CONTROL DE LA PRODUCCIN

PRACTICA 2. MODELOS DE CORRELACION

(Ascendentes Descendentes)
A diferencia de la previsin de series temporales, los modelos de Previsin Causal normalmente consideran
diferentes variables que estn de alguna manera, correlacionadas con la cantidad que se va a predecir. Una
vez que stas variables afines han sido halladas, se construye el modelo que se utilizar para hacer la
previsin respectiva. El modelo cuantitativo de previsin causal ms comn es el ANALISIS DE REGRESION Y
CORRELACIN.

Anlisis de Regresin Lineal: Es un modelo matemtico directo para describir las relaciones funcionales
entre dos o ms variables (dependientes e independientes), este mtodo es ms poderoso que el de las
Series Temporales. En primer lugar, se observa el grfico de datos para ver si aparecen lineales (o por lo
menos una parte de ellos); el trmino regresin lineal se refiere a la clase de regresin especial en la que la
relacin entre las variables forma una recta.

La Regresin Lineal es til para el pronstico a largo plazo de eventos importantes, as como la planeacin
agregada. Aun cuando la demanda de productos individuales dentro de una familia puede variar en gran
medida durante un perodo, la demanda de toda la familia de productos es sorprendentemente suavizada.

Coeficiente de Correlacin: La ecuacin de regresin es una forma de expresar la naturaleza de la relacin

entre dos variables, muestra como una variable est relacionada con los valores y cambios de la otra variable.
El coeficiente de correlacin mide el grado de intensidad de la relacin lineal. Identificado normalmente
como r, el coeficiente de correlacin toma valores en el rango que va de -1 a +1, o sea, si r est entre -1 y 0,
indica que el conjunto de datos tiene una tendencia descendente; por otro lado, si los valores estn entre 0
y +1, quiere decir que el conjunto de datos tiene una tendencia ascendente (en ambos casos hablamos de la
variable dependiente).

Mtodos Estadsticos de Evaluacin: En nuestro caso particular, para obtener los Pronsticos de Evaluacin
y de Riesgo, se tomarn en cuenta cuatro ecuaciones estadsticas relacionadas a la Regresin Lineal. En
realidad son ms de cincuenta las formas matemticas que describen este mtodo estadstico de evaluacin.
La forma general de las ecuaciones normales que utilizaremos es la siguiente:

ECUACION Forma General

LINEAL Y = a+b*x
LOGARITMICA Y = a + b * Ln x
EXPONENCIAL Y = a * bx
POTENCIAL Y = a * xb

Dnde: a = punto de interseccin en el eje Y, cuando x = 0

b = pendiente de la curva (valor positivo o negativo)
x = variable independiente (representa las unidades de tiempo)
y = variable dependiente (valores de pronstico requerido)
r = coeficiente de correlacin (valor entre -1 y +1)
El modelo matemtico a utilizar ser el de Anlisis de Regresin Lineal, ya que es el mtodo que relaciona
dos variables con determinado grado de correlacin y, a la vez, muestran un comportamiento ascendente-
descendente en funcin del tiempo. Para efectos didcticos, se evaluarn las cuatro ecuaciones normales
descritas arriba. El procedimiento de solucin es el siguiente:

PROCEDIMIENTO DE SOLUCIN

HERRAMIENTAS A
PASOS DESCRIPCIN
UTILIZAR
Hoja milimetrada, regla,
Tabular y graficar la informacin histrica (ventas reales) para
PASO 1 lpiz, borrador
uno ms perodos de tiempo pasados
Hoja de Microsoft Excel

Establecer el Anlisis Primario observando la tendencia de las Diagramas X-Y

PASO 2
ventas reales Lpiz, borrador

Determinar el Anlisis Secundario estableciendo los Pronsticos Matrices

PASO 3 de Evaluacin (elegir un perodo congelado de ventas igual a los Lpiz, borrador, hojas,
ltimos cuatro meses del ltimo perodo de ventas reales) calculadora
Evaluar las cuatro ecuaciones normales de Regresin Lineal para Regresin Lineal
PASO 4 obtener las variables a, b & r y determinar los cuatro errores Lpiz, borrador, hojas,
acumulados asociados a cada ecuacin calculadora cientfica
Matrices
Elegir el menor error acumulado seleccionndolo de las distintas
PASO 5 Lpiz, borrador, hojas,
ecuaciones de Regresin Lineal evaluadas
calculadora
Valuar de nuevo la totalidad de los datos histricos con la Regresin Lineal
PASO 6 ecuacin normal que tiene el menor error acumulado y Lpiz, borrador, hojas,
obtener nuevos valores para a, b & r calculadora cientfica
Determinar el Pronstico de Riesgo, valuando el perodo futuro Hoja milimetrada, regla,
PASO 7 que nos interesa, en la ecuacin normal con sus valores de a, b lpiz, borrador
& r obtenidos en el PASO 6. Tabular los resultados Software del curso

ANALISIS Y RESOLUCION DEL CASO PRCTICO

DESCRIPCION DEL CASO (Modelo de Correlacin)

Las compaas de telefona celular han crecido en forma exponencial debido al auge que ha tenido la
demanda de aparatos telefnicos inalmbricos. Entre otras causas, esto ha sido debido al mal servicio, que
hasta hace unos diez aos, la compaa telefnica nacional ha prestado a todos los usuarios.

Dicha circunstancia ha sido aprovechada por las compaas telefnicas que operan con celdas instaladas en
distintos puntos estratgicos alrededor del pas; el resultado ha sido la creacin de los denominados
telfonos mviles o celulares.

La demanda de dichos aparatos ha sido tan fuerte que son ahora varias compaas de telfonos celulares
quienes prestan el servicio a toda la poblacin. Esta situacin ha obligado a que cada compaa implemente
sus mejores tcticas y estrategias mercadolgicas por llegar a la mente del consumidor final.
Tomando en cuenta las ventas histricas de los ltimos tres perodos, se pretende predecir la demanda
futura del modelo PG-9110 que una de estas compaas de telefona mvil acaba de lanzar al mercado. Los
datos se muestran a continuacin:

MES PERIODO 1 PERIODO 2 PERIODO 3

ENERO 750 1224 1550
FEBRERO 784 1208 1532
MARZO 815 1275 1508
ABRIL 872 1302 1578
MAYO 936 1350 1560
JUNIO 940 1405 1625
JULIO 980 1436 1706
AGOSTO 994 1475 1750
SEPTIEMBRE 1080 1464 1760
OCTUBRE 1165 1480 1796
NOVIEMBRE 1150 1504 1815
DICIEMBRE 1190 1525 1872

GRAFICO DE LAS VENTAS REALES:

Ventas para los primeros 36 meses

2000
1800
1600
1400
1200
Ventas

1000
800
600
400
200
0
0 10 20 30 40
Mes

Determinar:
1. El Anlisis Primario y Secundario para el juego de datos conocido, utilizando un ciclaje = 4
(realizar los clculos utilizando el Software de Aplicacin y tambin ingresando datos en los
programas que poseen las calculadoras cientficas). Comparar.
2. El Pronstico de Riesgo para el primer semestre del perodo nmero cuatro.
3. Dibujar el grfico con los datos resultantes del Pronstico de Riesgo comparndolos contra
las ventas reales conocidas. Interpretar el resultado obtenido.
SOLUCION DEL CASO PRCTICO (Modelo de Correlacin)

1. ANALISIS PRIMARIO: Observando la tendencia que sigue el juego de datos, se observa que las ventas
tienen una tendencia creciente conforme pasa el perodo de tiempo; por lo tanto, clasificamos este
conjunto de datos como un MODELO DE CORRELACIN.

2. ANALISIS SECUNDARIO: Se calculan los valores de a , b & r para cada curva estadstica a travs del
Mtodo de Regresin Lineal (se ingresan 32 datos). Los resultados son los siguientes:

ECUACION FORMA GENERAL a b r

LINEAL y = a + bx 788.95 30.05 0.9837
LOGARITMICA y = a + b Ln x 421.27 346.74 0.9596
EXPONENCIAL y = a * bx 830.11 1.0249 0.9660
POTENCIAL y = a * xb 621.24 0.2746 0.9739

Se procede a valuar cada ecuacin con los valores del perodo congelado de ventas elegido, es decir, los
meses del 33 al 36:

i. EC. LINEAL:
MES VENTAS PROYECCION ERROR E
33 1760 1781 -21 21
34 1796 1811 -15 36
35 1815 1841 -26 62
36 1872 1871 1 63

ii. EC. LOGARITMICA

MES VENTAS PROYECCION ERROR E
33 1760 1634 -126 126
34 1796 1644 -152 278
35 1815 1654 -161 439
36 1872 1664 -208 647

iii. EC. EXPONENCIAL

MES VENTAS PROYECCION ERROR E
33 1760 1872 -112 112
34 1796 1916 -120 232
35 1815 1964 -149 381
36 1872 2013 -141 522

iv. EC. POTENCIAL

MES VENTAS PROYECCION ERROR E
33 1760 1623 137 137
34 1796 1637 159 296
35 1815 1650 165 461
36 1872 1662 210 671
El mtodo que menor error acumulado tiene es la forma LINEAL (63) , asimismo tambin tiene el factor de
correlacin ms cercano a uno (0.9837).

3. PRONOSTICO DE RIESGO: Se calculan nuevos valores de a , b & r solamente para la Ecuacin de

Regresin Lineal, tomando en cuenta la totalidad de las ventas reales (36 meses):

Ec. Lineal y = 791.71 + 29.81x r = 0.9882

PRONOSTICO DE
MES
RIESGO
37 1895
38 1925
39 1955
40 1985
41 2014
42 2044

HOJA DE TRABAJO 2
(Para entregar al final de la prctica)

A continuacin se presentan los datos de ventas de dos perodos de un determinado producto. Establezca
la demanda futura del primer cuatrimestre del perodo tres utilizando el mtodo que considere adecuado:

MES PERIODO 1 PERIODO 2

ENERO 1200 1800
FEBRERO 1300 1900
MARZO 1330 1950
ABRIL 1400 2000
MAYO 1500 2100
JUNIO 1520 2200
JULIO 1550 2300
AGOSTO 1600 2350
SEPTIEMBRE 1700 2400
OCTUBRE 1710 2500
NOVIEMBRE 1720 2600
DICIEMBRE 1750 2700
 REPORTE 2
(Entrega 05/08/17)

DESCRIPCION DEL CASO PROPUESTO:

El restaurante La Perla se encuentra ubicado en el departamento de Izabal a orillas de Rio Dulce, se dedica
a la venta de platillos de mariscos, cuentan con una receta que ha pasado de generacin en generacin para
la realizacin de su famoso caldo de mariscos al estilo Livingston siendo su platillo principal.

Sus ventas han crecido a travs del tiempo y por esto el gerente desea ampliar las instalaciones del
restaurante as como implementar un pequeo hostal con 6 habitaciones.

Para esto el gerente proporciona los datos de ventas reales de los ltimos tres perodos anuales (2014, 2015
y 2016) por cada mes, para que se le estimen las ventas potenciales de los primeros seis meses del ao 2017,
y as analizar la factibilidad de la inversin.

MES VENTAS (2014) VENTAS (2015) VENTAS (2016)

ENERO 350 440 585
FEBRERO 355 455 605
MARZO 375 485 630
ABRIL 395 475 655
MAYO 420 490 670
JUNIO 405 510 655
JULIO 430 515 650
AGOSTO 450 525 680
SEPTIEMBRE 465 560 700
OCTUBRE 460 585 695
NOVIEMBRE 450 575 710
DICIEMBRE 450 570 705

En nuestro caso, el perodo congelado de ventas sern los ltimos cuatro meses del ao 2016

Determinar:

a) Un grfico de Ventas contra Tiempo.

b) Desarrollar los Anlisis Primario y Secundario para el conjunto de ventas histricas.
c) Estimar la Proyeccin futura para el primer semestre del ao 2017 en base a la evaluacin realizada
de los tres ltimos aos.
d) Analizar y proponer en forma individual lo siguiente:
i. Le aconsejara adquirir un financiamiento bancario?
ii. Debe arriesgarse en la implementacin de un hostal o diversificar sus productos?

IMPORTANTE: Realizar los grficos de ventas contra tiempo en papel milimetrado y hacer
comparaciones entre los mtodos cuantitativos contra la hoja de clculo proporcionada.
CONCLUSIONES

Los mtodos cuantitativos matemticos son herramientas que nos ayudan a predecir la demanda
futura de productos y/o servicios, partiendo del anlisis de informacin histrica proporcionada por
el Departamento de Ventas.
Los productos que no tienen mucha competencia en el mercado se caracterizan por seguir tendencias
estables en el tiempo, manteniendo su demanda potencial sin muchos altibajos, ejemplo de ellos
pueden ser: cemento, pollo, combustibles, azcar.
Cuando un producto posee una demanda cada vez ms creciente o por el contrario, aquellos
productos que por sus caractersticas el ciclo de vida se encuentra en su etapa terminal (salen del
mercado consumidor), se identifican con curvas que utilizan modelos matemticos de Regresin
Lineal para estimar la proyeccin futura.
Existen dos puntos de vista muy importantes para analizar la previsin de la demanda futura:
Cualitativo y Cuantitativo, sobre lo cual la proyeccin ms confiable ser aquella que combine
eficientemente ambos puntos de vista tomando en cuenta los factores internos y externos asociados
a cada punto de vista.

BIBLIOGRAFIA
TORRES, Sergio : CONTROL DE LA PRODUCCION Editorial c c Dapal. Tercera Edicin. Ao 2013.
Guatemala, C. A.

CHASE, Richard , JACOBS, Robert & AQUILANO, Nicholas : ADMINISTRACION DE OPERACIONES.

Produccin y Cadena de Suministros. Editorial McGraw-Hill. Duodcima Edicin. Ao 2009.

HEIZER, Jay & RENDER, Barry: DIRECCION DE LA PRODUCCION. Decisiones Tcticas. Editorial Prentice-
Hall. Sexta Edicin. Impreso en Espaa. Ao 2001.