Analisis Cuantitativo

Supuestos:

• Costo de producción similar al de años anteriores

• Archivo tiene el costo cuando el TV es hecho en la fabrica

• Archivo tiene costos de TV similares cuando es hecho por terceros

• Se quieren producir tantos TV como sean necesarios para atender la demanda

• Limite de capacidad de producción de Panatronic es de 5000 u mensual

• Outsourcing no tiene limites

• Si se contrata la producción de una unidad adicional a 5000 con el tercero tiene un costo fijo de $50000 (el costo de producción por unidad no varía)

Decisión: Producir los televisores in company o por medio de un Outsourcing

Info relevante

Pronóstico: “Promedio, acompañado de la probabilidad de cada valor posible o un intervalo de predicción de probabilidad de 95%

Respuestas

1)

• Caso en que el producto es realizado en la fabrica:

Para poder pronosticar este punto lo primero que hice fue verificar a que tipo de distribución se asocian los datos históricos proporcionados en la tabla. Para lo cual aplique las funcionalidades del XLSTAT obteniendo el siguiente resultado:

Como podemos apreciar los datos siguen una frecuencia que se asemeja a la distribución Weibull (3) pero al no saber cómo manejar este tipo de distribución en Excel opte por elegir la distribución normal.

Aproximando los datos a la distribución Normal obtengo que la media es 154,1 y el desvió estándar 2,62 por lo cual nos quedaría, redondeando, N(154; 3).

Ya conociendo los valores de media y de desvió estándar procedo a calcular el intervalo de predicción aplicando la formula de normal inversa de Excel:

Norminv(0,25; 154; 2,62) = 148,95

Norminv(0,975; 154; 2,62) = 159,25

Respuesta:Con un 95% de confianza podemos pronosticar que los costos de producción cuando el producto es fabricado in company se encontraran entre CLP 148,95 y CLP 159,25 por unidad.

• Para realizar el pronóstico del intervalo de predicción de los costos del outsourcing, seguí el mismo procedimiento antes descrito. Los datos históricos , según el XLSTAT, se asocian a una distribucion “Logística”, pero al no conocer cómo manejar la inversa de esta distribución en Excel opte de aproximar por una distribución Normal:

Distribución p-valor

Beta4 0,265

Binomial < 0.0001

Binomial negativa (1) < 0.0001

Binomial negativa (2) < 0.0001

Chi-cuadrado 0,002

Erlang < 0.0001

Exponencial < 0.0001

Fisher-Tippett (1) < 0.0001

Fisher-Tippett (2) 0,014

Gama (1) 0,008

Gama (2) 0,261

GEV 0,289

Gumbel < 0.0001

Log-normal 0,257

Logística 0,339

Normal 0,272

Normal estándar < 0.0001

Poisson < 0.0001

...