UNIVERSIDAD CATLICA DE SANTA MARA

PRCTICA

3
PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

ESTADSTICA DESCRIPTIVA DEL PROCESO

OBJETIVOS

Utilizar regresin para pronosticar con una o ms variables independientes.

Obtener pronsticos con los enfoques ms comunes para el anlisis de series de tiempo.
Obtener pronsticos utilizando la proyeccin de tendencia con regresin.

RECURSOS

Gua de Prcticas
Microsoft Excel

DURACIN DE LA PRCTICA

2 horas cronolgicas

MARCO TERICO
1. TIPOS DE PRONSTICOS

Los pronsticos se clasifican en cuatro tipos bsicos: cualitativo, anlisis de series de tiempo,
relaciones causales y simulacin. Las tcnicas cualitativas son subjetivas y se basan en
estimados y opiniones. El anlisis de series de tiempo, enfoque primario de este captulo, se
basa en la idea de que es posible utilizar informacin relacionada con la demanda pasada para
predecir la demanda futura. La informacin anterior puede incluir varios componentes, como
influencias de tendencias, estacionales o cclicas, y se describe en la seccin siguiente. El
INGENIERA INDUSTRIAL 1
 pronstico causal, que se analiza mediante la tcnica de la regresin lineal, supone que la
demanda se relaciona con algn factor subyacente en el ambiente. Los modelos de simulacin
permiten al encargado del pronstico manejar varias suposiciones acerca de la condicin del
pronstico.

2. COMPONENTES DE LA DEMANDA

En la mayor parte de los casos, la demanda de productos o servicios se divide en seis

componentes: demanda promedio para el periodo, una tendencia, elementos estacionales,
elementos cclicos, variacin aleatoria y autocorrelacin.

La siguiente ilustracin muestra una demanda durante un periodo de cuatro aos, as como el
promedio, la tendencia y los componentes estacionales o la aleatoriedad alrededor de la curva
de la demanda suavizada. Es ms difcil determinar los factores cclicos porque quiz se
desconoce el tiempo o no se toma en cuenta la causa del ciclo. La influencia cclica sobre la
demanda puede provenir de sucesos como elecciones polticas, guerras, condiciones
econmicas o presiones sociolgicas. Las variaciones aleatorias son provocadas por
acontecimientos fortuitos. Estadsticamente, al restar todas las causas conocidas de la
demanda (promedio, tendencias, estacionales, cclicas y de autocorrelacin) de la demanda
total, lo que queda es la parte inexplicable de la demanda. Si no se puede identificar la causa
de este remanente, se supone que es aleatoria.
La autocorrelacin indica la persistencia del hecho. De manera ms especfica, el valor
esperado en un momento dado tiene una correlacin muy alta con sus propios valores
anteriores. En la teora de la lnea de espera, la longitud de una lnea de espera tiene una
autocorrelacin muy elevada. Es decir, si una lnea es relativamente larga en un momento
determinado, poco despus de ese tiempo sera de esperar que la lnea siguiera siendo larga.

Demanda histrica de productos que consiste en una tendencia al crecimiento y una

demanda temporal

Un mtodo de pronstico de uso muy comn grafica los datos y luego busca la distribucin
estndar (como lineal, curva S, asinttica o exponencial) que se adapte mejor a estos. El

INGENIERA INDUSTRIAL 2
 atractivo de este mtodo radica en que, como las matemticas de la curva son conocidas,
resulta fcil despejar los valores de los periodos futuros. En ocasiones, la informacin no
parece adaptarse a ninguna curva estndar. Esto quiz se deba a varias causas que, en esencia,
envan los datos desde varias direcciones al mismo tiempo. Para estos casos es posible obtener
un pronstico sencillo pero eficaz con solo graficar la informacin.

Tipos comunes de tendencias

3. PROYECCIN DE TENDENCIA CON REGRESIN LINEAL

Consideramos una serie de tiempo de demanda que tiene una tendencia. Una tendencia en una
serie de tiempo es un incremento o decremento sistemtico en el promedio de la serie en el
tiempo. Cuando hay una tendencia notoria, los pronsticos de los enfoques ingenuos, promedio
mvil y suavizamiento exponencial son adaptables, pero muestran un retardo con respecto a la
demanda real y tienden a ser ms bajos o ms altos que la demanda real.
La proyeccin de la tendencia con regresin es un modelo de pronstico que toma en cuenta la
tendencia con el anlisis de regresin simple. Para desarrollar un modelo de regresin para
pronosticar la tendencia, sea la variable dependiente. Y, la demanda de un perioso y sea la
variable independiente, t, el periodo. Para el primer periodo se tiene t=1; para el segundo
periodo, t=2; etc. La ecuacin de regresin es:

INGENIERA INDUSTRIAL 3
 = +

Donde:
Y * = Se lee Y asterisco, es el valor predictorio de la variable Y para un valor seleccionado de
X.
a = Es la interseccin con el eje Y. Es el valor estimado de Y cuando X = 0.
b = Es la pendiente de la lnea, o el cambio promedio en Y* por cada cambio en una
unidad de la variable independiente X.
X = Es el valor que se escoge para la variable independiente.

A los valores a y b se les conoce como coeficientes de regresin y se calculan con las
siguientes frmulas:

=
2 ( )2

Una ventaja de la proyeccin de tendencia con el modelo de regresin es que pronostica la

demanda en el futuro. Los modelos anteriores proyectan la demanda un periodo adelante y
suponen que en adelante la demanda permanecer en el mismo nivel. Por supuesto, todos los
modelos (incluso la proyeccin de tendencia con el modelo de regresin) se pueden actualizar
cada periodo para estar al corriente. Una desventaja aparente de la tendencia con regresin es
que no se adapta.

La solucin a este problema llega cuando se responde la siguiente pregunta. Si cuenta con las
ventas histricas de automviles Ford desde 1920, incluira cada ao a en su anlisis de
regresin, dando el mismo peso a la venta de cada ao, o incluira solo las ventas de los aos
ms recientes? Lo ms probable es que decida incluir slo los aos ms recientes, haciendo el
modelo de regresin ms adaptable. La proyeccin de tendencia con el modelo de regresin
entonces sera ms o menos adaptable con la seleccin de los periodos de datos histricos que
se incluyan, de la misma manera que modelos de los promedios mviles (cambiando n) o de
suavizamiento exponencial (cambiando ).

4. FACTOR (O NDICE) ESTACIONAL

Un factor estacional es la cantidad de correccin necesaria en una serie temporal para

ajustarse a la estacin del ao. Por lo general, se relaciona estacional con un periodo del ao

INGENIERA INDUSTRIAL 4
 caracterizado por alguna actividad en particular. Con la palabra cclico se indica que no se
trata de los periodos anuales recurrentes de actividad repetitiva.

Se siguen los siguientes pasos:

1) un clculo sencillo basado en datos estacionales pasados y
2) la tendencia y el ndice estacional de una recta de la regresin ajustada a mano.

5. RANGOS DE LOS PRONSTICOS

Cuando el anlisis de regresin lineal genera pronsticos para periodos futuros, stos son slo
estimaciones y por lo tanto estn sujetos a error. La presencia de errores de pronstico o de
variaciones al azar es un hecho para quienes pronostican; el pronstico es un proceso que est
inmerso en la incertidumbre. Una manera de tratar esta incertidumbre es desarrollando
intervalos de confianza para los pronsticos.

sxy y 2
a y b xy
n2

La expresin syx, se conoce como error estndar del pronstico o desviacin estndar del
pronstico, y es una medida de la manera en que han quedado dispersos a uno y otro lado de la
lnea de tendencia los puntos de datos histricos. Si syx es pequeo en relacin con el
pronstico, los puntos de datos pasados han quedado agrupados muy cerca de la lnea de
tendencia y los lmites superior e inferior se acercan entre si. Y los lmites se calculan asi:
Lmite superior = Y* + t syx
Lmite inferior = Y* - t syx

5.1 Coeficiente de correlacin lineal de Pearson

Es una medida del grado de asociacin lineal entre las variables X e Y. Es un nmero abstracto
y se representa por r:

( )( )
= =
( 2 ( )2 ) ( 2 ( )2 )

Donde:
SXY = Covarianza de X e Y.
s X = Desviacin estndar de X.
s Y = Desviacin estndar de Y.

Propiedades

INGENIERA INDUSTRIAL 5
 r est siempre comprendido entre -1 y 1.
Si r = 1 r = -1 entonces los puntos de la muestra estn situados en lnea recta (correlacin
lineal perfecta).
Si r est prximo a 1 a -1, habr una asociacin lineal fuerte entre ambas variables.
Si r es cercano a 0, habr una asociacin lineal muy dbil.
r no vara cuando en las variables se realiza un cambio de escala o de origen. Esto demuestra
que r no tiene dimensin.

5.2 Dos consideraciones sobre el coeficiente de correlacin.

a) Se trata de una medida matemtica que luego hay que interpretar. Aunque un alto
grado de correlacin indique buena aproximacin a un modelo matemtico lineal, su
interpretacin puede no tener ningn sentido. Por ejemplo puede haber un alto grado
de correlacin entre las ventas de celulares y el consumo de alcohol en Arequipa, pero
ambas variables estn claramente disociadas.

b) Aunque el grado de correlacin sea cercano a cero (pobre aproximacin al modelo

lineal) eso no significa que no haya relacin entre las dos variables. Puede ser que
dicha relacin sea no lineal.

6. COEFICIENTE DE DETERMINACIN

El coeficiente de determinacin se calcula elevando al cuadrado el coeficiente de correlacin y

representa el porcentaje de la variacin explicada por la recta de regresin.
El coeficiente de determinacin r2, es una medida de la proximidad del ajuste de la recta de
regresin; cuanto mayor sea el valor de r2, mejor ser el ajuste y mas til la recta de regresin
como instrumento de prediccin. (r2 = 0.92 indica que de 100 pares de puntos 92 estn en la
recta de regresin y 8 fueran de la recta de regresin)
Cuando el n es pequeo se debe calcular el coeficiente de determinacin corregido.

7. MTODO DE REGRESIN EXPONENCIAL

Algunas veces una curva suave suministra un mejor ajuste para los datos que una lnea recta.
La curva esta dada por: Y = abx, y vara con la tasa constante b en cada periodo, para esto
convertimos la ecuacin exponencial a su forma logartmica:

INGENIERA INDUSTRIAL 6
 log = log + log
Donde:
(log ) (log )
log =

( log ) (log )
log =
2 ( )2

Cuando el punto base se escoge para hacer x=0, la solucin se reduce a calcular

(log )
log =

( log )
log =
2

ACTIVIDADES DE LA PRCTICA

1. Industrias Nina creci casi 50% el ltimo ao debido a la gran demanda que tuvieron los
reproductores de discos compactos entre los corredores. Como el nmero de corredores va en
aumento, Nina espera que tambin aumente la demanda de los reproductores, ya que hasta la
fecha no hay ningn reglamento de seguridad que evite que los usen los corredores. El ao
pasado, la demanda de unidades fue:

Demanda Demanda
(unidades) (unidades)
Mes Mes

Enero 4 200 Julio 5 300

Febrero 4 300 Agosto 4 900
Marzo 4 000 Septiembre 5 400
Abril 4 400 Octubre 5 700

INGENIERA INDUSTRIAL 7
 Mayo 5 000 Noviembre 6 300
Junio 4 700 Diciembre 6 000

a) Use el anlisis de regresin de mnimos cuadrados; Cul sera su pronstico de la demanda para
cada mes del prximo ao.

2. La Molinera Valencia, tena grandes contratos para la comercializacin de azcar. En los

ltimos aos el mercado se ha reducido por el ingreso de otros competidores en la
comercializacin de este producto. Por lo que la compaa le encomienda la tarea de
pronosticar el prximo ao, para realizar la importacin del producto. La demanda para los 12
ltimos trimestre se muestra a continuacin. Use la tcnica ms adecuada para pronosticar los
cuatro trimestre de 2002.

Trimestre Ao 1999 Ao 2000 Ao 2001

I 4800 3500 3200

II 3500 2700 2100
II 4300 3500 2700
IV 3000 2400 1700

3. Prepare un pronstico para cada trimestre del prximo ao a partir de la informacin de ventas
trimestrales de los ltimos aos, que se presentan a continuacin. Suponga que existen
factores de tendencia y de estacionalidad y que el ciclo de estacionalidad dura un ao.
Trimestre Ventas Trimestre Ventas

1 160 5 215
2 195 6 240
3 150 7 205
4 140 8 190

4. Una empresa necesita desarrollar un pronstico de ventas para el ao siguiente para sus ventas
de vehculos recreativos. Suponga que sus ventas anuales estn relacionadas con las ventas de
su sector industrial y ha preparado estos datos histricos:

Ventas sector Industrial Ventas de la Empresa

(Millones de dlares) (Nro. de vehculos recreativos)

INGENIERA INDUSTRIAL 8
 536 98
791 137
650 112
813 145
702 120
575 103
684 116

Si la estimacin de las ventas para el sector industrial del ao que viene es de 725 millones de dlares,
utilice una regresin lineal simple para pronosticar la demanda anual de vehculos recreativos de la
empresa para dicho ao.

5. DUO es una compaa que fabrica botas de esquiar con materiales compuestos. Las botas tuvieron
ventas lentas al introducirlas al mercado, pero los esquiadores han reconocido que son excelentes y
el precio es slo alrededor del 15% ms alto que otras marcas. El departamento de pegado hace las
uniones en las botas y el ao pasado tenia 25 empleados. La eficiencia por trabajador fue 83% el
otoo pasado. Tres de estos trabajadores renunciaron. Dados los datos de demanda de los ltimos
cuatro aos, cuntos trabajadores recomendara contratar para el prximo invierno? Recomendara
un nmero distinto para la primavera, verano y otoo del prximo ao?

Demanda Cajas
Trimestre Ao 1 Ao 2 Ao 3 Ao 4
Invierno 156 167 179 188
Primavera 23 29 46 56
Verano 49 38 69 91
Otoo 220 247 238 248

INGENIERA INDUSTRIAL 9
 TAREA

1. LANDA SRLtda. produce carcasas para estabilizadores utilizados en la venta de computadoras.

Rodrigo Gonzales, gerente de planta, estima que el crecimiento de las ventas continuara y desea
desarrollar un pronstico a largo plazo que se utilizara para planear las necesidades de las instalaciones
para los siguientes tres aos. Se han totalizado las ventas correspondientes a los ltimos 10 aos:

Ao Ventas Anuales Ao Ventas Anuales

(Miles Unid) (Miles Unid)
1 1000 6 2000
2 1300 7 2200
3 1800 8 2600
4 2000 9 2900
5 2000 10 3200

a) Elaborar un diagrama de dispersin y sacar conclusiones.

b) Hallar el coeficiente de correlacin y determinacin e interpretar los resultados.
c) Encontrar la ecuacin de regresin lineal por el mtodo de mnimos cuadrados e indicar el
pronstico para el siguiente ao.

2 . Canister se especializa en la fabricacin de contenedores de plstico. Los datos de ventas

mensuales de botellas de champ en los ltimos cinco aos son los siguientes:

Ao 1 2 3 4 5
Enero 742 741 896 951 1030
Febrero 697 700 793 861 1032
Marzo 776 774 885 938 1126
Abril 898 932 1055 1109 1285
Mayo 1030 1099 1204 1274 1468
Junio 1070 1223 1326 1422 1637
Julio 1165 1290 1303 1486 1611
Agosto 1216 1349 1436 1555 1608
Septiembre 1208 1341 1473 1604 1528
Octubre 1131 1296 1453 1600 1420
Noviembre 971 1066 1170 1403 1119
Diciembre 783 901 1023 1209 1013

a) Con el mtodo ms conveniente, calcule la proyeccin para todos los meses del siguiente ao.
b) Desarrolle una ecuacin de regresin lineal simple para pronosticar la venta anual del ao 6. E
indicar la pendiente, la interseccin y coeficiente de regresin.

INGENIERA INDUSTRIAL 10
3 . Tom Plaz pronostica la demanda de electricidad para la compaa de luz Enersur. La compaa
desea cerrar su planta de energa 2 para mantenimiento cuando se espere que la demanda sea baja.
Despus de cerrar, realizar el mantenimiento y poner de nuevo en marcha la planta toma de dos
semanas. El servicio tiene sufieciente capacidad de generacin en otras fuentes para satisfacer una
demanda de 1550 megawats(MW), mientras la planta 2 est fuera de servicio. A continuacin se
muestra las demandas pico semanales (en MW) para varios otoos pasados. Cundo en el siguiente ao
debe la Planta 2 programar mantenimiento?

Agosto Septiembre Octubre Noviembre

Ao 1 2 3 4 5 6 7 8 9 10 11 12 13
1 2050 1925 1825 1525 1050 1300 1200 1175 1350 1525 1725 1575 1925
2 2000 2075 2225 1800 1175 1050 1250 1025 1300 1425 1625 1950 1950
3 1950 1800 2150 1725 1575 1275 1325 1100 1500 1550 1375 1825 2000
4 2100 2400 1975 1675 1350 1525 1500 1150 1350 1225 1225 1475 1850
5 2275 2300 2150 1525 1350 1475 1475 1175 1375 1400 1425 1550 1900

4 . Swiss Milk fabrica y distribuye helado en 3 ciudades del pas. La compaa quiere expandir sus
operaciones estableciendo otra planta en el norte. El tamao de la nueva planta se determinar en
funcin de la demanda esperada del helado en el rea atendida por la planta. Se est realizando una
investigacin de mercado para determinar esa demanda.

Swiss Milk desea estimar la relacin entre el costo por galn para el fabricante y el nmero de galones
vendidos en un ao para determinar la demanda de helado y, con ella, el tamao de la nueva planta.
Se reunieron los datos siguientes:

Planta Costo por miles de Miles de galones

galones vendidos
1 $ 1 015 416.9
2 973 472.5
3 1046 250.0
4 1006 372.1
5 1058 238.1
6 1068 258.6
7 967 597.0
8 997 414.0
9 1044 263.2
10 1008 372.0
Total $ 10 182 3 654.4

a) Desarrolle mediante una ecuacin de regresin para pronosticar el costo por galn y luego
desarrolle el pronstico como una funcin del nmero de galones producidos.
b) Cul es el coeficiente de correlacin y el coeficiente de determinacin?
c) Suponga que la investigacin de mercado indica una demanda de 325 000 galones en el rea del
Norte. Estime el costo de manufactura por galn para una planta que produce 325 000 galones
al ao.

INGENIERA INDUSTRIAL 11
 CUESTIONARIO

a) Indique algunos ejemplos que considere que tendran una relacin de tendencia estacional
multiplicativa.
b) Cmo es un ndice estacional calculado con base en un anlisis de la lnea de regresin?
c) Para que componentes de una serie de tiempos son potencialmente tiles las relaciones?.

BIBLIOGRAFA

1. Chase, Jacobs y Aquilano. 2009. Administracin de la Produccin y Operaciones. Ed. Mc

Graw Hill.
2. Norman Gaither y greg Fraizer. 2000. Administracin de la Produccin y Operaciones.
International Thomson Editores S.A.

INGENIERA INDUSTRIAL 12