Predicción de la eficiencia productiva, aproximación desde redes neuronales y regresión lineal

La propuesta de investigación, muestra la eficiencia productiva en el sector de la confección desde una perspectiva cuantitativa aplicada, cuyo propósito central es comparar la capacidad predictiva de dos modelos regresión lineal múltiple y redes neuronales frente a las interferencias productivas. La obra se estructura en torno a ejes temáticos interrelacionados: eficiencia, gestión del tiempo muerto, analítica de datos y toma de decisiones organizacionales. Estos se comunican al demostrar que la productividad no depende únicamente de variables técnicas, sino de factores humanos, organizacionales y contextuales (ausentismo, fallas mecánicas, desabastecimiento). Se desarrolla un estudio de caso con enfoque cuantitativo, utilizando 10.080 registros productivos y herramientas estadísticas en R. Se modela la eficiencia como variable dependiente frente a múltiples factores operativos, contrastando el error cuadrado medio (MSE) como criterio de desempeño. El enfoque es sólido en términos de rigor técnico, especialmente al incorporar machine learning mediante redes neuronales con retropropagación. El aporte radica en integrar analítica predictiva al campo de la gestión industrial, demostrando que las redes neuronales ofrecen mejor ajuste que los modelos lineales, lo que amplía las herramientas para la optimización productiva. No obstante, el análisis privilegia una lógica tecnocrática que reduce la complejidad del trabajo a variables medibles. La obra invisibiliza las condiciones laborales subyacentes, al tratar el “tiempo muerto” como ineficiencia sin problematizar sus causas estructurales. Se resalta su precisión metodológica y aplicabilidad empresarial; como limitación, su escasa problematización social y dependencia de un único caso, lo que restringe su alcance explicativo y crítico.