Ingeniera

Contenido

1. OBJETIVOS 1

GENERAL 1

ESPECIFICOS 1

I. ANTECEDENTES DEL PROBLEMA 2

II. PLANTEAMIENTO DEL PROBLEMA 3

III. MARCO TEORICO 4

IV. METODOLOGÍA DE TRABAJO 20

V. RESULTADOS 22

VI. ANÁLISIS DE INTERPRETACIÓN 33

VII. CONCLUSIONES 36

VIII. RECOMENDACIONES 38

IX. ANEXOS 39

X. BIBLIOGRAFIA 41

1. OBJETIVOS

GENERAL

• Realizar una estimación confiable de las ventas que se tendrán en el año 2013 para Harsco Infrastructure.

ESPECIFICOS

• Utilizar datos pasados para predecir la demanda del consumidor mediante algún tipo de modelo matemático.

• Determinar por medio del estudio la capacidad efectiva futura de la línea de producción de reparación de equipos.

• Exponer los resultados obtenidos, evaluando el impacto del proyecto en el mejoramiento de las ventas y área de producción.

I. ANTECEDENTES DEL PROBLEMA

Operando en más de 32 países, Harsco Infrastructure se especializa en dos sectores claves del Mercado: ofrecer equipos para la construcción y servicios de mantenimiento industrial. En el sector de la construcción ofrece una gama innovadora de servicios de andamiaje, acceso motorizado, encofrado, apuntalamiento y seguridad en el sitio.

Cada día existe una mayor presión de parte de las empresas por utilizar de mejor manera las herramientas clásicas para pronósticos de demanda. Lo anterior también involucra preocuparse del nivel o características de los precios, de las especificaciones y valor agregado del producto, además de la valorización que presentan estas variables para los clientes.

Por ello, la empresa desea tener claridad sobre el conjunto de herramientas de pronósticos a utilizar tanto para determinar las demandas futuras que se generarán, como tomar acciones correctivas para pronósticos con un mayor nivel de incertidumbre.

Dentro de éstas, las que se eligieron utilizar dentro de este estudio son, la aplicación de regresión lineal y la regresión cuadrática, se validarán los beneficios de un modelo para la empresa de equipo de construcción, evaluar que el modelo se relacione y adaptar a la realidad escogiendo el modelo de modelos factibles.

II. PLANTEAMIENTO DEL PROBLEMA

En Harsco Infraestructura Panamá se dispuso que se estableciera una estrategia para apoyar el aumento de la capacitad de producción como parte del Plan Estratégico Integral de Negocios.

Un administrador debe tener la habilidad de alterar la demanda. En el caso en que la demanda exceda la capacidad, la empresa debe ser capaz de reducir la demanda sencillamente con elevar los precios, programando tiempos de entrega largos (los cuales pueden ser inevitables), y desanimando los negocios con utilidad marginal.

En el caso de que la capacidad exceda la demanda, la empresa quizá requiera la estimulación de la demanda a través de las reducciones de precios de mercadeo agresivo, o acomodar el mercado de una mejor manera a través de los cambios de productos.

Es por esto que se busca, a través de este proyecto, pronosticar utilizando datos pasados para determinar acontecimientos futuros. Y de esta manera poder predecir la demanda del consumidor de productos o servicios, que de igual forma se pueden predecir una amplia gama de sucesos futuros que pudieran de manera potencial influir en el éxito.

Se busca una predicción del futuro subjetiva o intuitiva o bien una combinación de ambas, es decir, un modelo matemático ajustado por el buen juicio de un administrador.

III. MARCO TEORICO

El marco teórico se sustentará en el estudio de la capacidad efectiva de una línea de producción y teorías de aumento de productividad como:

Regresión Lineal

En estadística la regresión lineal o ajuste lineal es un método matemático que modela la relación entre una variable dependiente Y, las variables independientes Xi y un término aleatorio ε. Este modelo puede ser expresado como:

: Variable dependiente, explicada o regresando.

: Variables explicativas, independientes o regresores.

: Parámetros, miden la influencia que las variables explicativas tienen sobre el regresando.

Donde es la intersección o término "constante", las son los parámetros respectivos a cada variable independiente, y es el número de parámetros independientes a tener en cuenta en la regresión. La regresión lineal puede ser contrastada con la regresión no lineal.

Modelo de Regresión Lineal

El modelo lineal relaciona la variable dependiente Y con K variables explicativas (k = 1,...K), o cualquier transformación de éstas, que generan un hiperplano de parámetros desconocidos:

(2)

donde es la perturbación aleatoria que recoge todos aquellos factores de la realidad no controlables u observables y que por tanto se asocian con el azar, y es la que confiere al modelo su carácter estocástico. En el caso más sencillo, con una sola variable explicativa, el hiperplano es una recta:

(3)

El problema de la regresión consiste en elegir unos valores determinados para los parámetros desconocidos , de modo que la ecuación quede completamente especificada. Para ello se necesita un conjunto de observaciones. En una observación cualquiera i-ésima (i= 1,... I) se registra el comportamiento simultáneo de la variable dependiente y las variables explicativas (las perturbaciones aleatorias se suponen no observables).

(4)

Los valores escogidos como estimadores de los parámetros, , son los coeficientes de regresión, sin que se pueda garantizar que coinciden con parámetros reales del proceso generador. Por tanto, en

(5)

Los valores son por su parte estimaciones de la perturbación aleatoria o errores.

Hipótesis modelo de regresión lineal clásico

1. Esperanza matemática nula.

Para cada valor de X la perturbación tomará distintos valores de forma aleatoria, pero no tomará sistemáticamente valores positivos o negativos, sino que se supone que tomará algunos valores mayores que cero y otros menores, de tal forma que su valor esperado sea cero.

2. Homocedasticidad

Para toda t

Todos los términos de la perturbación tienen la misma varianza que es desconocida. La dispersión de cada en torno a su valor esperado es siempre la misma.

3. In correlación. Para todo t, s con t distinto de s

Las covarianzas entre las distintas perturbaciones son nulas, lo que quiere decir que no están correlacionadas o auto correlacionadas.

...