TRABAJO COLABORATIVO 1

PLANEACION Y CONTROL DE LA PRODUCCION

PRESENTADO POR
MAXIMINO VARGAS CRUZ
COD: 74362560

PRESENTADO AL TUTOR:
NELSON VARGAS

GRUPO COLABORATIVO: 256598 - 95

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

CIENCIAS BASICAS E INGENIERIA
CEAD SOGAMOSO
30-03-2013

GRUPO COLABORATIVO: 256598 - 95

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

CIENCIAS BASICAS E INGENIERIA
CEAD SOGAMOSO
30-03-2013

INTRODUCCIN

En la actualidad existen diferentes alternativas de gestin de produccin (SPCP), acorde a las

caractersticas propias del proceso productivo como: Variedad, Volumen de produccin, Complejida
Producto nivel tcnico y tecnolgico, cuyo objetivo es controlar el proceso de produccin dentro de
sistema empresarial, este trabajo es desarrollado con el fin de ampliar los temas y conocimientos a
de operacin de proceso y de proyecto, y creacin de proyectos para las diferentes variables.

SPCP), acorde a las

e produccin, Complejidad del
de produccin dentro del
temas y conocimientos acerca
diferentes variables.

EJERCICIO N 1

1. La Demanda de Bicicletas para todos los terrenos ha aumentado en forma constante desde 1998. En la siguiente
se muestran las ventas por trimestre de las bicicletas de montaa producidas por CCB desde el segundo semestre d
1999.
obs
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

ao
1999

2000

2001

2002

trimestre
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4

demanda
16
73
61
57
43
44
68
68
73
84
93
128
100
130
148

obs
17
17
18
19
20
21
22
23
24
25
26
27
28
29

ao
2003

2004

2005

2006

trimestre
1
2
3
4
1
2
3
4
1
2
3
4
1
2

a) Grafique los datos y verifique si la tendencia de los datos. Utilice el mtodo de regresin lineal para estimar los
parmetros y pronosticar el tercer trimestre de 2006

x
1
2

y
16
73

xy
16
146

x2
1
4

3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
435

61
57
43
44
68
68
73
84
93
128
100
130
148
147
142
134
159
181
168
168
188
186
189
184
224
207
223
3686

183
228
215
264
476
544
657
840
1023
1536
1300
1820
2220
2352
2414
2412
3021
3620
3528
3696
4324
4464
4725
4784
6048
5796
6467
69119

9
16
25
36
49
64
81
100
121
144
169
196
225
256
289
324
361
400
441
484
529
576
625
676
729
784
841
8555

El diagrama de dispersin nos estima los valores de Y que obtendramos para distintos valores de X, la demanda de
bicicletas aumenta cada trimestre.

TABLA DEMANDA DE BICICLETAS

El coeficiente de correlacin que es R, nos da la relacin de la variable X con la variable Y; y si es una linealidad si este valo
cercano a 1 -1 quiere decir que es buena la linealidad o la relacin de las dos variables.

El coeficiente de determinacin que es R2 que nos va a decir la confiabilidad de mi modelo matemtico que estoy pronostica
esta confiabilidad es del 94.39%

ESTADSTICAS DE LA REGRESIN
COEFICIENTE DE
CORRELACIN
MLTIPLE

0.9715937

COEFICIENTE DE
DETERMINACIN
R^2

0.943994317

R^2 AJUSTADO
ERROR TPICO
OBSERVACIONES

1,438,772,853

0.941920032
29

ANLISIS DE VARIANZA
Suma de
cuadrados

Grados de libertad

REGRESIN
RESIDUOS
TOTAL

9,420,750,788

9,420,750,788

27

5,589,181,773

2,070,067,323

28

9,979,668,966

Coeficientes

INTERCEPCIN
VARIABLE X 1

Valor crtico de
F

455,093,933

197243

Probabilidad

Inferior 95%

Superior 95%

Error tpico

Estadstico t

2,491,871,921

5,484,729,632

4,543,290,351

0.0001039

1,366,498,371

3,617,245,472

6,812,315,271

0.319333305

2,133,293,071

1.97E-14

6,157,097,458

7,467,533,084

ANLISIS DE LOS RESIDUALES

Observacin
1
2
3
4
5
6
7
8
9

Promedio de los
cuadrados

RESULTADOS DE DATOS DE PROBABILIDAD

Pronstico para Y

Residuos

Porcentual

3,173,103,448

-1,573,103,448

172,413,793

3,854,334,975

3,445,665,025

517,241,379

4,535,566,502

1,564,433,498

862,068,966

521,679,803

4,832,019,704

120,689,655

5,898,029,557

-1,598,029,557

155,172,414

6,579,261,084

-2,179,261,084

189,655,172

7,260,492,611

-4,604,926,108

224,137,931

7,941,724,138

-1,141,724,138

25,862,069

8,622,955,665

-1,322,955,665

293,103,448

Y
16
43
44
57
61
68
68
73
73

10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

9,304,187,192

-9,041,871,921

327,586,207

9,985,418,719

-6,854,187,192

362,068,966

1,066,665,025

2,133,349,754

396,551,724

1,134,788,177

-1,347,881,773

431,034,483

120,291,133

9,708,866,995

465,517,241

1,271,034,483

2,089,655,172

50

1,339,157,635

1,308,423,645

534,482,759

1,407,280,788

1,271,921,182

568,965,517

1,475,403,941

-1,354,039,409

603,448,276

1,543,527,094

464,729,064

637,931,034

1,611,650,246

1,983,497,537

672,413,793

1,679,773,399

0.022660099

706,896,552

1,747,896,552

-6,789,655,172

74,137,931

1,816,019,704

6,398,029,557

775,862,069

1,884,142,857

-2,414,285,714

810,344,828

195,226,601

-6,226,600,985

844,827,586

2,020,389,163

-1,803,891,626

879,310,345

2,088,512,315

1,514,876,847

913,793,103

2,156,635,468

-8,663,546,798

948,275,862

2,224,758,621

0.524137931

982,758,621

84
93
100
128
130
134
142
147
148
159
168
168
181
184
186
188
189
207
223
224

El resultado de los residuales es la diferencia que hay entre los valores histricos menos los valores pronosticados. Esto se
de la siguiente manera en donde puedo ver cada caso por ejemplo los datos que estn ms alejados son el mayor error en m
pronstico y mi mejor caso es el punto ms pequeo, es el menor error que voy a cometer.

Variable X 1 Grfico de los residuales

Residuos

0.5
0

Residuos
0
0

0.2

0.4
0.6
Variable X 1

0.8

A continuacin vamos a pronosticar las ventas para el tercer trimestre de 2006, lo cual nos corresponde a 229 ventas
REGRESION LINEAL
Y=a+bx
Donde: a = intercepto en periodo O
b = pendiente de la recta
x = periodo de tiempo
y = pronostico de demanda periodo x

b=

x y - n x y
------------------- X - nx-
a = - bx

Donde: n = Numero de periodos

x
Media del valor x
X=
---------------n

x=

Y
Media del valor y
--------------------n
435
------29

3686

x = 15

Y
Media del valor y
--------------------n

x=

435
------29

3686
----------29

x = 15

= 127.1

x y - n x y
b = ---------------- X - nx-
a = - bx

69119 (29) (15) (127.103)

--------------------------------------8555 29 (15)

13819.29
--------------2030

b = 6.81

a = 127.103 (6.81) (15) = 24.95

Y = 24.95 + 6.81x
Y30 = 24.95 + 6.81 (30)
Y30 = 229.25

b) Pronostique las ventas para el tercer trimestre de 2006 usando alfa=0.3 y beta=0.25.
Periodo

Demanda

Demanda

16

147

73

142

61

134

57

159

43

181

44

168

68

168

68

188

73

186

10

84

189

11

93

184

12

128

224

13

100

207

14

130

223

15
Promedio

148
79.06

Promedio global

178.56
128.81

El incremento en las ventas promedio para el periodo de 15 meses es de 178,56-79,06 = 99,50

Al dividir este nmero entre quince se obtiene el incremento promedio por mes = 6,63
La estimacin de la pendiente en el tiempo 29 ser B29 = 6,63.
Para obtener la estimacin de la ordenad, se calcula con el promedio global de los 29 datos el cual corresponde a 128,81
Este promedio est centrado en el mes 15.5, por lo cual la estimacin ordenada es:
S29 = 128.81 + 6.63 (30 15.5) = 224
Pronosticamos para el mes 30
F30 = S29 + 1 x B29 = 224 +1 x 6,63 = 230
F30 = 230
El incremento en las ventas promedio para el periodo de 15 meses es de 178,56-79,06 = 99,50
Al dividir este nmero entre quince se obtiene el incremento promedio por mes = 6,63
La estimacin de la pendiente en el tiempo 29 ser B29 = 6,63.
Para obtener la estimacin de la ordenad, se calcula con el promedio global de los 29 datos el cual corresponde a 128,81
Este promedio est centrado en el mes 15.5, por lo cual la estimacin ordenada es:
S29 = 128.81 + 6.63 (30 15.5) = 224
Pronosticamos para el mes 30

El incremento en las ventas promedio para el periodo de 15 meses es de 178,56-79,06 = 99,50

Al dividir este nmero entre quince se obtiene el incremento promedio por mes = 6,63
La estimacin de la pendiente en el tiempo 29 ser B29 = 6,63.
Para obtener la estimacin de la ordenad, se calcula con el promedio global de los 29 datos el cual corresponde a 128,81
Este promedio est centrado en el mes 15.5, por lo cual la estimacin ordenada es:
S29 = 128.81 + 6.63 (30 15.5) = 224
Pronosticamos para el mes 30
F30 = S29 + 1 x B29 = 224 +1 x 6,63 = 230
F30 = 230
Utilizamos las estimaciones con:
Alfa (a) =0,3
Beta (b) = 0,25
ST= adT + (1-a) (ST-1+ B T-1)
S30 = ad30 + ( 1-a) (S29 + B29)
S30 = 0,3 x d30 + (1-0,3) (S29+b29)
S30 = 0,3 x 230 + (1-0,3) x (224 + 6,63)
S30 = 230.4
La nueva estimacin de la pendiente ser:
BT = B (ST - ST-1) + (1-B T) BT-1
B30 = B (S30-S29) + (1-B) B29
B30 = 0, 25 (230, 4 -230) + (1- 0, 25) x 6, 63
B30 = 6, 29
c) Verifique cual de los mtodos es ms preciso, compare los resultados obtenidos

El mtodo ms preciso para hallar el pronstico fue el de regresin lineal ya que se acerca ms a las ventas reales para esta
fecha.
a) 29,25
b) 30
Una diferencia de 0.75

c) Verifique cual de los mtodos es ms preciso, compare los resultados obtenidos

El mtodo ms preciso para hallar el pronstico fue el de regresin lineal ya que se acerca ms a las ventas reales para esta
fecha.
a) 29,25
b) 30
Una diferencia de 0.75

EJERCICIO N 1

los terrenos ha aumentado en forma constante desde 1998. En la siguiente tabla

as bicicletas de montaa producidas por CCB desde el segundo semestre de

demanda
147
142
134
159
181
168
168
188
186
189
184
224
207
223

ndencia de los datos. Utilice el mtodo de regresin lineal para estimar los
stre de 2006

alores de Y que obtendramos para distintos valores de X, la demanda de

ABLA DEMANDA DE BICICLETAS

da la relacin de la variable X con la variable Y; y si es una linealidad si este valor es

la linealidad o la relacin de las dos variables.

que nos va a decir la confiabilidad de mi modelo matemtico que estoy pronosticando

ESTADSTICAS DE LA REGRESIN

ANLISIS DE VARIANZA

Inferior 95,0%

Superior 95,0%

1,366,498,371

3,617,245,472

6,157,097,458

7,467,533,084

ia que hay entre los valores histricos menos los valores pronosticados. Esto se grafica
cada caso por ejemplo los datos que estn ms alejados son el mayor error en mi
pequeo, es el menor error que voy a cometer.

tas para el tercer trimestre de 2006, lo cual nos corresponde a 229 ventas

15) (127.103)
------------------29 (15)

13819.29
--------------2030

b = 6.81

= 24.95

trimestre de 2006 usando alfa=0.3 y beta=0.25.

el periodo de 15 meses es de 178,56-79,06 = 99,50

ne el incremento promedio por mes = 6,63
29 ser B29 = 6,63.
e calcula con el promedio global de los 29 datos el cual corresponde a 128,81
5, por lo cual la estimacin ordenada es:

el periodo de 15 meses es de 178,56-79,06 = 99,50

ne el incremento promedio por mes = 6,63
29 ser B29 = 6,63.
e calcula con el promedio global de los 29 datos el cual corresponde a 128,81
5, por lo cual la estimacin ordenada es:

el periodo de 15 meses es de 178,56-79,06 = 99,50

ne el incremento promedio por mes = 6,63
29 ser B29 = 6,63.
e calcula con el promedio global de los 29 datos el cual corresponde a 128,81
5, por lo cual la estimacin ordenada es:

preciso, compare los resultados obtenidos

stico fue el de regresin lineal ya que se acerca ms a las ventas reales para esta

preciso, compare los resultados obtenidos

stico fue el de regresin lineal ya que se acerca ms a las ventas reales para esta

CONCLUSIONES

A pesar de que el tema es bastante complejo se puede observar la importancia que tienen estos mtodos estadsticos en la ap
planeacin y control de la produccin en cualquier empresa.

e tienen estos mtodos estadsticos en la aplicacin para la

BIBLIOGRAFA

Camacho, M. (2010). Modulo de Planeacin y control de la

produccin. Bogot: Universidad Nacional Abierta y a Distancia (UNAD).
http://atc.ugr.es/~bprieto/enlaces/descargas/iuc/excel.pdf