Proyecto de Estadistica

PROYECTO DE ESTADISTICA
TEMA:
Pronóstico de la demanda de productos de alta rotación bajo un

escenario optimista, moderado y pesimista en una empresa de películas
plásticas.
INTEGRANTES
Mauricio Seminario
Ricardo Nakazato
Jesús Brito
Luis Aldana
OBJETIVO:
Calcular el pronóstico de la demanda de productos de alta rotación bajo un escenario

optimista, moderado y pesimista en una empresa de películas plásticas.
DESCRIPCIÓN:
Mediante data histórica de la demanda de bobinas plásticas en los periodos del 2014 al
2018, de la organización del caso de estudio, se definirán y analizarán las variables más
representativas de los productos de alta rotación, y así lograr un estimado para el periodo
2019. Se definirán 3 situaciones de estudio:
Escenario Pesimista
1. Escenario Moderado
2. Escenario Optimista
POBLACIÓN:
Productos vendidos en los periodos 2014 al 2018 en una empresa de películas plásticas.
RECOLECCIÓN DE DATOS:
Data histórica de las ventas que se maneja en el sistema.

INDICE
1. Introducción */ Resumen Ejecutivo

2. Metodología de Investigación
3. Descripción de la empresa / Externo
4. Problema Principal
5. Recopilación de Información
6. Análisis de datos
7. Conclusiones y Recomendaciones – Propuesta de Mejora – Costo Beneficio
8. Bibliografía
1. INTRODUCCIÓN / RESUMEN EJECUTIVO
Motivos para el estudio:
Se realizó un análisis detallado sobre la proyección de demanda de la empresa OPP Film

para determinar la precisión de del modelo según la información suministrada por los
gerentes regionales de la empresa.
Según desviaciones encontradas en la proyección comercial que se tuvo el año pasado, se

buscó comparar la misma con la elaboración un modelo estadístico, considerando las
variables más representativas de las ventas.
Se tomó como variable principal o variable dependiente las ventas en TM según la Unidad
de negocio: Bopet, Bopp y Cast. Descartando del estudio las unidades de Coating,
Productos Importados y Bopa debido a que su proporción en conjunto es menor al 2% del
total de TM vendidas.
Seguidamente, se analizaron las variables independientes más representativas que

describían las ventas como el tipo, tratamiento, espesor, ancho y destino. Teniendo como
resultado un modelo de demanda según la Unidad de Negocio con respecto a los SKU’s.
De la misma forma, se modelaron tres escenarios: Optimista, Neutro y Pesimista, con la

ayuda de la opinión experta de la gerencia comercial.
Asimismo, como objetivo secundario fue posible calcular de acuerdo con el mes
correspondiente, la cantidad exacta de cada producto para dar continuidad a las líneas de
extrusión y corte por falta de pedidos aprobados. Ahorrando en costos por arranque de
líneas, mermas, calentamiento de máquina, Stock de productos con poca rotación, Tiempos
improductivos, Personal ocioso, etc.
Generando un ahorro mensual de hasta:
Costos Miles $ Cant Unidad

Arranque y Mermas de Linea $3.13 2.089 TM
Generación de Stock PT $187.94 97.4 TM
Tiempos Improductivos - Personal 57.15 Hrs
2. METODOLOGÍA DE LA INVESTIGACIÓN
2.1. PLANEAMIENTO DE LA INVESTIGACIÓN
El presente trabajo tiene como finalidad calcular el pronóstico de la demanda de productos

de alta rotación bajo un escenario optimista, moderado y pesimista en una empresa de
películas plásticas.
2.2. MÉTODO DE INVESTIGACIÓN
La presente investigación se desarrolló usando estadística inferencial que se centra en el

estudio de una parte de una población (muestra) con lo cual se extrae conclusiones para la
población, extrapolando los resultados.
Se determinó como variable cuantitativa dependiente las ventas en TM y las variables

independientes nominales: Las Unidades de Negocio más representativas: Bopet, Bopp,
Cast.
Asimismo, se determinó la población como el total de ventas de la empresa desde el año

2014 hasta el 2019 en Toneladas Métricas.
Se utilizó un muestreo No Probabilístico ya que se busca demostrar mediante el método de

Pareto por SKU de cada Unidad de Negocio, el comportamiento de las ventas y la
proyección de los productos de alta rotación.
De la misma forma, se utilizó las tablas de frecuencia relativa y frecuencia absoluta para
determinar la proporción de SKUs por producto y hacer posible la segmentación y muestreo.
Posteriormente, a la segmentación de SKU’s, se utilizó el Minitab para hallar la Regresión

Lineal Multiple, la cual describe la proyección de la demanda según el 80% de los SKU’s
más vendidos de cada Unidad de Negocio.
Regresión, un proceso estadístico para estimar las relaciones entre variables.
Estimación, establecer conclusiones sobre características poblacionales a partir de

resultados muestrales.
3. DESCRIPCIÓN DE LA EMPRESA
Opp Film S.A. es empresa matriz de Oben Holding Group, un innovador y moderno grupo
industrial conformado por más de 1800 colaboradores comprometidos con brindar un
servicio personalizado y productos de calidad. Con más de 25 años atendiendo mercados
internacionales, tenemos presencia directa en 11 países de Sur y Centro América y
nuestros productos se comercializan en más de 25 países de América y Europa. Oben
Holding Group cuenta con plantas de producción en seis países de Sur y Centro América
donde se producen películas de BOPP (polipropileno bi-orientado), CPP (polipropileno sin
orientación), BOPET (poliéster bi-orientado), BOPA (nylon bi-orientado), productos
recubiertos por extrusión y termoformados. En Opp Film Perú producimos películas
plásticas de alta calidad para diversos tipos de empaques flexibles, principalmente para la
industria de alimentos, y productos recubiertos por extrusión para la industria gráfica.
MISIÓN
Desarrollar, producir y comercializar películas plásticas para empaques flexibles y productos

complementarios, con compromiso, calidad y eficiencia.
VISIÓN
Ser líder mundial en la producción de películas plásticas para empaques flexibles.
VALORES
Seguridad: Priorizamos la integridad de nuestros colaboradores ya que son lo más

importante.
Compromiso: Cuidamos ser un equipo dedicado a exceder siempre nuestros objetivos y las
expectativas de nuestros clientes.
Excelencia: Buscamos la mejora continua mediante el aprendizaje, eficiencia e innovación.
Dinamismo: Evolucionamos de manera proactiva para adaptarnos a los cambios del entorno.
Pasión: Actuamos con alegría, optimismo, perseverancia y mucha energía.
4. PROBLEMA PRINCIPAL
La empresa OPP FILM SA, se encarga de producir películas plásticas bajo pedido, es decir,
bajo un sistema Make to order, las especificaciones del producto las da el cliente, entre las
cuales encontramos:
Tipo de
Variables Unidad de Medida Breve Descripción
Variable
Ventas Toneladas Métricas Cuantitativa - Ventas por tipo de producto

mensuales en Continua
TM
Ancho de la Milímetros Cualitativa - El ancho de la lámina es una

película en mm Categórica especificación del producto, siendo el
min 25 mm y max 2850 mm
Espesor de Micras Cualitativa - El espesor de la lamina es una

lámina en Categórica especificación del producto, siendo el
micras min 10 micras y max 100 micras
Tipo por UN Según las Cualitativa - Los materiales varían según el

especificaciones Categórica pedido de cliente
técnicas del cliente
Tratamiento Según las Cualitativa - Los tratamientos varían según el

especificaciones Categórica pedido del cliente.
técnicas del cliente
Destino Según la Ubicación del Cualitativa - Se cuentan con dos tipos de clientes:
cliente Categórica Locales y Exportación
Debido a trabajar en base a pedido, esto puede originar fluctuaciones en la demanda del
producto, donde se pueden encontrar picos en los pedidos de los productos y temporadas
con baja solicitudes. En el último caso, se originan tiempos muertos en la planta de
producción, lo que origina un incremento en los costos fijos. Para afrontar este escenario, el
área de Planificación realiza pedidos en base al comportamiento de los clientes, y así tener
productos en stock, que generen una oportunidad de atender al cliente de forma oportuna.
Sin embargo, los pedidos realizados por el área de planificación no se encuentran
estimados de forma adecuada, lo que origina que se produzcan láminas plásticas que no
tienen demanda, incrementando el costo de almacenaje e inventario.
Según, lo descrito, lo que se planea en el caso de estudio es: identificar los productos de
mayor demanda y pronosticar su comportamiento, con el fin de tomar las decisiones
adecuadas al momento lanzar las órdenes de producción.
5. RECOPILACIÓN DE INFORMACIÓN
La recopilación de los datos se realizó mediante un reporte de guías de remisión desde

enero 2014 hasta diciembre 2018. En la base de datos provenientes del Área Comercial se
cuenta con el Año de venta, Mes, Fecha, Cliente, Destino: Nacional o Exportación,
Descripción del producto, Cantidad: Kg, Nro. Pedido: Orden del cliente, Unidad: Kg, TM:
Cantidad en TM, Espesor: El micraje de la película, Material, Ancho MM, UN: Unidad de
Negocio: Bopet, Bopp, Cast, Coating, Bopa, Importado. De los cuales solo se tomaron como
parte del estudio Bopet, Bopp y Cast ya que representan el 98% del total.
Entre los clientes se cuentan con dos tipos de clientes: Convertidores y Distribuidores.
Los clientes convertidores son aquellos que utilizan las bobinas parar laminarlas e imprimir
sobre ellas el diseño y logo del cliente final. Estas bobinas se convierten en diversos
empaques flexibles como:
Bopp: Empaques para Pastas, Empaques para Alimento de animales, Sobre-empaque para
galletas o cigarros, Laminación interna con excelente proyección a la Luz, etc.
Cast: Empaques de Pan de Molde, Alimentos Refrigerados, Empaques de verduras, Papel

Higiénico y Servilletas, Empaque médico esterilizable, Chocolates, Snacks, Sachet, etc.
Bopet: Laminación para empaques Retortables: Salsas, Líquidos, aplicaciones industriales

como desmontante, impresión y laminación para empaques flexibles, Stand Up pounch /
Doypack para cosméticos, Artes gráficas / Laminación con cartón para cajas plegadizas,
etc.
Los clientes Distribuidores se encargan de realizar la venta de bobinas hacia los

convertidores de determinadas zonas geográficas según sus necesidades como Anchos,
Diámetros, Metraje, etc. Con volúmenes de venta menores.
Por otra parte, se solicitó la cantidad producida por las tres unidades de negocio contra las
TM vendidas de dichos productos y finalmente, la comparación de la proyección emitida por
el área comercial vs el modelo estadístico para comprobar la tendencia y el nivel de
precisión.
De la misma forma se solicitó la cantidad de personal en el turno de Extrusión, Corte, la
cantidad de mermas generadas en el arranque, transición y tiempos ocios para determinar
el costo beneficio del estudio.
6. ANÁLISIS DE DATOS
Como parte inicial del análisis se desagregó el pronostico de ventas elaborado por el equipo
comercial el cual lo lideraban los gerentes regionales. Observando que la proyección era
realizada según la zona geográfica la cual incluía País, Cliente, Unidad de Negocio, Familia:
Transparente, Metalizado, Mate, PolyFilm, Polypaper, ThermalFilm, Transparente, entre
otros. Espesor, Toneladas. Esta proyección solo podía ser usado para el presupuesto anual
para la compra de materia prima y materiales de empaque. Sin embargo, al realizar un
análisis de los clientes y desagregar los más importantes, se notó una incoherencia en la
proyección debido que la proyección no se ajustaba al histórico de las ventas. Entrando el
conflicto el área de Planeamiento y Control de la Producción con el Área Comercial debido a
que no eran alcanzables y, por otro lado, no era posible determinar qué Tipo, Tratamiento,
Espesor, Ancho (Descripción final de la bobina) se debía vender con exactitud, teniendo un
panorama sumamente amplio, dificultando el proceso de Extrusión y Corte para la
producción a Stock.
Ventas Históricas Opp Film en TM 2014 - 2018

Proyección en TM del Área Comercial en TM para el 2019
De la misma forma se analizó la generación de Stock de productos terminados desde junio

2018 hasta finales de diciembre 2018. Se tuvo una disminución de 210.81 TM el 24.84% del
Stock de productos terminados. Sin embargo, mediante las distribuciones se busca crear un
modelo que permita reducir en mayor escala la proporción del stock según que corresponda
la producción. Los indicadores de la evolución del stock mensual se miden a inicios de cada
mes, midiendo las variaciones que se han tenido.
Indicador Mensual de Stock de PT

Indicador Mensual de Stock de PT por Unidad de Negocio
Asimismo, se realiza una comparación frente a lo Despachado vs la Generación de Stock y

el estatus de Stocks de Producto Terminado del Mes como también la cantidad de pedidos
aprobados para producir y despachar. Ya que en la medida que se cuente con un mayor
porcentaje, es posible dar mayor rotación al producto terminado. Siempre cuando se tenga
la disponibilidad de las máquinas.
Cantidad despachada vs Nivel de Stock Actual y Generado

Para realizar el análisis de la demanda de productos de alta rotación, se tomó una muestra
de los principales clientes que comercializan bobinas plásticas en el mercado nacional e
internacional en los años 2016 al 2018. Se observa que la demanda de productos en
toneladas métricas presenta cierta tendencia al incremento, del 6% en el 2017 con respecto
al 2016, y del 3% en el 2018 versus el 2017.
Con este enfoque general, podemos entrar a detallar la demanda por familia de producto en
el periodo seleccionado. Como se aprecia en el gráfico, los productos pertenecientes a la
familia de COUTING e IMPORTADO representan menos del 2% de la demanda, por lo que
no se tomará en cuenta en el análisis planteado.
Los productos de la familia Bopet representaban el 10.13% de la demanda de bobinas

plásticas en el 2014, y se observa que su participación ha incrementado con cierta
tendencia lineal, hasta alcanzar el 34% en el 2018. El comportamiento de la demanda de
bobinas de la familia Bopet, presenta un coeficiente de correlación del 0.9941, lo que nos
indica que la ecuación de la recta se puede emplear para estimar el porcentaje de
participación en TM la demanda de bobinas en el 2019. La ecuación de la recta es la
siguiente:
Y (Bopet)= 0.0591x + 0.0396
R² = 0.9941
Es decir, que para el 2019, esta familia de productos representara un 40% de la demanda
de bobinas.
Por otro lado, la familia de productos de clase Bopp, presenta una disminución en la
demanda en lo que respecta al periodo del 2014 al 2019, esta ha disminuido en un 31%. El
coeficiente de correlación en ese caso es de 0.9923, lo que significa que la ecuación lineal
de la recta puede explicar el comportamiento de la demanda de la familia de productos
Bopp. La ecuación obtenida es la siguiente:
Y (Bopet)= -0.0625x + 0.8284
R² = 0.9923
Caso contrario es lo que sucede con la familia de productos Cast, la cual presenta una
demanda promedio de 11 mil toneladas métricas, con una desviación de 1 mil toneladas,
esta no presenta una tendencia lineal.
Para realizar un análisis más adecuado, se realizará el pronóstico de acuerdo a cada familia
de productos.
BOPET
Descripción: tereftalato de polietileno orientado biaxialmente

Se realizó el análisis para la 25,000.00
demanda local y exterior. Como se
aprecia, el grafio muestra que para 20,000.00
el periodo el 2014 al 2018, la
demanda el mercado exterior ha 15,000.00
representado un 90%, por lo que se
tomara este sector como el 10,000.00
significativo a analizar.
5,000.00
LOCAL
10%
0.00
2014 2015 2016 2017 2018
En
el grafico se muestra la demanda de láminas plásticas en
toneladas métricas. Como se aprecia, estas han ido
incrementado de forma mensual en el periodo del 2014 al
2018. Además, se nos presenta la ecuación lineal del
comportamiento de la demanda en TM y el coeficiente de
EXPO correlación de 60%, lo cual indica una correlación entre la

90%
demanda de películas clase Bopet y el mes.
Con ayuda del MINITAB se realizaron más ajustes del modelo, con el objetivo de determinar
un mayor coeficiente de correlación entre una ecuación lineal, cuadrática y cubica,
obteniendo los siguientes resultaos:
Coeficiente de Correlación Resultado (%)

R Lineal 60.00
R Cuadrático 60.73
R Cubico 61.38
No hay mucha variación entre los R cuadrados de cada caso, por lo que se opta por trabajar
con la ecuación lineal el gráfico, a un nivel de confianza del 95%.
Y (TM)= 22.19 + 27.07 (Num_mes)

Además, según se muestra en la siguiente imagen, tenemos 4 puntos los cuales no se
ajustan adecuadamente por la ecuación. Lo recomendable es identificar estos casos,
determinar las potenciales causas que generan la alta desviación y estimar el modelo
nuevamente.
Puntos que se encuentran fuera del modelo:
Año Mes Suma de TM Num_mes

2017 Sep 2,509.45 45
2017 Nov 2,752.25 47
2018 Jul 828.65 55
2018 Ago 2,606.37 56
Si separamos estos putos de modelo, obtenemos una nueva ecuación con un coeficiente de
correlación del 68%.
A continuación, agregamos la variable categórica “Tratamiento” al modelo, con el fin e
identificar el comportamiento de la demanda de la familia de productos BOPET por tipo de
tratamiento. Para efectos del caso se identificaron tratamientos más representativos del
2014 al 2018.
Suma de
Tratamiento % de TM
TM
QN 24,567.83 39.09%
TN 18,867.62 30.02%
NQ 5,764.61 9.17%
CN 3,340.60 5.32%
MT 2,421.39 3.85%
TQ 2,149.52 3.42%
NA 2,053.91 3.27%
QT 1,286.73 2.05%
NT 609.61 0.97%
NN 305.62 0.49%
TC 297.38 0.47%
MQ 268.99 0.43%
MN 184.64 0.29%
TH 163.23 0.26%
TS 151.49 0.24%
NC 113.79 0.18%
AA 73.29 0.12%
QC 60.76 0.10%
AT 51.74 0.08%
TA 42.47 0.07%
AN 37.68 0.06%
NH 37.00 0.06%
Total general 62,849.92 100.00%
Los tratamientos resalados con amarillo, son los 8 tratamientos más representativos, que
abarcan un 96% de la demanda de bobinas en el periodo 2014 -2018, por lo que solo se
determinara el comportamiento de la familia BOPET con los 8 tratamientos seleccionados.
Obtenemos el siguiente resultado.
Ecuación de regresión
Tratamiento
CN Suma de TM = -52.8 + 3.454 Num_mes

MT Suma de TM = -76.4 + 3.454 Num_mes

NA Suma de TM = -82.7 + 3.454 Num_mes

NQ Suma de TM = -9.3 + 3.454 Num_mes

QN Suma de TM = 304.1 + 3.454 Num_mes

QT Suma de TM = -81.2 + 3.454 Num_mes

TN Suma de TM = 209.1 + 3.454 Num_mes

TQ Suma de TM = -69.8 + 3.454 Num_mes
Con un nivel de confianza del 95%, se obtienen las siguientes ecuaciones lineales que se
ajustan al modelo predictivo con un coeficiente de correlacione del 53%.
El espesor también es una variable importante a considerar, y al tratarse de una

especificación del producto, se clasifica como una variable categórica. En la siguiente tabla
se muestra la participación por espesor de película y los 8 tratamientos seleccionados.
TRATAMIENTO
Espesor CN MT NA NQ QN QT TN TQ
10 0.06% 0.07% 0.00% 0.50% 4.60% 0.00% 0.35% 0.07%
11 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 9.87% 0.00%
12 5.46% 3.94% 3.34% 9.04% 35.78% 1.20% 20.36% 3.37%
18 0.00% 0.00% 0.05% 0.00% 0.00% 0.00% 0.00% 0.00%
19 0.00% 0.00% 0.00% 0.00% 0.26% 0.00% 0.00% 0.11%
23 0.00% 0.00% 0.00% 0.00% 0.00% 0.93% 0.58% 0.00%
36 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.06% 0.00%
Total
5.53% 4.01% 3.40% 9.54% 40.64% 2.13% 31.21% 3.56%
general
Como se aprecia en la tabla, los valores sombreados de plomo, son interacciones que no se
han presentado en el periodo del 2014 al 2018, es decir, para una bobina de familia BOPET,
que tiene un tratamiento CN no se ha solicitado un espesor de 18 micras. Entre el espesor
más representativo por tipo e tratamiento se encuentra el de 12 micras con una
participación del 86%.
Los siguientes datos son introducidos al MINITAB y encontramos la siguiente ecuación:
Método
Codificación de predictores categóricos (1; 0)
Suma de = -187.6 + 2.148 Num_mes + 0.0 Espesor_10 + 131.7 Espesor_11
TM + 196.2 Espesor_12
+ 109.8 Espesor_18 - 18.5 Espesor_19 + 110.8 Espesor_23
+ 8.9 Espesor_36
+ 0.0 tratamiento_CN - 19.9 tratamiento_MT
- 34.4 tratamiento_NA
+ 47.3 tratamiento_NQ + 238.4 tratamiento_QN
- 44.7 tratamiento_QT
+ 116.4 tratamiento_TN - 28.8 tratamiento_TQ
Coeficientes
EE del
Término Coef coef. Valor T Valor p FIV
Constante -187.6 25.6 -7.32 0.000
Num_mes 2.148 0.322 6.66 0.000 1.15
Espesor
11 131.7 25.7 5.13 0.000 1.82
12 196.2 15.1 12.96 0.000 1.83
18 109.8 64.5 1.70 0.089 1.18
19 -18.5 55.1 -0.33 0.738 1.08
23 110.8 37.1 2.98 0.003 1.25
36 8.9 85.6 0.10 0.917 1.04
tratamient
o
MT -19.9 26.8 -0.74 0.457 1.55
NA -34.4 26.8 -1.29 0.199 1.72
NQ 47.3 21.5 2.20 0.028 2.25
QN 238.4 20.8 11.44 0.000 2.65
QT -44.7 23.5 -1.90 0.058 1.95
TN 116.4 21.4 5.44 0.000 3.17
TQ -28.8 22.7 -1.27 0.204 1.99
Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
118.28 43.15% 41.66% 40.42%
8
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Regresión 14 5650798 403628 28.85 0.000
Num_mes 1 621309 621309 44.40 0.000
Espesor 6 2545933 424322 30.33 0.000
tratamiento 7 4615577 659368 47.12 0.000
Error 532 7443790 13992
Total 546 13094588
Por último, se consideró ingresar al modelo la variable categórica “ancho”, sin embargo se
identificaron 230 tipos de ancho, por lo que se consideró segmentar esta categoría por
rangos. Los cálculos se muestran a continuación:
Valor min 370

Valor max 2850
R (Vmax –Vmin) 2480
Cantidad categorías 18
Ancho de categoría 138
Se obtiene la siguiente tabla de frecuencias, en donde se observa que el 83% de la

demanda de toneladas se encuentra entre los 5 primeros anchos, que varían de 643 mm a
1336 mm.
Categoría
2014 2015 2016 2017 2018 Total general % Absoluta
Ancho
1,373.9
<922,1060> 747.25 1,922.05 3,304.46 4,408.47 11,756.18 19%
5
<646,784> 706.56 1,466.4 2,178.63 3,335.36 3,556.48 11,243.45 18%
3
1,739.0
<784,922> 1,043.27 1,676.60 3,101.75 3,171.32 10,731.98 17%
4
1,177.1
<1060,1198> 974.21 1,354.88 2,439.60 3,265.43 9,211.29 15%
8
1,170.5
<1198,1336> 664.35 2,224.04 1,735.16 3,195.33 8,989.39 14%
1
<508,646> 249.87 660.02 906.28 1,643.79 1,542.95 5,002.92 8%
<1336,1474> 289.09 290.77 368.69 617.14 652.79 2,218.48 4%
<370,508> 60.70 288.48 353.95 485.91 628.36 1,817.41 3%
<1474,1612> 79.15 305.37 224.96 116.18 247.20 972.87 2%
<2026,2164> 429.93 157.86 587.79 1%
<1750,1888> 52.52 67.89 3.88 25.40 40.98 190.66 0%
<1888,2026> 36.16 6.75 42.12 85.03 0%
<2716,2854> 42.47 42.47 0%
8,704.2 11,213.9 16,804.7 20,793.9
Total general 5,333.06 62,849.92 100%
5 7 4 0
Los datos se introducen al MINITAB y se obtienen los siguientes resultados:

+ 32.8 Espesor_18 + 18.1 Espesor_19 + 47.14 Espesor_23
+ 21.6 Espesor_36
+ 0.0 tratamiento_CN - 3.00 tratamiento_MT - 5.90 tratamiento_NA
+ 4.78 tratamiento_NQ + 38.38 tratamiento_QN - 8.16 tratamiento_QT
+ 0.0 Categoria Ancho_<1060,1198>
- 3.45 Categoria Ancho_<1198,1336>
- 19.6 Categoria Ancho_<1888,2026> + 5.9 Categoria Ancho_<2026,2164>
- 21.83 Categoria Ancho_<370,508> - 9.59 Categoria Ancho_<508,646>
+ 4.06 Categoria Ancho_<646,784> - 0.42 Categoria Ancho_<784,922>
Resumen del modelo

R-cuad. R-cuad.
32.4098 24.89% 24.08% 23.55%
Como se observa, al incluir esta variable, se obtiene un R cuadrado del 24%, por lo que no
se tedia una correcta estimación del modelo, se opta por no considerar el ancho para
efectos del caso.
BOPP
Polipropileno Biorentado
La demanda de este producto en TM ha disminuido desde el 2014, esto es debido a la

aparición de la nueva familia BOPET, que son productos sustitutos. Según el histórico, se
observa una disminución en los productos exportados.
50000.00
45000.00
40000.00
35000.00
30000.00
25000.00
20000.00
15000.00
10000.00
5000.00
0.00
2014 2015 2016 2017 2018
En el 2018 la demanda de este producto para el mercado exterior ha disminuido en un
37%, mientas que en el mercado local, se tiene una demanda constante siendo el menor
valor de 16 mil toneladas métricas en el 2018. Además, la participación de productos para el
mercado exterior según el histórico de la demanda representa el 65% de TM del 2014 al
2018, por lo que se tomara en cuenta los productos fabricados para ese mercado.
LOCAL
35%
EXPO
65%
Los datos mensuales se presentan en el gráfico de dispersión. Con ayuda del MINITAB se
ingresaron los daos al sistema y obtuvimos que la ecuación de regresión que mejor se
ajusta a los datos es una cuadrática, la cual explica que a partir del mes 60 (dic 2018), la
demanda de este producto incrementara. Esto se explica por la aparición de un nuevo tipo
de producto de la familia BOPP, el BLIZ, el cual repotencio la demanda.
Se analizaron la cantidad de TM por mes en los años el 2014 al 2018, y se comprobó

estadísticamente a un nivel e confianza del 95% que si existe una relación entre el variable
número de mes y TM, se obtuvo un modelo cuadrático con un coeficiente de correlación el
38%, es decir, que el modelo puede explicar el 38% de la variación en los datos TM. Sin
embargo, hay que tener en cuenta que una relación estadísticamente significativa, no
implica que el incremento de la variable numero mes, cause un incremento en la cantidad
de TM.
Hay datos que escaman dentro de los parámetros el modelo planteado que pueden estar
generando distorsión. Lo recomendable en estos casos es identifica esto casos atípicos,
determinar las causas y separar esos daos del análisis para obtener un modelo más
ajustad. En nuestro caso, se identificaron 3 puntos:
AÑO MES TM Num Mes

2014 Sep 5081.19 9
2016 Feb 4217.73 26
2016 Abr 3941.35 28
Si explicamos estos 3 puntos y los obviamos del estudio, el R de la ecuación cuadrática se

incrementa en un 44%, pero es necesario identificar las potenciales causas, entre las cuales
podemos encontrar los siguientes casos:
 Pedidos que no se atendieron en el mes.

 Clientes spot, es decir que piden de forma esporádica
A continuación, se presenta la participación de la demanda por tipo de tratamiento. En la
tabla adjunta, se observa 25 tipos de tratamiento, entre los cuales se están tomando los 12
principales, que representan un 99% de la demanda de TM en los rangos del 2014 al 2018.
Los tratamientos considerados en amarillo son los que se van a considerar para este
estudio.
TRATAMIENT
O % por TM
SC 75.25%
MC 8.17%
FC 5.35%
SD 2.47%
BL 2.35%
ML 1.99%
LH 1.17%
TH 0.97%
SL 0.51%
NL 0.49%
MU 0.33%
BC 0.31%
TE 0.27%
WC 0.12%
BD 0.08%
SA 0.06%
SU 0.05%
MA 0.04%
BM 0.01%
NU 0.01%
VC 0.01%
NA 0.00%
NC 0.00%
BA 0.00%
LD 0.00%
Total general 100.00%
Al identificar los tratamientos más representativos, con ayuda del MINITAB, se puedo
estimar por categoría las ecuaciones que explican el comportamiento de la demanda en TM.
Con un grado de confianza del 95%, se puede concluir que las variables “Num mes”, y
“tratamiento”, tienen relación con la variable dependiente “Toneladas_mes”, además, el
coeficiente de correlación es del 87%, lo que quiere decir que el modelo puede explicar la
variación del 87% de la variable “Toneladas_mes .
Obtenemos las siguientes ecuaciones lineales para cada tratamiento:
TRATAMIENTO
BC Suma de TM = 92.3 - 3.749 Num_mes

BL Suma de TM = 304.5 - 3.749 Num_mes

FC Suma de TM = 260.8 - 3.749 Num_mes

LH Suma de TM = 145.0 - 3.749 Num_mes

MC Suma de TM = 354.0 - 3.749 Num_mes

ML Suma de TM = 214.5 - 3.749 Num_mes

MU Suma de TM = 104.4 - 3.749 Num_mes

NL Suma de TM = 145.6 - 3.749 Num_mes

SC Suma de TM = 2172.1 - 3.749 Num_mes

SD Suma de TM = 181.8 - 3.749 Num_mes

SL Suma de TM = 152.2 - 3.749 Num_mes

TH Suma de TM = 184.6 - 3.749 Num_mes
Además, se puede incluir la variable categórica, “espesor”, la cual determina el espesor de

la lámina por tipo de tratamiento, a continuación se presenta el comportamiento de cómo se
pide según estas dos variables en porcentaje de participación del 2014 al 2018.
TRATAMIENTO
Espesor BC BL FC LH MC ML MU NL SC SD SL TH
0.119 0.135 0.000 0.869 2.586 0.626 0.010 0.329 19.274 1.334 0.000 0.733
20
% % % % % % % % % % % %
0.008 0.000 0.000 0.076 0.236 0.184 0.002 0.002 18.447 0.004 0.500 0.246
25
% % % % % % % % % % % %
0.000 0.004 1.391 0.018 0.608 0.047 0.004 0.000 13.977 0.138 0.010 0.000
30
% % % % % % % % % % % %
0.176 2.132 0.000 0.098 2.978 0.868 0.132 0.108 1.007 0.001 0.000
17
% % % % % % % % 8.462% % % %
0.011 0.095 0.000 0.117 1.810 0.279 0.187 0.052 0.000 0.000 0.000
15
% % % % % % % % 6.133% % % %
0.000 0.000 1.436 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
35
% % % % % % % % 4.741% % % %
0.000 0.000 1.881 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
40
% % % % % % % % 2.295% % % %
0.000 0.000 0.681 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
50
% % % % % % % % 1.766% % % %
0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
23
% % % % % % % % 0.518% % % %
0.000 0.000 0.000 0.000 0.000 0.000 0.001 0.000 0.000 0.000 0.000
45
% % % % % % % % 0.087% % % %
0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
38
% % % % % % % % 0.032% % % %
0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
12
% % % % % % % % 0.000% % % %
Total 0.314 2.366 5.389 1.177 8.219 2.004 0.336 0.491 75.731 2.483 0.511 0.979
general % % % % % % % % % % % %
Las casillas resaltadas en color plomo, son combinaciones de las especificaciones

“espesor” y “Tratamiento” que no se han solicitado en el periodo 2014 al 2018. Las casillas
resaladas en color rojo, son las 10 principales combinaciones, las cuales representan un
81% de los productos demandados de la familia BOPP.
Al ingresar los datos al Minitab se obtienen los siguientes resultados.
Método
Suma de TM = -320 - 1.176 Num_mes + 0.0 espesor 2_12 + 279 espesor 2_15

+ 326 espesor 2_17
+ 388 espesor 2_20 + 25 espesor 2_23 + 388 espesor 2_25 + 288 espesor 2_30
+ 96 espesor 2_50 + 0.0 TRATAMIENTO_BC + 121.4 TRATAMIENTO_BL
+ 230.3 TRATAMIENTO_FC + 11.4 TRATAMIENTO_LH + 70.9 TRATAMIENTO_MC
+ 56.5 TRATAMIENTO_ML + 49.8 TRATAMIENTO_MU + 41.0 TRATAMIENTO_NL
+ 356.5 TRATAMIENTO_SC + 37.8 TRATAMIENTO_SD + 14.1 TRATAMIENTO_SL
+ 31.2 TRATAMIENTO_TH
Resumen del modelo
R-cuad. R-cuad.
99.8088 62.14% 61.58% *

Regresión 23 25379066 1103438 110.77 0.000
Num_mes 1 569770 569770 57.20 0.000
espesor 2 11 10008485 909862 91.34 0.000
TRATAMIENTO 11 21820562 1983687 199.13 0.000
Error 1552 15460722 9962
Total 1575 40839788
Ajustes y diagnósticos para observaciones poco comunes
Adicional, se analizara por la variable categórica “ancho”, la nos especifica el ancho

de la bobina. Primero, se identificaron todas las categorías ancho, y se encontraron
alrededor de 750 tipos de ancho, por lo que se decidió agrupar los valores, con el fin
de determinar rangos de anchos. Los cálculos se muestran a continuación:
Valor mínimo 28
Valor Máximo 2500
R (Vmax - Vmin) 2472

Cantidad de clase 1+3.33 x log (n)
n 374753
Resultado Cantidad De Clase 19.56

Ajuste 20
Ancho de Clase 123.6

Ancho de Clase Ajustado 124
Se obtuvieron las siguientes clases y se muestran la sumatoria de TM anuales por

clase de ancho.
Etiquetas de Total % de % participación

2014 2015 2016 2017 2018
fila general participación Acumulado
6,696.9
<896,1020> 8,607.43 5,134.12 3,773.93 4,455.20 28,667.67 17% 17%
8
7,241.8
<1020,1144> 8,969.92 5,395.20 3,152.83 3,111.42 27,871.21 17% 34%
4
4,089.4
<772,896> 5,583.92 3,679.28 2,781.14 3,344.27 19,478.09 12% 46%
8
3,758.1
<648,772> 4,633.80 3,361.63 3,382.49 4,007.17 19,143.20 12% 58%
1
3,051.8
<524,648> 3,460.13 3,091.92 3,181.26 3,325.21 16,110.38 10% 68%
6
3,257.4
<1144,1268> 3,473.31 2,842.63 2,224.59 2,436.07 14,234.01 9% 76%
2
2,488.5
<400,524> 2,530.49 2,686.75 2,678.66 3,122.26 13,506.69 8% 85%
3
1,415.2
<1268,1392> 1,856.79 1,593.19 2,156.51 2,527.99 9,549.75 6% 91%
8
<1392,1516> 837.44 800.76 611.76 728.83 638.54 3,617.33 2% 93%
<1516,1640> 922.20 796.80 505.94 680.09 634.55 3,539.58 2% 95%
<1640,1764> 798.81 302.57 136.45 699.75 179.57 2,117.15 1% 96%
<276,400> 245.91 283.84 372.99 296.52 343.73 1,543.00 1% 97%
<2012,2136> 683.00 87.36 272.49 50.62 138.46 1,231.92 1% 98%
<1764,1888> 350.98 222.58 148.85 180.00 176.03 1,078.44 1% 99%
<152,276> 358.00 350.91 132.37 82.27 42.06 965.62 1% 99%
<1888,2012> 291.21 39.74 30.01 108.55 144.12 613.62 0% 100%
<28,152> 33.50 39.36 18.80 0.11 370.93 462.70 0% 100%
<2260,2384> 85.50 80.41 24.42 15.67 206.01 0% 100%
<2136,2260> 23.35 5.87 33.41 46.12 26.83 135.58 0% 100%
<2384,2508> 11.00 11.00 0% 100%
El 85% de la cantidad de TM en los años del 2014 al 2018 se encuentran en el 35%
de las categorías establecidas. Sin embargo, al agrega a nuestro modelo la variable
categórica “ancho”, obtenemos el siguiente resultado.
Suma de TM = -14.5 - 0.1273 Num_mes + 0.0 TRATAMIENTO_BC + 29.57 TRATAMIENTO_BL
+ 18.83 TRATAMIENTO_FC - 2.37 TRATAMIENTO_LH + 6.30 TRATAMIENTO_MC
+ 17.23 TRATAMIENTO_TH + 0.0 Espesor_12 + 22.1 Espesor_15 + 27.9 Espesor_17
+ 35.3 Espesor_20 + 21.8 Espesor_23 + 36.1 Espesor_25 + 26.9 Espesor_30
+ 11.2 Espesor_50 + 0.0 rango ancho_<1020,1144>
- 11.54 rango ancho_<1144,1268>
- 15.19 rango ancho_<1268,1392> - 25.22 rango ancho_<1392,1516>
- 7.164 rango ancho_<772,896> + 0.021 rango ancho_<896,1020>
Resumen del modelo
R-cuad. R-cuad.
22.6628 27.43% 27.11% *
Obtenemos una ecuación con un R2 de 27%, lo cual no ayuda al el análisis, ya que no se

va a predecir los valores de la TM en un mes especifico con exactitud. Por lo que el ancho,
para el caso de estudio no se tomara en cuenta, ya que es una variable categórica, que no
permite estimar nuestra variable respuesta e forma adecuada.
CAST
Cast Polipropileno
De acuerdo con la data histórica, la demanda de este producto en TM se ha mantenido

estable. Se observa que para el mercado exterior hubo un decremento del 13.7% en el
2015 en relación con el año anterior y un incremento para el mercado local del 15.2% en el
2017. El periodo más productivo se encuentra en el 2017 con un total de 12,693.48
toneladas métricas vendidas.
10,000.00
9,000.00
8,000.00
7,000.00
6,000.00
5,000.00
4,000.00
3,000.00
2,000.00
1,000.00
0.00
2014 2015 2016 2017 2018
EXPO Variación Porcentual EXPO
10,000.00 16.9%
9,000.00 13.8%
8,000.00
7,000.00
6,000.00 0.0%
5,000.00 -3.5%
4,000.00
3,000.00
2,000.00 -13.7%
1,000.00
0.00
2014 2015 2016 2017 2018
LOCAL Variación Porcentual LOCAL

4,000.00
15.2%
3,500.00
3,000.00
4.2%
2,500.00 2.2%
0.0%
2,000.00
1,500.00
1,000.00
500.00 -17.4%
0.00
2014 2015 2016 2017 2018
La participación de productos para el mercado exterior según el histórico de la demanda

representa el 73% de TM del 2014 al 2018, por lo que se tomara en cuenta los productos
fabricados para ese mercado.
27%
73%
De acuerdo con la prueba de normalidad, podemos concluir que la media por mes es de
682.6 TM con una desviación estándar de 162.8.
A continuación, se presenta la participación de la demanda por tipo de tratamiento. En la
tabla adjunta, se observa 10 tipos de tratamientos, entre los cuales se están tomando los 5
principales, que representan un 99% de la demanda de TM en los rangos del 2014 al 2018.
Los tratamientos considerados en amarillo son los que se van a considerar para este
estudio.
Tratamiento % por TM
CC 79.57%
CT 11.10%
CL 4.94%
CW 2.01%
CH 1.11%
CA 0.58%
CM 0.54%
CR 0.12%
CG 0.02%
CB 0.00%
Grand Total 100.00%
Al identificar los tratamientos más representativos, con ayuda del MINITAB, se

puede estimar por categoría las ecuaciones que explican el comportamiento de la demanda
en TM. Con un grado de confianza del 95%, se puede concluir que las variables “Num Mes”,
y “Tratamiento”, tienen relación con la variable dependiente “Toneladas_mes”, además, el
coeficiente de correlación es del 93%, lo que quiere decir que el modelo puede explicar la
variación del 93% de la variable “Toneladas_mes .
Obtenemos las siguientes ecuaciones lineales para cada tratamiento:
Adicionalmente se incluyó la variable categórica, “espesor”, la cual determina el espesor de

la lámina por tipo de tratamiento, a continuación, se presenta el comportamiento de cómo se
pide según estas dos variables en porcentaje de participación del 2014 al 2018.
Espes
CA CB CC CG CH CL CM CR CT CW Totales
or
20 0.0% 0.0% 27.7% 0.0% 0.4% 0.0% 0.0% 0.0% 2.0% 0.0% 30.1%
30 0.2% 0.0% 17.1% 0.0% 0.3% 1.7% 0.2% 0.0% 2.3% 0.0% 21.8%
25 0.0% 0.0% 15.6% 0.0% 0.3% 0.5% 0.3% 0.0% 1.9% 0.4% 19.0%
40 0.3% 0.0% 5.0% 0.0% 0.0% 0.1% 0.2% 0.0% 3.3% 0.0% 9.0%
35 0.0% 0.0% 5.5% 0.0% 0.0% 0.2% 0.0% 0.0% 0.6% 0.0% 6.3%
50 0.0% 0.0% 4.5% 0.0% 0.0% 1.1% 0.0% 0.0% 0.0% 0.0% 5.7%
17 0.0% 0.0% 2.2% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 2.2%
28 0.0% 0.0% 0.1% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 1.3% 1.4%
22 0.0% 0.0% 0.0% 0.0% 0.0% 1.2% 0.0% 0.0% 0.0% 0.0% 1.2%
45 0.0% 0.0% 0.6% 0.0% 0.0% 0.0% 0.0% 0.0% 0.5% 0.0% 1.1%
38 0.0% 0.0% 0.6% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.1% 0.6%
60 0.0% 0.0% 0.6% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.6%
33 0.0% 0.0% 0.2% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.3%
23 0.0% 0.0% 0.2% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.2%
65 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.2% 0.0% 0.2%
80 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0%
100 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0%
19 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0%
37 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0%
75 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0%
15 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0%
10 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0%
Totale 0.61 0.00 80.05 0.02 1.07 4.66 0.72 0.12 10.81 1.94 100.00
s % % % % % % % % % % %
Las casillas resaltadas en color plomo, son combinaciones de las especificaciones

“espesor” y “Tratamiento” que no se han solicitado en el periodo 2014 al 2018. Las casillas
resaladas en color rojo, son las 10 principales combinaciones, las cuales representan un
85% de los productos demandados de la familia Cast.
Al ingresar los datos al Minitab se obtienen los siguientes resultados:
Método
Sum of TM = -80.2 + 0.1145 C6 + 0.0 Espesor_10 + 47.6 Espesor_15 + 7.3 Espesor_17
+ 16.6 Espesor_33
+ 74.5 Espesor_40
+ 38.8 Espesor_45 + 47.4 Espesor_50 - 4.5 Espesor_60 + 75.8 Espesor_65
+ 0.0 Tratamiento_CA
- 34.1 Tratamiento_CB + 90.36 Tratamiento_CC - 79.3 Tratamiento_CG
- 31.8 Tratamiento_CH + 20.7 Tratamiento_CL - 19.4 Tratamiento_CM
+ 78.9 Tratamiento_CR + 1.47 Tratamiento_CT + 34.4 Tratamiento_CW
Coeficientes
EE del
Término Coef coef. Valor T Valor p FIV
Constante -80.2 49.0 -1.64 0.102
C6 0.1145 0.0777 1.47 0.141 1.11
Espesor
15 47.6 54.6 0.87 0.384 4.43
17 7.3 48.3 0.15 0.879 66.11
19 7.5 65.7 0.11 0.909 2.14
20 162.0 48.2 3.36 0.001 143.45
22 95.2 49.6 1.92 0.055 20.43
23 1.4 50.3 0.03 0.978 11.20
25 108.1 48.1 2.24 0.025 169.81
28 44.8 48.8 0.92 0.359 43.53
30 111.1 48.1 2.31 0.021 203.44
33 16.6 49.5 0.34 0.737 16.81
35 59.7 48.2 1.24 0.216 111.50
37 102.1 51.9 1.97 0.049 7.97
38 9.1 48.7 0.19 0.852 33.34
40 74.5 48.2 1.55 0.122 147.81
45 38.8 48.2 0.80 0.422 99.12
50 47.4 48.2 0.98 0.326 97.17
60 -4.5 47.7 -0.09 0.925 46.82
65 75.8 49.8 1.52 0.128 14.61
75 61.8 52.3 1.18 0.238 6.77
80 1.2 47.3 0.02 0.981 9.93
100 6.9 48.0 0.14 0.886 9.10
Tratamiento
CB -34.1 22.2 -1.54 0.125 1.21
CC 90.36 9.62 9.39 0.000 13.93
CG -79.3 33.3 -2.38 0.018 1.10
CH -31.8 10.9 -2.91 0.004 3.86
CL 20.7 10.8 1.92 0.056 4.92
CM -19.4 11.2 -1.73 0.084 3.35
CR 78.9 19.4 4.06 0.000 3.87
CT 1.47 9.66 0.15 0.879 11.21
CW 34.4 12.3 2.80 0.005 3.67
Resumen del modelo
R-cuad. R-cuad.
44.8999 58.45% 57.36% *

Regresión 31 3365665 108570 53.85 0.000
C6 1 4381 4381 2.17 0.141
Espesor 21 2166241 103154 51.17 0.000
Tratamiento 9 2059296 228811 113.50 0.000
Error 1187 2392988 2016
Total 1218 5758654
Modelos Predictivos:
A. BOPET:
Ecuación de Regresión

+ 109.8 Espesor_18 - 18.5 Espesor_19 + 110.8 Espesor_23
+ 8.9 Espesor_36
+ 0.0 tratamiento_CN - 19.9 tratamiento_MT
- 34.4 tratamiento_NA
+ 47.3 tratamiento_NQ + 238.4 tratamiento_QN
- 44.7 tratamiento_QT
Resumen del modelo
R-cuad. R-cuad.
118.28 43.15% 41.66% 40.42%
8
B. BOPP
Suma de TM = -320 - 1.176 Num_mes + 0.0 espesor 2_12 + 279 espesor 2_15

+ 326 espesor 2_17
+ 96 espesor 2_50 + 0.0 TRATAMIENTO_BC + 121.4 TRATAMIENTO_BL
+ 230.3 TRATAMIENTO_FC + 11.4 TRATAMIENTO_LH + 70.9 TRATAMIENTO_MC
+ 31.2 TRATAMIENTO_TH
Resumen del modelo
R-cuad. R-cuad.
99.8088 62.14% 61.58% *
C. CAST
Sum of TM = -80.2 + 0.1145 C6 + 0.0 Espesor_10 + 47.6 Espesor_15 + 7.3 Espesor_17

+ 16.6 Espesor_33
+ 74.5 Espesor_40
+ 38.8 Espesor_45 + 47.4 Espesor_50 - 4.5 Espesor_60 + 75.8 Espesor_65
+ 0.0 Tratamiento_CA
- 34.1 Tratamiento_CB + 90.36 Tratamiento_CC - 79.3 Tratamiento_CG
- 31.8 Tratamiento_CH + 20.7 Tratamiento_CL - 19.4 Tratamiento_CM
+ 78.9 Tratamiento_CR + 1.47 Tratamiento_CT + 34.4 Tratamiento_CW
Resumen del modelo
R-cuad. R-cuad.
44.8999 58.45% 57.36% 56.02%
Comparativo: Presupuestado versus Real
Al tener ecuaciones que expliquen cómo se comporta la demanda, podemos simular los
valores en nuestro modelo para cada familia de productos. En este caso se tomaron 3 sku
más representativos para la familia de productos Bopet y Bopp.
Descripción del producto: Familia – Bopp, Espesor – 20, Tratamiento - SC
450.00
400.00
350.00
300.00
250.00
200.00
150.00
100.00
50.00
0.00
Descripción del producto: Familia – Bopp, Espesor – 25, Tratamiento - SC

600.00
550.00
500.00
450.00
400.00
350.00
300.00
250.00
200.00
Descripción del producto: Familia – Bopet, Espesor – 12, Tratamiento - QN
600.00
550.00
500.00
450.00
400.00
350.00
300.00
250.00
200.00
Como vemos, los modelos planteados por tipo de familia suavizan las fluctuaciones de la
demanda real y calculan un valor esperado en base a la tendencia de la misma.
A continuación, se presentan los pronósticos por tipo de familia, espesor y tipo de

tratamiento.
Proyectado 2019 – Bopet en TM
Espesor_1 CN MT NA NQ QN QT TN TQ Total general

10 54.81 2,322.73 859.73 3,237.26
11 2,440.37 2,440.37
12 1,816.43 1,577.10 1,403.35 2,383.46 4,676.68 1,280.38 3,213.67 1,470.78 17,821.85
18 367.11 367.11
19 2,101.11 2,101.11
23 255.68 2,188.96 2,444.64
36 966.36 966.36
Total 1,577.1 1,770.4 2,438.2 1,536.0 9,669.0 1,470.7
1,816.43 9,100.52 29,378.71
general 0 7 7 6 9 8
Proyectado 2019 – Bopp en TM
TRATAMIENTO
Total
ESPESOR BL FC LH MC ML MU NL SC SD SL TH
general
15 43.27 2,857.85 2,901.13
17 596.07 16.52 3,417.40 4,029.98
1,337.5 31.2 478.6 373.1 335.0 254.8
20 731.68 558.59 4,158.85 8,259.60
2 6 4 6 9 2
33.3 482.1 376.7 338.6 56.4 258.3
25 735.22 562.12 4,162.39 7,005.46
8 8 0 3 8 6
1,450.8
30 144.07 2,965.40 4,560.32
5
35 1,261.02 1,261.02
38 103.70 103.70
40 931.93 931.93
45 66.72 66.72
50 660.19 660.19
Total 2,120.9 1,450.8 64.6 1,483.4 1,120.7 960.8 749.8 20,585.4 673.7 56.4 513.1
29,780.04
general 2 5 4 1 1 2 5 3 3 8 8
Proyectado 2019 – Cast en TM
Espesor CA CC CH CL CT CW Totals
20 2260.3 32.64 163.2 2456.16
2
1395.3 138.7
30 16.32 6 24.48 2 187.68 1778.88
1272.9
25 6 24.48 40.8 155.04 32.64 1550.4
40 24.48 408 8.16 269.28 734.4
35 448.8 16.32 48.96 514.08
50 367.2 89.76 465.12
17 179.52 179.52
106.0
28 8.16 8 114.24
22 97.92 97.92
45 48.96 40.8 89.76
38 48.96 8.16 48.96
60 48.96 48.96
33 16.32 24.48
23 16.32 16.32
65 16.32 16.32
6519.8 391.6 146.8
TOTALES 40.8 4 81.6 8 881.28 8 8135.52
Proyección de la Demanda según Tipos de Escenarios
Escenario Optimista: Cumplimiento el 100% del Forecast Comercial
Para este caso se considerar el incremento estimado del área Comercial, es decir que se
cumplirá con las venas presupuestadas por tipo de familia considerara en nuestro análisis.
FORECAST Desviación con respecto al

Presupuestado - Análisis
FAMILIA VENTAS objetivo
BOPET 37,444.59 29,378.71 27%
BOPP 37,813.68 29,780.04 27%
CAST 8,763.55 8,160.00 7%
Como se aprecia en la tabla, para el caso de las familias de BOPET y BOPP, ambas
presentan una desviación del 27%, es decir que se ha pronosticado de forma adecuada, sin
embargo para cumplir con el objetivo del forecast es necesario que nuestra proyección
considere un incremento del 27% para cada caso. En cambio, la familia Cast solo ha
variado en un 7%, esto es debido a que la demanda de esta familia es constante y no
presenta mucha variación anual.
Escenario Pesimista: La demanda anual en TM no varía con respecto al periodo 2018.
Demanda del % de Variación con respecto

FAMILIA 2018 Demanda 2018
BOPET 25,328.17 29,378.71 -14%
BOPP 27,396.14 29,780.04 -8%
CAST 8,332.00 8,160.00 2%
Este escenario puede perjudícanos, ya que podemos incurrir en sobrecostos de almacena,

reprocesos y sobreproducción. En ese caso, se recomendaría disminuir en los porcentajes
hallados en la tabla anterior, las toneladas proyectadas calculadas en nuestro análisis, para
el caso de las familias de Bopp y Bopet. Es necesario medir regularmente la demanda, para
identificar este riesgo.
Escenario Moderado: Incremento del 5% en la de demanda del 2018.
Suma de Demanda del % de Variación con respecto

TM 2018 Demanda 2018
BOPET 26,594.58 29,378.71 -9%
BOPP 28,765.95 29,780.04 -3%
CAST 8,748.60 8,160.00 7%
Se tiene el mismo caso que el escenario pesimista, en donde la familia de Bopet se

presenta una sobreproducción de 3 mil TM aprox, y en el caso de Bopp, de 1 mil TM. Se
debería tomar las mismas recomendaciones, es decir, medir el comportamiento de la
demanda periódicamente, con el fin de determinar si se esa cumpliendo o no con la emana
proyectada.
7. CONCLUSIONES Y RECOMENDACIONES - PROPUESTA DE MEJORA - COSTO
BENEFICIO
7.1. Conclusiones:
 Mediante el uso de herramientas estadísticas, en este caso la regresión, se pudo

identificar los potenciales modelos con las variables categóricas (espesor, ancho y
tratamiento), y las continuas (Numero de mes) que afectan a nuestra variable
dependiente, en este caso, la demanda de toneladas mensuales, por tipo de familia con
coeficientes de correlación de 50% a un nivel de confianza el 95%.
 Al tener una variable categórica como el ancho, el cual tiene una rango de valores muy
alto, se optó por categorizar por rangos esa especificación, sin embargo, al incluir esta
variable en el modelo nuestros coeficiente de correlación se vieron afectados
notablemente, por lo que se mencionan, mas no se consideran para las proyecciones
anuales
 EL modelo determinado por tipo de familia de producto, suaviza los datos mensuales, es
decir que al proyectar la demanda por tipo de tratamiento y espesor, no se aprecian
cambios ruscos en la misma, a comparación de los datos reales que se aprecian en el
informe.
7.2. Recomendaciones
 Se recomienda usar el modelo estadístico hallado para estimar la demanda anual, ya

que las comportamiento por y tipo e familia tiene muchas fluctuaciones.
 En nuestro modelo se encontraron demandas negativas, las cuales se recomienda no
producir, a menos que el cliente pida el producto con esas determinadas
especificaciones.

Proyecto de Estadistica - Centrum Final

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Proyecto de Estadistica - Centrum Final

Cargado por

Copyright:

Formatos disponibles

Pronóstico de la demanda de productos de alta rotación bajo un

Calcular el pronóstico de la demanda de productos de alta rotación bajo un escenario

Data histórica de las ventas que se maneja en el sistema.

1. Introducción */ Resumen Ejecutivo

Motivos para el estudio:

Se realizó un análisis detallado sobre la proyección de demanda de la empresa OPP Film

Según desviaciones encontradas en la proyección comercial que se tuvo el año pasado, se

Seguidamente, se analizaron las variables independientes más representativas que

De la misma forma, se modelaron tres escenarios: Optimista, Neutro y Pesimista, con la

Generando un ahorro mensual de hasta:

Costos Miles $ Cant Unidad

2.1. PLANEAMIENTO DE LA INVESTIGACIÓN

El presente trabajo tiene como finalidad calcular el pronóstico de la demanda de productos

2.2. MÉTODO DE INVESTIGACIÓN

La presente investigación se desarrolló usando estadística inferencial que se centra en el

Se determinó como variable cuantitativa dependiente las ventas en TM y las variables

Asimismo, se determinó la población como el total de ventas de la empresa desde el año

Se utilizó un muestreo No Probabilístico ya que se busca demostrar mediante el método de

Posteriormente, a la segmentación de SKU’s, se utilizó el Minitab para hallar la Regresión

Regresión, un proceso estadístico para estimar las relaciones entre variables.

Estimación, establecer conclusiones sobre características poblacionales a partir de

Desarrollar, producir y comercializar películas plásticas para empaques flexibles y productos

Ser líder mundial en la producción de películas plásticas para empaques flexibles.

Seguridad: Priorizamos la integridad de nuestros colaboradores ya que son lo más

Ventas Toneladas Métricas Cuantitativa - Ventas por tipo de producto

Ancho de la Milímetros Cualitativa - El ancho de la lámina es una

Espesor de Micras Cualitativa - El espesor de la lamina es una

Tipo por UN Según las Cualitativa - Los materiales varían según el

Tratamiento Según las Cualitativa - Los tratamientos varían según el

La recopilación de los datos se realizó mediante un reporte de guías de remisión desde

Cast: Empaques de Pan de Molde, Alimentos Refrigerados, Empaques de verduras, Papel

Bopet: Laminación para empaques Retortables: Salsas, Líquidos, aplicaciones industriales

Los clientes Distribuidores se encargan de realizar la venta de bobinas hacia los

Ventas Históricas Opp Film en TM 2014 - 2018

De la misma forma se analizó la generación de Stock de productos terminados desde junio

Indicador Mensual de Stock de PT

Asimismo, se realiza una comparación frente a lo Despachado vs la Generación de Stock y

Cantidad despachada vs Nivel de Stock Actual y Generado

Los productos de la familia Bopet representaban el 10.13% de la demanda de bobinas

Y (Bopet)= -0.0625x + 0.8284

Descripción: tereftalato de polietileno orientado biaxialmente

EXPO correlación de 60%, lo cual indica una correlación entre la

Coeficiente de Correlación Resultado (%)

Y (TM)= 22.19 + 27.07 (Num_mes)

Puntos que se encuentran fuera del modelo:

Año Mes Suma de TM Num_mes

El espesor también es una variable importante a considerar, y al tratarse de una

Los siguientes datos son introducidos al MINITAB y encontramos la siguiente ecuación:

Codificación de predictores categóricos (1; 0)

Resumen del modelo

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Valor min 370

R (Vmax –Vmin) 2480

Ancho de categoría 138

Se obtiene la siguiente tabla de frecuencias, en donde se observa que el 83% de la

Los datos se introducen al MINITAB y se obtienen los siguientes resultados:

Suma de = -15.60 + 0.3956 Num_mes + 0.0 Espesor_10 + 31.19 Espesor_11

Resumen del modelo

La demanda de este producto en TM ha disminuido desde el 2014, esto es debido a la

Se analizaron la cantidad de TM por mes en los años el 2014 al 2018, y se comprobó

AÑO MES TM Num Mes

Si explicamos estos 3 puntos y los obviamos del estudio, el R de la ecuación cuadrática se