CONTROL DE LA PRODUCCIÓN

PRACTICA 2. MODELOS DE CORRELACION

(Ascendentes – Descendentes)
A diferencia de la previsión de series temporales, los modelos de Previsión Causal normalmente consideran
diferentes variables que están de alguna manera, correlacionadas con la cantidad que se va a predecir. Una
vez que éstas variables afines han sido halladas, se construye el modelo que se utilizará para hacer la
previsión respectiva. El modelo cuantitativo de previsión causal más común es el ANALISIS DE REGRESION Y
CORRELACIÓN.

Análisis de Regresión Lineal: Es un modelo matemático directo para describir las relaciones funcionales
entre dos o más variables (dependientes e independientes), este método es más poderoso que el de las
Series Temporales. En primer lugar, se observa el gráfico de datos para ver si aparecen lineales (o por lo
menos una parte de ellos); el término regresión lineal se refiere a la clase de regresión especial en la que la
relación entre las variables forma una recta.

La Regresión Lineal es útil para el pronóstico a largo plazo de eventos importantes, así como la planeación
agregada. Aun cuando la demanda de productos individuales dentro de una familia puede variar en gran
medida durante un período, la demanda de toda la familia de productos es sorprendentemente suavizada.

Coeficiente de Correlación: La ecuación de regresión es una forma de expresar la naturaleza de la relación

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

Métodos Estadísticos de Evaluación: En nuestro caso particular, para obtener los Pronósticos de Evaluación
y de Riesgo, se tomarán en cuenta cuatro ecuaciones estadísticas relacionadas a la Regresión Lineal. En
realidad son más de cincuenta las formas matemáticas que describen este método estadístico de evaluación.
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

Dónde: a = punto de intersección 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 pronóstico requerido)
r = coeficiente de correlación (valor entre -1 y +1)
El modelo matemático a utilizar será el de Análisis de Regresión Lineal, ya que es el método que relaciona
dos variables con determinado grado de correlación y, a la vez, muestran un comportamiento ascendente-
descendente en función del tiempo. Para efectos didácticos, se evaluarán las cuatro ecuaciones normales
descritas arriba. El procedimiento de solución es el siguiente:

PROCEDIMIENTO DE SOLUCIÓN

HERRAMIENTAS A
PASOS DESCRIPCIÓN
UTILIZAR
Hoja milimetrada, regla,
Tabular y graficar la información histórica (ventas reales) para
PASO 1 lápiz, borrador
uno ó más períodos de tiempo pasados
Hoja de Microsoft Excel

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

PASO 2
ventas reales Lápiz, borrador

Determinar el Análisis Secundario estableciendo los Pronósticos Matrices

PASO 3 de Evaluación (elegir un período congelado de ventas igual a los Lápiz, borrador, hojas,
últimos cuatro meses del último período de ventas reales) calculadora
Evaluar las cuatro ecuaciones normales de Regresión Lineal para Regresión Lineal
PASO 4 obtener las variables a, b & r y determinar los cuatro errores Lápiz, borrador, hojas,
acumulados asociados a cada ecuación calculadora científica
Matrices
Elegir el menor error acumulado seleccionándolo de las distintas
PASO 5 Lápiz, borrador, hojas,
ecuaciones de Regresión Lineal evaluadas
calculadora
Valuar de nuevo la totalidad de los datos históricos con la Regresión Lineal
PASO 6 ecuación normal que tiene “el menor error acumulado” y Lápiz, borrador, hojas,
obtener nuevos valores para a, b & r calculadora científica
Determinar el Pronóstico de Riesgo, valuando el período futuro Hoja milimetrada, regla,
PASO 7 que nos interesa, en la ecuación normal con sus valores de a, b lápiz, borrador
& r obtenidos en el PASO 6. Tabular los resultados Software del curso

ANALISIS Y RESOLUCION DEL CASO PRÁCTICO

DESCRIPCION DEL CASO (Modelo de Correlación)

Las compañías de telefonía celular han crecido en forma exponencial debido al auge que ha tenido la
demanda de aparatos telefónicos inalámbricos. Entre otras causas, esto ha sido debido al mal servicio, que
hasta hace unos diez años, la compañía telefónica nacional ha prestado a todos los usuarios.

Dicha circunstancia ha sido aprovechada por las compañías telefónicas que operan con celdas instaladas en
distintos puntos estratégicos alrededor del país; el resultado ha sido la creación de los denominados
teléfonos móviles o celulares.

La demanda de dichos aparatos ha sido tan fuerte que son ahora varias compañías de teléfonos celulares
quienes prestan el servicio a toda la población. Esta situación ha obligado a que cada compañía implemente
sus mejores tácticas y estrategias mercadológicas por llegar a la mente del consumidor final.
Tomando en cuenta las ventas históricas de los últimos tres períodos, se pretende predecir la demanda
futura del modelo PG-9110 que una de estas compañías de telefonía móvil acaba de lanzar al mercado. Los
datos se muestran a continuación:

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 Análisis Primario y Secundario para el juego de datos conocido, utilizando un ciclaje = 4
(realizar los cálculos utilizando el Software de Aplicación y también ingresando datos en los
programas que poseen las calculadoras científicas). Comparar.
2. El Pronóstico de Riesgo para el primer semestre del período número cuatro.
3. Dibujar el gráfico con los datos resultantes del Pronóstico de Riesgo comparándolos contra
las ventas reales conocidas. Interpretar el resultado obtenido.
SOLUCION DEL CASO PRÁCTICO (Modelo de Correlación)

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

2. ANALISIS SECUNDARIO: Se calculan los valores de a , b & r para cada curva estadística a través del
Método de Regresión 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 ecuación con los valores del período 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 método que menor error acumulado tiene es la forma LINEAL (63) , asimismo también tiene el factor de
correlación más cercano a uno (0.9837).

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

Regresión 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 práctica)

A continuación se presentan los datos de ventas de dos períodos de un determinado producto. Establezca
la demanda futura del primer cuatrimestre del período tres utilizando el método 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 generación en generación para
la realización de su famoso “caldo de mariscos al estilo Livingston” siendo su platillo principal.

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

Para esto el gerente proporciona los datos de ventas reales de los últimos tres períodos anuales (2014, 2015
y 2016) por cada mes, para que se le estimen las ventas potenciales de los primeros seis meses del año 2017,
y así analizar la factibilidad de la inversión.

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 período congelado de ventas serán los últimos cuatro meses del año 2016

Determinar:

a) Un gráfico de Ventas contra Tiempo.

b) Desarrollar los Análisis Primario y Secundario para el conjunto de ventas históricas.
c) Estimar la Proyección futura para el primer semestre del año 2017 en base a la evaluación realizada
de los tres últimos años.
d) Analizar y proponer en forma individual lo siguiente:
i. ¿Le aconsejaría adquirir un financiamiento bancario?
ii. ¿Debe arriesgarse en la implementación de un hostal o diversificar sus productos?

IMPORTANTE: Realizar los gráficos de ventas contra tiempo en papel milimetrado y hacer
comparaciones entre los métodos cuantitativos contra la hoja de cálculo proporcionada.
CONCLUSIONES

 Los métodos cuantitativos matemáticos son herramientas que nos ayudan a predecir la demanda
futura de productos y/o servicios, partiendo del análisis de información histórica 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, azúcar.
 Cuando un producto posee una demanda cada vez más creciente o por el contrario, aquellos
productos que por sus características el ciclo de vida se encuentra en su etapa terminal (salen del
mercado consumidor), se identifican con curvas que utilizan modelos matemáticos de Regresión
Lineal para estimar la proyección futura.
 Existen dos puntos de vista muy importantes para analizar la previsión de la demanda futura:
Cualitativo y Cuantitativo, sobre lo cual la proyección más confiable será 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 Edición. Año 2013.
Guatemala, C. A.

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

Producción y Cadena de Suministros. Editorial McGraw-Hill. Duodécima Edición. Año 2009.

HEIZER, Jay & RENDER, Barry: “DIRECCION DE LA PRODUCCION. Decisiones Tácticas. Editorial Prentice-
Hall. Sexta Edición. Impreso en España. Año 2001.