Miguel Rojas**
Daniel Lpez***
Carolina Rincn****
Recibido: 15/03/2011
Aceptado: 25/05/2012
RESUMEN
El modelo propuesto plantea un sistema de control para los ejecutivos de ven-
tas de las Administradoras de Fondos de Pensiones (AFP). Con ayuda del mtodo
Cybersin se calcularon los indicadores: desempeo, logro y latencia que, a su vez,
componen las variables, ventas y acompaamiento. Variables valiosas en el funciona-
miento de este tipo de organizaciones y usadas en la medicin del desempeo de los
ejecutivos de ventas. Se construy un sistema de inferencia difusa con el apoyo del
software MATLAB, para simular la productividad de los ejecutivos; este considera
las posibles combinaciones de las variables de entrada y compara el resultado con
las metas establecidas por la organizacin.
Palabras clave: ciberntica, lgica difusa, pensiones, cesantas.
*
Este trabajo es el resultado de una investigacin del grupo CINCO en el tema de lgica difusa aplicando Cybersin y financiado por fondos
de extensin de la Universidad Nacional.
**
Ph. D en Ingeniera Universidad Nacional de Colombia. E-mail: mdrojas@unal.edu.co.
***
Ingeniero Administrador Universidad Nacional de Colombia. E-mail: dlopezp@unal.edu.co.
****
Estudiante Ingeniera de Sistemas e Informtica Universidad Nacional de Colombia. E-mail:carinconlo@unal.edu.co.
Revista Ingenieras Universidad de Medelln, vol. 11, No. 20 pp. 153-164 - ISSN 1692-3324 - enero-junio de 2012/258 p. Medelln, Colombia
154 Miguel Rojas - Daniel Lpez - Carolina Rincn
ABSTRACT
The proposed model presents a control system for sales executives of Pension
Fund Administrators. Using the Cybersin method, performance, achievements and
latency indicators were calculated. Based on this indicators variables sales and sup-
port were defined, which are valuable variables in the functioning of these type of
organizations and are used in measuring the performance of sales executives. A fuzzy
inference system was desingned with the help of MATLAB software to simulate the
productivity of executives, using possible combinations of input variables to finally
compare the result with stablished targets of the organization.
Key Words: cybernetic, fuzzy logic, Retirement Funds.
Universidad de Medelln
Aplicacin del mtodo Cybersin con lgica difusa en un sistema de control de gestin 155
Revista Ingenieras Universidad de Medelln, vol. 11, No. 20 pp. 153-164 - ISSN 1692-3324 - enero-junio de 2012/258 p. Medelln, Colombia
156 Miguel Rojas - Daniel Lpez - Carolina Rincn
Universidad de Medelln
Aplicacin del mtodo Cybersin con lgica difusa en un sistema de control de gestin 157
manipule informacin numrica. Para interpretar Por definicin, cada ndice se encuentra en un
la salida del sistema difuso es necesario convertir rango entre 0 y 1.
la salida difusa de mecanismo de inferencia; este ndice de logro: un valor bajo de logro indica
proceso lo realiza el defuzzificador. La salida es un problemas en la gerencia o gestin de recursos; su
conjunto difuso resultante [8]. dimensin temporal se refiere al presente.
ndice de latencia: un valor bajo indica un
2 METODOLOGA nivel de inversin bajo, o no est causando los
El metodo Cybersin ayuda a determinar la efi- efectos esperados sobre el indicador respectivo; su
ciencia en la gestin de la organizacin mediante el dimensin temporal es el futuro.
uso de ndices. En este caso se evala el desempeo ndice de desempeo: mide el balance entre
de los ejecutivos de ventas en las AFP [9]. la gestin del presente y la inversin futura; este
Inicialmente se determina para cada variable, ndice tiende a uno cuando simultneamente el
ventas y acompaamiento, los valores actuales, de ndice de logro y latencia tienden a uno.
capacidad y potenciales. El valor actual es el medido Estos dos conceptos son diferentes: el indica-
por el indicador; el valor de capacidad es el mxi- dor brinda informacin sobre el comportamiento
mo valor, aceptando las restricciones actuales de de la variable, y el ndice define el lmite que in-
la organizacin, y el valor potencial es el mximo dica al gerente saber si la gestin est en el rango
valor que tomara si el director de la organizacin permitido.
invierte para reducir restricciones actuales. Estos Con el valor del indicador se podrn conocer
valores ayudan a determinar los conjuntos difusos las dificultades y el responsable de la gestin.
de cada una de las variables. Aplicando el mtodo Cybersin a la evaluacin
Despus de definir los indicadores se calcu- de los EV se obtienen los siguientes indicadores
lan los ndices, esta es una medida diseada para para cada una de las dos variables. La variable
mostrar los lmites de cambios en la variables ventas se mide como el total de ventas realizadas
relacionadas. Ver figura 2 [10]. por un EV en nmero por mes. Las ventas totales
sern las vinculaciones iniciales y traslados hechos
ndice de logro= Actualidad / Capacidad para los tres productos que ofrecen las AFP. La
ndice de latencia= Capacidad/ Potencialidad variable de acompaamiento se mide como la can-
tidad de visitas a los afiliados y empleadores en el
ndice de desempeo= Actualidad / Potencialidad mes [10].
Para desarrollar el modelo e ilustrar cmo
realizar la medicin del ejecutivo de ventas de una
Potentiality
AFP, se asume la posicin del administrador de la
organizacin que conoce los valores de medicin y
Latency
define el modelo segn su conveniencia. El modelo
Capability Performance es aplicado segn las necesidades para este caso.
El indicador ventas es fcil de medir por los ad-
Achievement ministradores de las AFP. Se encontr que los EV
realizaban 60 afiliaciones al mes, en promedio, y 80
Actuality
afiliaciones los que ms realizaban. Sin embargo,
el administrador conoce que al eliminar procesos
Figura 2. Clculo de ndices complementarios, los ejecutivos podrn vender
Fuente: [10] hasta 100 afiliaciones. Estos valores coinciden con
Revista Ingenieras Universidad de Medelln, vol. 11, No. 20 pp. 153 - 164 - ISSN 1692 - 3324 - enero - junio de 2012/258 p. Medelln, Colombia
158 Miguel Rojas - Daniel Lpez - Carolina Rincn
los actuales, de capacidad y de potencialidad del ventas se encuentren entre 40 y 50, pertenecen a
indicador. los conjuntos de ventas bajas y media a la vez con
En el caso de la variable acompaamiento, los diferentes valores de pertenecia a excepcion de el
valores actuales, de capacidad y de potencialidad punto de interseccion entre los dos conjuntos, es
del indicador, pueden ser los mismos para simpli- decir, tendra el mismo valor de pertenecia para
ficar el modelo. los dos conjuntos. Es precisamente este fenmeno
Estos valores servirn para definir los conjun- la razn para utilizar un modelo de inferencia
tos difusos. difusa ya que estos puntos grises son igualmente
Se definen tres conjuntos de pertenencia para modelados y permite que un valor intermedio
cada variable as: perteneciente a dos conjuntos tenga ambos valores
de pertenencia.
Ventas Los conjuntos difusos definidos para la varia-
Venta baja: realiza 50 o menos. Si las ventas ble acompaamiento son: acompaamiento bajo,
oscilan entre 30 y 50 su valor de pertenencia a este acompaamiento medio y acompaamiento alto.
conjunto vara as: 50 ventas tendr un valor de per- Teniendo la misma definicin que los conjuntos
tenencia de 0; y 30 ventas un valor de pertenencia de venta baja, media y alta. Ver figura 4.
de 1. Es decir, que entre ms ventas realice menos Luego de definir la variable de entrada (ventas
pertenencia tendr a este conjunto. Entre 0 y 30 y acompaamiento), se defini la variable de salida
afiliaciones en el mes tiene un nivel de pertenencia que es ejecutivo. Esta variable tendr tres conjuntos
1 a este conjunto, ya que para el administrador es de salida que son rendimiento bajo, medio y alto.
lo mismo que el ejecutivo realice de 0 a 30 ventas. La escala es entre 0 y 100 puntos donde a mayor
Venta media: realiza entre 40 y 80 ventas, rendimiento ms prximo estar a los 100 puntos.
donde el mayor valor de pertenencia (1) a este con- Rendimiento bajo: est entre 0 y 50 puntos.
junto se alcanza cuando las ventas son cercanas a Segn este rango, al administrador de la AFP le
60. Este es la medida actual; si un ejecutivo logra interesa un rendimiento superior a 50 puntos para
ventas al mes de 60 afiliaciones pertenecera al el ejecutivo.
nivel de ventas media. Si las ventas son menores a Rendimiento medio: est definido entre 40 y
60 afiliaciones, deja de pertenecer al conjunto de 80 puntos, donde el punto de mayor pertenencia se
venta media y empieza a pertenecer al conjunto de presenta cuando el ejecutivo obtiene 60 puntos. De
venta baja. Si por el contrario, el ejecutivo empieza igual forma, cuando se aleja de 60 puntos dejar de
a aumentar su nmero de afiliaciones a ms de pertenecer a este conjunto y empezar a pertenecer
60, deja de pertenecer al conjunto de venta media a rendimiento bajo si es menor, y a rendimiento
y empieza a pertenecer al conjunto de venta alta. alto si es mayor.
Venta alta: est definida para valores mayores Rendimiento alto: para valores de 70 puntos
de 70 mensuales en adelante y su nivel de pertene- en adelante y alcanzando el mximo valor de perte-
cia sube hasta alcanzar el mximo cuando se logran nencia cuando se acerca a 100 puntos. Ver figura 5.
100 ventas en el mes. Ntese que este valor de 100 En la figura 6 se observa el sistema donde se
fue basado en el valor potencial del indicador de identifican las variables de entrada, las reglas y la
ventas. Ver figura 3. variable de salida. Luego de definir las variables de
entrada y salida del sistema se procede a definir las
En este caso existen valores que pueden reglas o la matriz de conocimiento, la cual establece
pertenecer a dos conjuntos a la vez. Cuando las cmo se relacionan las variables de entrada para
obtener el valor de la variable de salida.
Universidad de Medelln
Aplicacin del mtodo Cybersin con lgica difusa en un sistema de control de gestin 159
Revista Ingenieras Universidad de Medelln, vol. 11, No. 20 pp. 153-164 - ISSN 1692-3324 - enero-junio de 2012/258 p. Medelln, Colombia
160 Miguel Rojas - Daniel Lpez - Carolina Rincn
Figura 6. Sistema de Inferencia Difusa para la medir la gestin del ejecutivo de ventas
Fuente: los autores usando MATLAB.
Universidad de Medelln
Aplicacin del mtodo Cybersin con lgica difusa en un sistema de control de gestin 161
Inicialmente, se define para cada una de las En la figura 7 se observa cada una de las
relaciones de los conjuntos difusos de las variables reglas y una simulacin con resultados aleatorios
de entrada, luego, se define a qu conjunto difuso de las variables de entrada de los EV y la variable
de la variable de salida pertenece. Cuando un de salida. Se observa para un valor de 50 ventas
ejecutivo obtenga ventas medias y acompaamiento y 50 visitas mensuales, un ejecutivo tendra un
alto, la variable de salida ser rendimiento medio. rendimiento de 60 puntos. Grficamente se puede
El criterio para definir la relacin entre las variables apreciar cmo los valores que obtuvo el ejecutivo
de entrada y salida es responsabilidad del admi- en el mes cortan cada una de las 9 reglas formando
nistrador de la AFP, y da mayor importancia a la el conjunto difuso de salida que por el mtodo del
variable que l considere relevante para la organiza- centroide se obtiene el valor desfusificado de 60
cin. As, aunque el ejecutivo logra acompaamiento puntos.
alto y ventas medias, el rendimiento es medio. Se La herramienta utilizada MATLAB, muestra
observa que al administrador le interesan ms las la superficie con todos los posibles valores que
ventas que el acompaamiento. podran tomar las variables de entrada y su res-
Todas las reglas fueron definidas segn el pectiva variable de salida. La figura 8 permite a los
criterio del administrador de la AFP, a quien le ejecutivos conocer la combinacin de las variables
interesa ms vender que acompaar. que ms rendimiento otorgan.
Revista Ingenieras Universidad de Medelln, vol. 11, No. 20 pp. 153-164 - ISSN 1692-3324 - enero-junio de 2012/258 p. Medelln, Colombia
162 Miguel Rojas - Daniel Lpez - Carolina Rincn
Universidad de Medelln
Aplicacin del mtodo Cybersin con lgica difusa en un sistema de control de gestin 163
el jefe de ejecutivos seran las variables de salida [5] T. Wang, y T. Chang, Application of consistent
de los ejecutivos. fuzzy preference relations in predicting the success of
knowledge management implementation, European
REFERENCIAS Journal of Operational Research, vol. 183, no. 3, pp.
[1] Pensiones y cesantas Proteccin S A. Presentacin 1313-1329, 2007.
institucional, [En lnea], acceso febrero 2011; Dispo- [6] E. Mandani, Application on Fuzzy Logic to approxima-
nible: http://www.proteccion.com.co, 2011. te reasoning using linguistic synthesis, presentado en
[2] L. Wang, Fuzzy systems are universal approximators, IEEE Transactions on computers, C26: pp. 1182-1191,
presentado en IEEE International Conference on Fuzzy 1977.
Systems, San Diego (CA), 1992. [7] L. Zadeh, Fuzzy sets, Inform Control, vol. 8, pp.
[3] J.Jang et al., Neurofuzzy and softcomputing: A compu- 338-353, 1965.
tational approach to learning and machine intelligence, [8] H. Zimmermann, Fuzzy Set Theory-and Applications,
New York: Prentice Hall, 1997, 238 p. 4 ed., Boston: Kluwer Academic Publishers, 2001, 158
[4] S. Medina et al., Aproximacin a la medicin del p.
capital intelectual organizacional aplicando sistemas [9] M. Rojas, Administracin para Ingenieros, 2 ed., Bo-
de lgica difusa, Cuadernos de Administracin, vol. got: Ecoe Ediciones, 2004, 218 p.
23, no. 40, pp. 35-68, 2010. [10] M. Rojas, Mtodo Cybersin, presentado en 17va
CISCI, 2006.
Revista Ingenieras Universidad de Medelln, vol. 11, No. 20 pp. 153-164 - ISSN 1692-3324 - enero-junio de 2012/258 p. Medelln, Colombia