-*[

GRUPO 28
Consultores: Álvarez Carvajal Mitchel Daniela
Blanco Cristian David
Guzmán Salazar Gina Alejandra
Hoyos Rivillas Ronald Mauricio
Trejos Gómez Cindy Pamela

Modelo Conceptual de la Situación Planteada

Mapple es una compañía de ensamble de automóviles a nivel mundial, bajo un sistema de producción en línea por celdas
de trabajo.
Cuenta con tres referencias principales M001, M002 y M003; el 80% de los clientes están concentrados en las referencias
M002 y M003. Para el ensamble de estas referencias todas deben pasar por tres estaciones (A,B y C). Revisando el flujo
de proceso de cada referencia, se puede denotar que todas las referencias deben pasar por la estación B, lo que puede
designarse como la operación cuello de botella.
La compañía en los últimos meses ha estado generando incumplimiento a sus clientes, lo que podría causar que su
rentabilidad disminuya.
En búsqueda de soluciones le gerente de la compañía ha pensado en que su maquinaría debería ser actualizada y por ello
ha decidido contactar a dos proveedores.

Representación Gráfica

Tomando en cuenta un flujo de productos desde el tiempo más pequeño al tiempo más alto se iniciará en M001 finalizando en M003. Para ello
se ha hecho un Gantt para observar el flujo de las referencias.
El producto 1 requiere 3,32 min en el proceso A, pasa inmediatamente al proceso B por 3,99 min adicionales, es decir hasta el minuto 7,32, para
finalmente terminar en la etapa C por 5,89 min adicionales, al cabo de 13,2 min desde que inició su procesamiento.
El producto 2 requiere de 3,99 min de procesamiento e inicia tan pronto finaliza el producto 1 en el proceso C, es decir que requiere de un
tiempo de espera y arranca en el min 13,2, luego pasa al proceso B una vez el producto 1 halla pasado a la estación C, es decir inicia en el min
7,32, luego finaliza en el proceso A una vez el producto 1 haya pasado a la estación B, es decir inicia su proceso en el min 3,32 donde ha tenido
un tiempo de procesamiento de 19,09 min.
El producto 3 inicia su proceso en la estación B y arranca una vez el producto 2 haya finalizado, es decir arranca en el minuto 11,31, luego pasa
a la estación A y arranca su proceso una vez el producto 2 haya finalizado, es decir arranca en el minuto 6,65 y finalmente pasa a la estación C
dónde arranca su proceso una vez el producto 1 y 2 hayan finalizado su proceso, es decir arranca su proceso en el minuto 19,09 y para el
producto 3 ha transcurrido un tiempo de proceso de 32,29 min.
PROCESO 1,6 2,6 3,6 4,6 5,6 6,6 7,6 8,6 9,6 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
A
B
C
ts
estacion 1 3,32
estacion 2 3,99
estacion 3 5,89

M001
M002
M003

Gráfico 1. Representación gráfica del proceso productivo de la compañía de Mapple

Página 1
 Grupo 28

Análisis de datos de entrada

Tiempo de Proceso Estación 1 – Sistema Actual
Histograma:

Gráfico 2. Histograma del tiempo de servicio en la estación 1 del sistema actual

Pruebas de Bondad de Ajuste

Tiempo de Montaje
Número de datos analizados 501
Mínimo 1,60
Máximo 4,92
Promedio 3,32
Desviación Estándar 0,72
Hipótesis Nula >=0,05
Nivel de significancia (a) 5%
Grados de libertad (g.l) 1
P-value >0,7 CHI CUADRADO
Parámetros de la distribución TRIA(1.26,3.71,5)
Conclusión Se determina que los tiempos de proceso de la estación 1 se ajustan a una
distribución triangular, que indica que tiene un valor máximo, un valor mínimo y
un valor más frecuente, donde el tiempo máximo podría llegar a 4,04, el tiempo
más frecuente podría llegar a 3,32 min y el valor mínimo podría llegar a 2,6 min.
Tanto la distribución Beta como la distribución triangular representan un error
cuadrático medio de 0,00125 en la variación de la estimación.
Se puede indicar que no se rechaza la hipotesis nula debido a que los datos
representan una distribución continúa.

Tabla 1. Resumen planteamiento prueba de bondad de ajuste para tiempo de servicio en la estación de Montaje

Tiempo de Proceso Estación 2 – Sistema Actual

Histograma:

Página 2
 Grupo 28

Gráfico 3. Histograma del tiempo de servicio en la estación 2 del sistema actual

Pruebas de Bondad de Ajuste

Tiempo de Montaje
Número de datos analizados 501
Mínimo 2,51
Máximo 5,51
Promedio 3,99
Desviación Estándar 0,50
Hipótesis Nula >=0,05
Nivel de significancia (a) 5%
Grados de libertad (g.l) 1,645
P-value >0.75 CHI CUADRADO
Parámetros de la distribución WEIB(1.97,4.02)
Conclusión El mejor ajuste es la distribución Weibull que representa un ECM de 0.000869
en la variación de la estimación. Se realiza la comparación con la siguiente
distribución recomendada que es la Normal, que tiene el mismo valor de p pero
donde ECM es mayor con un valor de 0.000953, por lo tanto se decide trabajar
con una distribución Weibull. No se rechaza la hipótesis nula puesto que el p-
value es mayor que 0,05.
Tabla 2. Resumen planteamiento prueba de bondad de ajuste para tiempo de servicio en la estación de Montaje

Tiempo de Proceso Estación 3 – Sistema Actual

Histograma:

Gráfico 4. Histograma del tiempo de servicio en la estación 3 del sistema actual

Pruebas de Bondad de Ajuste
Tiempo de Montaje
Número de datos analizados 501
Mínimo 0,12
Máximo 28,11
Promedio 5,89
Desviación Estándar 4,35
Hipótesis Nula >=0,05
Nivel de significancia (a) 1%
Grados de libertad (g.l) 6,329

Página 3
 Grupo 28

P-value =0,669 CHI CAUDRADO

Parámetros de la distribución GAMM(3.32,1.77)
Conclusión El mejor ajuste es la distribución Gamma que representa un ECM de 0.001305
en la variación de la estimación. Se realiza la comparación con la siguiente
distribución recomendada que es Weibull que tiene el mismo valor de p pero
donde ECM es mayor con un valor de 0.00148, por lo tanto se decide trabajar
con una distribución Gamma. No se rechaza la hipótesis nula puesto que el p-
value es mayor que 0,05.
Tabla 3.Resumen planteamiento prueba de bondad de ajuste para tiempo de servicio en la estación de Montaje

Tiempo de Proceso Estación 1 – Proveedor 1

Histograma:

Gráfico 5.Histograma del tiempo de servicio en la estación 1 del proveedor 1

Pruebas de Bondad de Ajuste

Tiempo de Montaje
Número de datos analizados 501
Mínimo 0,0811
Máximo 17,6
Promedio 4,05
Desviación Estándar 2,91
Hipótesis Nula >=0,05
Nivel de significancia (a) 1%
Grados de libertad (g.l) 6.11
P-value =0.0864 CHI CUADRADO
Parámetros de la distribución GAMM(2.1,1.93)
Conclusión El mejor ajuste es la distribución Gamma que representa un ECM de 0.001421
en la variación de la estimación. No se rechaza la hipótesis nula puesto que el p-
value es mayor que 0,05.
Tabla 4. Resumen planteamiento prueba de bondad de ajuste para tiempo de servicio en la estación de Montaje

Tiempo de Proceso Estación 2 – Proveedor 1

Histograma:

Página 4
 Grupo 28

Gráfico 6. Histograma del tiempo de servicio en la estación 2 del proveedor 1

Pruebas de Bondad de Ajuste

Tiempo de Montaje
Número de datos analizados 501
Mínimo 0,0759
Máximo 27,2
Promedio 4,53
Desviación Estándar 3,81
Hipótesis Nula >=0,05
Nivel de significancia (a) 1%
Grados de libertad (g.l) 5,14
P-value =0.197 CHI CUADRADO
Parámetros de la distribución GAMM(3.02,1.5)
Conclusión El mejor ajuste es la distribución Gamma que representa un ECM de 0.000713
en la variación de la estimación. No se rechaza la hipótesis nula puesto que el p-
value es mayor que 0,05.
Tabla 5. Resumen planteamiento prueba de bondad de ajuste para tiempo de servicio en la estación de Montaje

Tiempo de Proceso Estación 3 – Proveedor 1

Histograma:

Página 5
 Grupo 28

Gráfico 7. Histograma del tiempo de servicio en la estación 2 del proveedor 1

Pruebas de Bondad de Ajuste

Tiempo de Montaje
Número de datos analizados 501
Mínimo 0,0008
Máximo 40,4
Promedio 5,44
Desviación Estándar 6,28
Hipótesis Nula >=0,05
Nivel de significancia (a) 1%
Grados de libertad (g.l) 5.44
P-value =0.414 CHI CUADRADO
Parámetros de la distribución GAMM(8.26,0.658)
Conclusión El mejor ajuste es la distribución Gamma que representa un ECM de 0.000816
en la variación de la estimación. No se puede establecer una distribución
exponencial puesto que rechaza la hipótesis nula al ser menor que 0,05, con la
distribución Gamma no se rechaza la hipótesis nula puesto que el p-value es
mayor que 0,05.
Tabla 6. Resumen planteamiento prueba de bondad de ajuste para tiempo de servicio en la estación de Montaje

Tiempo de Proceso Estación 1 – Proveedor 2

Histograma:

Página 6
 Grupo 28

Gráfico 8. Histograma del tiempo de servicio en la estación 1 del proveedor 2

Pruebas de Bondad de Ajuste

Tiempo de Montaje
Número de datos analizados 501
Mínimo 1,82
Máximo 5,08
Promedio 3,49
Desviación Estándar 0,515
Hipótesis Nula >=0,05
Nivel de significancia (a) 5%
Grados de libertad (g.l) 1
P-value >0.75 CHI CUADRADO
Parámetros de la distribución WEIB(2.2,4.38)
Conclusión El mejor ajuste es la distribución Weibull que representa un ECM de 0.001 en la
variación de la estimación. No se rechaza la hipótesis nula puesto que el p-value
es mayor que 0,05.
Tabla 7. Resumen planteamiento prueba de bondad de ajuste para tiempo de servicio en la estación de Montaje

Tiempo de Proceso Estación 2 – Proveedor 2

Histograma:

Gráfico 9. Histograma del tiempo de servicio en la estación 2 del proveedor 2

Pruebas de Bondad de Ajuste

Tiempo de Montaje
Número de datos analizados 501
Mínimo 1,79

Página 7
 Grupo 28

Máximo 6,5
Promedio 4,01
Desviación Estándar 0,786
Hipótesis Nula >=0,05
Nivel de significancia (a) 5%
Grados de libertad (g.l) 1
P-value =0.342 CHI CUADRADO
Parámetros de la distribución WEIB(2.99,3.82)
Conclusión El mejor ajuste es la distribución Weibull que representa un ECM de 0.00136 en
la variación de la estimación. No se rechaza la hipótesis nula puesto que el p-
value es mayor que 0,05. No se puede determinar bajo una distribución normal
puesto que representa un ECM de 0,00173 donde su confiabilidad podría variar.
Tabla 8.Resumen planteamiento prueba de bondad de ajuste para tiempo de servicio en la estación de Montaje

Tiempo de Proceso Estación 3 – Proveedor 2

Histograma:

Gráfico 10. Histograma del tiempo de servicio en la estación 3 del proveedor 2

Pruebas de Bondad de Ajuste

Tiempo de Montaje
Número de datos analizados 501
Mínimo 1,33
Máximo 5,13
Promedio 3,29
Desviación Estándar 0,512
Hipótesis Nula >=0,05
Nivel de significancia (a) 5%
Grados de libertad (g.l) 25.86 CHI CUADRADO
P-value =0.311
Parámetros de la distribución GAMM(0.124,18.5)
Conclusión El mejor ajuste es la distribución Gamma que representa un ECM de 0.0014 en
la variación de la estimación. No se rechaza la hipótesis nula puesto que el p-
value es mayor que 0,05. No se puede determinar bajo una distribución normal
puesto que representa un ECM de 0,00179 donde su confiabilidad podría variar.
Tabla 9. Resumen planteamiento prueba de bondad de ajuste para tiempo de servicio en la estación de Montaje

Página 8
 Grupo 28

ANÁLISIS GENERAL DE LOS DATOS:

Tomando en cuenta las desviaciones estándar de cada uno de los tiempos presentados, se podría determinar que el sistema
que menos se adaptaría a las exigencias de la compañía es la del proveedor (1), puesto que el valor de las desviaciones
está por encima de su media o aproximado a esta, así mismo se puede evaluar que los tiempos de proceso son mucho más
altos para el proveedor (1).

Se puede concluir que el proveedor (2) cuenta con un EMC más bajo que el presentado en por el proveedor (1) en los
análisis de bondad y que sus desviaciones son despreciables en cuánto al valor de la media, así como los tiempos de
proceso promedio son más estables, dando una alternativa a la compañía de que los tiempos de espera para cada producto
se reduzcan según el flujo.

sistema actual media desvesta

estacion 1 3.32 0.72
estacion 2 3.99 0.50
estacion 3 5.89 4.35

proveedor 1 media desvesta

estacion 1 4.05 2.91
estacion 2 4.53 3.81
estacion 3 5.44 6.28
proveedor 2 media desvesta
estacion 1 3.49 0.52
estacion 2 4.01 0.79
estacion 3 3.29 0.51
Tabla 10. Análisis de las desviaciones presentadas para cada uno de los sistemas.

Referencias
Tito, J.(2016) Guía de análisis de datos con Input Analyzer. Perú. SlideShare. https://es.slideshare.net/JoseTito2/anlisis-
de-datos-65098497
Torres Delgado, J.F. (6 junio 2015). Uso del InputAnalyzer de Arena. Colombia. Youtube.
https://www.youtube.com/watch?v=eb-0CEaEtwM
Tutoriales, G. (28 marzo 2014) Como calcular la capacidad y el tiempo de ciclo de un proceso con una carta Gantt. N/A.
https://www.gestiondeoperaciones.net/procesos/como-calcular-la-capacidad-y-el-tiempo-de-ciclo-de-un-proceso-con-una-
carta-gantt/

Página 9