Aplicación de la programación lineal estándar y difusa para la optimización de los recursos humanos y los ingresos a través del modelo de transferencia de horas

Abstract

[spa] En este trabajo se propone aplicar cuatro tipos de modelos de programación lineal diferentes que complementen la toma de decisiones por parte de un directivo de un establecimiento hotelero: crisp sin transferencia de horas, crisp con transferencia de horas, fuzzy sin transferencia de horas y fuzzy con transferencia de horas. Tras una introducción teórica y una contextualización de los diferentes aspectos particulares del hotel (así como las estrategias de cálculo), se toman datos reales del año 2019, aplicando cada modelo a un mes de temporada alta y otro de temporada baja. Después, se procede al análisis/comparación de los resultados y la obtención de las conclusiones. Los problemas de programación lineal pueden aplicarse a situaciones del mundo empresarial si sus resultados se analizan desde una perspectiva realista, ajustada a escenarios que no van a ser exactos y pueden cambiar por circunstancias ajenas a aquellas consideradas por el modelo (por ejemplo, aspectos psicológicos). Por lo tanto, se trata de una herramienta de apoyo a las decisiones del usuario, que debe recurrir a su experiencia para intentar estimar algunas variables no consideradas, como la demanda de los clientes durante el siguiente año. Finalmente, este trabajo se basa en los cálculos realizados en R, por lo que se debe complementar su lectura con el código y las explicaciones específicas del documento de Markdown.

[eng] In this work it is proposed to apply four different types of linear programming models that complement the decision making by the manager of a hotel establishment: crisp without transfer of hours, crisp with transfer of hours, fuzzy without transfer of hours and fuzzy with transfer of hours. After a theoretical introduction and a contextualization of the different particular aspects of the hotel (as well as the calculation strategies followed), real data from 2019 are used, applying each model to a month in peak season and another month in off season. Afterwards, we proceed to analyze/compare the results and draw conclusions. Linear programming problems can be applied to situations in the business world if their results are analyzed from a realistic perspective, adjusted to scenarios that are not going to be identical and may change due to circumstances beyond what the model considers (for example, psychological aspects). Therefore, it is a decision support tool for the user, who should resort to their personal experience in order to try to estimate some not considered variables, such as customer demand during the following year. Finally, this work is based on calculations carried out in R, so its reading must be complemented with the code and specific explanations of the Markdown document.