UNA REVISIN DE LA CLASIFICACIN "ABC" CLSICA: INTRODUCCIN DE

INFORMACIN ADICIONAL RELEVANTE.

Javier Puente Garca

David de la Fuente Garca
Alberto Gmez Gmez
Universidad de Oviedo

1. INTRODUCCIN
La necesidad de establecer un programa de entrega de materiales para evitar situaciones de inactividad que
repercutan negativamente en los costes de los factores productivos, hace preciso realizar una discriminacin de
artculos con el fin de determinar de entre todos ellos cules son los que por sus caractersticas, precisan un control
ms riguroso. Esto ltimo se consigue con la clasificacin "ABC" de los "valores anuales pasados" de cada artculo.
Sin embargo, para acercar a la realidad el criterio de dicha clasificacin, es posible introducir informacin adicional
de carcter incierto en este proceso mediante el tratamiento borroso de los costes unitarios y/o las demandas futuras.
De esta manera, el nuevo proceso clasificatorio, si bien aumenta su complejidad matemtica de tratamiento, permite
tener en cuenta mediante un conocimiento a priori, factores relevantes que pueden incidir en las decisiones sobre el
mencionado control.

2. CLASIFICACIN ABC CLSICA

En toda empresa productora o comercializadora, se hace necesaria una discriminacin de artculos con el fin de
determinar de entre todos ellos cules son los que, por sus caractersticas, precisan un control ms riguroso.
Evidentemente, existir un pequeo nmero de productos que tengan un alto coste unitario en comparacin con el
resto, y de los que normalmente habr menor existencia. Es en estos productos en los que el control debe ser ms
riguroso. Pero no slo es el coste unitario la variable que debe tenerse en cuenta para realizar la discriminacin, ya
que productos de pequeo coste pero con un fuerte volumen de demanda pueden hacer que se paralice la fabricacin
(o la distribucin) si no existe disponibilidad de los mismos en el momento oportuno. As, un buen indicador de la
importancia que cada artculo tiene en el almacn es el producto de las dos variables anteriores, esto es, el coste
unitario por su volumen anual demandado. Dicho producto nos determina el valor anual de cada referencia, y

la clasificacin que en el almacn debe realizarse para discriminar los productos que precisan de un mayor control,
se regir segn este parmetro.
Cuando se ordenan los artculos segn magnitudes decrecientes acumuladas de su valor anual, se suele obtener una
representacin tpica como la adjunta:
Valor anual (%)
100

CLASIFICACIN A-B-C

90
80
70
60
50
40
30
20
10

N de artculos

20%

100%

70%

en ella puede observarse como aproximadamente un 20% de los artculos representa alrededor del 80% del valor
anual total del almacn considerado. El siguiente 50% de artculos otro 15% de valor anual. El ltimo 30% de
artculos slo representa, por lo general, un 5%. Esto da lugar a una clasificacin de los artculos, que por
realizarse tradicionalmente en tres grupos, se denomina ABC. Los artculos en el grupo A son los que representan
un mayor coste anual para la empresa, mientras que los del C son los de menor importancia.
Como norma general, puede decirse que los dos primeros grupos deben ser objeto de un control de existencias
sistemtico, con incluso una mayor frecuencia para los artculos del grupo A. Por el contrario, en la clase C se
suele establecer un sistema ms sencillo en el que quiz sea suficiente con un sistema de revisin peridica. Para
un artculo de este grupo con "valores anuales" pequeos en comparacin con el resto, es interesante mantener
stocks de seguridad suficientemente grandes como para evitar roturas de inventario que puedan provocar paros
en la produccin, dado que el coste en que se incurre es pequeo. Si se dispone de medios informticos
adecuados, debera clasificarse en el grupo C el menor nmero posible de artculos para as, tener establecido un
mejor seguimiento.
Ntese que un artculo quedar clasificado en el grupo A bien porque sea de un elevado coste, porque tenga
muchos movimientos anualmente, o bien por ambas razones. Evidentemente, segn sea por una u otra causa, su
control deber ser de un tipo u otro.

sta es la clasificacin ms usada tradicionalmente, lo cual no excluye otras clasificaciones ms sencillas, como
por ejemplo ordenar los artculos segn su importancia para el proceso productivo, o simplemente por la
facilidad para conseguirlos.
A continuacin se expone un ejemplo con datos numricos reales para corroborar lo anterior. Supongamos para
simplificar, que se trata de realizar una clasificacin ABC para un sector de un almacn en el que se dispone de
10 artculos {a1, a2, ... a10} cuyos costes unitarios y volmenes demandados en el ltimo ao son los indicados
en la tabla adjunta (Tabla 1), en las columnas (1) y (2). En la misma tabla, en las columnas siguientes se calculan
los valores anuales totales de cada artculo, y el porcentaje que estos representan sobre el total, y en la siguiente
tabla (Tabla 2) los artculos ordenados decrecientemente segn dicho valor anual:
Artculo Precio unitario Volumen demandado Valor anual
(1)
(2)
(3) = (1) x (2)
a1
63
12000
755918

%
1,60

a2

882

1500

1322857

2,80

a3

57

260000

14740408

31,20

a4

1890

1000

1889796

4,00

a5

2315

10000

23150000

49,00

a6

28

15000

425204

0,90

a7

6142

100

614184

1,30

a8

441

1500

661429

1,40

a9

22678

125

2834694

6,00

a10

850

1000

850408

1,80

47244898

100,00

TOTAL
Tabla 1

Artculo

Valor anual

a5

23150000

49,00

49,00

a3

14740408

31,20

80,20

a9

2834694

6,00

86,20

a4

1889796

4,00

90,20

a2

1322857

2,80

93,00

a10

850408

1,80

94,80

a1

755918

1,60

96,40

a8

661429

1,40

97,80

a7

614184

1,30

99,10

a6

425204

0,90

100,00

47244898

100,00

TOTAL

Tabla 2

% acumulado

Al representar los porcentajes acumulados anteriores, se obtiene la clasificacin "ABC" de esos productos:

Clasificacin ABC
100,00
90,00
80,00
Frecuencias

70,00
60,00

50,00

% acumulado

40,00
30,00
20,00
10,00
0,00
a5

a3

a9

a4

a2
a10
Artculos

a1

a8

a7

a6

de lo que se deduce que los artculos a5 y a3, al pertenecer a la clase A, deben ser los que sufran un control ms
riguroso.

3. CLASIFICACIN ABC CON DATOS BORROSOS

Como se ha observado en el ejemplo anterior, los datos que tuvimos que suministrar eran nicos tanto para el
coste unitario como para el volumen de la demanda. Esto conlleva tener un alto grado de certeza en los datos que
se van a utilizar para el anlisis. Adems, dichos datos estaban referidos a estadsticas pasadas, que no tienen
porqu repetirse con certeza en el futuro.
La mayora de las decisiones empresariales se toman en condiciones de incertidumbre, lo que hace pensar que la
teora de subconjuntos borrosos, mucho ms cercana a estas condiciones de incertidumbre, pueda ayudarnos
tambin en este tipo de clasificaciones.
Imaginemos que para realizar la clasificacin ABC de los 10 artculos propuestos en el apartado anterior, no
utilizamos los datos del pasado ao sin ms, sino que a ellos les incorporamos nuevas informaciones que sern de
cierta relevancia para el periodo que viene.
Consideraremos que tanto los costes unitarios como la demanda de cada artculo para el futuro son
imprecisamente conocidos y que pueden considerarse como nmeros borrosos triangulares (se opta por esta
forma de nmeros borrosos para facilitar las operaciones). Supongamos que los datos para el futuro, una vez
incorporadas las informaciones adicionales de que disponemos, son los dados en la Tabla 3:

a1
a2
a3
a4
a5
a6
a7
a8
a9
a10
a11
a12
a13

Prec. unitario
Volumen demandado
60
65
70 10500 12000 14000
875
885
890
1500
1500
1800
75
80
100 130000 150000 150000
1900 1950 2000
800
1000
3500
1400 1500 1700
500
700
800
25
30
35 10000 15000 17000
6000 6145 6200
100
100
100
425
445
480
1100
1200
1800
27500 28000 30000
70
125
130
800
850
890
800
1000
1100
4900 5000 5100
1000
1500
1700
90
100
150 15000 16000 17000
275
300
390 130000 150000 260000
Tabla 3

El carcter borroso de los costes y volmenes demandados puede apreciarse en los nmeros borrosos asociados a
estos parmetros para cada uno de los artculos. Por ejemplo, para el artculo "a1" tendremos:

12000

alfa

alfa

65
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
50

60

70

80

90

1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0

10500
0

100

Coste unitario borroso

5000

10000

14000
15000

Dem anda anual borrosa

En la Tabla 3 anterior, se puede apreciar que los artculos a1, a2, a6, a7, a8 y a10 apenas varan su coste unitario
y el entorno de posible demanda para el futuro es pequeo respecto a los valores crisp dados en condiciones
de certeza total en el apartado anterior, si bien ya introducimos cierto grado de incertidumbre en ambos
parmetros.
La informacin relevante para la clasificacin que se ha introduce en el nuevo modelo podra ser la siguiente:
a) En el artculo a5, novedoso el ao anterior, se va a conseguir una disminucin notable del coste unitario
gracias a la introduccin de mejoras en su proceso de fabricacin; asimismo, la demanda de este artculo para
el prximo periodo se prev mucho menor, con una oscilacin pequea entorno a 700 uds.
b) Por otra parte, los artculos a3 y a9 van a subir notoriamente su coste unitario (debido a un previsible
aumento del coste de las materias primas), pero mientras que la demanda del artculo a9 se prev casi

constante respecto al ao anterior, para el artculo a3 no se cree que su demanda supere la mitad del ao
anterior, debido al grado de madurez del mismo.
c) El artculo a4 aumenta mucho su posibilidad de demanda por la derecha (hasta 3500 uds.), debido a una
fuerte campaa publicitaria y a un escaso incremento de su coste unitario.
d) Por ltimo, se van a introducir nuevos artculos para la venta: (a11, a12, a13), donde la verdadera novedad la
presentan el artculo a13 (sustituto del a3, aunque con mejoras tecnolgicas, lo que hace que tenga un coste
unitario mucho mayor).
Como vemos, gracias a la utilizacin de los nmeros borrosos, el planteamiento del problema nos permte la
introduccin de todas estas informaciones, mucho ms cercanas a la situacin real de los productos en el
mercado.
La operativa a seguir para el clculo de la clasificacin ABC es idntica a la del apartado anterior, pero ahora, se
ha de operar con nmeros borrosos triangulares. As, para calcular el valor anual de cada artculo han de
multiplicarse en cada caso dos nmeros borrosos triangulares (N.B.T). Esta operacin, no produce un nmero
borroso triangular por lo que debe efectuarse mediante producto de los intervalos de confianza interceptados en
ambos nmeros borrosos, para cada nivel (en el ejemplo se han supuesto 10 -cortes). El borroso resultante
"valor anual" se conseguir mediante la composicin de los "intervalos producto" resultantes a cada nivel. A
continuacin pueden observarse los resultados para el valor anual del artculo "a1" (Tabla 4):

0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1

a1(Coste)
60
70
60,5
69,5
61
69
61,5
68,5
62
68
62,5
67,5
63
67
63,5
66,5
64
66
64,5
65,5
65
65

a1 (Demanda)
10500
14000
10650
13800
10800
13600
10950
13400
11100
13200
11250
13000
11400
12800
11550
12600
11700
12400
11850
12200
12000
12000

a1(Valor anual)
630000
980000
644325
959100
658800
938400
673425
917900
688200
897600
703125
877500
718200
857600
733425
837900
748800
818400
764325
799100
780000
780000

Tabla 4
El producto de dos intervalos (correspondientes al coste [C1, C2] y la demanda de un artculo [D1, D2] ) a cada
nivel , y dado que los extremos de ambos intervalos siempre sern positivos puede calcularse como:
[C1, C2] [D1, D2] = [C1D1, C2D2]

En el anexo 1 pueden observarse los resultados para la obtencin de los valores anuales borrosos de todos los
artculos.
A continuacin se representan los borrosos correspondientes a todos esos valores anuales (se exponen en tres
grficas debido a las diferencias de valores anuales encontrados entre el borroso ms pequeo y el mayor):

Valores anuales borrosos de los artculos a6, a8, a7,

a1, a10, y a5
1

a7

a10

0,8
alfa

a1
0,6

a5

0,4

a8

a6

0,2

1400

1200

1000

800

600

400

200

a2

a9
a11

a4

15600

14600

13600

12600

11600

10600

9600

8600

7600

6600

5600

4600

3600

2600

a12
1600

1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0

600

alfa

Valores anuales borrosos de los artculos a2, a12,

a4, a9 y a11

104000

94000

84000

64000

54000

44000

34000

a13

24000

14000

a3

74000

1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
4000

alfa

Valores anuales borrosos de los artculos a3 y a13

Pese a que los valores anuales borrosos obtenidos no son nmeros triangulares podemos hacer la aproximacin a
los mismos sin demasiado error y una vez obtenidos estos valores anuales para todos los artculos, tendremos que
realizar la ordenacin de los mismos para establecer la nueva clasificacin "ABC".
Existen gran cantidad de mtodos de ordenacin de nmeros borrosos; nosotros utilizaremos la mitad de la
distancia de Hamming de cada borroso (X1, X2, X3) al real "0":
d(X ) =

X1 + 2 X 2 + X 3
4

Una vez obtenidas estas valuaciones para el valor anual de cada artculo, se procede a su ordenacin, al igual
que en el ejemplo ya visto, y se obtiene la grfica de clasificacin ABC requerida.
Para los valores anuales borrosos (aproximados a N.B.T) de nuestro ejemplo obtenemos, una vez ordenados
decrecientemente segn la valuacin anteriormente expresada, los valores de la Tabla 5:

Artculo
a13
a3
a11
a9
a4
a12
a2
a5
a10
a1
a7
a8
a6

Valuacin anual
56787,5
12187,5
7142,5
3206,25
3105
1775
1392,375
1040
829,75
792,5
612,25
599,875
436,25

%
% acumulado
63,2%
63,2%
13,6%
76,7%
7,9%
84,7%
3,6%
88,2%
3,5%
91,7%
2,0%
93,7%
1,5%
95,2%
1,2%
96,4%
0,9%
97,3%
0,9%
98,2%
0,7%
98,8%
0,7%
99,5%
0,5%
100,0%

Tabla 5
a partir de ellos, ya podremos realizar la clasificacin "ABC" correspondiente a dichos porcentajes acumulados:

Clasificacin ABC
100,0%
90,0%
70,0%
60,0%

50,0%

% acumulado

40,0%
30,0%
20,0%
10,0%

a6

a8

a7

a1

a10

a5

a2

a12

a4

a9

a11

a3

0,0%
a13

Frecuencias

80,0%

Artculos

Como puede observarse, la clasificacin resulta totalmente diferente segn se introduzca o no la informacin
adicional de que disponamos. Aunque esta informacin tambin podra introducirse con datos ciertos, lo
lgico es trabajar con nmeros borrosos, ya que nos permiten trabajar directamente con la incertidumbre de
manera sencilla.
En la clase "A" tendramos los artculos a13, a3 y a11
En la clase "B" tendramos los artculos: a9, a4, a12 y a2
En la clase "C" tendramos los artculos a5, a10, a1, a7, a8 y a6.
Como se dijo anteriormente el control ms exhaustivo habra de realizarse sobre las clases "A" y "B", de manera
que respecto a la clasificacin inicial se obtienen principalmente los cambios siguientes: El artculo a5 pasa de la
clase "A" a la clase "C", debido a la reduccin notable de su coste unitario y de su demanda previsible. El
artculo a10 pasa de la clase "B" a la clase "C" debido a la inclusin de nuevos productos (a11, a12 y a13) que
pasan a cobrar mayor importancia que el a10 en esta ocasin. Por ltimo los artculos nuevos a11 y a13
pertenecen a la clase ms relevante "A" y el a12 a la clase "B".

3. CONCLUSIONES
En este trabajo se ha puesto de manifiesto como el uso de la teora de subconjuntos borrosos permite la
introduccin de incertidumbre en los modelos de clasificacin empresariales, acercando dichos modelos (en
concreto el de la clasificacin de artculos "ABC") a la realidad empresarial en el mercado. Para mostrar este
acercamiento, se parte de informacin esttica (referida a un periodo pasado) sobre el coste unitario y demanda
anual de los productos que se pretenden clasificar. Tras efectuar la clasificacin correspondiente a los valores
"crisp" anuales de cada artculo (producto del coste unitario por su volumen de demanda en el ao precedente),
se formula un nuevo modelo que permite introducir previsiones respecto a los valores de la demanda y coste de
cada artculo para un periodo futuro. La introduccin de esta informacin puede realizarse en forma de nmeros
borrosos triangulares para ambos parmetros (coste y demanda). El valor anual de cada artculo, en este segundo
modelo, se consigue mediante el producto del coste borroso y la demanda borrosa de cada artculo. Finalmente se
ordenan los valores anuales borrosos de los artculos de este nuevo modelo previa valuacin de los nmeros
borrosos triangulares ms cercanos a los mismos. La clasificacin obtenida en este segundo modelo, permite
obtener unos criterios de control sobre los artculos a tratar mucho ms cercanos a la realidad, gracias a la
introduccin de la informacin relevante que nos permite predecir con cierto grado de incertidumbre entre qu
valores se movern los costes unitarios y la demanda futura de cada artculo.

4. BIBLIOGRAFA
BALDWIN J.F. Y GUILD N.C.F. Management evaluation with fuzzy logic. Working Paper
Dept. of Eng. Math. Univ. Bristol. Gran Bretaa. 1980.
BELLMAN R. y ZADEH L.A. Decision-making in a fuzzy enviroment. Management Science.
Vol 6. 1975.
BOUCHON B. Choices based on fuzzy information. First IFSA Congr. Sesin 8-2. Palma de
Mallorca. Espaa. Julio 1985.
CHANAS S. y KAMBUROWSKI J. The use of fuzzy variables in P.E.R.T. Memoire
Komunikat n 469. Institut Organizacji I Zarzadzania Politechniki Wroclawskiej. Wroclaw.
Polonia. 1979.
DELGADO M. Decision problems in a fuzzy environment. Fall Internat. Seminar on Applied
Logic. Mallorca. Univ. Balear. Espaa. Sept.1983.
DE LUCA A. y TERMINI S. Fuzzy sets and decision theory. Inform.& Control. Vol 23. pp 446473. 1973.
DENG JULONG. Five kinds of grey forecasting. Fuzzy Math. Vol.5 N 2 pp. 33-42. Wuhan.
Hubei. P.R. Cina. 1985.
DAZ A. Produccin: Gestin y Control. Ariel. Barcelona, 1993.
FISKEL J.A. Applications of fuzzy sets and possibility theory to system management. Applied
Syst. & Cyber. Vol. VI. De.: G.E. Lasker. Publ.: Pergamos Press. 1982.
FUSTIER B. A theory of fuzzy demand. First IFSA Congr. Sesin 2-4. Palma de Mallorca.
Espaa. Julio 1985.
GAINES B.R. Fundamentals of decision: probabilistic, possibilistic and others forms of
uncertainty in decision analysis. Fuzzy Sets and Decision Analysis. Eds.: Zimmermann H.J.
and others. pp. 47-66. TIMS Studies in Management Sc. Publ.: Noth Holland. 1984.
GIL ALUJA J. El estudio dinmico de la seleccin de las inversiones. Revista Tcnica
Contable. Madrid, Febrero 1967.
GIL LAFUENTE, A.M. Anlisis financiero en la incertidumbre. Ariel. Barcelona. 1991.
GUPTA M.M. Decision analysis in a fuzzy environment. 2nd World Conf. Math. Serv. Man.
Las Palmas. pp. 335-337. Publ. Dismar. Barcelona. Julio 1982.
KOSKO B. e ISAKA S. Lgica Borrosa . Investigacin y Ciencia. Septiembre. 1993.
KACPRZYK J. On a fuzzy inventory control problem with fuzzy random demand. Congr.
EURO IV. 1980.
KACPRZYK J y STRASZAK A. Flexible regional development strategies. First IFSA Congr.
Sesin 3-4. Palma de Mallorca. Espaa. Julio 1985.
KAUFMANN A. y GIL ALUJA J. Introduccin de la teora de los subconjuntos borrosos a la
gestin de las empresas. Ed. Milladoiro. Santiago de Compostela 1986.
KAUFMANN A. y GIL ALUJA J. Las matemticas del azar y la incertidumbre. Ceura. Madrid.
1990.
KAUFMANN A. y GIL ALUJA J. Tcnicas operativas de gestin para el tratamiento de la
incertidumbre. Hispano-Europea. Barcelona. 1987.
KAUFMANN A. y GIL ALUJA J. Modelos para la investigacin de efectos olvidados.
Milladoiro. Santiago de Compostela. 1989.
KAUFMANN A. y GIL ALUJA J. Nuevas tcnicas para la direccin estratgica. Universidad
de Barcelona. 1991.
KAUFMANN A. y GUPTA M.M. Introduction to fuzzy arithmetic. Publ. Van Nostrand.
Rheinhold. 1985.
MARTIN ARMARIO E. y ROMERO CANELA M. Programacin de inversiones en un entorno
borroso. Rev. Gestin Cientfica. Sept.1983. pp. 107-130.
MOORE R.E. Interval analysis and its applications. First IFSA Congr. Sesin 1-1 Palma de
Mallorca. Espaa. Julio 1985.

10

ORLOWSKY S.A. Mathematical programming problems with fuzzy parameters. Working

Paper N 84-38. IIASA. Laxenburg. Austria. Mayo 1984.
TRILLAS E. Conjuntos borrosos. Ed. Vicens. Barcelona. 1980.
ZADEH L.A. Toward a theory of fuzzy systems. E.R.L. Report 69, Universidad de California,
Berkeley. Julio 1969.

11

ANEXO 1

C(a1)

D(a1)

VA(a1)

C(a2)

D(a2)

VA(a2)

60

70

10500

14000

630000

980000

875

890

1500

1800

1312500

1602000

0,1

60,5

69,5

10650

13800

644325

959100

876

889,5

1500

1770

1314000

1574415

0,2

61

69

10800

13600

658800

938400

877

889

1500

1740

1315500

1546860

0,3

61,5

68,5

10950

13400

673425

917900

878

888,5

1500

1710

1317000

1519335

0,4

62

68

11100

13200

688200

897600

879

888

1500

1680

1318500

1491840

0,5

62,5

67,5

11250

13000

703125

877500

880

887,5

1500

1650

1320000

1464375

0,6

63

67

11400

12800

718200

857600

881

887

1500

1620

1321500

1436940

0,7

63,5

66,5

11550

12600

733425

837900

882

886,5

1500

1590

1323000

1409535

0,8

64

66

11700

12400

748800

818400

883

886

1500

1560

1324500

1382160

0,9

64,5

65,5

11850

12200

764325

799100

884

885,5

1500

1530

1326000

1354815

65

65

12000

12000

780000

780000

885

885

1500

1500

1327500

1327500

C(a3)

D(a3)

VA(a3)

75

100

130000

150000

0,1

75,5

98

132000

0,2

76

96

134000

0,3

76,5

94

0,4

77

0,5

77,5

0,6
0,7
0,8

C(a4)

D(a4)

VA(a4)

9750000

15000000

1900

2000

800

3500

1520000

7000000

150000

9966000

14700000

1905

1995

820

3250

1562100

6483750

150000

10184000

14400000

1910

1990

840

3000

1604400

5970000

136000

150000

10404000

14100000

1915

1985

860

2750

1646900

5458750

92

138000

150000

10626000

13800000

1920

1980

880

2500

1689600

4950000

90

140000

150000

10850000

13500000

1925

1975

900

2250

1732500

4443750

78

88

142000

150000

11076000

13200000

1930

1970

920

2000

1775600

3940000

78,5

86

144000

150000

11304000

12900000

1935

1965

940

1750

1818900

3438750

79

84

146000

150000

11534000

12600000

1940

1960

960

1500

1862400

2940000

0,9

79,5

82

148000

150000

11766000

12300000

1945

1955

980

1250

1906100

2443750

80

80

150000

150000

12000000

12000000

1950

1950

1000

1000

1950000

1950000

C(a5)

D(a5)

VA(a5)

C(a6)

D(a6)

VA(a6)

1400

1700

500

800

700000

1360000

25

35

10000

17000

250000

595000

0,1

1410

1680

520

790

733200

1327200

25,5

34,5

10500

16800

267750

579600

0,2

1420

1660

540

780

766800

1294800

26

34

11000

16600

286000

564400

0,3

1430

1640

560

770

800800

1262800

26,5

33,5

11500

16400

304750

549400

0,4

1440

1620

580

760

835200

1231200

27

33

12000

16200

324000

534600

0,5

1450

1600

600

750

870000

1200000

27,5

32,5

12500

16000

343750

520000

0,6

1460

1580

620

740

905200

1169200

28

32

13000

15800

364000

505600

0,7

1470

1560

640

730

940800

1138800

28,5

31,5

13500

15600

384750

491400

0,8

1480

1540

660

720

976800

1108800

29

31

14000

15400

406000

477400

0,9

1490

1520

680

710

1013200

1079200

29,5

30,5

14500

15200

427750

463600

1500

1500

700

700

1050000

1050000

30

30

15000

15000

450000

450000

12

C(a7)

VA(a7)

C(a8)

D(a8)

VA(a8)

6000

6200

100

100

600000

620000

425

480

1100

1800

467500

864000

0,1

6014,5

6194,5

100

100

601450

619450

427

476,5

1110

1740

473970

829110

0,2

6029

6189

100

100

602900

618900

429

473

1120

1680

480480

794640

0,3

6043,5

6183,5

100

100

604350

618350

431

469,5

1130

1620

487030

760590

0,4

6058

6178

100

100

605800

617800

433

466

1140

1560

493620

726960

0,5

6072,5

6172,5

100

100

607250

617250

435

462,5

1150

1500

500250

693750

0,6

6087

6167

100

100

608700

616700

437

459

1160

1440

506920

660960

0,7

6101,5

6161,5

100

100

610150

616150

439

455,5

1170

1380

513630

628590

0,8

6116

6156

100

100

611600

615600

441

452

1180

1320

520380

596640

0,9

6130,5

6150,5

100

100

613050

615050

443

448,5

1190

1260

527170

565110

6145

6145

100

100

614500

614500

445

445

1200

1200

534000

534000

D(a7)

C(a9)

D(a9)

VA(a9)

27500

30000

70

130

1925000

C(a10
)
3900000
800

D(a10
)
890
800

VA(a10)
1100

640000

979000

0,1

27550

29800

75,5

129,5

2080025

3859100

805

886

820

1090

660100

965740

0,2

27600

29600

81

129

2235600

3818400

810

882

840

1080

680400

952560

0,3

27650

29400

86,5

128,5

2391725

3777900

815

878

860

1070

700900

939460

0,4

27700

29200

92

128

2548400

3737600

820

874

880

1060

721600

926440

0,5

27750

29000

97,5

127,5

2705625

3697500

825

870

900

1050

742500

913500

0,6

27800

28800

103

127

2863400

3657600

830

866

920

1040

763600

900640

0,7

27850

28600

108,5

126,5

3021725

3617900

835

862

940

1030

784900

887860

0,8

27900

28400

114

126

3180600

3578400

840

858

960

1020

806400

875160

0,9

27950

28200

119,5

125,5

3340025

3539100

845

854

980

1010

828100

862540

28000

28000

125

125

3500000

3500000

850

850

1000

1000

850000

850000

C
D(a12)
VA(a12)
C
D(a1
VA(a11)
(a13)
1
(a12 )
4900 5100 1000 1700 4900000 8670000
90 150 15000 17000 1350000 2550000
275 390

C(a11)
0

D(a13)

VA(a13)

130000 260000

35750000 101400000

132000 249000

36630000

0,1

4910 5090 1050 1680 5155500 8551200

91

145 15100 16900 1374100 2450500 277,5 381

0,2

4920 5080 1100 1660 5412000 8432800

92

140 15200 16800 1398400 2352000

280 372

134000 238000

37520000

88536000

0,3

4930 5070 1150 1640 5669500 8314800

93

135 15300 16700 1422900 2254500 282,5 363

136000 227000

38420000

82401000

0,4

4940 5060 1200 1620 5928000 8197200

94

130 15400 16600 1447600 2158000

285 354

138000 216000

39330000

76464000

0,5

4950 5050 1250 1600 6187500 8080000

95

125 15500 16500 1472500 2062500 287,5 345

140000 205000

40250000

70725000

0,6

4960 5040 1300 1580 6448000 7963200

96

120 15600 16400 1497600 1968000

290 336

142000 194000

41180000

65184000

0,7

4970 5030 1350 1560 6709500 7846800

97

115 15700 16300 1522900 1874500 292,5 327

144000 183000

42120000

59841000

0,8

4980 5020 1400 1540 6972000 7730800

98

110 15800 16200 1548400 1782000

295 318

146000 172000

43070000

54696000

0,9

4990 5010 1450 1520 7235500 7615200

99

105 15900 16100 1574100 1690500 297,5 309

148000 161000

44030000

49749000

5000 5000 1500 1500 7500000 7500000

100

100 16000 16000 1600000 1600000

150000 150000

45000000

45000000

13

300 300

94869000