UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Perú, DECANA DE AMERICA)

FACULTAD DE INGENIERIA DE SISTEMAS

E INFORMATICA

PRACTICA FINAL
CURSO: PROCESOS DE NEGOCIOS
PROFESOR: MARCOS RIVAS PEÑA
INTEGRANTES:
 LICAPA INFANZON HASLER
 ROMO AGUIRRE LUIGUI
 SULLCA SULCA ALEXANDER
 SULLCA PALOMINO YHORDAN
 TITO CARPIO JOSUE
LIMA – PERU

2018
 Caso Seguro (Simulació n de Procesos)
1. Descripció n del Proceso

1.1. Seguro de siniestros por fenó meno natural

El proceso que estudiaremos para este proyecto es la atención al cliente mediante llamadas
telefónicas de acuerdo a la ubicación del cliente de una compañía de seguros llamada CETERA. El
proceso actual para la gestión de la atención es:

1) Verificar información del cliente en centro 1 : El operador de centro de llamadas comienza

preguntando un conjunto de preguntas que es estándar para todos los clientes con la finalidad
de verificar y determinar si el cliente tiene la información mínima necesaria para presentar un
reclamo, caso contario se termina la llamada.

2) Verificar información del cliente en centro 2 : El operador de centro de llamadas comienza

preguntando un conjunto de preguntas que es estándar para todos los clientes con la finalidad
de verificar y determinar si el cliente tiene la información mínima necesaria para presentar un
reclamo, caso contrario se termina la llamada.

3) Registrar reclamo en centro 1 : Si el cliente tiene suficiente información, el operador a través de

un cuestionario entra en todos los detalles relevantes con el cliente, comprueba la integridad del
reclamo y registra el reclamo.

4) Registrar reclamo en centro 2: Si el cliente tiene suficiente información, el operador a través de

un cuestionario entra en todos los detalles relevantes con el cliente, comprueba la integridad del
reclamo y registra el reclamo.

5) Determinar responsabilidad del cliente: La aseguradora no acepta el reclamo por que hay
responsabilidad del cliente en los daños por lo que el caso es cerrado

6) Evaluar el reclamo: El reclamo se evalúa con el fin de determinar si la compañía de seguros tiene
que cubrir los daños en base a la póliza contratada y en qué medida, de no aceptarlo el caso es
cerrado.

7) Informar al cliente que se hará el reembolso : Se acepta la solicitud, se inicia el pago y

paralelamente se informa al cliente que se hará el rembolso.

8) Cierre del reclamo: Al finalizar ambas actividades se cierra el caso de reclamo.

2. Problemá tica del Proceso

2.1. Aná lisis del Problema

El problema radica cuando se produce un fenómeno natural, por ende el proceso de resolución de
reclamo colapsa y no es capaz de atender la demanda de llamadas de los asegurados para
solucionar los daños que el fenómeno ha ocasionado. Durante los tiempos normales, la compañía
de seguros recibe cerca de 9.000 llamadas por semana, pero durante un escenario de ocurrencia de
algún fenómeno natural, el número de llamadas por semana se duplica, saturando todo el servicio.

3. Flujo del Proceso

4. Variables Aleatorias

4.1. Lista de Variables del Proceso

A continuación, se muestra las variables aleatorias identificadas en el proceso:

Nombre de la variable
1 Verificar información del cliente (1)
2 Verificar información del cliente (2)
3 Registro del reclamo (1)
4 Registro del reclamo (2)
5 Evaluar responsabilidad del cliente
6 Evaluación del reclamo
7 Pago
8 Informe del cliente reembolso
9 Cierre Reclamo
5. Variables Aleatorias y su Funció n de Probabilidad

A continuación, se muestra las variables aleatorias y su función de probabilidad de acuerdo con el análisis
del Histograma en BIMP:

Variabl Función de
Nombre de la variable Media(segundos)
e distribución
1 Verificar información del cliente (1) Exponencial 60
2 Verificar información del cliente (2) Exponencial 60
3 Registro del reclamo (1) Exponencial 540
4 Registro del reclamo (2) Exponencial 540
5 Evaluar responsabilidad del cliente Exponencial 120
6 Evaluación del reclamo Exponencial 1200
7 Pago Exponencial 120
8 Informe del cliente reembolso Exponencial 240
9 Cierre Reclamo Exponencial 6

6. Ajuste de distribució n de llegada

6.1. Escenario normal
Para este caso, dada la muestra inicial de 1000 valores dada, había entre ellos un
valor atípico el cual eliminamos y trabajamos entonces con 999 valores, los
cuales dividimos en 9 intervalos.

DMAX 88.6865121
Dmin 0.01033094
K 9
W 9.9000000
Media 16.091689

Intervalo FO P LS LI prob FE
0.010330941 9.9103309 454 0.454 0.459827326 0.000641799 0.459185527 458.7263418 0.048696368
9.910330941 19.81033094 254 0.254 0.708026094 0.459827326 0.248198768 247.950569 0.147592382
19.81033094 29.71033094 135 0.135 0.842182387 0.708026094 0.134156293 134.0221371 0.00713476
29.71033094 39.61033094 61 0.061 0.91469649 0.842182387 0.072514103 72.4415891 1.807110565
39.61033094 49.51033094 45 0.045 0.953891783 0.91469649 0.039195293 39.15609722 0.872180889
49.51033094 59.41033094 23 0.023 0.975077606 0.953891783 0.021185823 21.16463717 0.159159671
59.41033094 69.31033094 16 0.016 0.986528958 0.975077606 0.011451352 11.43990077 1.817717252
69.31033094 79.21033094 7 0.007 0.992718638 0.986528958 0.00618968 6.183490345 0.107817427
79.21033094 89.11033094 4 0.004 0.996064281 0.992718638 0.003345643 3.342297596 0.129423679
TOTAL 999 5.096832994
 CHI CUADRADO 5.096832994
Grado de libertad 7
Dis 0.648147413

Chi teorico 14.0671

Chi experimental 5.096832994

Como podemos observar en la grá fica el ajuste no indica que las llegadas está n
en una distribució n exponencial con una media de 16.01

6.2. Escenario siniestro

Para este caso la muestra de 1000 valores los agrupamos en 10 intervalos

Dmax 30.5853707
Dmin 0.00574892
K 10
W 3.39773575
Media 4.36741839
 Intervalo FO p LS LI prob FE
1 0.00574892 3.40348467 543 0.543 0.54126832 0.00131545 0.53995287 539.952866 0.01719599
2 3.40348467 6.80122042 247 0.247 0.78928806 0.54126832 0.24801974 248.019744 0.00419272
3 6.80122042 10.1989562 116 0.116 0.90321244 0.78928806 0.11392438 113.924376 0.03781644
4 10.1989562 13.5966919 45 0.045 0.955542 0.90321244 0.05232956 52.3295576 1.02661701
5 13.5966919 16.9944277 26 0.026 0.97957884 0.955542 0.02403685 24.0368452 0.16033621
6 16.9944277 20.3921634 15 0.015 0.99061983 0.97957884 0.01104099 11.0409863 1.41960049
7 20.3921634 23.7898992 4 0.004 0.99569135 0.99061983 0.00507152 5.07152154 0.22639328
8 23.7898992 27.1876349 2 0.002 0.99802088 0.99569135 0.00232953 2.32953199 0.04661509
9 27.1876349 30.5853707 1 0.001 0.99909092 0.99802088 0.00107004 1.07003771 0.00458421
10 30.5853707 33.9831064 1 0.001 0.99958243 0.99909092 0.00049151 0.49150675 0.5260668
TOTAL 1000 3.46941825

CHI 3.46941825
GI 8

Chi teorico 15.5073

Chi experimental 3.46941825

Como podemos observar en la grá fica, la distribució n de llegada en caso de

escenario siniestro es exponencial con media 4.37

7. Simulació n BIMP
 Escenario normal
 Escenario siniestro
8. Aná lisis de resultados
PROCESS CYCLE TIMES INCLUDING OFF-TIMETABLE HOURS

// PROCESAR LOS TIEMPOS DE CICLO INCLUYENDO LAS HORAS FUERA DE

HORARIO
CASO NORMAL

CASO SINIESTRO

EXPLICACION

Podemos percatarnos muy fácilmente que en el caso normal los intervalos de tiempo son muy cortos,
además que la duración más frecuente de los casos dura a lo máximo 1.9 horas y esto solo se da en los días
normales sin desastres naturales.

Sin embargo, en la segunda imagen los intervalos de tiempo varían cada vez más y por si fuera poco la
duración más frecuente de los casos oscila entre 21.4 horas y 1.2 días, lo que quiere decir que
efectivamente existe una saturación en los casos que se atienden y por ende los tiempos de atención son
más prolongados.
PROCESS WAITING TIMES

// PROCESAR TIEMPOS DE ESPERA

CASO NORMAL

CASO SINIESTRO

EXPLICACION

Al revisar el primer diagrama podemos visualizar un tiempo de espera muy reducido que no llega ni al
minuto, lo que quiere decir que los recursos son suficientes para atender los casos y que no es necesario
aumentar los recursos.

Caso contrario es el segundo diagrama en donde se simula en tiempos de desastres naturales, nos
percatamos que los intervalos de tiempo de espera son demasiado grandes, agregando también que el
tiempo de espera más frecuente es el de dos horas; esta situación nos da a entender que los recursos
utilizados en este proceso son ineficientes y se debe hacer algo al respecto
PROCESS CYCLE TIMES EXCLUDING OFF-TIMETABLE HOURS

// PROCESAR TIEMPOS DE CICLO EXCLUYENDO HORAS FUERA DE HORARIO

CASO NORMAL

CASO SINIESTRO

EXPLICACION

Analizando el primer diagrama y comparándolo a los anteriores en caso normal, nos percatamos que aquí
se usan casi todos los intervalos de atención y lo cual es normal porque en este diagrama todas las horas
son de trabajo y como todo caso normal los intervalos de tiempo son reducidos.

No obstante, en el segundo diagrama los intervalos abarcan rangos de horas, lo que da a entender la
demora que hay en las tareas de cada proceso como también los recursos escasos que tenemos.
PROCESS COSTS

// COSTOS DE PROCESO
CASO NORMAL

CASO SINIESTRO

EXPLICACION

Fijándonos en el diagrama 1 y en el diagrama 2, notamos que no hay una diferencia tan grande como en los
anteriores diagramas de otros rubros, lo que ocurre es que las tareas de los procesos del segundo diagrama
necesitan más recursos para poder atender con más eficiencia y al no tener esos recursos, el costo de
procesos en el caso de desastres naturales es similar al caso donde todo está normal.
RESOURCE UTILIZACION

// UTILIZACIÓN DE RECURSOS
CASO NORMAL

CASO SINIESTRO

EXPLICACION

Como se mencionó en los anteriores diagramas, los recursos cumplen un rol muy importante en la
simulación, los recursos más utilizados en ambos diagramas son los gestores siniestros, aunque en el
segundo caso (siniestro), el porcentaje de uso de ambos recursos es superior a los de caso normal y se da a
entender por la gran cantidad de llamadas que hay durante un fenómeno natural.
9. Aná lisis de escenario siniestro
9.1. Diagrama causa – efecto
9.2. Pareto
En el grafico obtenido se observa que un 20% de los procesos representan aproximadamente
el 80% de las actividades donde se generan los cuellos de botella, y las colas, por lo tanto,
centrá ndose la empresa en estos puntos se reduciría en 80% el tiempo de espero en dichas
actividades.

10. Mejoras para el desempeñ o en escenario normal

Para la mejora en el escenario normal se considera disminuir la cantidad de
gestores de siniestro y así equiparar el porcentaje en la utilizació n de recursos

MEJORAS PARA EL DESEMPEÑO

CASO NORMAL

OPERADOR 1 :40

OPERADOR 2: 40

GESTOR SINIESTROS :150

 CASO MEJORA

OPERADOR 1 :55

OPERADOR 2: 55

GESTOR SINIESTROS :250

NORMAL FENOMENO NATURAL

COSTO TOTAL 220385.3 EUR 224967.8 EUR
OPERADOR 1 29%OCUPADO 25% OCUPADO
OPERADOR 2 29%OCUPADO 25% OCUPADO
GESTOR SINIESTRO 44%OCUPADO 88%OCUPADO

CONCLUSION:

Lo que podemos notar es que, si incrementamos las operaciones tanto en centro

1 y 2 en 15 operarios el tiempo de espera de los procesos para el gestor siniestro
se incrementaría, por lo tanto, es necesario elevar la cantidad de los gestores
siniestros en 100 con lo cual podremos notar un equilibrio parcial en los
procesos de actividades tanto para los operarios y gestores.

Ademá s, podemos observar que el tiempo de espera en los procesos tiende a

disminuir drá sticamente en caso de fenó menos naturales, y si aplicamos las
NORMAL FENOMENO NATURAL
mejoras
COSTO TOTAL 220385.3 EUR 224204.7 EUR
OPERADOR 1 27%OCUPADO 81% OCUPADO
OPERADOR 2 27%OCUPADO 79% OCUPADO
GESTOR SINIESTRO 43%OCUPADO 88%OCUPADO

correspondientes dentro de un proceso de actividad normal, también tendrías

un equilibrio parcial entre el tiempo de atenció n por los operarios y gestores.

11. Simulació n del escenario normal mejorado

La mejora se da cuando incrementamos tanto operadores como
gestores de siniestro

OPERADOR 1 :55
OPERADOR 2: 55
GESTOR SINIESTROS :250

CASO FENOMENO NATURAL MEJORADO:

CASO MEJORA APLICADO A CASO NORMAL