Resumen:
En esta investigación se desarrolla un modelo matemático utilizando redes
neuronales que permita pronosticar eficientemente la producción en una pequeña
empresa dedicada a la fabricación de galleta de chocolate en presentación de
21*700 g Para ello se identificaron las variables independientes que se considera
pueden afectar el proceso de producción todo esto teniendo en cuenta la
información y los datos suministrados por la pequeña empresa El tipo de método
utilizado es cuantitativo y la recopilación de los datos fue directa Posteriormente
se construyó el modelo de la red neuronal artificial para ello se seleccionó el
perceptrón multicapa y se manejó el programa Statistical Package for Social
Sciences (SPSS) Para la construcción de la red neurona artificial los datos se
clasificaron en tres grupos 65,0% para el entrenamiento 26,3% para la prueba y
finalmente al 8,8% para la reserva La validación del modelo se efectuó mediante
los errores relativos que se obtuvieron 0,197 para el entrenamiento 0,181 para la
prueba y finalmente el 0,143 para la reserva adicionalmente la presentación de
los valores de cuantìa de producción real y de producción pronosticada por la red
cuyo resultado fue un valor de R2 de 0,812 Finalmente se muestra el aporte que
cada una de las variables independientes hace al modelo se observa que la
mayor contribución lo realiza la cantidad de producción pronosticada seguida de
las horas laborales reales y finalmente las paradas no programadas En
conclusión a partir de su implementación se puede elaborar una guía de
predicción de rendimiento en una fábrica de galletas a través del entrenamiento de
la red neuronal artificial siendo aceptable porque se ajusta en buena medida a los
datos reales
