Proyección ventas y plan de producción

Elizabeth CorralMartha GómezAndrés ManriqueEdward Montenegro

Producto A1

Es claro que los datos cumplen las condiciones para un modelo lineal. Sin embargo, existe una distribución que obedece a una mejor correlación entre estos.

Nota: La resolución del ejercicio estuvo apoyado en el software Statgraphics.

Recta representativa.

Pronósticos de ventas para el producto A1.

Conclusión.

Puesto que el valor-P es menor que 0,05, existe una relación estadísticamente significativa entre PROD A y MESES con un nivel de confianza del 95,0%. El estadístico R-Cuadrado indica que el modelo ajustado explica 96,6256% de la variabilidad en PROD A. El coeficiente de correlación es igual a 0,982983, indicando una relación relativamente fuerte entre las variables. El error estándar del estimado indica que la desviación estándar de los residuos es 171,232 und. La predicción de las ventas es acertada. El modelo cumple lo predicho con un nivel de confianza del 95%

Producto A2

Es claro que los datos no cumplen con una distribución lineal. La mejor distribución que se acopla a los datos es Doble Recíproco, con un coeficiente de correlación mayor frente a muchas posibilidades.

Recta representativa.

Pronósticos de ventas producto A2.

Conclusión.

Puesto que el valor-P es mayor o igual a 0,05, no hay una relación estadísticamente significativa entre PROD B y MESES con un nivel de confianza del 95,0% ó más. El estadístico R-Cuadrada indica que el modelo ajustado explica 16,8213% de la variabilidad en PROD B. El coeficiente de correlación es igual a 0,410138, indicando una relación relativamente débil entre las variables. El error estándar del estimado indica que la desviación estándar de los residuos es 0,0000244194. Este valor puede usarse para construir límites de predicción para nuevas observaciones, seleccionando la opción de Pronósticos del menú de texto. La predicción de los datos no es precisa, pero es la más cercana en nivel de correlación. Usaremos esta regresión debido al poco error que encontramos en los datos predichos.

Plan de producción.

Nota: para determinar el numero de productos se hizo uso de herramientas informáticas, Excel.

No U Prod A No U Prod B 80% Inventario

3833 970 Costo $ inventario Costo $ producción

4076 971 2800 37460,58

4318 972

4560 973 Costo Total $40261

3460 min ociosos

Propuesta de mejora.

Este modelo de producción nos cubre toda la demanda y arroja menores costos totales de producción, pero de los 9600 minutos disponibles, tenemos un tiempo ocioso de 3460 que equivale a un 36,04%. Este modelo de producción serviría, mirando a un futuro donde la demanda de productos aumentara aún más. Ahora mismo, la única forma de que este modelo sea válido es que uno de los supuestos sea, que el tiempo ocioso en la fábrica no será pago, apenas terminen de producir el lote diario la empresa cierra sus labores y no se incurren con costos más altos.