Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ambato-Ecuador
2019
Índice de contenidos
Contenido
5.- Descripción del proceso a simular (Modelo conceptual), (Diagrama de flujo) ............. 6
Figura 4. Representación gráfica de los datos. ........... Error! Bookmark not defined.
La industria general, entre pequeñas y medianas empresas, muy poco han comprendido la
necesidad de adaptar sus procesos a un cálculo de productividad. La industria automotriz
específicamente los tecnicentros no poseen un modelo claro para hacer este cálculo, no
están claros los procesos de servicio como enllantado, balanceado y alineado de vehículos,
el presente proyecto de investigación en el tecnicentro Patollantas ubicado en la ciudad de
Ambato, pretende estudiar, analizar y conjugar los diferentes modelos de productividad,
hasta alcanzar el adecuado y que logre adaptar a cada característica del servicio prestado,
así adoptar un modelo eficiente de productividad aplicando el estudio de tiempos en las
actividades realizadas.
Analizar las condiciones actuales y proponer una solución del proceso operativo para
incrementar la productividad de la Alineadora de la empresa PATOLLANTAS.
BALANCEADO 17.86
ENLLANTADO 25
ALINEADO 7.14
TODOS 50
Cada auto es enviado del estacionamiento de arribo hacia cualquiera de las estaciones
según la orden de producción por un operario que es elegido aleatoriamente. Actualmente
la empresa cuenta con 5 operarios en esa zona. A continuación, se muestra un resumen de
los datos correspondientes a cada estación:
1 1
2 1
3 2
4 2
5 1
6 1
7 1
8 1
9 1
10 2
11 1
12 2
13 1
14 1
15 2
16 0
17 1
18 1
19 1
20 1
21 0
22 2
23 1
24 2
25 0
26 1
27 0
28 1
29 2
30 1
31 1
32 1
33 3
34 1
35 1
36 2
37 2
38 1
39 0
40 0
Para el análisis de los datos obtenidos se utilizó el software ExpertFit el cual nos envía los
siguientes resultados como se muestra en las figuras:
Actual:
En la ciudad de Ambato se reúnen los ingenieros Marco Barragán, Alex Peralvo y Juan
Reyes con la concisa idea de que verifican el modelo de los datos y lo aceptan por
unanimidad.
8.2.- Validación.
El modelo fue desarrollado en base a las consultas con el propietario de la empresa y los
empleados, las asunciones del modelo fueron validadas.
El resultado del modelo se lo observa como una “caja negra”:
VARIABLES NO
CONTROLABLES
MODELO CAJA VARIABLES DE SALIDA:
(X)
NEGRA - INTERES PRINCIPAL
VARIABLES DE f(X,D) = Y - INTERES SECUNDARIO
DECISIÓN
(D)
REPLICAS Y2
1 9
2 11
3 12
4 10
5 10
6 11
MEDIA 10.5
DESVIACION 1.8
ESTANDAR
10.5 − 11
𝑌2 =
1.8/√6
𝑌2 = 0.68
𝑌2 = 0.68 ≺ 2.5271
8.5.- Prueba de Potencia.
1
𝜕=
1.8
𝜕 = 0.5555
𝛽 = 0,10
Con los valores obtenidos se busca en la siguiente tabla el número de réplicas a realizar
para que el modelo sea aceptado.
10,81 − 11
𝑌2 =
2.52/√31
𝑌2 = 0.4830
𝑌2 = 0.4830 ≺ 2.5271
Con este cálculo se comprueba que el modelo es fuerte y además resistente a las
variaciones.
8.6.- Comparación de varios sistemas.
En las siguientes imágenes se puede observar que ya no existe bloqueo en ninguna máquina
ya que el operario de soporte con su nuevo conocimiento en alineado puede realizar la
actividad mientras su compañero se encarga de otra máquina.
Mejora 2:
Se añade un operario capacitado en alineado a la línea que realiza los tres procesos continuo
manteniendo soporte a la parte de balanceado y enllantado y además se hace la adquisición
de una máquina más de enllantado
A pesar de que con la adquisición de otra máquina enllantadora la productividad de la
alineadora sube ya que se abastece mejor la línea se debe realizar un análisis de costo
beneficio con respecto al costo de compra de la nueva máquina
Yr1
Yr2 Yr3 Dr2 Dr3
r (ESTADO
(MEJORA 1) (MEJORA 2) θ1-θ2 θ1-θ3
ACTUAL)
1 7 9 10 -2 -3
2 11 12 12 -1 -1
3 11 11 11 0 0
4 10 10 10 0 0
5 8 9 9 -1 -1
6 11 11 11 0 0
7 12 20 20 -8 -8
8 10 10 10 0 0
9 13 14 14 -1 -1
10 11 11 11 0 0
11 13 13 13 0 0
12 13 13 13 0 0
13 15 17 17 -2 -2
14 11 11 11 0 0
15 13 13 13 0 0
16 15 16 16 -1 -1
17 7 7 7 0 0
18 8 8 8 0 0
19 12 13 13 -1 -1
20 11 14 14 -3 -3
21 13 13 13 0 0
22 11 11 11 0 0
23 8 8 8 0 0
24 15 19 19 -4 -4
25 7 7 7 0 0
26 14 15 15 -1 -1
27 8 9 9 -1 -1
28 10 10 10 0 0
29 10 10 10 0 0
30 6 6 6 0 0
31 11 14 14 -3 -3
Media 10,81 11,74 11,77
Desv. Std 2,52 3,39 3,36 -0,93548 -0,96774 D.i -0,94 -0,97
1,69 1,72 Sdi
0,304 0,309 Sdi/RaizR
REPETICIONES = 31 _
_ _
_
D .2 ti / 2,R1se D .2 1 2 D .2 ti / 2,R1se D .2
PARA ALFA = αe 0,05 -1,58 -0,29
C = 2 _
_ _
_
D .3 ti / 2,R 1 se D .3 1 3 D .3 ti / 2,R1se D .3
ALFA/C = αi 0,0250 -1,63 -0,31
t(αi/2, R-1) = t(0.0083, 9) =2,131
Tomar los datos con exactitud y con herramientas debidamente calibradas para no
tener problemas de paralaje.
Ampliar las mediciones para disminuir el error absoluto.
Mantener activos los permisos de uso y licencias de los programas que sirven como
apoyo para el modelado.
Realizar un análisis de costo beneficio ante la propuesta de adquisición de una
máquina herramienta extra en el caso de la mejora 2.
11.- Bibliografía.
Zhu, X., Zhang, R., Chu, F., He, Z., & Li, J. (2014). A flexsim-based optimization
for the operation process of cold-chain logistics distribution centre. Journal of
applied research and technology, 12(2), 270-288.
Nordgren, W. B. (2002, December). Flexsim: Flexsim simulation environment.
In Proceedings of the 34th conference on Winter simulation: exploring new
frontiers (pp. 250-252). Winter Simulation Conference.