73

Application to evaluate financial requirements in TCC Group using residual charts: vehicle fleet case

Aplicación para evaluar requerimientos financieros en el Grupo TCC usando cartas de residuales: Caso flota vehicular

Jorge Pérez R.1, Leandro Muñoz G.2, Pedro Urrego S.3 1, 2investigacion(AT)idinnov.com, 3plurrego(AT)tcc.com.co

1, 2IDINNOV Unidad de Ciencia de Datos Empresariales. Colombia 3Grupo Logístico TCC. Colombia

Artículo de investigación

Abstract Objective: An application that allows evaluating financial requirements using residual charts was developed. Methods: the application development comprised two stages. 1) Residual control charts (variables analysis, fitting of regression models and design of control charts). 2) Application (design, development and validation using R-Studio and Shiny). Results: Individual and CUSUM charts were used to monitor scaled residuals, among others. The application incorporated six functionalities. A primary functionality (control charts) and five complementary functionalities (Serie, Boxplot/Normality, Regression, Diagnosis, and Compliance of the budget capacity). Conclusions: residual control charts proved to be useful to evaluate financial variables. The application proved to be reliable, simple to update, and useful to support decision-making process in the company.

Keywords: Application, residuals chart, financial budget, control chart

Resumen Objetivo: se desarrolló una aplicación que permite evaluar requerimientos financieros, incorporando cartas de residuales. Métodos: el desarrollo comprendió dos etapas. 1) Cartas de residuales (análisis de variables, ajuste de modelos de regresión y diseño de cartas). 2) Aplicación (diseño, desarrollo y validación usando R-Studio y Shiny). Resultados: se usaron cartas de individuales y CUSUM para monitorear los residuales escalados, entre otros. La aplicación incorporó seis funcionalidades. Una principal (Cartas de control) y cinco complementarias (Serie, Boxplot/Normalidad, Regresión, Diagnóstico y Capacidad de cumplimiento del presupuesto). Conclusiones: las cartas de control de residuales demostraron ser útiles para la evaluación de variables de presupuesto financiero. La aplicación demostró ser fiable, simple de actualizar y útil para apoyar el proceso de toma de decisiones en la empresa.

Palabras clave: Aplicación, carta de residuales, presupuesto financiero, cartas de control

© 2016. IAI All rights reserved

Citación Pérez, J., Muñoz, L. and Urrego, P. 2016. Aplicación para evaluar requerimientos financieros en el Grupo TCC usando cartas de residuales: Caso flota vehicular. Actas de Ingeniería 2, 73-81.

Actas de Ingeniería Vol. 2, pp. 73-81, 2016

http://fundacioniai.org/actas

74

1. Introducción

La gestión efectiva de los procesos financieros de una organización es importante para un óptimo desempeño, porque posibilita asignar de mejor manera los recursos y evitar pérdidas por decisiones incorrectas, entre otras bondades [1]. Un aspecto principal para mejorar la gestión de dichos procesos subyace en la necesidad de efectuar monitoreo y control oportuno de las variables financieras [2-5]. Esto posibilita advertir sobre comportamientos anormales en los procesos, generar alertas tempranas que permitan reaccionar a tiempo ante los cambios, brindar información de apoyo a la toma de decisiones y, en general, planear y programar de mejor manera los recursos.

El Grupo Logístico TCC es una organización colombiana que provee soluciones logísticas en la cadena de abastecimiento, a nivel nacional e internacional. En su portafolio se encuentra la prestación de servicios de paquetería, mensajería y carga masiva, entre otros. Dentro de su estructura, el área de Planeación Financiera es la encargada de la administración del presupuesto global de la operación de toda la organización. Conscientes de la importancia de sostener y superar los actuales niveles de gestión de los procesos financieros, la organización se ha orientado, entre otros frentes, al diseño y desarrollo de herramientas que le permitan lograr este propósito. Este llamado obedece a las siguientes oportunidades de mejora: 1) contar con una herramienta que aporte evidencia cuantitativa de mayor rigor para evaluar las solicitudes de presupuesto que se hacen desde las demás áreas; 2) facilitar labores de planeación y control de la ejecución presupuestal, dado que suelen consumir tiempo y recursos significativos; y 3) ante eventuales recortes de presupuesto, se desea contar con una herramienta que apoye el proceso racional de toma de decisiones y que oriente sobre formas efectivas de redistribuir los recursos entre las áreas de la empresa.

En vista de estas necesidades, justamente en el marco del monitoreo y control de los procesos, las cartas de control constituyen una herramienta de utilidad [6], aunque, tradicionalmente su uso ha tenido lugar en el contexto de la manufactura. No obstante, recientes estudios han aportado evidencia de que también pueden ser útiles para variables de naturaleza financiera, tales como ganancias, costos, ventas, …) [7-9]. De hecho, han declarado la pertinencia de considerar la variación (común y especial) en los procesos financieros para ejercer un mejor control sobre ellos. Si bien el uso de las cartas de control en procesos financieros ha venido incrementándose, el tema aún se considera en infancia [1, 9, 10]. Por esto, la invitación que se hace desde la literatura es a realizar nuevos estudios desde diversos contextos de aplicación (diferentes variables financieras, entornos culturales, sectores económicos, …) para seguir contribuyendo al tema [2, 8, 9].

Además de estos llamados, al analizar las expectativas de la organización contexto de estudio se han establecido dos requerimientos pragmáticos: 1) procedimientos simples de utilizar por parte de personal experto y no-experto en la empresa, lo que amerita un diseño en el que el usuario no tenga contacto con códigos o procedimientos de análisis complejos; y 2) formas de

actualización simples y rápidas, de modo que se asegure su uso y sostenimiento en el tiempo (evitar excesivo número de campos por actualizar). Ante estas oportunidades, se propuso desarrollar alternativas para evaluar solicitudes de presupuesto financiero, incorporando cartas de control entre otras herramientas. A través de ellas, se prevé la posibilidad de diferenciar eficientemente entre solicitudes comunes y especiales. Justamente, este trabajo se deriva de uno de los objetivos específicos de dicho proyecto y consiste en el desarrollo de una aplicación que facilite la puesta en práctica de dichas alternativas.

El alcance se delimita a variables de presupuesto de mantenimiento y funcionamiento de vehículos. Se trata de un componente del presupuesto global de la operación que comprende los recursos monetarios requeridos para que la flota de la organización (tracto-mulas, camiones y vehículos menores) realice su labor misional. Por otra parte, esta publicación tiene carácter aplicado, dirigida a la socialización de conocimiento tecnológico con participación del sector empresarial.

2. Materiales y métodos

En la Figura 1 se plasman las etapas metodológicas, en las que el tratamiento estadístico se llevó a cabo por medio de R (i386 3.2.1) [11] y RStudio (0.99.489) [12]. Para las cartas de control se usó el paquete qcc [13].

Figura 1. Etapas metodológicas para desarrollar la aplicación

2.1 Cartas de control de residuales

Etapa 1. Esta etapa comprendió el estudio descriptivo de las 11 principales variables financieras que componen el presupuesto de mantenimiento y funcionamiento de vehículos de la empresa: llantas nuevas, llantas reencauchadas y combustible de vehículos de ruta nacional, por mencionar algunas. Las 11 cuentas elegidas representan cerca del 80 % del presupuesto en cuestión. Los estadísticos descriptivos incorporaron medidas de tendencia central, de variación y de localización. El estudio de las variables tuvo dos propósitos: 1) conocer las principales características y 2) validar supuestos teóricos para el diseño de cartas de control: normalidad e independencia de las observaciones.

En el contexto de las variables financieras es común que el segundo supuesto se incumpla (independencia), porque el comportamiento actual puede verse influenciado por reajustes derivados de situaciones previas. Por consiguiente, es de esperar que las variables financieras presenten auto-correlación [14]. Para superar esta limitación existen varias alternativas, tales como estrategias propias del análisis de series de tiempo; no obstante, en esta oportunidad se consideró viable explorar la caja

75

negra que subyace en la variable tiempo, identificando posibles regresoras de la operación logística, entre otras. Así, en caso de llegarse a modelos de regresión válidos y fiables, los residuales se asumirían independientes con distribución normal de media cero y varianza constante. En términos generales, cuando las cartas de control se orientan hacia los residuales de modelos de regresión, se conocen como cartas de control de residuales. Este tipo de cartas resulta pertinente ante violaciones de normalidad o independencia y, a pesar de declararse también en infancia en comparación con las cartas tradicionales de Shewhart, han mostrado utilidad en diversos campos, prevaleciendo los contextos de manufactura [15-17].

En el presente caso de estudio se generaron modelos de regresión para nueve de las 11 variables financieras consideradas, las cuales presentaron auto-correlación. Así, se ajustaron modelos de regresión lineal múltiple para cada una de ellas, en función de variables internas (operación logística; Ej. Unidades movidas, número de viajes realizados…) y externas (Ej. Precios, …). Adicionalmente, tomando en cuenta uno de los requerimientos pragmáticos de la empresa de que la aplicación fuera de uso simple y rápida actualización en el tiempo, cada modelo (para las nueve cuentas) se procuró ajustar considerando, como mucho, dos variables regresoras. Más variables implicarían más tiempo y recursos para la actualización futura de la herramienta en la empresa, lo cual, sumado a las ocupaciones actuales, dificultaría su uso y sostenimiento. Otra razón para delimitar a máximo dos regresoras fue el limitado número de observaciones disponible.

Cada modelo de regresión se depuró (eliminación justificada de datos atípicos) y refinó (con base en la significancia global y de los términos individuales, y el coeficiente de determinación). Además, se validaron los supuestos estadísticos por medio del diagnóstico de residuales: normalidad, homocedasticidad e independencia. A fin de facilitar en la empresa la posterior interpretación de las cartas de control, en lugar de monitorear los residuales originales se generó una nueva variable, denominada residuales escalados. Dicha variable consistió en un cambio a escala porcentual de los residuales con respecto a los valores predichos por el modelo de regresión, según se indica en la Ecuación (1).

𝑒𝑒𝑖 =𝑌𝑖−�̂�𝑖

�̂�𝑖× 100 (1)

Como puede apreciarse en la Ecuación (1), estos residuales escalados representan la proporción de desfase del valor solicitado de presupuesto, con respecto al valor ajustado por el modelo. De esta manera, los límites de control establecidos para los residuales escalados son específicos para cada variable e indican el porcentaje máximo, por encima o por debajo (dependiendo del signo), que se puede tolerar para calificar una solicitud de presupuesto en la categoría común. Cuando un residual escalado cae por fuera de los límites de control, indica que la diferencia entre el valor solicitado y el valor predicho por el modelo es lo suficientemente grande como para

alertar de una posible situación especial, que amerita ser analizada y justificada.

La última parte de la Etapa 1 consistió en el diseño de las cartas de control para el monitoreo de las variables financieras, a través de los residuales escalados y de las observaciones originales para las dos variables que no presentaron auto-correlación. Para ello, se sometieron a prueba tres tipos de cartas que permitieran trabajar con observaciones individuales (Shewhart, CUSUM y EWMA), dado que las solicitudes de presupuesto se generan mensualmente (proceso no-masivo) [6]. La fijación de los límites de control preliminares se hizo considerando una región temporal lo más estable posible de la operación de la empresa (enero 2013-abril 2015), tanto desde lo que reflejaron los datos disponibles como desde la experiencia de personal estratégico de Planeación Financiera.

Tras procedimientos de simulación de Montecarlo se evaluó la capacidad de detección de corrimientos de 1σ; 1.5σ; 2σ; 2.5σ; 2.7σ y 3σ. Además, se consideró el hecho de que para la organización es menos perjudicial tener falsas alarmas, a que ocurran situaciones fuera de control estadístico y no detectarlas. Al final, se concluyó que las cartas de control más adecuadas para este contexto particular era la carta de Shewhart de individuales de 2.7σ y la CUSUM (H = 4: desviaciones estándar para la fijación los límites de control; y L = 1: magnitud del corrimiento). El uso simultáneo de ambas cartas posibilita detectar pequeños corrimientos en la media y corrimientos superiores a 2.7σ, lo que le brinda a la empresa un panorama más amplio a la hora de comprender la variación del proceso financiero.

Etapa 2. Una vez calibradas las cartas de control, se dio paso a la etapa de monitoreo de prueba. Para tal fin, la nueva región constó de seis observaciones adicionales (mayo – octubre de 2015). Esta etapa tuvo como propósito validar la capacidad de las cartas de control para diferenciar situaciones comunes y especiales justificadas en la empresa, considerando nuevos datos que no formaron parte de la región de calibración. Para las observaciones, que reflejan comportamientos fuera de control, se dio paso a las indagaciones sobre posibles causas especiales.

2.2 Aplicación (Etapa 3)

La tercera etapa comprendió el diseño, el desarrollo y la validación de la aplicación. El proceso de diseño se llevó a cabo teniendo como premisa básica potenciar la usabilidad (facilidad, flexibilidad…) de la aplicación para el usuario. Tras realizar sesiones grupales con los usuarios, generar propuestas y recibir retroalimentaciones, el diseño elegido para la interfaz llevó a diferenciar el panel de control y el de resultados. En el panel de control, el usuario podrá seleccionar la variable financiera de estudio y las regresoras, por medio de listas desplegables; además, seleccionar la región temporal que desea abordar por medio de barras de desplazamiento. En el panel de resultados, el usuario podrá elegir, por medio de pestañas, los resultados que desea revisar (estadísticos descriptivos, normalidad, posibles datos atípicos, resultados del modelo de

76

regresión, entre otros). Luego se procedió con el desarrollo de los componentes de la aplicación, que fue realizado en el paquete Shiny (0.13.2) [18]. Las aplicaciones desarrolladas bajo Shiny permiten automatizar las funciones en R, en un entorno, de manera que respondan en tiempo real a cambios introducidos por el usuario a través de objetos tales como listas desplegables, cuadros de selección, botones, entre otros.

Culminada la etapa de desarrollo, la validación de la aplicación se llevó a cabo desde dos perspectivas: funcionamiento técnico y satisfacción del usuario. Con respecto al primero, se realizaron pruebas con cada una de las variables financieras y con diversas regiones temporales, a fin de verificar que la aplicación no se bloqueara y que arrojara los mismos resultados obtenidos desde códigos independientes en R. Con relación a la satisfacción del usuario, se consideró la retroalimentación constante del equipo de Planeación Financiera, con respecto a la usabilidad de la aplicación.

3. Resultados

Con el propósito de ilustrar los principales resultados obtenidos en las etapas metodológicas, a continuación, se describen para el caso concreto de la variable consumo de presupuesto monetario de llantas nuevas. A través de esta cuenta la organización administra el valor que se consume en las llantas nuevas, en vehículos tanto de ruta nacional como de acarreo local. Por criterios de confidencialidad, los datos fueron estandarizados (restando su media y dividiendo entre su desviación).

3.1 Cartas de control

En la Figura 2 se muestra el gráfico de serie para el consumo estandarizado de presupuesto monetario de

llantas nuevas, para toda la región disponible (enero 2012- abril 2015) al momento de la realización del estudio.

Figura 2. Consumo estandarizado de presupuesto monetario

de llantas nuevas

Nótese la amplia variabilidad en los primeros meses de la serie (año 2012), en comparación con los demás. Ello se debe a que, en ese año, la organización realizó cambios estructurales relevantes e inversiones para la renovación de la flota vehicular. Adicionalmente, hubo una migración hacia nuevos sistemas informáticos. Se observa también que después de los primeros seis meses de 2012 el consumo de presupuesto monetario de llantas nuevas fue más homogéneo y con tendencia creciente. A modo de información complementaria, en la Tabla 1 se muestran las principales estadísticas descriptivos para el consumo estandarizado de presupuesto monetario de llantas nuevas. Estos resultados se estimaron considerando toda la región disponible (enero 2012 - abril 2015: 12-15) y tres subconjuntos de ella: enero 2013 - abril 2015 (13-15), enero 2014 - abril 2015 (14-15) y enero 2013 - diciembre 2014 (13-14).

Tabla 1. Estadística descriptiva para el consumo estandarizado de presupuesto

Estadística Intervalo de tiempo

12-15 13-15 14-15 13-14 Media 0.0000 0.0000 0.0000 0.0000 IC.95. Inf. -0.3198 -0.3878 -0.5329 -0.4223 IC.95. Sup. 0.3198 0.3878 0.5329 0.4223 Cuartil 1 -0.7435 -0.9141 -0.6419 -0.9502 Mediana -0.1105 -0.0275 0.2270 0.0267 Cuartil 3 0.5830 0.8053 0.5593 1.0389 Mínimo -1.2195 -1.6967 -2.2135 -1.6441 Máximo 3.9222 1.9487 1.7761 1.7324 Desviación 1.0000 1.0000 1.0000 1.0000 n 40 28 16 24

La Tabla 2 contiene los resultados de las pruebas de Shapiro-Wilk (normalidad) y Durbin-Watson (auto-correlación) para las diferentes regiones. Respecto a la prueba de normalidad, los resultados muestran que cuando se consideraron las observaciones del año 2012 (región 12-15), el valor-p arrojado en la evaluación en la prueba de Shapiro-Wilk es inferior al umbral de significancia de 0,05. Ello es consistente con lo mencionado sobre las inversiones especiales realizadas

en la organización y los cambios estructurales. La prueba de Durbin-Watson tiene como propósito explorar si hay o no evidencia de auto-correlación en la muestra de datos [14]. En términos generales, d = 2 infiere que en la muestra no la hay. Cuando d es cercano a cero (0) refleja la existencia de auto-correlación positiva en las observaciones. Como regla general, un valor d inferior a 1 da cuenta de auto-correlación positiva significativa.

Tabla 2. Resultados de las pruebas de normalidad y auto-correlación

Periodo n Shapiro-Wilk Durbin-Watson (orden 1)

Estad. Val-p Estad. 12-15 40 0.8713 0.0003 0.5166 Autoc pos. (d < 1) 13-15 28 0.9644 0.4399 0.1004 Autoc pos. (d < 1) 14-15 16 0.9784 0.9496 0.0476 Autoc pos. (d < 1) 13-14 24 0.9472 0.2353 0.1198 Autoc pos. (d < 1)

77

Los resultados de la Tabla 2 muestran que, para todas las regiones, en la muestra hay auto-correlación positiva. Nótese que en todos los casos el valor del estadístico de Durbin–Watson es inferior a 1 y, de hecho, relativamente cercano a cero (0). Siendo más precisos, con una significancia de 0.05, dos regresoras y un tamaño de muestra de 15 observaciones, el valor crítico es 0.95 (dL). Asimismo, bajo estos mismos criterios, pero con un tamaño de muestra de 40 datos, el valor crítico es 1.39 (dL). Observar que en todos los casos de la Tabla 2, el estadístico calculado sigue siendo menor que los valores críticos. Concretamente, hay evidencia de una auto-correlación significativa de orden 1, es decir, una correlación significativa entre la serie de tiempo y una versión desplazada de la misma, un periodo atrás (l = 1) [11]. Esto es consistente con el análisis de la Figura 1.

En términos de la validación de los supuestos estadísticos, los resultados de las pruebas de normalidad y auto-correlación permiten concluir que: 1) no conviene considerar toda la región de datos disponibles para diseñar las cartas de control, dado que 2012 presentó situaciones no comunes justificadas que ya no hacen presencia en la operación (tanto desde los datos como desde la voz de personal estratégico de Planeación Financiera). 2) No es viable monitorear tal cual la

variable del presupuesto tomada como ejemplo, porque en todas las regiones se dedujeron presencia de auto-correlación positiva significativa.

Teniendo esto en consideración, se procedió a ajustar un modelo de regresión lineal múltiple para explicar el consumo de presupuesto monetario de llantas nuevas en función de una variable de la operación y un indicador externo. Para ello, se usó como región de calibración enero de 2013 - abril de 2015 (13-15). Las observaciones de 2012 se descartaron debido a que las condiciones de funcionamiento fueron diferentes a las actuales. El refinamiento del modelo implicó la eliminación justificada de dos observaciones atípicas (abril y septiembre de 2013: eventos especiales de mantenimiento, periodos 16 y 21 en la Figura 2). Al final, el modelo probó ser significativo en estructura y en cada uno de sus coeficientes (valores-p menores a 0.05), logrando explicar el 84.66% de la variación (𝑅2). Los supuestos estadísticos del modelo, para los residuales, también se aceptaron. La Tabla 3 consolida los resultados de las pruebas de normalidad y de auto-correlación para los residuales escalados. Al eliminar los dos datos atípicos de la muestra, el tamaño final de la región de calibración fue de 26 observaciones.

Tabla 3. Pruebas de normalidad y auto-correlación para los residuales escalados

Periodo n Shapiro-Wilk Durbin-Watson (orden 1)

Estad. Val-p Estad. Result. Región de calibración (13-15) 26 0.9750 0.7599 2.0634 No autoc (d ≅2)

En el caso de los residuales escalados, las pruebas de normalidad y auto-correlación permitieron trabajar bajo los supuestos para el diseño de las cartas de control. A modo de complemento, la Figura 3 ilustra el histograma para los residuales escalados.

Figura 3. Histograma para los residuales escalados

Asegurados los supuestos de base para diseñar las cartas, se procedió a calcular los límites de control estadístico con base en esta región de calibración. La Figura 4 ilustra la carta de individuales (de 2.7σ) para los residuales escalados, generada en R. La línea punteada vertical, en la carta, separa la región de calibración (izquierda) de la región de monitoreo (derecha). Para poner a prueba el desempeño de las cartas de control se monitorearon las nuevas observaciones de 2015.

Figura 4. Carta de individuales para residuales escalados

Los límites de control para la carta de individuales se estimaron en ± 64 % (líneas horizontales punteadas, Figura 4). Ello quiere decir que, según la variación histórica, lo común es que el desfase (%) entre el consumo real de presupuesto y el predicho por el modelo, con respecto a este último, no exceda |64%|. Por tanto, cuando un residual escalado cae por fuera de la región delimitada por estas bandas, hay razones para sospechar de una posible causa especial de variación (proceso fuera de control estadístico).

Evaluando el desempeño de la carta de individuales para los residuales, se aprecia que las observaciones recientes, monitoreadas, cayeron por fuera del límite inferior de control, alertando sobre posibles causas especiales de variación. Para comprender esto, vale mencionar que, en el modelo ajustado, el número de llantas desechadas fue una de las dos variables regresoras del consumo de presupuesto monetario de llantas nuevas. Tras indagar con el personal del taller mecánico de la empresa, se encontró que cerca de estos meses en 2015, ocurrió un inconveniente en las instalaciones del proveedor encargado de retirar las llantas desechadas. Esto obligó a acumular llantas de desecho en las instalaciones propias durante los meses siguientes. Una de las hipótesis que sobresale es que las llantas de desecho de meses previos también fueron contabilizadas en meses posteriores, porque no se les da de baja hasta que el proveedor las retire. Tal situación es propia del método de registro, más no tendría que generar consumo adicional de presupuesto de llantas nuevas. Otra de las hipótesis tiene que ver con posibles cambios en las políticas de negociación con proveedores (Descuentos

78

por volumen, etc.), motivadas por el aumento justificado de llantas por renovar. Esto, a su vez, originado porque vehículos nuevos ingresaron a la flota periodos atrás y, en 2015, comenzaron a demandar renovación de llantas.

No obstante, estas hipótesis, entre otras que han surgido, aún continúan en estudio y se está a la espera de nuevos datos e indagaciones con otros colaboradores, para someterlas a prueba y verificar si el proceso regresa al comportamiento reflejado hasta abril de 2015. De no ser así, tendría que estudiarse un posible cambio de nivel del proceso y actualizar los límites de control. Gracias al objeto de este trabajo (el desarrollo de la aplicación), es posible detectar de forma rápida y simple posibles situaciones especiales, así como motivar la indagación, la generación de hipótesis y realizar las actualizaciones necesarias cuando la situación lo amerite. De manera complementaria, la Figura 5 ilustra la carta CUSUM (H = 4, L = 1), considerando la misma región de monitoreo explorada en la carta de individuales. La CUSUM detectó el residual escalado de junio de 2015 como un punto por fuera de control, por una situación especial que

probablemente inició un mes antes. De ahí en adelante, resalta la aparente continuidad de tal suceso.

Figura 5. CUSUM para residuales escalados

3.2 Aplicación

La Figura 6 muestra un extracto de la aplicación desarrollada para la evaluación de solicitudes de vehículos del Grupo Logístico TCC. A través de esta aplicación se automatizan y se articulan todos los componentes de análisis, conformando una herramienta tecnológica que sirve como apoyo a la gestión de los procesos financieros en la organización y a la toma de decisiones en general.

Figura 6. Panel de control principal y extracto de la interfaz de resultados de la aplicación

Panel de control principal. En la parte izquierda de la interfaz se encuentra el panel de control. Este posee una lista desplegable a través de la cual el usuario tiene la posibilidad de elegir la variable financiera (cuenta) que desea evaluar. También tiene a disposición dos listas desplegables, mediante las cuales puede elegir las variables regresoras que desea considerar, para explorar posibles modelos de regresión. No obstante, la aplicación carga por defecto, para cada variable financiera, las regresoras originalmente identificadas en la modelación.

En la parte central del panel de control se cuenta con dos barras dinámicas de desplazamiento, que sirven para elegir la región temporal (muestra) que se desea estudiar. El registro inicial (barra dinámica superior) demarca el punto de partida (mes). Por defecto, el registro inicial 1 corresponde a enero de 2012. El registro final señala la última posición (mes) de la ventana de tiempo, por ejemplo, el punto 12 corresponde a diciembre de 2012, y así sucesivamente. En la parte inferior del panel de control, la aplicación cuenta con una casilla de verificación denominada Datos de calibración que, cuando se activa, las cartas de control y demás resultados se generan usando únicamente los datos que conformaron la región de calibración (región estable). De hecho, cuando dicha casilla se activa, las barras de desplazamiento se inhabilitan.

Panel de resultados. A la derecha del panel de control se encuentra el panel de resultados. Los componentes que lo integran son: 1) Pestaña Cartas, donde la aplicación arroja las cartas de control de individuales y CUSUM, considerando los datos (región temporal) y la variable financiera, elegidos. En la parte superior del panel, arriba de la carta de individuales, se dispone de otra casilla de verificación (Activar Carta de residuales escal), en la que el usuario elige si desea que las cartas de control se generen considerando las observaciones originales, o haciendo uso de los residuales escalados. Recuérdese que los residuales escalados arrojados por los modelos de regresión son útiles para monitorear variables cuyas observaciones originales presentan auto-correlación, etc. Para visualizar la carta CUSUM basta con que el usuario se desplace hacia abajo (scroll) en la interfaz.

2) Otras pestañas. A modo de complemento, la aplicación cuenta con otras pestañas que brindan información sobre la naturaleza estadística de las variables bajo estudio, haciendo posible profundizar en la muestra elegida para la elaboración de las cartas. La primera de ellas es la pestaña Serie. En primera instancia, arroja los gráficos de serie correspondientes, bajo los cuales el usuario puede examinar el comportamiento de los datos en el tiempo. También presenta el resumen estadístico, en forma de tabla, de las principales medidas de

79

tendencia central, variabilidad y localización para las cuentas y para las regresoras.

La segunda pestaña se denominó Box-Norm y genera los diagramas Box-Plot y los gráficos de normalidad (Q-Q plot), tanto para la variable financiera como para las regresoras. Por medio de estos gráficos el usuario puede examinar la distribución de los datos e identificar la presencia de posibles valores extraños en la muestra. Particularmente, los gráficos de normalidad fueron programados de manera que también muestren el resultado de la prueba de normalidad de Shapiro-Wilk (valor-p).

La tercera pestaña incorporada en la aplicación se denominó Regresión, la cual genera los resultados, en forma de tabla, del modelo de regresión ajustado para la variable financiera elegida (Y) y las variables regresoras (X). Dicha tabla contiene los valores de los coeficientes individuales estimados, los valores p (para los coeficientes y para el modelo), el error estándar asociado, el coeficiente de determinación y el tamaño de muestra (según la región que haya elegido el usuario). Adicionalmente, en la parte inferior se genera el diagrama de dispersión (con correlaciones), a través del cual el usuario puede explorar la posible asociación entre pares de variables.

La pestaña Diagnóstico y le brinda al usuario la posibilidad de efectuar la validación de los supuestos teóricos, que se deben cumplir para que el modelo de regresión ajustado se considere válido. En esa vía, esta pestaña presenta el diagnóstico de los residuales (gráficos de: normalidad Q-Q, ajuste, residuales vs valores predichos, y residuales vs regresoras).

La pestaña Capac-Pred le posibilita al usuario efectuar un análisis de la capacidad de cumplimiento del presupuesto a nivel mensual y por periodo (varios meses). Dicho análisis se basa en lo siguiente: a través de un cuadro de texto, el usuario ingresa el incremento (%) máximo en el valor medio estimado del consumo de presupuesto, según el modelo de regresión ajustado con los datos de calibración. Ante este escenario de incremento, la aplicación estima el valor total consumido en el periodo, la diferencia con respecto al valor real y la probabilidad de cumplimiento del presupuesto, tanto a nivel mensual como del periodo proyectado. Para ilustrar una de las pestañas complementarias, en la Figura 7 se muestran los resultados de la pestaña Box-Norm para el caso del consumo de presupuesto monetario de llantas nuevas (la aplicación arroja resultados en unidades originales, se omiten las escalas de valores.

Figura 7. Ejemplo de resultados de la pestaña Box-Norm

3.3 Actualización y flexibilidad de la aplicación

La aplicación cuenta internamente con un archivo de datos (en hoja electrónica para facilidad de la empresa), que se puede actualizar permanentemente para incorporar las nuevas observaciones de las variables financieras que se generan en el tiempo. Para tal efecto, basta con ingresar los nuevos datos y actualizar el archivo de hoja electrónica. Una vez hecho esto, basta ejecutar la aplicación y automáticamente se leerá la nueva información disponible, usando XLConnect [19]. Es decir, adapta el panel de control de manera que se abarque, tanto en las listas desplegables (selección de variables) como en las barras de desplazamiento (región temporal), la nueva información incorporada, para luego actualizar los resultados. Esta flexibilidad no solo aplica para el caso de ingresar nuevas observaciones para las variables existentes, sino también para incorporar nuevas variables de estudio. Estas bondades hacen de la aplicación una herramienta fácil de administrar y actualizar.

3.4 Validación de la aplicación

Para validar la consistencia técnica de la aplicación, los resultados en cada una de las pestañas fueron replicados usando código independiente en el entorno R, para luego compararlos entre sí. En la Tabla 4 se plasman los criterios que se usaron para validar el funcionamiento técnico de la aplicación. En términos generales, los resultados de esta validación sacaron a flote algunas irregularidades en el funcionamiento de la aplicación. Por ejemplo, para el consumo de presupuesto monetario de lubricante de vehículos de ruta nacional y para el de combustible de vehículos de acarreo local, los signos de los coeficientes de correlación (diagrama dispersión-correlación) no fueron acordes con lo obtenido mediante código independiente. Para estas inconsistencias se identificaron las causas y se hicieron los ajustes. En general, todo el procedimiento de validación técnica sirvió para identificar oportunidades de mejora y de realizar los ajustes del caso, hasta llegar a la versión final: una aplicación fiable (consistente) y simple de usar/actualizar desde el punto de vista del usuario.

4. Conclusiones

Se desarrolló una aplicación que facilita la evaluación de solicitudes de presupuesto de mantenimiento y funcionamiento de vehículos del Grupo logístico TCC, incorporando cartas de control entre otras herramientas. Se construyó considerando lineamientos teóricos y requisitos pragmáticos de la organización, a fin de potenciar su uso y sostenimiento en el tiempo. Todo esto, tendiente a contribuir con la necesidad que tiene la empresa de desarrollar herramientas que le permitan evaluar, bajo criterios más robustos, las solicitudes de presupuesto realizadas por las áreas. La aplicación demostró ser útil y flexible para monitorear las variables de presupuesto objeto de estudio y para generar alertas oportunas de posibles eventos especiales, mediante el uso simultáneo de cartas de individuales y CUSUM. En el marco de una corriente emergente, este trabajo aporta evidencia a la literatura sobre la pertinencia y utilidad de usar cartas de control para monitorear variables financieras.

80

Tabla 4. Criterios de validación de la consistencia técnica de la aplicación

Elemento Criterios de validación

Panel de control principal

Las listas de selección funcionan correctamente Cargan por defecto los predictores elegidos en la modelación Las barras dinámicas funcionan correctamente La casilla de verificación funciona correctamente

Panel de resultados

Los resultados de la pestaña “Serie” son reproducibles en R Los resultados de la pestaña “Box-Norm” son reproducibles en R Los resultados de la pestaña “Regresión” son reproducibles en R Los resultados de la pestaña “Diagnóstico” son reproducibles en R Los resultados corresponden al tipo de datos (residuales u originales) elegido en la casilla de verificación Los resultados de la pestaña “Cartas” son reproducibles en R

Los resultados de la pestaña “Capac-pred” son reproducibles en R

A nivel metodológico, se evidenció la utilidad de usar cartas de residuales sobre variables de presupuesto financiero. El uso de los residuales en cartas de control, en vez de los valores originales, constituye una alternativa válida y razonable ante la presencia de auto-correlación. Asimismo, la alternativa de los residuales escalados (porcentaje de desfase de los valores originales con respecto a los predichos) facilitó la interpretación práctica de los resultados en la organización.

En general, este trabajo es un llamado a la necesidad de diferenciar la variación (común y especial) en variables de presupuesto financiero, en favor de mejores procesos de toma de decisiones en las empresas. Desconocer la variación histórica de los datos y tomar decisiones solamente con base en medidas de tendencia central o modelos mentales, puede resultar perjudicial. En ese sentido, por ejemplo, una disminución transitoria de los costos medios no necesariamente es evidencia de que los procesos financieros están mejorando, porque dicho comportamiento podría deberse a la variabilidad natural del proceso. Por ello, resulta útil considerar de forma conjunta la variabilidad histórica del proceso y el monitoreo actual, mediante cartas de control, a fin de diferenciar eficientemente entre eventos especiales (nuevos métodos, mejores prácticas, políticas especiales, anomalías, …) y comunes (inherentes a la naturaleza del proceso).

El uso de la aplicación puede ser útil en procesos de toma de decisiones relacionados con la ejecución y el control presupuestal en la organización, al tiempo que podría ayudar a simplificar las labores requeridas para la planeación del presupuesto. También, se evidencia el valor de los procesos de investigación aplicada y desarrollo tecnológico al interior de las organizaciones, para generar alternativas efectivas ante diversos retos u oportunidades de mejora en el medio empresarial.

5. Trabajos futuros

Se está trabajando en tres frentes: 1) Validación confirmatoria de los límites de control, con datos de todo un año (posterior al diseño), estando alertas no solamente a posibles eventos fortuitos sino también a eventuales cambios de nivel por acciones previamente planeadas en la organización. 2) Explorar el impacto del uso de la aplicación en los procesos de toma de decisiones en la organización, tanto desde la reacción temprana ante eventos especiales, como desde su connotación predictiva. Esto último, en procesos de proyección presupuestal para años siguientes, considerando duración, uso de recursos, satisfacción y

cumplimiento del presupuesto. 3) Se está preparando otra publicación, de carácter teórico-cuantitativo, que complemente esta divulgación de carácter aplicado desde el sector productivo.

Agradecimientos

Al Grupo Logístico TCC, especialmente a todo el equipo de Planeación Financiera. Este documento es uno de los varios productos derivados de un proyecto de investigación aplicada, orientado al diseño, desarrollo y puesta a punto de un modelo de evaluación de solicitudes de presupuesto, que incorpora diversas herramientas. Dicho proyecto fue aprobado para beneficio tributario en la convocatoria 691/14 de Colciencias. Se agradece al Consejo Nacional de Beneficios Tributarios y, en general, al Departamento Administrativo de Ciencia, Tecnología e Innovación – Colciencias.

Referencias

[1] Kovárík, M., Sarga, L., & Klímek, P. (2015). Usage of control charts for time series analysis in financial management. Journal of Business Economics and Management 16 (1), pp. 138-158.

[2] Marrero, M. et al. (2014). Schedule and Cost Control in Dwelling Construction using Control Charts. Open Construction and Building Tech. Journal 8, pp. 63-79.

[3] Mohamed, B. (2010). Cost estimation of construction projects during design stage in Iraq using control charts. In Proceedings Annual Conference - Canadian Society for Civil Engineering (pp. 238-247). Winnipeg, Canada.

[4] [4] Nassar, K., Nassar, W., & Hegab, M. (2005). Evaluating cost overruns of asphalt paving project using statistical process control methods. Journal of Construction Engineering and Management, 131 (11), pp. 1173-1178.

[5] Smolko, J. & Greisler, D. (2001). Understanding medical group financial and operational performance: The synergistic effect of linking statistical process control and profit and loss. Journal of Health Care Finance 27 (3), pp. 64-75.

[6] Gutiérrez, H. & De La Vara, R. (2009). Control estadístico de la calidad y seis sigma. México: McGraw-Hill.

[7] El Ghourabi, M., Dridi, A. & Limam, M. (2015). A New financial stress index model based on support vector regression and control chart. Journal of Applied Statistics 42 (4), pp. 775-788.

[8] Aliverdi, R., Naeni, L. & Salehipour, A. (2013). Monitoring project duration and cost in a construction project by applying statistical quality control charts. International Journal of Project Management 31 (3), pp. 411-423.

[9] Kovarik, M. & Sarga, L. (2014). Implementing control charts to corporate financial management. WSEAS Transactions on Mathematics 13, pp. 246-255.

[10] Dimaki, K. et al. (2011). Measuring the effect of financial incentives on a region's development: A statistical

81

process control approach. International Journal of Applied Systemic Studies 4 (1-2), pp. 37-64.

[11] R Project (2008). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Austria.

[12] R Studio Team (2015). RStudio: Integrated Development for R. RStudio, Inc., Boston, USA.

[13] Scrucca, L. (2004). qcc: An R package for quality control charting and statistical process control. R News 4(1), pp. 11-17.

[14] Montgomery, D., Jennings, C. & Kulahci, M. (2008). Introduction to time series analysis and forecasting. New Jersey: Wiley.

[15] Tsai, T. & Chen, L. (2009). Monitoring of the stencil printing process using a modified regression residual

control chart: an empirical study. International Journal of Industrial Engineering: Theory, Applications and Practice 16(4), pp. 248-259.

[16] Desa, N., Jemain, A. & Kasim, M. (2015). Residual Control Chart for Monitoring Pediatrics Hospital Admission Performances. Contemporary Engineering Sciences 8 (32), pp. 1509 – 1515.

[17] Yu, J. et al. (2015). Self-related Process Residual Control Chart Based on Neural Network. In International Symposium on Knowledge Acquisition and Modeling. London, UK.

[18] Web Application Framework for R. Online [Feb. 2016]. [19] XLConnect: Excel Connector for R. Online [Jan 2016].