Análisis Costo-Volumen-Utilidad
Un enfoque difuso para describir las situaciones planteadas.
Ing. Dennis Néstor García Ocaña
Resumen
El presente artículo muestra el desarrollo
del análisis costo-volumen-utilidad, a partir
de datos representados como números
borrosos, como una alternativa para tratar
la variabilidad presente en la información,
debido a la incertidumbre asociada a los
costos fijos y variables. Se realizan los
cálculos correspondientes referentes a la
función de utilidad, margen de
contribución y punto de equilibrio.
Palabras clave: lógica difusa, números
borrosos, utilidad, margen de contribución,
punto de equilibrio, costo.
Introducción
El análisis del costo-volumen-utilidad, es
utilizado por la empresa para determinar el
nivel de operación necesario para cubrir
todos los costos operativos y para evaluar
la rentabilidad asociada con los diversos
niveles de ventas. Éste análisis nos permite
tomar decisiones bien fundamentadas,
analizando la rentabilidad de los productos
y procesos productivos.
Debido a la gran variabilidad en el
comportamiento del mercado y el ambiente
altamente competitivo, es difícil, sino
imposible, estimar los ingresos y los gastos
de una manera realista, ya que se presenta
un elevado grado de incertidumbre. Se han
desarrollado muchas metodologías para
poder incluir el manejo de la incertidumbre
a partir de modelos matemáticos, las cuales
están basados en teorías formales que
toman en consideración datos ciertos y
teorías probabilísticas construidas a partir
de datos estadísticamente mensurables o
construidos a partir de razonamientos que
permitan aceptar a priori leyes de
probabilidad. El problema surge cuando
estos modelos se enfrentan ante hechos
para los que no puedan usarse ni leyes de
probabilidad ni los razonamientos que con
ellas se relacionan, porque están inmersos
términos como imprecisión y vaguedad
Esta situación a llevado a diferentes autores
(Ostasiewicz; 1996) a reflexionar sobre el
verdadero significado de estos términos, su
conclusión es que mientras el término
incertidumbre se refiere a la falta de
conocimiento sobre cómo se comporta el
mundo real y cuándo hay un cambio en su
comportamiento, el término imprecisión
refiere más bien una falta de capacidad
instrumental para medir con exactitud, y el
término vaguedad refiere una falta de
definición precisa de los términos
(lingüísticos, simbólicos, gráficos, etc.)
usados para describir el mundo real.
Cuando la realidad plantea una gama de
circunstancias que escapan a la medición,
es cuando conviene realizar una estimación
susceptible de ser tratada a través de
criterios difusos ó borrosos. La lógica
borrosa (Fuzzy Logic) ha cobrado una
fama grande por la variedad de sus
aplicaciones, las cuales van desde el
control de complejos procesos industriales,
hasta aplicaciones en economía, finanzas y
gestión empresarial.
La lógica borrosa se inventó en Estados
Unidos, por el soviético Lofti A. Zadeh, en
la Universidad de Berkeley (California) el
año 1965. En los últimos años, se han
sucedido los tratamientos de la lógica
borrosa sobre la toma de decisiones
empresariales. Estos tratamientos con
lógica borrosa han enriquecido
indiscutiblemente las técnicas operativas de
la gestión de empresas.
Los Conjuntos Borrosos
Función de pertenencia
Si A es el conjunto nítido, a la función se le
suele llamar μA. Si el universo del discurso
se llama X, la función de pertenencia puede
verse de la siguiente manera:
A: X→{0,1}
1
Concepto de conjunto Borroso
Son aquellos conjuntos sobre cuya función
de pertenencia puede tomar valores entre 0
y 1, y no necesariamente uno de estos
valores. Así, cada elemento del universo
del discurso un valor que representa su
grado de pertenencia. Por tanto, si A es el
conjunto borroso, X es el universo del
discurso, entonces μA es la función de
pertenencia.
A: X→,0,1]
Los conjuntos nítidos como conjuntos
borrosos
Se puede considerar los conjuntos nítidos
como un caso especial de los borrosos con
funciones de pertenencia discontinuas.
Números borrosos
Definición y concepto
Un número borroso es un subconjunto
borroso, Ã, normal, convexo y cuyo
conjunto referencial son los números
reales.
Un subconjunto Ã⊂R se dice “normal”
cuando max Ã(x)=1, ∀ x ∈ Ã.
Un subconjunto Ã⊂R se dice “convexo”
cuando los subconjuntos nítidos de nivel α
son segmentos o intervalos de confianza de
la forma:
Aα=[a1(α),a2(α)]
Una definición equivalente de convexidad
es:
Ã⊂R convexo ⇔ ∀ x1, x2 ∈ Aα , ∀ α ∈
,0,1-, ∀ λ ∈ ,0,1-
µAα(λx1+(1- λ)x2) ≥ min(µAα(x1),
µAα(x2))
Los números borrosos, son por excelencia
un instrumento del que dispone la lógica
borrosa para representar cuantías estimadas
u observadas de forma difusa, es decir es la
asociación de dos conceptos, el de intervalo
de confianza (ligado a la incertidumbre) y
el de nivel de presunción (ligado a la
subjetividad). Por otra parte, el valor que
toma un elemento x∊R en la función de
pertenencia de Ã, Ã(x), es interpretado por
muchos autores como una “medida” de la
2
posibilidad de ocurrencia de x, por lo que
el número borroso à es interpretado como
una distribución de posibilidad.
De forma general, la función de
pertenencia de un número borroso à puede
escribirse como:
El intervalo de confianza [a1, a4] es el
soporte del número borroso y [a2, a3] es el
núcleo del número borroso. Asimismo, f(x)
es creciente en [a1, a2] y g(x) es decreciente
en [a3, a4]. Gráficamente podríamos
representar, de forma general, un número
borroso como:
Sin embargo, en muchas ocasiones será
más práctico operar con su representación a
través de sus conjuntos de nivel o α-cortes,
que notamos como Aα. Éstos son intervalos
de confianza que podemos representar
como:
Ejemplo: Si queremos mostrar la utilidad
de los números borrosos en la
modelización de una empresa, supongamos
que se quiera conocer el nivel de ventas
mensuales. Seguramente no es tan fácil, ya
que es casi seguro que no es un número
constante y con muchas variaciones. Sin
embargo, por la experiencia, conocimientos
de los empleados, etc., se podría intuir, por
ejemplo, que los ingresos por ventas
correspondientes al mes puede ser
“aproximadamente Bs 5.000”, conociendo
además que las ventas no podrán ser
menores a Bs 2500 ni mayores a Bs 6000.
Una forma de representar razonablemente
esta cuantía sería cuantificarla a través de
un número borroso
à =“ventas aproximadas de Bs 5.000”,
cuya función de pertenencia sería:
Operaciones con números borrosos
Los conjuntos de nivel del número borroso
imagen, pueden ser hallados a través de la
aritmética de intervalos de confianza.
a) Suma de números borrosos
Sea , la función de pertenencia
de se halla como:
Y sus α-cortes :
Cα = [C1(α), C2(α)-
Cα = [A (α) + B1(α), A2(α) + B2(α)-
1
b) Resta de números borrosos
Sea , la función de pertenencia
de se halla como:
Y sus α-cortes :
Cα = [C1(α), C2(α)-
3
Cα =[A1(α) – B2(α), A2(α) – B1(α)-
c) Producto de números borrosos
Sea , la función de pertenencia
de se halla como:
Y sus α-cortes :
Cα = [C1(α), C2(α)-
Cα =[min{A1(α)*B1(α), A1(α)*B2(α),
A2(α)*B1(α), A2(α)*B2(α)+,
max{ A1(α)*B1(α), A1(α)*B2(α),
A2(α)*B1(α), A2(α)*B2(α)+-
d) División de números borrosos
Sea , en los cuales 0 ∉ Ã y 0 ∉ : la
función de pertenencia de se halla
como:
Y sus α-cortes :
Cα = [C1(α), C2(α)-=,min*A1(α)/B1(α),
A1(α)/B2(α), A2(α)/B1(α),
A2(α)/B2(α)+,
max{ A (α)/B1(α), A1(α)/B2(α),
1
A2(α)/B1(α), A2(α)/B2(α)+-
Análisis Costo-Volumen-Utilidad
Naturaleza del modelo
La planeación de utilidades, el control de
costos y la toma de decisiones requieren
una comprensión de las características de
costos y su comportamiento en los distintos
niveles de operación. Aunque las
tendencias de costos no pueden
pronosticarse con absoluta certeza,
generalmente siguen una trayectoria
suficientemente regular como para servir
de base útil en la planeación de utilidades,
el control de costos y la toma de decisiones
administrativas.
El análisis de la relación costo-volumen-
utilidad, está elaborado para servir de
apoyo fundamental a la actividad de
planear y controlar, es útil en todas las
áreas de toma de decisiones, especialmente
respecto al producto, determinación de
precios, selección de canales de
distribución, decisiones de tercialización,
métodos productivos alternativos, inversión
de capital, etc.
El análisis de la relación costo-volumen-
utilidad depende de una cuidadosa
segregación de los costos de acuerdo a su
variabilidad. Los costos pocas veces
encajan dentro las teóricamente nítidas
categorías de costos totalmente variables o
totalmente fijos y, de hecho, los costos
variables no son siempre perfectamente
variables ni los costos fijos son
perfectamente fijos, más bien tienen un
comportamiento difuso.
Representación de datos de costo-
volumen-utilidad con un enfoque difuso
Los datos de costo-volumen-utilidad,
debido a su variabilidad, no pueden
considerarse como instrumento de
precisión, pero podrían representarse como
números borrosos, expresados en intervalos
de confianza. Las características a tener en
cuenta para establecer los datos de costo-
volumen-utilidad con un enfoque difuso
pueden ser los siguientes:
Costos fijos
1. Relación con la actividad productiva.
Los costos fijos resultan de la capacidad
para producir o para desarrollar alguna
actividad. Pueden ser afectados por
factores tales como el paso del tiempo,
pero no por la producción o por el
desempeño de la actividad.
2. Intervalo relevante de fluctuación. Los
costos fijos deben relacionarse con un
intervalo o escala relevante de actividad.
Pocos costos permanecen constantes a
través de la amplia escala de producción o
actividad, normalmente serán diferentes a
volúmenes o escalas de actividad distintos,
debido a que los aumentos y las
disminuciones en la capacidad pueden
originar cambios en los costos fijos. Por lo
tanto en la definición y la clasificación de
los costos, es esencial que se especifique
una amplitud o intervalo relevante de
4
variación de la actividad, lo que establece
limitaciones definidas sobre la validez de
las fórmulas de presupuestos variables.
3. Costos relacionados con el tiempo.
Puesto que los costos fijos se acumulan
principalmente con el simple paso del
tiempo, el monto de un costo fijo debe
relacionarse también con un periodo
específico de tiempo.
4. Regulados por la administración. Las
estimaciones de numerosos costos fijos
sugieren que han sido tomadas ciertas
decisiones de política administrativa.
Muchos de los costos fijos dependen de
decisiones específicas de la alta
administración y pueden variar sólo si
cambian tales decisiones.
5. Fijos en total variables por unidad. Un
costo fijo es constante en su importe total
en cada periodo, sin embargo, cuando se le
ve en términos de unidades de producción,
tiene un efecto variable sobre el costo
unitario.
6. Aplicación práctica con enfoque
difuso. En la realidad práctica, no se
considera que un costo sea absolutamente
fijo, por lo cual podemos expresar el costo
fijo como un número borroso, enmarcado
en el intervalo relevante de fluctuación.
Costos variables
1. Relacionados proporcionalmente con
la actividad. Los costos variables fluctúan
en proporción a la producción o la
actividad y no con el paso del tiempo.
Debido, pues, a que varían en razón directa
a los cambios en la producción o en la
actividad.
2. Intervalo relevante de variación. Los
costos variables deben relacionarse con una
actividad dentro de un intervalo (o
amplitud) relevante de fluctuaciones en las
operaciones. A niveles fuera de este
intervalo normal, el patrón de los costos
variables generalmente cambiará.
3. Costos de la actividad. Dado que los
costos variables fluctúan en proporción a
los cambios en la producción o en la
actividad, es importante la selección de una
medida confiable de la actividad. La
medida de la producción o actividad
generalmente se designa como la base de
actividad.
4. Regulados por la administración. La
mayoría de los costos variables pueden ser
afectados por las decisiones discrecionales
de la administración.
5. Variables en total pero fijos por
unidad. Un costo variable, es variable
cuando se le relaciona con la producción
total; sin embargo, se le considera desde el
punto de vista del costo unitario, es
constante.
6. Consideraciones prácticas con enfoque
difuso. Un costo variable no necesita ser
absolutamente variable en la aplicación,
por lo cual podemos expresar el costo
variable como un número borroso,
enmarcado en el intervalo relevante de
variación.
Ecuación de utilidad
U = I – CT CT = CF – CV
I=pQ CV = cv Q
U: Utilidad I: Ingresos por ventas
CT: Costo total CF: Costo fijo
CV: Costo variable p: precio de venta
cv: Costo variable unitario
Q: Volumen de producción y ventas
Si expresamos cada variable como números
borrosos tenemos:
U = [U1, U2]
I = [I1, I2]
CT = [CT1, CT2]
CF = [F1, F2]
CV = [V1, V2]
Q = [Q1, Q2]
(En el presente artículo, los números
borrosos serán expresados mediante
intervalos de confianza, pero puede
elegirse diferentes representaciones como
ser triangulares, trapezoidales, etc.)
5
Aplicando las fórmulas anteriores,
empleando los conceptos de operaciones
con números borrosos tenemos lo
siguiente:
I = [p Q1, p Q2]
CV = [cv Q1, cv Q2]
CT = [F1, F2] + [cv Q1, cv Q2]
CT = [F1 + cv Q1, F2 + cv Q2]
U = [p Q1, p Q2] – [F1 + cv Q1, F2 + cv Q2]
U = [p Q1 – F2 – cv Q2 , p Q2 – F1 – cv Q1]
En el caso estamos considerando al precio
de venta y costo variable unitario
constantes. Si representamos como
números borrosos podríamos expresar de la
siguiente manera:
p = [p1, p2] cv = [cv1, cv2]
Margen de contribución
MC = I – CV
MC = [p Q1 – cv Q2 , p Q2 – cv Q1]
Punto de equilibrio
Ejemplo. Para presentar los conceptos en
los que se basa el análisis costo-volumen-
utilidad, mostramos un estado de resultados
por el método del margen de contribución
para una empresa X y lo usaremos para
ilustrar todo nuestro análisis con enfoque
difuso.
 Pronóstico de Estado de resultados Conclusiones
Empresa X El análisis de costo-volumen-utilidad,
(Expresado en Bolivianos) incluye los correspondientes conceptos del
Niveles esperados Mínimo Máximo análisis de contribución y el análisis de
Ingreso por ventas (p.u. Bs 25) 3500000 5500000 equilibrio. En un ambiente en que es muy
Menos costos variables
difícil evaluar mediante modelos
matemáticos el comportamiento de la
Material directo 630000 990000
función utilidad, una alternativa planteada
Mano de obra directa 700000 1100000 es el uso de la lógica difusa, a través de un
Gastos indirectos de fabricación 210000 330000 subconjunto borroso, denominado números
Costos de administración 70000 110000 borrosos. Para el análisis de costo-
Costos de distribución 210000 330000 volumen-utilidad, básicamente se aplica el
Total costos variables 1820000 2860000 concepto de un estado de resultados por el
Margen de contribución 1680000 2640000 método de margen de contribución. El
Menos costos fijos
análisis de equilibrio se enfoca sobre el
punto de equilibrio. Realizando un estado
Gastos indirectos de fabricación 680000 700000
de resultados, expresados en números
Costos de administración 600000 600000
borrosos, en función a un intervalo
Costos de distribución 450000 500000 relevante de variación, podemos
Total costos fijos 1730000 1800000 determinar los ingresos por ventas, costo
Utilidad (Perdida) -50000 840000 total, margen de contribución y el punto de
Notas: a) Capacidad de producción: 240000 equilibrio, no como un número nítido, más
unidades b) Intervalo relevante: 140000 a 220000 bien como un intervalo, en la cual se
unidades
muestre estados pesimistas como
Q = [140000, 220000] optimistas. Esta situación, permite
I = [3500000, 5500000] flexibilidad en la planificación de
p = 25 utilidades, ya que muestra rangos en los
CV = [1820000, 2860000] cuales puede operar la empresa de forma
CF = [1730000, 1800000] más eficiente y realista posible.
CT = CF + CV Bibliografía
CT = [1730000, 1800000] + [1820000, 2860000] Glenn A. Welsch, Ronald W. Hilton y Paul
CT = [3550000, 4660000] N. Gordon, Presupuestos: Planificación y
U = I – CT = control de Utilidades. México: Pearson,
U = [3500000, 5500000] – [3550000, 4660000] 1990.
U = [ –1160000, 1950000]
MC = I – CV
Morton Backer, Lyle Jacobser y David
MC = [3500000, 5500000] – [1820000, 2860000] Noel Ramirez Padilla, Contabilidad de
MC = [640000, 3680000] costos: un enfoque administrativo para la
toma de decisiones. México: Mc Graw
Hill, 1983.
Dubois, D.; Prade, H., Fuzzy Sets Systems:
Theory and applications. New York:
Academic Press, 1980
PE = [9460937.50, 2690217.4] Klir, G. J.; Folger, T. A., Fuzzy sets,
Uncertainty and information. Prenctice
Hall,1988