Caso: Digital Cell Phone
LOGÍSTICA DE PRODUCCIÓN
FC-PREILT05A1M
FLORES BASHI, CARLOS ANTONIO
Alendez Loaiza, Marco Heder 1712014
Tavera Paz, Lucero Rocio 1510390
Vilca Montes, Daniela Giuliana 1620765
Ramirez Fiestas,Iliana Georgina 1312036
Lima – Perú
2021 – 01
CASO DIGITAL CELL PHONE, INC
Digital Cell Phone, Inc es una empresa dedicada a fabricación de teléfonos que está
atravesando una situación crítica con respecto a la cantidad de producción, pues para
determinar la producción del mes, se basan simplemente en las ventas del mes anterior, lo
cual genera que en ocasiones se queden sin existencias o caso contrario, tengan un exceso de
inventario. Por tal razón, el gerente de operaciones requiere un análisis de los datos históricos
de la empresa y una proyección para los próximos doce meses.
1. Prepare el informe de Paul Jordan para John Smithers usando análisis de
regresión. Proporcione un resumen del panorama de la industria de los teléfonos
celulares como parte de la respuesta de Paul.
El presente informe tiene como objetivo principal pronosticar la demanda de cajas de
teléfonos celulares (cada una con 144 teléfonos) para los próximos 12 meses, con el fin de
evitar la falta de inventario o el exceso del mismo. Este pronóstico será realizado con el
método de análisis de regresión, el cual utilizará la información histórica de la empresa en
los últimos 36 meses para así obtener una expresión matemática que relacione los periodos
con la demanda mensual de cajas de teléfono.
Mes 2005 2006 2007
Enero 480 575 608
Febrero 436 527 597
Marzo 482 540 612
Abril 448 502 603
Mayo 458 508 628
Junio 489 573 605
Julio 498 508 627
Agosto 430 498 578
Septiembr
444 485 585
e
Octubre 496 526 581
Noviembre 487 552 632
Diciembre 525 587 656
TOTAL 5673 6381 7312
El primer paso es ordenar la información en columnas, ya que esta necesita ser
representada en 2 variables, “x” y “y”, en donde “x” hará referencia al periodo y “y” a la
demanda mensual de cajas de teléfonos.
Mes X Demanda Mes X Demanda
Enero 1 480 Enero 13 575
Febrero 2 436 Febrero 14 527
Marzo 3 482 Marzo 15 540
Abril 4 448 Abril 16 502
Mayo 5 458 Mayo 17 508
Junio 6 489 Junio 18 573
Julio 7 498 Julio 19 508
Agosto 8 430 Agosto 20 498
Septiembre 9 444 Septiembre 21 485
Octubre 10 496 Octubre 22 526
Noviembre 11 487 Noviembre 23 552
Diciembre 12 525 Diciembre 24 587
Mes X Demanda
Enero 25 608
Febrero 26 597
Marzo 27 612
Abril 28 603
Mayo 29 628
Junio 30 605
Julio 31 627
Agosto 32 578
Septiembre 33 585
Octubre 34 581
Noviembre 35 632
Diciembre 36 656
Una vez que los datos se encuentran ordenados como en el cuadro anterior, se realiza la
regresión con ayuda de la herramienta Excel, obteniéndose la siguiente información:
Demanda
700
600 f(x) = 5.25 x + 440.85
R² = 0.76
500
400
300
200
100
0
0 5 10 15 20 25 30 35 40
El valor de 0.7621 para R2 indica que hay cierta relación entre el periodo y la demanda
mensual de cajas (siendo esta “aceptable” a partir del valor de 0.5).
A partir de la ecuación obtenida en función de “x” se pueden hallar los pronósticos para
los próximos 12 meses, pues solo se requiere de reemplazar los datos en ella. Es así que se
obtiene la siguiente información:
Enero 37 635.04
Febrero 38 640.29
Marzo 39 645.54
Abril 40 650.78
Mayo 41 656.03
Junio 42 661.28
Julio 43 666.53
Agosto 44 671.78
Setiembre 45 677.03
Octubre 46 682.28
Noviembr
47
e 687.52
Diciembre 48 692.77
Una vez determinados estos pronósticos, se puede hallar opcionalmente el porcentaje de
error que hay entre los pronósticos y la demanda real de los datos anteriores, para de esta
forma conocer que tan certero es este método, obteniendo
MAPE = 5.01%
Por otro lado, con la información obtenida se puede asegurar que la industria de los
teléfonos celulares todavía se encuentra en constante crecimiento, lo cual puede significar
una gran oportunidad y a la vez, un gran reto para la empresa. Así obteniendo el logro de
un proceso de mejora continua impulsando a la empresa a cumplir sus metas previamente
planificadas.
2. Si agrega estacionalidad a su modelo, ¿Cómo cambia el análisis?
En el caso que nuestro modelo presente estacionalidad, ya no hay necesidad de ordenar los
datos en columnas, pues se puede trabajar la data de la forma brindada por la empresa. El
objetivo es conocer los periodos con mayor demanda para poder determinar la producción
mensual.
Mes 2005 2006 2007
Enero 480 575 608
Febrero 436 527 597
Marzo 482 540 612
Abril 448 502 603
Mayo 458 508 628
Junio 489 573 605
Julio 498 508 627
Agosto 430 498 578
Septiembr
444 485 585
e
Octubre 496 526 581
Noviembre 487 552 632
Diciembre 525 587 656
TOTAL 5673 6381 7312
En base a esos datos, se obtiene el promedio de cada mes, así como el promedio de la
demanda de cada periodo, para de esta forma hallar el factor de estacionalidad. Además,
para cerciorarse que seguirá siendo igual en el próximo año, se calcula la sumatoria de
forma anual y se realiza una regresión para hallar el valor total del próximo año.
Factor de
Mes 2005 2006 2007 Sumatoria
estacionalidad
Enero 480 575 608 554.33 1.0304658
Febrero 436 527 597 520 0.9666426
Marzo 482 540 612 544.67 1.0124961
Abril 448 502 603 517.67 0.9623051
Mayo 458 508 628 531.33 0.9877104
Junio 489 573 605 555.67 1.0329443
Julio 498 508 627 544.33 1.0118765
Agosto 430 498 578 502 0.9331819
Septiembre 444 485 585 504.67 0.938139
Octubre 496 526 581 534.33 0.9932872
Noviembre 487 552 632 557 1.0354229
Diciembre 525 587 656 589.33 1.0955282
TOTAL 5673 6381 7312 537.94
Tendencia de la Demanda
X Y
8000
1 5673
7000
2 6381
f(x) = 819.5 x + 4816.33
60003
R² = 0.99
7312
50004 8094.3333
4000
3000
2000
1000
0
0.5 1 1.5 2 2.5 3 3.5
Al obtener la demanda total para el año 2008, se puede hallar la demanda mensual,
dividiendo el valor total del año 2008 entre el total de meses y multiplicando por el factor
de estacionalidad. Obteniéndose lo siguiente.
2008
695.078
652.027
682.957
649.102
666.238
696.750
682.539
629.457
632.801
670.000
698.422
738.964
Con esta información se puede recalcar que los meses en los que se cuenta con mayor
demanda son los meses de Noviembre y Diciembre, y los meses con menor demanda son
los meses de Agosto y Setiembre. Este análisis no pudo ser obtenido con el método
anterior, ya que este suponía un incremento progresivo mes tras mes, en donde los meses
de Enero y Febrero eran los de menor demanda, simplemente por ser los primeros meses
del año.
