Perspectiva multivariante de los pronósticos en las pymes industriales de Ibagué (Colombia)

  • Germán Rubio Guerrero
Palabras clave: Estrategia, pronósticos, pymes, Colombia

Resumen

El objetivo del presente artículo de investigación es presentar un sistema multidimensional de pronósticos para las pymes industriales de Ibagué (Tolima, Colombia) a través de la caracterización de estas herramientas en dichas empresas. Se utilizó el método mixto de investigación que comprendió elementos cualitativos y cuantitativos. La muestra fue de 42 empresas pequeñas y medianas seleccionadas a través del muestreo aleatorio estratificado de una población de 93 organizaciones. Las técnicas de investigación utilizadas fueron la observación directa, una encuesta y entrevistas a los directivos de estas pymes. El resultado de este proyecto de investigación fue la propuesta de un sistema multidimensional de pronósticos para las pymes de Ibagué, que incluyó aspectos relacionados con la importancia de las predicciones en la estrategia y el desempeño organizacional, capacitación y software de pronósticos, y exactitud y combinación de los pronósticos, todos ellos como parte de la dimensión “planeación y estrategia de pronósticos”.

Biografía del autor/a

Germán Rubio Guerrero
Profesor de planta, Facultad de Ciencias Económicas y Administrativas, Universidad del Tolima, Ibagué, Colombia. Administrador de Empresas, Universidad del Tolima, Ibagué, Colombia,  Doctor en Gestión Universidad EAN, Bogotá, Colombia. Integrante del Grupo de investigación GIDEUT categoría “D” Colciencias. Correo: grubio@ut.edu.co. Dirección carrera 7 No. 14-45, teléfono 2774868, barrio Pueblo Nuevo, Ibagué, Tolima, Colombia.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Germán Rubio Guerrero
Profesor de planta, Facultad de Ciencias Económicas y Administrativas, Universidad del Tolima, Ibagué, Colombia. Administrador de Empresas, Universidad del Tolima, Ibagué, Colombia,  Doctor en Gestión Universidad EAN, Bogotá, Colombia. Integrante del Grupo de investigación GIDEUT categoría “D” Colciencias. Correo: grubio@ut.edu.co. Dirección carrera 7 No. 14-45, teléfono 2774868, barrio Pueblo Nuevo, Ibagué, Tolima, Colombia.

Citas

Adam, E., & Ebert, R. (1991). Administración de la producción y las operaciones. (4ª ed.). México: Prentice Hall.

Armstrong, J., Collopy, F., & Yokum, J. (2005). Decomposition by causal forces: a procedure for forecasting complex time series. International Journal of forecasting. 21 (1): 25-36. https://doi.org/10.1016/j.ijforecast.2004.05.001

Bermúdez, J., Segura, J., & Verchera, E. (2006). Decision support system methodology for forecasting of time series based on soft computing. Computational Statistics & Data Analysis. Vol. 51, No. 1, p.177-191. https://doi.org/10.1016/j.csda.2006.02.010

Chase, R., Jacobs, F., & Aquilano, N. (2009). Administración de operaciones. Producción y cadena de suministros. (12a ed.). México: McGraw Hill.

Chen, C. & Hsu, C. (2003). Regional load forecasting in Taiwan-applications of artificial neural networks. Energy Conversion and Management, 44: 1941-1949. https://doi.org/10.1016/S0196-8904(02)00225-X

Collier, D., & Evans, J. (2009). Administración de operaciones. (2ª ed.). México: Cengage Learning Editores S.A.

Corbetta, P. (2007). Metodología y técnicas de investigación social. Madrid: McGraw Hill.

De la Garza, J., Morales, B.N., & González, B.A. (2013). Análisis Estadístico Multivariante. México: McGraw Hill.

Deslauries, J. (2004). Investigación cualitativa: guía práctica. Pereira: Editorial Papiro.

Ferrán, M. (2001). SPSS para Windows-Análisis Estadístico. Madrid: McGraw Hill.

Gaither, N., & Frazier, G. (1999). Administración de producción y operaciones. (4ª ed.). México: Thomson Editores.

García, M.A. (2011). Análisis Causal con Ecuaciones Estructurales de la Satisfacción Ciudadana con los Servicios Municipales (Tesis de maestría). Universidad de Santiago de Compostela, Espa-a.

Ghauri, P., & Gronhaug. K. (2010). Research Methods in Business Studies. (4ª ed.). Essex, England: Pearson.

Gómez, M., Deslauries, J., & Alzate, M. (2010). Cómo hacer tesis de maestría y doctorado. Bogotá: Ecoe ediciones.

Greasley, A. (2009). Operations Management. (2ª ed) . EEUU: John Wiley & Sons Ltd.

Guisande, C., Vaamonde, A., & Barreiro, A. (2011). Tratamiento de datos con R, Statistica y SPSS. Madrid: Diaz de Santos.

Hair, J.F., Anderson., R.E., Tatham, R.l., & Black, W.C. (1999). Análisis Multivariante (5ª ed.). Madrid: Prentice Hall.

Heizer, J., & Render, B. (2009). Principios de administración de operaciones. (7ª ed.). México: Pearson Prentice Hall.

Hernández, R., Fernández, C., & Baptista, P. (2010). Metodología de la investigación. (5ª ed.). México: Mc Graw Hill.

Jérez, P. (2001). La Gestión de Recursos Humanos y el Aprendizaje Organizativo: incidencias e implicaciones. Tesis doctoral, Universidad de Almería. Espa-a.

Koontz, H., Weihrich, H., & Cannice, M. (2012). Administración: una perspectiva global y empresarial. (14ª ed.). México: Mc Graw Hill.

Krajewski, L., Ritzman, L., & Malhotra, M. (2008). Administración de operaciones. (8ª ed.). México: Pearson Prentice Hall.

Lafuente, C., Poza, C. (2012). Apuntes de Metodología y Técnicas de Investigación en Ciencias Empresariales ISBN: 978-84-615-7492-6. Madrid.

Lawrence, M., Goodwin, P., Ơ Connor, M., & Önkal. D. (2006). Judgmental forecasting: A review of progress over the last 25 years. International Journal of Forecasting. 22 (3): 493-518. https://doi.org/10.1016/j.ijforecast.2006.03.007

Makridakis, S., & Winkler, R. (1983). Averages of forecasts: some empirical results. Management Sciencie, 29 (9): 987-996. Recuperado el día 28 de octubre de 2013 de http://search.proquest.com/docview/205838421/fulltextPDF/14166134DC379BFB710/7?accountid=34925 https://doi.org/10.1287/mnsc.29.9.987

Makridakis, S., Michele & Moser, C. (1978). Accuracy of forecasting: An empirical investigation. Journal and the Royal Statistical Society. Series A. (General). 142 (2): 97-145. https://doi.org/10.2307/2345077

Marquina, P., Arellano, R., & Velasquez, I. (2014). A New Approach for Measuring Corporate Reputation. RAE, 54 (1): 53-66. https://doi.org/10.1590/S0034-759020140102

Martinich, J. (1997). Production and Operations Management. New York: John Wiley & Sons, Inc.

Martín, Q., Cabero, M.T., & De Paz, Y. (2008). Tratamiento estadístico de datos con SPSS prácticas resueltas y comentadas. Madrid, Espa-a: Thomson.

Méndez, C. (1995). Metodología: guía para elaborar dise-os de investigación en ciencias económicas, contables y administrativas. Bogota: Mc Graw Hill.

Mentzer, J., & Cox, J. (1984). A model of the determinants of achieved forecast accuracy. Recuperado el día 28 de octubre de 2013 de http://web.ebscohost.com/ehost/pdfviewer/pdfviewer?vid=27&sid=4344e700-ff8c-4636-bae4-954a78e356e8%40sessionmgr12&hid=1

Mentzer, J., & Schroeter, J. (1994). Integrating Logistics Forecasting Techniques, Systems, and Administration: the Multiple Forecasting System. Journal of Business Logistics, 15 (2): 205-225.

Meredith, J., & Shafer, S. (2010). Operations Management for MBAs. (4ª ed.). EEUU: John Wiley & Sons, Inc.

Morales, J. (2004). Aplicación e interpretación de técnicas de reducción de datos según escalamiento óptimo (Análisis de correspondencia múltiple y Análisis de componentes principales categóricos). (Tesis de Sociólogo), Universidad de Chile, Santiago de chile.

Nahmias, S. (2007). Análisis de la producción y las operaciones. (5ª ed.). México: Mc Graw Hill.

Nunally, J.C. (1978). Psychometric Theory. New York: McGraw Hill.

Pérez, C. (2009). Técnicas de análisis de datos con SPSS 15. Madrid: Prentice Hall.

Pérez, A., Martínez, P., & Rodríguez, I. (2013). The Development of a stakeholder-based scale for measuring corporate social responsibility in the banking industry. Service Business, 7 (3): 459-481. https://doi.org/10.1007/s11628-012-0171-9

Quesada, N. (2012). Estadística con SPSS 20. Lima: Empresa Editora Macro.

Reid, R., & Sanders, N. (2010). Operations Management: an integrated approach. (4ª ed.). EEUU: John Wiley & Sons, Inc.

Robbins, S., & Coulter, M. (2010). Administración. (10ª ed.). México: Pearson.

Rubio, G. (2005). Características y Perspectivas de los Sistemas Productivos de las Medianas y Grandes Empresas del Sector Manufacturero de la ciudad de Ibagué. Trabajo promoción a profesor asociado, Universidad del Tolima, Colombia.

Ruíz, C. (2002). Instrumentos de Investigación Educativa, Procedimientos para su Dise-o y Validación. Venezuela: CIDEG.

Russell, R., & Taylor III, B. (1995). Production and Operations Management. New Jersey: Prentice Hall.

Sanders, N. & Gramanb, G. (2009). Quantifying costs of forecast errors: A case study of the warehouse environment. Omega. Vol. 37, No. 1, p.116-125. https://doi.org/10.1016/j.omega.2006.10.004

Schroeder, R., Meyer, S., & Rungtusanatham, M. (2011). Administración de operaciones. (5ª ed.). México: Mc Graw Hill.

Stevenson, W. (2009). Operations Management. (10ª ed.). New York: Mc Graw Hill.

Tapia, J.E. (2007). El escalamiento óptimo con base en el análisis de componentes principales no lineales para la construcción de índices de condiciones de vida y socioeconómicos. Aplicación en el ámbito nacional. (Tesis de Ingeniero). Escuela Politécnica Nacional, Quito.

Vonderembse, M., & White, G. (2004). Core concepts of Operations Management: concepts, methods and strategies. EEUU: John Wiley & Sons, Inc.

Winklhofer, H., Diamantopoulus, A., & Witt, S. (1996). Forecasting practice: a review of the empirical literature and an agenda for future research. International Journal of Forecasting, 12: 193-221. https://doi.org/10.1016/0169-2070(95)00647-8

Cómo citar
Rubio Guerrero, G. (2017). Perspectiva multivariante de los pronósticos en las pymes industriales de Ibagué (Colombia). Revista Facultad De Ciencias Económicas, 25(2), 25-40. https://doi.org/10.18359/rfce.3067
Publicado
2017-06-30
Sección
Artículos