CASO DE ESTUDIO DE INVESTIGACIN DE OPERACIONES PARA LA EMPRESA

HALESS TV PRODUCTIONS
Case study of operations research for the Company Haless TV Productions.

RESUMEN
El presente caso de estudio realiz un anlisis sobre los procesos de la empresa Hales TV
Productions, aplicando algunas disciplinas de la investigacin de operaciones. El estudio arroj 5
enfoques para tomar la mejor decisin con respecto al episodio piloto que desean lanzar.
Paralelamente se pronostic mediante un modelo de Markov el comportamiento de la audiencia para
el programa sobre el que fue tomada la decisin. Por ltimo se realiz el anlisis del sistema de
servicio que presta Hblame TV a sus clientes mediante la teora de colas, con el fin de evaluar si era
posible aumentar su eficiencia.
PALABRAS CLAVES: Decisin, Colas, Investigacin, Markov.
ABSTRACT
The present case study made an analyses about the processes of the Hales TV Productions
company, it applies some disciplines of the operations research. The study tested five approaches for
to make the best decision about prototype episode that they wish to bring out. Parallel the study
predicted trough a Markov model the audiences behavior for the program in what the decision was
made. Last it made the analysis about the service system that provided Hblame TV to theirs
customers through the queuing theorywith purpose to evaluate, if it is possible to increment their
efficiency.
KEYWORDS: Decision, queuing, Investigation, Markov.
INTRODUCCIN
La investigacin de operaciones es una herramienta muy fuerte para la toma de decisiones dentro del
mbito laboral. Permite estudiar y actuar sobre procesos estocsticos que presentan gran variabilidad
en sus resultados. Parte de la problemtica que enfrentan actualmente las empresas se debe al gran
dinamismo del mercado y de las tendencias globalizadas, ya que se deben tomar decisiones rpidas
y certeras, tratando de minimizar los riesgos que se deben tomar para invertir y triunfar ante una gran
cantidad de competidores. Desde la investigacin de operaciones se plantean varias herramientas o
mtodos como la teora de decisiones, cadenas de Markov y teora de colas que en conjunto pueden
mostrar el nivel actual de una empresa y mejorarlo de forma continua, planificar, predecir y tomar
precauciones a tiempo, que no representen una perdida a futuro y finalmente decidir sobre un
escenario de variabilidad que se presenta continuamente en la realidad de todos los procesos de una
compaa. Hales TV Productions, es una compaa lder en la produccin de programas y prestacin

de servicios de anlisis de cadenas televisivas y asesora en marketing televisivo. Actualmente ha

lanzado varios programas al aire y comercializado a grandes cadenas televisivas varios de sus ms
grandes xitos. El presente documento muestra el proceso de anlisis y estudio del caso Hales TV
para sacar adelante una idea novedosa de un programa piloto que desea comercializar, pero ante el
cual debe tomar una decisin certera que no le genere grandes prdidas. Hblame TV se vincula
como una empresa que se ve influenciada por las decisiones de Hales TV y sobre la cual esta ltima
realizar un estudio sobre el mejoramiento del servicio al cliente que presta Hblame TV y un
pronstico de la audiencia que indique como debe actuar hoy para que en un futuro pueda alcanzar el
xito. Este caso de estudio muestra el poder de las herramientas de la investigacin de operaciones
para tomar decisiones y mejorar los procesos existentes de una compaa o un sistema en general, al
igual que como se observar relacionar tanto campos como las finanzas y el mercadeo en conjuncin
con la ingeniera con el fin de sacar adelante la industria en el sector en el que se desenvuelve.
CONTENIDO
La empresa Hales TV Productions, se dedica al negocio de cadenas televisivas. Como uno de sus
objetivos dentro de su plan estratgico, se plantea su expansin en el mercado mediante la
produccin de un nuevo episodio piloto que sera destinado a una serie de programas para una
importante red de televisin. Sin embargo la administracin necesita evaluar la posibilidad de
fabricarlo, en base a factores como las ganancias y la reduccin del riesgo de posibles prdidas. La
fabricacin de un episodio como este, representa un alto costo de inversin y no es factible que se
produzcan perdidas por no estudiar bien el escenario sobre el que desarrollara el producto antes de
tomar una decisin. Por tanto desde el departamento de mercadeo y de produccin se plantearon tres
alternativas que tena la empresa para generar ese episodio y no perder el importante contrato con la
red televisiva, la primera era decidir fabricar el programa, la segunda transferir los derechos de la
serie a un competidor por $100 millones o comprar el programa del competidor por un costo de $30
millones. Las utilidades que lograra alcanzar la empresa dependan de la decisin que la red pudiese
tomar; rechazar el programa piloto y la serie, o adquirirlo por uno o dos aos. Al representar un
problema en el que no se conoca con certeza la situacin que iba a desarrollarse para la empresa se
realiz la siguiente tabla en la que se reflejan las posibilidades que tena Hales TV Productions, las
posibles decisiones que pudiera tomar la red y las utilidades o perdidas en millones de dlares que
podra presentar en cada uno de los casos, de acuerdo a la investigacin realizada por los
departamentos de la empresa. Esta investigacin se bas en el anlisis de datos histricos del
comportamiento de la red televisiva, para estimar probabilidades de la toma de decisin, con respecto
a su frecuencia en otros competidores, al igual que la evaluacin de costos de oportunidad y posibles
prdidas en produccin por la fabricacin del programa.

Alternativa (Decisiones de Hales TV)

Fabricar el producto piloto
Vender al competidor
Comprar el programa
Probabilidad

Estado de naturaleza (Decisiones de la red televisiva)

Rechazar
1 ao
2 aos
-10
70
150
100
100
100
-50
5
40
0,3
0,2
0,5

Tabla 1, matriz de ganancias de Hales TVProductions.

Entonces, qu debera hacer la compaa? Para esta situacin que presenta Hales TV, se aplic la
teora de decisiones con base a la evaluacin de las alternativas planteadas anteriormente, las cuales

se ven afectadas por diversos factores, como la variabilidad de ocurrencia y la ganancia esperada
que pueda aportar cada una de ellas. Como primera instancia se analiz el sistema desde los tres
escenarios existentes dentro de esta teora que son; certeza, incertidumbre y riesgo. Sin embargo al
contar la empresa con la posibilidad de determinar las probabilidades de ocurrencia de los estados de
la naturaleza (decisiones de la red televisiva para este caso), se construy la siguiente tabla en la que
se evidencia la aplicacin de los 5 enfoques o criterios de decisin junto con los resultados para cada
uno de los escenarios de riesgo. Se eligi riesgo porque es el escenario ms cercano a la realidad y
sobre el cual la mayora del sector empresarial toma sus decisiones al realizar ciertos estudios.

Estado de naturaleza
Alternativa

Rechazar

1 ao

2 aos

E(Q(ai))

V(Q(ai))

VMC

Media acotada

Varianza acotada

Fabricar el producto piloto

-10

70

150

86

6400

-74

6400

NO

Vender al competidor

100

100

100

100

100

100

Comprar el programa

-50

40

2058,33

-84,7377

NO

Probabilidad

0,3

0,2

0,5

Tabla 2, resultados en el escenario de riesgo

Para la toma de decisiones, se tiene:

Criterio
K
Valor
No
esperado
Media acotada
40
Varianza
3000
acotada
Dispersin
2
Mxima P.
No

Valor

Alternativa

100

Vender al competidor

Vender al competidor

100

Vender al competidor

100
150

Vender al competidor
Fabricar el producto piloto

Tabla 3, decisiones en el escenario de riesgo.

El escenario de riesgo se caracteriza porque se tiene informacin sobre las probabilidades de

ocurrencia de cada uno de los estados de la naturaleza. Los 5 criterios presentados en la tabla
anterior permiten evaluar cul es la mejor decisin para la empresa, teniendo en cuenta la variabilidad
en los resultados y la ganancia mnima esperada por parte de ellos, si se llega a tomar alguna
decisin. De acuerdo a esto para el criterio de decisin bayesiana la mejor decisin es vender al
competidor, esto indica que si la empresa decide ofertar a la competencia puede obtener una mayor
ganancia promedio ante el suceso de cualquier estado. En el criterio de mnima varianza con media
acotada con una mnima ganancia de $40 millones la mejor decisin es vender al competidor, por lo
tanto se est asegurando que la empresa espere obtener como mnimo dicha utilidad ante cualquier
decisin por parte de la red televisiva y se garantice la menor dispersin o variabilidad en los datos, lo
que permite resultados ms cercanos al valor esperado. Segn el criterio de mxima media con
varianza acotada, la mejor decisin ser vender al competidor garantizando que la varianza ms
grande es de 3000. Al aplicar el criterio de dispersin, con un coeficiente de dispersin para el valor
corregido de dos, la mejor decisin fue vender al competidor. Al igual que el criterio de mnima
varianza el de dispersin garantiza la menor variabilidad entre los datos, permitiendo unos resultados
ms seguros. Finalmente, por el criterio de mxima probabilidad la mejor decisin ser Fabricar el
producto piloto. Este criterio se basa en observar cual estado de la naturaleza presenta mayor
probabilidad de ocurrencia de forma que me aporte la mxima ganancia si llegase a ocurrir dicho

estado, lo que implica un nivel de confiabilidad alto en el estudio realizado para determinar o estimar
dichas probabilidades.
A partir del anlisis anterior y el aporte que ofrece cada enfoque, se puede concluir que la mejor
decisin es vender al competidor ya que es la decisin con menor variabilidad o dispersin en los
datos y es posible obtener una ganancia esperada mnima de $100 millones de dlares.
El rbol de decisiones es otra forma de modelar la situacin y a la hora de tomar la decisin usa el
mismo sistema del criterio de decisin bayesiana por lo que la mejor alternativa sigue siendo vender
al competidor, como se muestra a continuacin:

Imagen 1, rbol de decisiones.

Adicionalmente, se hizo un anlisis a posteriori con el fin de corroborar la informacin obtenida

anteriormente. Para esto, una empresa especialista en el mbito de series de TV posee informacin
de otras empresas que estuvieron en la misma situacin de Hales TV y cmo fue el resultado de su
decisin (si se rechaz, se adquiri por un ao o por dos aos), con base en este estudio la empresa
podr tomar una mejor decisin. Sin embargo, adquirir la informacin tuvo un costo de $4 millones.
Con este anlisis se hizo el respectivo rbol de experimentacin y se obtuvo que es ptimo hacer el
estudio ya que la informacin que este proporciona mejora la decisin a tomar y proporciona una
ganancia esperada de $108 millones, de igual manera, se hizo un anlisis del valor del estudio que
nos arroj un valor esperado de la informacin perfecta (VEIP) de $25 millones (ganancia esperada si
se contara con informacin certera sobre la decisin de la red televisiva) y un valor esperado del
experimento (VEE) de $12 millones (indica la mejora real de la ganancia esperada que resultara al
realizar el estudio), lo que corrobor que es ideal aceptar el estudio. Adems, dependiendo del
resultado de dicho estudio se debe tomar una decisin. Si el resultado del estudio arrojara que se
rechazara la oferta o se aceptara por un ao, la decisin a tomar es vender al competidor, pero si el
resultado es que se aceptara por dos aos entonces la decisin ser fabricar el producto piloto.
Como la mayor parte de los criterios de decisin establecieron que la mejor alternativa a tomar es
vender el producto a su competidor por los argumentos descritos anteriormente, Hales TV lo vendi
por un valor de $100 millones de dlares a la empresa Hblame TV. Esta desea implementar no solo

el episodio piloto, sino toda la serie. Como parte de las condiciones para la compra del programa
Hblame TV exigi tener un pronstico sobre cmo ser el comportamiento de la audiencia (baja,
media o alta) cuando dicha serie salga para todo el mundo. Hales TV en respuesta a su solicitud
realiz una prueba piloto sobre una muestra de la poblacin objetivo a la que ira dirigido el programa.
Esta muestra permiti analizar la variable de inters; nmero de personas espectadoras del programa
piloto como pre lanzamiento durante un mes, con lo cual se logr evidenciar un comportamiento y
establecer una probabilidades en base a dicha muestra. Los resultados que arroj fueron: Si hoy la
audiencia es baja, existe un 50% de probabilidad de que maana siga siendo baja, un 30% de que la
audiencia sea media y un 20% de que sea alta. Por otro lado, si hoy la audiencia es media, existe un
40% de probabilidad de que maana sea baja, y un 30% de que siga siendo media o suba.
Finalmente, si hoy la audiencia es alta, existe la misma probabilidad de que siga siendo alta como de
que baje a media. Por tanto se estableci que el comportamiento de la audiencia evolucionaba de
forma probabilstica en el tiempo y al asegurarse que la prueba y los resultados son completamente
aleatorios, se asoci a un proceso de Markov en el que como caracterstica principal se tiene que el
comportamiento futuro de la audiencia solo depende del comportamiento actual y no de los ya
ocurridos en tiempos pasados. Esta informacin la podemos resumir en la siguiente matriz de
transicin de un paso, donde B, M y A, representan que la audiencia sea baja, media y alta,
respectivamente, para el programa piloto de TV, siendo estos los estados del modelo:

Ptt+1 =

0.5

0.3

0.2

0.4

0.3

0.3

0.5

0.5

Imagen 2, matriz de transicin de un paso para el comportamiento de la audiencia de Hblame TV.

El fuerte de cadenas de Markov es que permite realizar un estudio del comportamiento de estados en
el tiempo, con el fin de tomar decisiones sobre su estabilidad a un futuro en caso de que cumpla con
los parmetros necesarios para considerarse ergdica. Por consiguiente la matriz anterior define para
un tiempo t de un da, la probabilidad de ocurrencia de que el comportamiento de la audiencia para el
nuevo programa de Hblame TV, al siguiente da (t+1) pueda estimarse, y se d cuenta del cambio de
la audiencia reflejada en el nmero de personas que vern el programa en un futuro dadas unas
condiciones actuales del sistema en cuestin. Esto permite una planificacin por parte de la empresa
Hblame TV y una evaluacin del impacto que ira a tener el programa si es lanzado oficialmente al
mercado, por tanto si el nuevo producto va a tener mayor probabilidad de presentar una audiencia
baja la cadena optar por vender la iniciativa a otro competidor o replantear la idea de forma que
aumente su audiencia.
Como primera medida la empresa Hblame TV desea conocer cul ser la probabilidad de que la
serie tenga un ranking alto en un mes (aproximadamente 30 das) si actualmente su ranking es bajo
y, adems, desea saber cmo ser a largo plazo dicho comportamiento, de ser posible.
Para solucionar las dos problemticas que plantea la empresa se realizaron dos procedimientos.
Primero se calcul la matriz de transicin de 30 pasos (P (30)) para saber cmo ser la distribucin en
dicho tiempo, y luego se calcul las probabilidades estacionarias de la matriz para un periodo
extenso, sin embargo para poder calcular estas ltimas, primero se debe comprobar si esta cadena
es ergodica o semi-ergodica.
La matriz de transicin de 30 pasos se muestra a continuacin.

P(30) =

0.2941

0.3676

0.3382

0.2941

0.3676

0.3382

0.2941

0.3676

0.3382

Imagen 3, matriz de transicin de 30 pasos

A partir de la matriz se puede observar que si actualmente el ranking de la serie es bajo, en un mes
existe un 33,82% de probabilidad de que el ranking sea alto, lo cual no es lo suficientemente
significativo y por ello Hblame TV deber pensar en estrategias de publicidad y/o hacer
modificaciones en la serie para que esta sea ms llamativa al pblico.
Para determinar el comportamiento a largo plazo de esta cadena primero hay que comprobar si la
cadena es ergodica o semi-ergodica. Para ello, se realiz el respectivo anlisis topolgico el cual se
muestra a continuacin:
B

Imagen 4, anlisis topolgico

Del grafo anterior, se puede observar que existe comunicacin entre B y M al igual que entre M y A,
por lo tanto, existe comunicacin entre B y A. Al estar los tres estados comunicados, decimos
entonces que en esta cadena existe una nica clase recurrente. Para determinar la periodicidad de
esta utilizamos: p=MCD ( 2,3 )=1
Se puede determinar que existen ciclos de longitud dos (de B a M y de M a A) y de longitud tres (todo
el ciclo), por lo que el mximo comn divisor de estos es uno, lo que indica que la cadena es
aperidica. Entonces al ser esta clase recurrente y aperidica, se dice que la cadena es de tipo
ergodica cuya caracterstica principal es que en algn punto del tiempo se estabilizaran las
probabilidades para cada estado (conocidas como probabilidades estacionarias). Para determinar
estas probabilidades, se plantean las siguientes ecuaciones lineales:

B =0.5 B +0.4 M 0.5 B +0.4 M =0 ( 1 ) ; M =0.3 B + 0.3 M + 0.5 A 0.3 B 0.7 M +0.5 A =0(2)
A=0.2 B + 0.3 M +0.5 A 0.2 B +0.3 M 0.5 A=0 (3 ) ; B + M + A =1(4)
Utilizando las ecuaciones (1), (2) y (4) tenemos que B =0,2941, M =0,3676 y A =0,3382 . Esto
quiere decir que a largo plazo, existe una probabilidad del 29.41% de que el ranking de la serie sea
bajo, un 36.76% de que sea medio y un 33.82% de que sea alto, sin importar las condiciones actuales
del sistema. Al ser tan baja la probabilidad de que la audiencia sea alta y un poco significativa con
respecto a lo que esperaba la empresa la probabilidad de que ranking sea bajo, es posible que la
administracin deba tomar medidas para mejorar el contenido del programa de modo que aumente la
probabilidad de obtener una mayor audiencia en un futuro, o por el contrario optar por vender los
derechos del programa a otro competidor que le ofrezca un mayor beneficio.

Con la herramienta anterior, se analiz el comportamiento de la audiencia que tendra la nueva seria
que va a lanzar la empresa Hblame TV. Sin embargo, esta tambin desea optimizar el servicio que
se presta a los clientes en los centros de atencin, en cuanto a la adquisicin de los paquetes de
programas que ofrece esta entidad (La empresa no solo produce programas para TV sino que
tambin es centro de venta de cable para los hogares de la ciudad).
Para ello, se debe analizar qu tan eficiente es el sistema de atencin al cliente de la empresa desde
que llega a la recepcin hasta que termina de ser atendido, al igual que evaluar el servicio prestado
por el operador que atiende a los clientes. Para poder realizar este anlisis, primero se levant cierta
informacin por medio de un estudio de campo dentro de las instalaciones de la compaa. Despus
de un tiempo de observacin se determin que la tasa promedio de llegada de los clientes a los
centros de atencin es de 4 clientes por hora, y el tiempo promedio que se demora el operario en
atender a un cliente es de 0,17 horas con una tasa de servicio de 5,88 clientes atendidos por hora.
Con esta informacin, la empresa Hblame TV desea saber el rendimiento actual que tiene el centro
de atencin, si es viable contratar a un operador adicional para atender a los clientes o si es preferible
invertir en tecnologa para mejorar la eficiencia actual del sistema.
La situacin anterior se puede analizar desde la perspectiva de la Teora de lneas de espera, la cual
permite analizar el rendimiento de un sistema mediante ciertos indicadores del mismo. A partir de los
datos recolectados en el estudio de campo, se estableci que la tasa de llegadas se distribuye segn
Poisson y la tasa de tiempo del servicio, exponencial. Adems, se sabe que existe un nico servidor
(operador) y finalmente, el sistema no tiene un lmite de capacidad ni se identifica que trabaje con una
disciplina en particular por lo que se asimil que la poblacin es infinita y la atencin de los clientes se
realiza de acuerdo a la disciplina FIFO (First in first out). As, con esta informacin se puede decir que
la situacin se puede modelar mediante un sistema uni-canal con poblacin infinita (M/M/1), el cual
presenta las siguientes medidas de desempeo:

(tasa de llegada)

Indicador

Resultado
4 clientes / hora

(tasa de servicio)

5,88 clientes / hora

P0 ( probabilidad de que el sistema este vaco)

31,97%

Lq (nmero promedio de clientes esperando en la fila)

1,4474 clientes

L(nmero promedio de clientes en el sistema)

2,1277 clientes

W q (tiempo promedio en el que un cliente permanece en la fila)0,36185 horas 21,77

tiempo promedio que el cliente permanece en el sistema
W

minutos
0,53185 horas 31,911
minutos

Pw ( probabilidad de que un cliente alllegar tengaque esperar)

Evaluacin financiera del proyecto a un ao (VPN
(50%))

68,02%
USD $9689.988,29

Tabla 4, medidas de desempeo del sistema actual de servicio uni-canal de la empresa hblame TV.

Las medidas de desempeo de la tabla 4, indican que el modelo uni-canal de la empresa no es muy
eficiente debido a que la probabilidad de que un cliente tenga que esperar al llegar a la fila es muy
alta (68,02%), y la probabilidad de que el sistema este vaco es relativamente baja (31,97%) por lo

cual se debe mejorar el servicio, con el fin de que estas proporciones se inviertan y se generen
mayores ganancias para la cadena. En trminos generales se observa que en promedio un cliente
espera por ser atendido 21,77 minutos al llegar al sistema y el operador se demora en realizar el
servicio en promedio 10,2 minutos lo que implica que el servidor se est demorando un tiempo
significativo en realizar las adquisiciones de los paquetes de programas del cliente. Por ltimo se
observa que la cantidad de personas que esperan en promedio en la fila es de 1,44 clientes, lo que
significa que no es un servicio inmediato como lo propone en su poltica de calidad y servicio la
empresa hblame TV, como mnimo existe muy frecuente un cliente esperando por ser atendido, lo
cual preocupa a la cadena. Por tanto en base a la informacin anterior se investig sobre la manera
en la que el operador presta su servicio, con lo que se lleg a la conclusin de que el sistema
operativo del servidor era muy lento y no tena un programa especializado para realizar el registro y
facturacin de los paquetes de acuerdo al gusto de los clientes. La empresa Hales TV decidi realizar
un estudio de la factibilidad entre dos posibilidades que podran mejorar el servicio de la empresa
Hblame TV, la primera est enfocada a la implementacin de un nuevo servidor o canal de servicio
que pueda atender simultneamente a los clientes esperando por el servicio, la segunda es mejorar el
sistema operativo y comprar un programa especializado para el registro y adquisicin de los paquetes
de programas ofrecidos por la compaa. A continuacin se muestra los resultados del estudio con las
nuevas condiciones:

lambda(tasa de llegada)

Indicador

Resultado
4 clientes / hora

(tasa de servicio)

5,88 clientes / hora

P0 ( probabilidad de que el sistema este vaco)

44,20%

Lq (nmero promedio de clientes esperando en la fila)

0,08 clientes

L(nmero promedio de clientes en el sistema)

0,76 clientes

W q (tiempo promedio en el que un cliente permanece en la fila) 0,02 horas 1,2 minutos
tiempo promedio que el cliente permanece en el sistema
W
Pw ( probabilidad de que un cliente alllegar tengaque esperar)

0,19 horas 11,4 minutos

15,50%

Costo de la incorporacin del nuevo servidor

USD $ 3000

CTs (costo por mantener el servidor funcionando al mes)

USD $ 2030

CTw (costo por mantener a los clientes esperando al

mes)
Costo total del sistema por mes

USD $ 1914,36

Evaluacin financiera del proyecto a un ao (VPN (50%))

USD $ 9695.711,94

USD $ 3944.36

Tabla 5, medidas de desempeo de un sistema multi-canal con dos servidores para el servicio de la empresa hblame TV.

Indicador

lambda(tasa de llegada)

Resultado
4 clientes / hora

(tasa de servicio)

12,5 clientes / hora

P0 ( probabilidad de que el sistema este vaco)

68%

Lq (nmero promedio de clientes esperando en la fila)

0,15 clientes

L(nmero promedio de clientes en el sistema)

0,47 clientes

W q (tiempo promedioen el que un cliente permanece en la fila) 0,0375 horas 2,25

tiempo promedio que el cliente permanece en el sistema
W
Pw ( probabilidad de que un cliente alllegar tengaque esperar)
Costo de mejorar el servidor
CTs (costo por mantener el servidor funcionando al
mes)
CTw (costo por mantener a los clientes esperando al
mes)
Costo total del sistema por mes
Evaluacin financiera del proyecto a un ao (VPN
(50%))

minutos
0,1175 horas 7,05
minutos
32%%
USD $ 10000
USD $ 1015
USD $ 1816,36
USD $ 2831,36
USD $ 9697.606,68

Tabla 6, medidas de desempeo del sistema actual uni-canal con el servidor mejorado para la empresa hblame TV.

Los datos de las tablas 5 y 6 muestran la aplicacin de los indicadores de eficiencia del sistema en
base a la teora de lneas de espera. Los costos se determinaron en base al salario mnimo de
estados unidos de USD$ 7,25 por hora, las 7 horas que se laboran al da y los 20 das de servicio de
atencin al cliente de la empresa al mes. La empresa Hblame TV estableci que uno de los
indicadores de decisin para mejorar el servicio es la evaluacin financiera de cada proyecto
mediante el VPN con un rendimiento mnimo del 50% EA, por eso se incluye tanto para el sistema
actual en la tabla 4, como para las otras dos alternativas en la tabla 5 y 6. Para la evaluacin
financiera se estableci un ingreso mensual promedio de la empresa de USD $ 1 000 000.
Como se puede observar al comparar el modelo uni-canal y multi-canal se puede identificar una
mejora sustancial en los indicadores de eficiencia; Lq, L, Wq, W, y Pw. De tener en promedio 1,44
clientes esperando a ser atendidos, pasara a tener en promedio 0,08 clientes, es decir un servicio
inmediato como se ofrece en la poltica de calidad y servicio de la compaa. En cuanto al tiempo de
espera de los clientes en la fila y en el sistema se ve una reduccin muy significativa de 20,57
minutos y 20,511 minutos respectivamente, agilizando el servicio general prestado. En relacin a la
probabilidad de que un cliente tenga que esperar al llegar a la recepcin, se ve una reduccin del
52,52% lo que lo vuelve un sistema mucho ms eficiente. Por ltimo mediante la evaluacin
financiera se determin que la inversin en el nuevo canal y el aumento en los costos de mantener el
servicio se ven justificados por el ahorro en el costo de mantener un cliente en espera que es de
aproximadamente USD$10 por cliente, con el gran beneficio de que se mejoran los indicadores de
eficiencia del sistema, cumpliendo con las polticas establecidas y al mismo tiempo generando un
aumento en las ganancias de USD$ 5723,64 en el dinero actual al cabo de un ao en el proceso.
Finalmente al realizar la comparacin entre el sistema de servicio uni-canal actual y el mejorado se
puede identificar una mejora tambin en los indicadores de eficiencia. Habra una diferencia de
1,2974 clientes menos en el nuevo servicio mejorado en comparacin con el sistema actual,
cumpliendo igualmente con las polticas de calidad y servicio de la empresa de servicio inmediato, en
el que el cliente tendr que esperar 19,52 minutos menos que lo que se espera normalmente para
ser atendido y permanecer en el sistema 20,511 minutos menos, aumentando la probabilidad de que
el sistema se encuentre vaco en un 36,03%. Con relacin a la eficiencia se observa una disminucin

del 36,02% en la probabilidad de que un cliente al llegar a la recepcin tenga que esperar. Como
ltimo nivel de medicin se observa que los costos del nuevo programa y cambio en el sistema
operativo del equipo, se ven justificados por el ahorro en el costo de mantener un cliente en espera ya
que la proporcin de estos disminuye con la nueva mejora, haciendo ms eficiente el sistema y
adems proporciona una ganancia adicional en dinero actual de USD $7618,39 al cabo de un ao en
el proceso, econmicamente siendo ms viable que el sistema multi-canal. Por lo que esta ser la
decisin a implementar.
CONCLUSIONES Y RECOMENDACIONES
La empresa Hales TV Productions debe vender su producto al competidor debido a que es la
alternativa que presenta un mejor valor esperado y, adems, un menor riesgo o variabilidad de la
misma (resultados Tabla 3). Cabe resaltar que para poder tomar una decisin acertada en un mundo
tan cambiante como el que existe en la actualidad, es necesario aplicar un correcto anlisis con el fin
tomar una decisin acertada, para ello podemos utilizar las herramientas ofrecidas por la
investigacin de operaciones como el anlisis que ofrece la teora de decisiones el cual permite
solucionar este tipo de problemas que se presentan en el mbito laboral.
Ante la venta del programa de Hales TV productions a la cadena Hblame TV, se realiz un
pronstico del comportamiento de la audiencia que segua un proceso Markoviano, cuyo resultado
arroj que para que el programe tenga xito se debe realizar un ajuste de los contenidos de forma
que produzca una mejor respuesta sobre los espectadores y se pueda justificar su inversin y,
adems, generar grandes utilidades. Esto se debe a que el estudio realizado mostro que la
probabilidad de que la audiencia en un futuro sea alta es muy poca (33,82%). Este caso muestra
como un proceso de Markov que es muy comn al comportamiento de muchas variables importantes
en las grandes industrias permite predecir y tomar decisiones desde hoy para que a futuro se puedan
obtener mejores resultados.
Finalmente a travs de la teora de colas se indic para la empresa Hblame TV, que la mejor
decisin es realizar el mejoramiento del canal de servicio mediante el cambio en el sistema operativo
que manejaba la empresa y la vinculacin de un software que agilice el proceso de programacin y
adquisicin de paquetes de programas para el consumidor, por los argumentos expuestos
anteriormente.
BIBLIOGRAFA
CALPA OLIVA, Jorge Eduardo. Teora de decisiones, investigacin de operaciones II. 2014.
Universidad Autnoma de Occidente, Cali.
CALPA OLIVA, Jorge Eduardo. Teora Cadenas de Markov, investigacin de operaciones II. 2014.
Universidad Autnoma de Occidente, Cali.
CALPA OLIVA, Jorge Eduardo. Teora de lneas de espera, investigacin de operaciones II. 2014.
Universidad Autnoma de Occidente, Cali.
CALPA OLIVA, Jorge Eduardo. GABALAN COELLO, Jess. Taller anlisis de decisiones,
investigacin de operaciones II. 2014. Universidad Autnoma de Occidente, Cali.