Modelo estadístico para optimización de espacios físicos

Autores/as

  • Adolfo Bouillon Universidad Peruana de Ciencias Aplicadas - UPC

DOI:

https://doi.org/10.19083/rgm.v1i1.634

Palabras clave:

Administración, Pronósticos, Planificación

Resumen

Los pronósticos juegan un papel importante en el proceso de planificación de toda organización, porque influyen en las decisiones actuales sobre operaciones a futuro. Por ejemplo, en la universidad, el pronóstico de los alumnos que se matricularían en las asignaturas permite determinar el número de secciones requeridas, así como el personal docente que impartiría clases en dichas secciones, es decir, permite optimizar el uso de capital físico como del capital humano.En este sentido, cuando el pronóstico no es correcto se presentan dos situaciones: primero, el número de secciones estimadas sería superior al número real de secciones requeridas, debiendo cerrarse– por norma– aquellas secciones que tienen menos del mínimo establecido de alumnos, generando malestar en los docentes que ya no contarían con aquellas horas de dictado; segundo, el número de secciones podría ser menor al número real requerido, generando un déficit que deberá cubrirse con más profesores y más aulas; y en caso de no lograrlo, los alumnos terminarían perjudicándose al no poder matricularse en las asignaturas que ellos seleccionaron.Por lo anteriormente expuesto, una adecuada estimación de los alumnos matriculados en los cursos tiene un impacto importante en la eficiencia de las operaciones de la universidad, así como, y sobre todo, en los indicadores de satisfacción de los estudiantes. En este contexto, el objetivo general de esta investigación es estimar y proyectar el número de alumnos matriculados y consecuentemente, el número de secciones de un curso seleccionado de una universidad privada local. Ello con el fin de tener mayor información para asignar óptimamente el capital físico (i.e. infraestructura: aulas y laboratorios) y humanos (i.e. número de docentes), y así resaltar la importancia del uso de modelos empíricos, para estimar, y finalmente proyectar, en la toma de decisiones empresariales.Específicamente, en esta investigación, presentamos un modelo estadístico para estimar y proyectar la cantidad de alumnos matriculados para un curso de administración de las operaciones, perteneciente a la Dirección de Administración de dicha universidad. Para cumplir con estos dos propósitos metodológicamente, adoptamos un modelo de regresión lineal en logaritmos (i.e., una estructura de doble logaritmo), estimada estadísticamente con la técnica de mínimos cuadrados ordinarios. Una vez estimado, el modelo permite predecir con la confianza esperada el número de alumnos que el curso en estudio debería tener a inicio de cada ciclo académico, desde el periodo 1996 hasta 2015. Para estimar el modelo, usamos Gauss y MS Excel.Este trabajo se desarrolla en tres partes. En primer lugar, describimos brevemente el marco teórico del modelo de regresión lineal múltiple como principio organizacional. En segundo término, planteamos y desarrollamos el modelo, y finalmente, como tercer paso, usamos los resultados para inferir un pronóstico del número de alumnos que se matricularían en el curso antes referido, para los fines antes descritos.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Adolfo Bouillon, Universidad Peruana de Ciencias Aplicadas - UPC

Profesor de Gestión de Operaciones Área Académica de Administración Facultad de Negocios, UPC

Citas

Chiang, A. C. (1984). Fundamental Methods of Mathematical Economics. Nueva York: McGraw-Hill.

Greene, W. H. (1998). Análsis Econométrico. Madrid: Prentice Hall.

Gujarati, D. N., & Porter, D. C. (2010). Econometría. México, DF: McGraw-Hill/Interamericana Editores, S.A de C.V.

Hanke, J. E. (2010). Pronósticos en los negocios. México, DF: Pearson Educación.

Heizer, J., & Render, B. (2009). Administración de Operaciones. México: Pearson Educación.

Descargas

Cómo citar

Bouillon, A. (2015). Modelo estadístico para optimización de espacios físicos. Review of Global Management, 1(1), 31–41. https://doi.org/10.19083/rgm.v1i1.634

Número

Sección

Investigaciones