Scientia et Technica Ao XVII, No 47, Abril de 2011. Universidad Tecnolgica de Pereira.

ISSN 0122-1701 285

LOS METAMODELOS DE REGRESIN EN SIMULACIN CON APLICACIN EN

SISTEMAS DE MANUFACTURA

Regression Metamodeling in Simulation with Application to Manufacturing System

RESUMEN JOS SOTO MEJA

Con base en la informacin obtenida a travs de la simulacin de un caso Ph. D. Ingeniera de Computacin
hipottico de un sistema de manufactura tipo Pull, se presenta en este artculo el Magster en Investigacin Operativa
desarrollo y la validacin de un modelo matemtico auxiliar Metamodelo que y Estadstica.
sirve como apoyo en la comprensin del comportamiento de algunas variables Docente Titular
del modelo principal. En la fase de construccin de dicho modelo auxiliar, se Universidad Tecnolgica de Pereira
presenta la utilizacin de tcnicas de Regresin que permiten elegir el jomejia@utp.edu.co
Metamodelo de mejor ajuste. Finalmente se determina la relacin funcional
existente entre la cantidad de Kanbans de Produccin (asignados a las SERGIO FERNNDEZ HENAO
estaciones de trabajo) y el porcentaje promedio de demanda satisfecha para todos Magster en Investigacin Operativa
sus productos (% de Throughput). y Estadstica.
PALABRAS CLAVES: Eficiencia, Kanban, Metamodelo, Throughput. Ingeniero Industrial.
Universidad Tecnolgica de Pereira
ABSTRACT Docente Asistente.
It is presented in this article the development and the validation of an auxiliary sfernandez@utp.edu.co
mathematical model "Metamodel" based in information obtained through the
simulation of a hypothetical case of a Pull Manufacturing System. This
Metamodel is used like support in the understanding of the behavior of some
variables of the main simulation model. In the phase of construction of this
auxiliary model, the use of the Regression Technique is presented. This statistic
tool allows choosing the Metamodel of better statistical adjustment. Finally, the
functional relation between the quantity of Production Kanbans and the "% of
Throughput" (Percentage average of satisfied demand for all products) is
determined.

KEYWORDS: Efficiency, Kanban, Metamodel, Throughput.

1. INTRODUCCIN. Este modelo auxiliar es conocido como Metamodelo, el

El uso de la simulacin para analizar diferentes
escenarios en el rea de la manufactura es muy comn
hoy en da. La simulacin permite describir el
comportamiento de determinado sistema de manufactura
y comparar diferentes configuraciones de dicho sistema
sin incurrir en costos elevados.
Sin embargo, el analista con frecuencia se encuentra con
diferentes grados complejidad en los modelos de
simulacin.
Es ah, cuando podra ser apropiado apoyarse en un
modelo matemtico auxiliar que permita encontrar una
relacin funcional, estadsticamente significativa, entre
un conjunto de variables de entrada y una variable de
salida, que describa una medida de desempeo de inters
para el investigador.
De esta manera, se puede a travs de dicho modelo
auxiliar entender mucho mejor el comportamiento del
modelo complejo simulado [1].
cual, se puede estimar a travs de tcnicas de Regresin
en donde las variables independientes son los parmetros
de entrada del modelo de simulacin y la variable
dependiente se refiere a una medida de desempeo del
modelo simulado. sta puede ser el tiempo de ciclo, el
inventario en proceso o el porcentaje de demanda
satisfecha, entre otras. Dada la importancia que toma el
Metamodelo para el anlisis integral del caso de estudio,
esta investigacin se enfoca en la construccin y
validacin de diferentes modelos de regresin, que
permitan identificar la relacin significativa entre los
parmetros de entrada del modelo de simulacin y su
variable de desempeo [2].
Para lo anterior, se utiliz un modelo de simulacin de un
sistema de manufactura tipo Pull [3] en donde los
parmetros de entrada (variables independientes) son la
cantidad de Kanbans asignados a cada estacin de trabajo
los cuales estan encargados de dar la autorizacin de
fabricar un producto y la variable de desempeo (variable

Fecha de Recepcin: 25 de Enero de 2011

Fecha de Aceptacin: 28 de Abril de 2011
286
dependiente) evala el porcentaje de demanda satisfecha
(% de Throughput)1.
Con base al modelo de simulacin arriba mencionado, se
evaluaron varios escenarios. La variable de desempeo
(% de Throughput) fue calculada para diferentes
combinaciones del nmero de Kanbans en cada estacin
de trabajo. La informacin obtenida al correr el modelo
de simulacin fue utilizada para evaluar el ajuste de los
datos a varios modelos de regresin, los cuales sern
presentados la seccin 3 de este documento. All se
presenta el Metamodelo que mejor explica la relacin
entre las variables de entrada y de salida del sistema de
manufactura tipo Pull citado en esta investigacin y se
realiza su validacin respectiva.
2. CONCEPTOS GENERALES.
2.1. Sistema de Manufactura Tipo Pull.
Este sistema de manufactura hace parte integral de la
filosofa de produccin conocida como Just In Time
(JIT), la cual hace parte fundamental del Sistema de
Produccin Toyota (conocido hoy en da como Lean
Manufacturing) creado por los Japoneses despus de la
segunda guerra mundial y expandido en la dcada de los
70s como respuesta a la dinmica de su situacin
mundial en relacin a la calidad y niveles de produccin
de sus empresas [4].
El concepto de Just In Time, busca evitar exceso de
equipos y operarios, por medio de sistemas flexibles que
puedan adaptarse a las modificaciones debidas a
problemas y fluctuaciones de la demanda. El principal
enfoque de la filosofa Just in Time es que todos los
procesos producen las piezas necesarias en el tiempo
necesario y se deben tener disponibles nicamente las
existencias mnimas necesarias para mantener unidos los
procesos [5].
El Sistema Pull es uno de los elementos ms importantes
de esta filosofa de produccin, ya que evita la
sobreproduccin y apoya en gran medida el logro de
contar con cero inventarios en proceso. ste, consiste en
halar la produccin desde el final del ciclo productivo
hacia atrs, tomando como referencia el pedido del
cliente, es decir que solo se produce lo que se demanda,
evitando los cuellos de botella.
Dado lo anterior, se cuenta con un flujo de informacin
que viaja en sentido contrario al proceso de fabricacin
(ver figura 1). Para generar dicho flujo, se utilizan
tarjetas o sistemas de seal conocidos como Kanbans.
1
Troughtput, se define ac como demanda satisfecha diferente a
como lo define Goldratt la velocidad a las cual los pedidos se
convierten en ventas lo cual involucra variables de tiempo de
permanencia en el sistema , precio de venta, costos de operacin.
No obstante no afecta esta definicin la evaluacin de los escenarios de
simulacin
Scientia et Technica Ao XVII, No 47, Abril de 2011. Universidad Tecnolgica de Pereira.
Figura 1. Flujo de informacin en el Sistema Pull.
El sistema de kanbans utiliza las tarjetas de instruccin o
algn tipo de seal, para controlar la produccin y el
transporte de materia y/o productos. stas se colocan en
distintos contenedores que se trasladan entre estaciones
consecutivas, conllevando a la toma de decisiones locales
generando as un sistema PULL.
Por lo tanto, el enfoque que tiene el Kanban en el proceso
de produccin es dar instrucciones basadas en las
condiciones actuales del rea de trabajo y prevenir que se
agregue trabajo innecesario a aquellas rdenes ya
empezadas.
Es as, como se evidencia el papel relevante que juega la
asignacin de Kanbans a cada estacin de trabajo, ya
que de ello depende en gran medida el funcionamiento
del sistema Pull y por ende la consecucin de todos los
beneficios que trae consigo este sistema de produccin a
la empresa.
2.2. Metamodelos.
El trmino Metamodelo se utiliza para referirse a un
modelo auxiliar de tipo analtico. ste se construye con la
finalidad de apoyar la comprensin del modelo principal
respecto a las relaciones de las variables de estudio y as,
poder tener una explicacin ms detallada de su
funcionamiento. Desde la dcada de los 70s los
Metamodelos han venido tomando cada vez ms fuerza
en el rea de la Simulacin y la Optimizacin, no solo
por las ventajas mencionadas en la seccin anterior, sino,
por el puente de comunicacin que se logra al insertar el
Metamodelo en una fase intermedia entre la Simulacin y
la Optimizacin [1].
Figura 2. Fases de un Metamodelo.
La figura 2 presenta las fases bsicas por las cuales debe
pasar un Metamodelo. La fase de experimentacin
requiere en primer lugar, establecer ciertas variables
relevantes de entrada, las cuales alimentan el modelo de
Scientia et Technica Ao XVII, No 47, Abril de 2011. Universidad Tecnolgica de Pereira. 287

simulacin. Tambin se debe tener al menos una variable 3. DESARROLLO DE LA INVESTIGACIN.

de salida que se encarga de medir el desempeo de dicho
modelo. En segundo lugar, se requiere el planteamiento 3.1. Descripcin del Modelo Principal.
de unos escenarios a travs de diferentes combinaciones En esta investigacin se presenta el desarrollo de un caso
de las variables de entrada, para luego ser simulados y hipottico de una lnea de produccin que maneja doce
tomar el valor de la variable de desempeo. Estos tipos de productos y tres celdas de manufactura [3], ver
escenarios deben ser planteados de forma aleatoria de tal figura 3. sta opera bajo las condiciones del Sistema de
manera que la experimentacin no quede sesgada hacia Produccin tipo Pull controlado por Kanbans de
algn extremo de los posibles valores que pueden tomar Produccin (KPs). Cada celda de manufactura puede
las variables de entrada. realizar diferentes procesos dependiendo de la tarea
La segunda fase, consiste en tomar la tabla de resultados asignada en relacin a la orden de produccin que se
de la fase anterior y realizar cierto tipo de ajuste reciba en determinado momento.
matemtico que permita encontrar una ecuacin que
explique lo mejor posible la relacin existente entre las
variables de entrada y la variable de desempeo. Gran
parte de estos ajustes son realizados a travs de Tcnicas
de Regresin en donde son planteados modelos de
diferente orden (Lineales, Cuadrticos, Exponenciales,
Logartmicos, Potenciales, entre otros) los cuales son
sometidos a las correspondientes pruebas de los
supuestos de la regresin como lo son: Independencia,
Normalidad, Homoscedasticidad y Significancia de los
Parmetros [6].
Figura 3. Lnea de manufactura controlada por Kanbans
Luego de tener el Metamodelo que mejor se ajusta a los de Produccin.
datos de estudio, se pasa a la ltima fase (Validacin del
Metamodelo). Esta fase es de suma importancia ya que Los tiempos de procesamiento en cada celda de
por medio de los resultados de la validacin respectiva, manufactura para cada artculo se observan en la tabla 1.
se sustenta la confiabilidad del ajuste obtenido y por ende Se asumi una cantidad de demanda constante de una
se demuestra un buen desempeo del Metamodelo sobre unidad cada dos minutos.
el caso de estudio.
Tiempo de Procesamiento (Minutos)
Este proceso de validacin, consiste en primera medida, CELDA CELDA CELDA
en generar unos escenarios adicionales, tambin de PRODUCTO 1 2 3
manera aleatoria. Luego simularlos con el modelo 1 1 2 3
original y registrar los correspondientes resultados. 2 2 3 4
Tambin se aplica el Metamodelo a los escenarios 3 3 4 5
planteados y se registra el valor de la variable de 4 4 5 6
desempeo para cada uno. Por ltimo, se evala la 5 5 6 7
diferencia existente entre los resultados del modelo 6 6 7 8
simulado y los resultados del Metamodelo para cada 7 7 8 9
escenario a travs de la siguiente frmula: 8 8 9 10
9 9 10 11
10 10 11 12
11 11 12 13
Con la frmula 1 se obtiene para cada escenario el 12 12 13 14
porcentaje de error que presenta el Metamodelo respecto Tabla 1. Tiempos de procesamiento para cada artculo en
al Modelo simulado. Con base a dichos porcentajes se su correspondiente celda de manufactura.
encuentra el Porcentaje Promedio de Error que maneja
el Metamodelo. Cumpliendo estas tres fases el El tamao de cada contenedor es de una unidad para
Metamodelo tendr la capacidad de explicar la relacin todas las partes. Luego, cada Kanban de Produccin es
funcional existente entre las variables de estudio. De esta reemplazado tan pronto su contenedor est vaco. La
manera, el Metamodelo se convierte en una ayuda para capacidad de las maquinas se tom como infinita, ya que,
explicar el sistema estudiado. Adems, tambin se son los Kanbans de Produccin los que iran a regular
convierte en un instrumento adicional de soporte para dicha capacidad.
avanzar en el anlisis del sistema, utilizando otras
tcnicas de bsqueda exploratoria o de optimizacin.
3.2. Desarrollo del Metamodelo.
288 Scientia et Technica Ao XVII, No 47, Abril de 2011. Universidad Tecnolgica de Pereira.

Para generar la informacin necesaria para construir el Con base en los parmetros arriba mencionados se
Metamodelo presentado en el numeral anterior, se corri adelantaron 27 corridas de simulacin. La tabla 3
el modelo de simulacin bajo diferentes escenarios los contiene para cada uno de los 27 escenarios simulados, su
cuales se presentan en la tabla 2. Para establecer dichos respectivo porcentaje promedio de demanda satisfecha
escenarios, se utiliz un diseo factorial en donde cada (% Throughput).
factor corresponde al total de kanbans asignados a cada
una de las 3 celdas de manufactura [7]. Los kanbans Tomando como variables de entrada (variables
controlan la autorizacin de la produccin de los doce independientes) el nmero de Kanbans totales asignados
artculos a cada celda de manufactura y como variable de
desempeo (variable dependiente) el porcentaje
Para generar la informacin con el modelo de simulacin promedio de demanda satisfecha % Throughput,
se establecieron combinaciones de solo tres niveles (uno, (calculado dividiendo el total de entregas sobre el total de
tres y seis) para cada factor, cada nivel se encarga de pedidos para un tiempo determinado de simulacin) se
autorizar la fabricacin de una, tres o seis unidades del busco el ajuste de los datos a los modelos de regresin
respectivo artculo, correspondiendo a la cantidad de presentados en las ecuaciones 2, 3 y 4.
Kanbans asignados al artculo i en la celda de
manufactura j. Estas ecuaciones corresponden a: El Modelo Polinomial
(ec.2), Modelo Exponencial (ec.3) y Modelo en Potencias
Alternativas Numero Totales (ec.4). Cada uno de ellos fue sometido a las pruebas
Escenario Individuales de kanbans estadsticas necesarias que corroboraban el cumplimiento
Ki1 Ki2 Ki3 TK1 TK2 TK3
de los supuestos de Normalidad, Independencia,
1 3 1 3 36 12 36
2 3 6 3 36 72 36 Multicolinealidad y Homoscedasticidad de los datos.
3 6 6 3 72 72 36 Finalmente, el mejor ajuste de los datos se logr con el
4 3 1 1 36 12 12 modelo exponencial( ec. 3). En la seccin 3.3 se
5 3 1 6 36 12 72 presentan la estimacin de los parmetros del modelo
6 3 3 6 36 36 72 exponencial y las pruebas estadsticas correspondientes.
7 1 3 1 12 36 12 k
8 6 3 6 72 36 72
y 0 i i (2)
9 1 6 3 12 72 36
i 1
10 3 3 3 36 36 36
k
ln( y) 0 i i (3)
11 1 3 6 12 36 72
12 6 1 6 72 12 72
13 6 1 3 72 12 36 i 1
14 1 1 1 12 12 12 k
15 1 1 3 12 12 36 ln( y) 0 i ln( i ) (4)
16 6 6 1 72 72 12 i 1
17 6 1 1 72 12 12
18 6 3 1 72 36 12
TK1 TK2 TK3 % THROUGHPUT
19 6 6 6 72 72 72 ESCENARIO
20 1 3 3 12 36 36 X1 X2 X3 Y
21 1 6 6 12 72 72 1 36 12 36 36,64
22 3 3 1 36 36 12 2 36 72 36 73,37
23 1 6 1 12 72 12
24 3 6 1 36 72 12
3 72 72 36 73,37
25 6 3 3 72 36 36 4 36 12 12 29,68
26 1 1 6 12 12 72 5 36 12 72 36,64
27 3 6 6 36 72 72 6 36 36 72 78,39
Tabla 2. Escenarios generados a travs del diseo de 7 12 36 12 29,68
experimento factorial. 8 72 36 72 78,39
9 12 72 36 43,65
Como se puede ver en la tabla 2, se simularon 27 10 36 36 36 73,37
escenarios diferentes a travs de un diseo factorial 11 12 36 72 43,65
completo de 33. Cada escenario cuenta con tres factores 12 72 12 72 36,64
(uno por cada celda y con la posibilidad tres niveles de
13 72 12 36 36,64
nmero de kanbans: 1 kanban 3 kanbans 6 kanbans)
14 12 12 12 29,68
[7]. En las columnas 2, 3 y 4 se indica la cantidad de
15 12 12 36 36,64
Kanbans de Produccin que se asigna a cada celda de
manufactura para cada artculo y en las ltimas tres 16 72 72 12 29,68
columnas se presenta el total de Kanbans permitido en 17 72 12 12 29,68
cada celda (TK1, TK2 y TK3) cuando se alimenta el 18 72 36 12 29,68
modelo de manera sucesiva con los doce artculos. 19 72 72 72 97,53
20 12 36 36 43,65
Scientia et Technica Ao XVII, No 47, Abril de 2011. Universidad Tecnolgica de Pereira. 289

21 12 72 72 43,65 0.15, se infiere que no hay suficiente evidencia

22 36 36 12 29,68 estadstica para rechazar la hiptesis nula (los errores
23 12 72 12 29,68 siguen una distribucin NID(0,)). Por lo tanto los
24 36 72 12 29,68 residuos siguen una distribucin Normal.
25 72 36 36 73,37
26 12 12 72 36,64
27 36 72 72 82,72
Tabla 3. Resultados de los escenarios simulados.

3.3. Anlisis de Regresin.

Como se mencion en el numeral anterior, el modelo
exponencial fue el que tuvo el mejor ajuste. En la ec. 5 se
pueden observar los parmetros del Metamodelo
exponencial.

Ln(Y) = 2,46 + 0,0133TK1 + 0,0213TK2 + 0,0354TK3

- 0,000166TK12 - 0,000238TK22
- 0,000360TK32 + 0,000003 TK1TK2TK3
La inspeccin de la ecuacin (5) permite observar el
hecho de que cada vez que se aumenta el nmero de
Kanbans (variables TKi) en cada estacin, se incrementa
exponencialmente el porcentaje promedio de demanda
satisfecha (aunque con un poco de retraso causado por
los trminos de segundo orden que tienen parmetros con
valores negativos muy pequeos).
Para juzgar sobre la calidad de la relacin funcional
estimada (ec. 5) se realizaron las siguientes pruebas
estadsticas [8]:
1. Significancia de los estimadores: Esta prueba permite
inferir sobre la significancia de los parmetros estimados
y de esta manera concluir si una variable independiente
debe o no mantenerse en el modelo. La tabla 4 contiene
en su quinta columna los P-value para cada parmetro
de la ecuacin. Ya que ninguno es mayor a 0.05, se puede
inferir que cada estimador aporta informacin
significativa para estimar el porcentaje promedio de
Throughput con un nivel de confianza de al menos 95 %.
(5) Figura 4. Prueba de Normalidad.
3. Prueba de Independencia: Esta prueba tiene que ver
con la ausencia de correlacin entre los diferentes
residuos, garantizando de tal manera, la independencia en
los valores estimados por la ecuacin 5. Para ello se
utiliz el estadstico de prueba de Durbin-Watson el
cual indica que cuando el valor de la prueba es cercano a
2, se puede inferir que los datos analizados son
independientes. En este caso el valor del estadstico de
prueba fue 2.43965, con lo cual se puede inferir que los
residuos cumplen el supuesto de Independencia.
4. Prueba de Homoscedasticidad: El objetivo de esta
prueba es inferir sobre la presencia de alguna tendencia
en el comportamiento de los residuos. Si no la hay, se
puede inferir sobre el cumplimiento de varianza
constante. Al analizar la figura 5, se puede observar que
no hay una tendencia marcada en el comportamiento de
los residuos. Dado lo anterior se puede inferir que se
cumple el supuesto de Homoscedasticidad.

Figura 5. Prueba de Homoscedasticidad realizada en M.

Tabla 4. Anlisis de significancia para los coeficientes
del Metamodelo.
2. Prueba de normalidad: Esta prueba verifica si los
residuos se distribuyen normalmente. En la figura 4 se
puede observar el cumplimiento del supuesto de
Normalidad dado el comportamiento grfico de los
residuos. Igualmente al observar el estadstico de
Kolmogorov-Smirnov y su correspondiente valor P de
Excel 2007.
Con los resultados de las pruebas estadsticas
presentadas se puede inferir sobre la buena calidad del
Metamodelo estimado. Adems, este Metamodelo
present un coeficiente de determinacin de 90,3% lo
que reitera un ajuste fuerte de las variables
independientes con la variable dependiente. Finalmente,
 290 Scientia et Technica Ao XVII, No 47, Abril de 2011. Universidad Tecnolgica de Pereira.

el Metamodelo propuesto en la ecuacin (5) debe lo cual se convierte en una gran ayuda para comprender
validarse para ser aceptado como el modelo auxiliar que comportamientos de sistemas ms complejos.
mejor se ajusta al comportamiento de las variables de
entrada y salida del modelo principal de simulacin. En el estudio realizado se evidenci a travs de la
estimacin del Metamodelo (ec.5), que a medida que la
3.4. Validacin del Metamodelo. cantidad de Kanbans de Produccin autorizados en la
Para realizar la correspondiente validacin del lnea de produccin aumenta, tambin aumentar, de
Metamodelo encontrado, se generaron cinco escenarios manera exponencial, el porcentaje de demanda satisfecha.
adicionales en donde la cantidad de Kanbans Totales
TK fue determinada de manera aleatoria, cuidando de El porcentaje promedio de Error encontrado en la fase de
que dichos valores estuvieran dentro del rango validacin del metamodelo (e. 5) fue de 5%, lo cual
establecido de 12 a 72, lo que indica una variacin de 1 a corrobora que el Metamodelo se ajusta muy bien a los
6 Kanbans de Produccin para cada uno de los 12 datos analizados. Por lo tanto, la ecuacin del
productos en cada una de las tres celdas de manufactura. Metamodelo permite comprender mejor la relacin
funcional entre la cantidad de Kanbans asignados a cada
Las tres primeras columnas de la tabla 5 muestran los estacin de trabajo (variables de entrada) y el porcentaje
escenarios adicionales de validacin con sus Kanbans de de demanda satisfecha % Throughput (variable de
Produccin Totales TK para cada una de las 3 celdas desempeo).
de manufactura. La cuarta columna(Y_simulado)
presenta el valor de la variable % Throughput El alcance del Metamodelo obtenido va ms all de la
(Porcentaje promedio de demanda satisfecha) comprensin de la relacin funcional de las variables de
encontrado a travs de la simulacin. La quinta columna estudio, ya que esta ecuacin se puede utilizar como
(y_Metamodelo) indica el valor obtenido con el puente de comunicacin entre las reas de la Simulacin
Metamodelo estimado (ver ec.5) para la variable y la Optimizacin, lo cual genera potencialmente futuras
dependiente (% Throughput). La ltima columna muestra investigaciones.
el porcentaje de error calculado al comparar los dos
valores de la variable dependiente hallados por medio de 5. BIBLIOGRAFA
la Simulacin y el Metamodelo (ver ec. 1).
[1] FRIEDMAN, L. W. and PRESSMAN, I., The
Y_Metamod Metamodel in Simulation Analysis: Can it Be Trusted?,
TK1 TK2 TK3 Y_Simulado elo % ERROR Journal of Operational Research Society, vol. 39, no 10,
24 36 48 61,41 62,56 0,02 939-948, 1998.
36 60 24 55,79 51,55 0,08
48 48 48 85,41 80,76 0,05 [2] MADU, C.N., Simulation in Manufacturing: A
36 24 48 61,81 59,86 0,03 Regression Metamodel Approach, Computers and
24 60 36 61,41 58,45 0,05 Industrial Engineering, vol. 18 no. 3, 381-389, 1990.
Error
Promedio 0,05 [3] FERNANDEZ SERGIO. Enfoque Metodolgico
Tabla 5. Validacin del Metamodelo. Aplicado a los Sistemas de Manufactura tipo Pull.
Trabajo de Maestra. Universidad Tecnolgica de Pereira,
El porcentaje promedio de Error encontrado en la fase de Junio 2010.
validacin es de 5%, lo cual corrobora que el
Metamodelo se ajusta muy bien a los datos analizados. [4] RESTREPO C. JORGE H., PEREZ V. PAULA A.,
Por lo tanto, la ecuacin del Metamodelo que hace CRUZ T. EDUARDO A. Definicin, Clasificacin y
referencia a un modelo exponencial, puede ser empleada Aplicacin del sistema Kankan. Editorial Papiro. 2007
para explicar la relacin funcional entre la cantidad de
Kanbans asignados a cada estacin de trabajo (variables [5] OHNO, T., Toyota Production System Beyond
de entrada) y el porcentaje de demanda satisfecha % Large-Scale Production, Productivity Press, Cambridge,
Throughput (variable de desempeo). 1998.

[6] ANDERSON, D., SWEENEY, D., WILLIAMS, T.,

4. CONCLUSIONES
La construccin de Metamodelos permite obtener un
mayor entendimiento de las relaciones funcionales entre
las variables que alimentan el sistema y la variable
encargada de evaluar el desempeo de dicho sistema, por
Estadstica para Administracin y Economa Dcima
Edicin, Editorial Cengage Learning, 2009.
[7] MONTGOMERY, D., Diseo y Anlisis de
Experimentos Segunda edicin. Limusa Wiley, 2004.
[8] TRIOLA, M. Estadstica, Pearson, 2006.