que permita al decididor, trabajando con los límites que estime convenientes para cada una de las variables, operar esa incertidumbre fijando un área de rentabilidad a través de la cuantificación de magnitudes inciertas mediante intervalos de confianza.
Fil: Mallo, Paulino E. Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Sociales; Argentina.
Fil: Artola, María Antonia. Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Sociales; Argentina.
Fil: Galante, Marcelo Javier. Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Sociales; Argentina.
Fil: Morettini, Mariano. Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Sociales; Argentina.
Fil: Pascual, Mariano Enrique. Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Sociales; Argentina.
Fil: Busetto, Adrián Raúl. Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Sociales; Argentina.