Pronóstico de producción a través de un modelo matemático basado en regresión multivariada

Kleber Andrés Mora Guevara, Holger Miguel Beltran Abreo

Resumen


Este estudio examina la utilidad de los modelos matemáticos de regresión multivariada para predecir la producción. Estos modelos son esenciales en estadística, ya que analizan la relación entre varias variables independientes y una o más variables dependientes. Se destaca la importancia de las predicciones de producción, que ayudan a estimar la cantidad de bienes y servicios que una empresa puede generar en un período específico. Esto facilita una planificación adecuada y la toma de decisiones en producción, permitiendo gestionar los recursos de manera eficiente según la demanda del mercado. El objetivo se centró en proponer un modelo matemático adecuado que facilite la predicción ágil de la producción en una fábrica de barras de chocolate de 20 g, utilizando regresión multivariada. carácter cuantitativo, de tipo exploratoria y aplicada, tomando como punto de partida un estudio documental y una investigación de campo, la cual tuvo como finalidad diseñar un modelo matemático. Se concluye que, se identificaron variables clave en la producción, como la cantidad de producción planeada y las horas laborales planificadas, utilizando un modelo de regresión multivariable en SPSS, que permitió predecir la producción real con un 95.4% de significancia. Se recomienda que la microempresa recopile más datos y evalúe otras variables para mejorar el análisis, así como fomentar investigaciones en otras microempresas para equilibrar la oferta y demanda en el mercado.


Palabras clave


pronóstico de producción; modelo matemático; regresión multivariada.

Texto completo:

PDF HTML

Referencias


Galicia, P., & Villegas Valladares, E. (2005). La importancia de los criterios cualitativos de los pronósticos en los Agronegocios. Revista Mexicana de Agronegocios, 9(16), 464-477. https://www.redalyc.org/articulo.oa?id=14101606

Arango Marín, J. A., Giraldo García, J. A., & Castrillón Gómez, O. D. (2013). Gestión de compras e inventarios a partir de pronósticos Holt-Winters y diferenciación de nivel de servicio por clasificación ABC. Scientia Et Technica, 18(4), 743-747. https://www.redalyc.org/pdf/849/84929984023.pdf

Aravena, M., Caamaño, C., & Giménez, J. (2008). Modelos matemáticos a través de proyectos. Revista latinoamericana de investigación en matemática educativa, 11(1). http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1665- 24362008000100003&lng=es&nrm=iso&tlng=es

Damián Llatas, M. R., & Sandoval Santamaría, N. J. (2018). Modelo óptimo de Pronóstico del índice mensual de Producción de Electricidad”-Perú en el Periodo 2006 – 2015. Facultad de Ciencias Físicas y Matemáticas.

Escobar-Gómez, E. N., Díaz-Núñez, J. J., & Taracena-Sanz, L. F. (2010). Modelo para el ajuste de pronósticos agregados utilizando lógica difusa. Ingeniería. Investigación y Tecnología, 11(3), 289-302. https://www.redalyc.org/articulo.oa?id=40415987005

FAO (2021). FAO. (Situación Alimentaria Mundial) Retrieved 08 de octubre de 2021. http://www.fao.org/worldfoodsituation/csdb/es/

FAO y CEPAL (2020). Sistemas alimentarios y COVID-19 en América Latina y el Caribe. Santiago de Chile: FAO. https://doi.org/https://doi.org/10.4060/ca8677es

López Rodríguez, S. M., & Zapata Zuluaga, T. (2018). Técnicas de pronósticos en revisión sistémica de literatura para empresas de confecciones. Bogotá: Universidad Cooperativa de Colombia. http://repository.ucc.edu.co/handle/ucc/12151

Medina Varela, P. D., Restrepo Correa, J. H., & Cruz Trejos, E. A. (2009). Plan de producción para la compañía de helados "Nata". Scientia Et Technica, 15(43), 311-315. https://www.redalyc.org/articulo.oa?id=84917310055

Plaza Gálvez, L. F. (2016). Modelación matemática en ingeniería. IE Revista de investigación educativa de la REDIECH, 7(13), 47-57. https://www.redalyc.org/journal/5216/521655237005/

Ramos, A., Sánchez, P., Ferrer, J. M., Barquín, J., & Linares, P. (2010). Modelos matemáticos de optimización. Madrid: Universidad Pontificia Comillas. https://d1wqtxts1xzle7.cloudfront.net/34357606/modelado_en_gams-with- cover-page-v2.pdf?Expires=1633687201&Signature=EzhFiG- skxPtDHclAwcIQ08Qgji~w3TqbHmhGJKqaRfyW1SAIdIZH5DDJXiHRLC8v2Td b- zncNZYV4WfKu0LVXNlkmLiT6NoocHcf21rjOhupk0bIXvhHdDbsWtw~Me7oBa SZ0g4ocy

Render, B., & Heizer, J. (2007). Administración de la producción. México: Pearson Educación.

Rodríguez Velázquez, J. A., & Steegmann Pascual, C. (2013). Modelo Matemáticos. https://recursos.salonesvirtuales.com/wp- content/uploads/bloques/2012/08/Modelos_matematicos.pdf

Rodríguez Gallegos, R., & Bourguet-Diaz, R. E. (2015). Identifying Modeling Practices Through Differential Equations and Simulation. 122nd SEE Annual Conference- Exposition. https://www.asee.org/public/conferences/56/papers/13153/view

Rojo Abuín, J. M. (2007). Regresión lineal múltiple. Instituto de Economía y Geografía, 2-33. https://d1wqtxts1xzle7.cloudfront.net/36787341/REGRESION_LINEAL_MULTI PLE_3-with-cover-page- v2.PDF?Expires=1640663317&Signature=MH9ICvACS9azM8zOaqrxKMjbZKn Q49AngSm4U1Hz2XG-EePgqOo413~c6mu4HBGfaWrBXsHftzJ9KYmY070cTcz6ReXEL2alQyNbk~wa uciIFjWwWzIYf7fwji2iiDJo

Sánchez Sánchez, D. A. (2018). Modelo ARIMA para el pronóstico de la producción de cacao en el Perú 2012 - 2018. Facultad de Ciencias Físicas y Matemáticas. Trujillo: Universidad Nacional de Trujillo https://doi.org/http://190.223.54.254/bitstream/handle/UNITRU/11563/SÁNCHE Z%20SÁNCHEZ%2c%20David%20Alexander.pdf?sequence=1&isAllowed=y

Sánchez-López, E., Barreras-Serrano, A., Pérez-Linares, C., Figueroa-Saavedra, F., & Olivas-Valdez, J. A. (2013). Aplicación de un modelo arima para pronosticar la producción de leche de bovino en Baja California, México. Tropical And Subtropical Agroecosystems, 16(3), 315-324. https://www.redalyc.org/articulo.oa?id=93929595004

Saucedo Castillo, O., Pérez, L. V., Herrera Isla, L., & Fernández Pérez, L. (2010). Sistema de pronóstico climático del tizón tardío (phytophthora infestans) en el cultivo de la papa en la provincia de Villa Clara. REDVET. Revista Electrónica de Veterinaria, 11(38), 1-12. https://www.redalyc.org/articulo.oa?id=63613140038

Tello Cabello, S. Y. (2014). Importancia de la micro, pequeñas y medianas empresas en el desarrollo del país. LEX, 12(14), 199-218. https://doi.org/http://dx.doi.org/10.21503/lex.v12i14.623

Valdés Díaz de Villegas, J. A., & Sánchez Soto, G. A. (2012). Las mipymes en el contexto mundial: sus particularidades en México. Iberóforum, VII (14), 126-156. https://www.redalyc.org/pdf/2110/211026873005.pdf

Zafra Mejía, C. A., & Gutiérrez Gil, V. H. (2015). Análisis de la producción de lixiviado y biogás bajo condiciones de extracción activa. Ingenium Revista De La Facultad De ingeniería, 16(31), 9-23. https://doi.org/https://doi.org/10.21500/01247492.1365




DOI: https://doi.org/10.23857/pc.v9i10.8202

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';





Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/