Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE INGENIERÍA
CARRERA DE INGENIERÍA INDUSTRIAL
TRABAJO DE INVESTIGACIÓN
SECCIÓN: IN71
GRUPO: 06
ALUMNOS:
2022 - 01
ÍNDICE
ÍNIDCE DE TABLAS
Tabla N°1 - <Principales productos= .......................................................................................... 8
ÍNDICE DE ILUSTRACIONES
Ilustración N°1: Cadena de valor de la empresa Plastics Industrial SAC ................................ 8
Ilustración N°2: Rueda de resolución del problema ................................................................ 13
Resumen
final de los productos, y como consecuencia demoras en la entrega de los pedidos a los clientes,
asimismo también se evidencia demoras en la atención en relación con los clientes.
Es por ello que se planea realizar una optimización en estas áreas, como se ha realizado en
otros casos como, por ejemplo, en el artículo, Formulación de un modelo matemático para
optimizar el tiempo de producción en una planta extrusoras de tubos (Robert, K., Saibel, R., &
Ángel, D. (2012)). en el cual se utilizó la metodología de la Investigación de Operaciones a
través de las siguientes fases: identificación de la problemática, construcción y formulación del
modelo matemático, validación del modelo y la implantación del modelo matemático. Dicho
modelo matemático fue planteado en base las siguientes variables: los tiempos de producción
por especificaciones de cada tipo de tubo y extrusora, y a las capacidades semanales de
producción por cada extrusora en unidades producidas. En este artículo se puede ver que el
modelo matemático formulado tuvo la capacidad de manejar un número alto de variables de
decisión, como una representación óptima del proceso de fabricación de tubos de Policloruro
de Vinilo o PVC a través de la minimización de los tiempos de producción.
Como se puede evidenciar en base al artículo, la reducción de los problemas mejora el tiempo
de producción, logrando cumplir con los objetivos de la empresa.
1.- Introducción
Es por ello que para poder obtener un plan de producción que pueda cumplir con todos los
requerimientos necesarios en todos sus procesos se plantea optimizar las líneas de producción.
En consecuencia, se pudo observar en los siguientes procesos los puntos críticos que puedan
afectar en un futuro la producción, como por ejemplo en el proceso de preparación de la
materia, en el cual, si la mezcla es dejada por más tiempo del necesario, puede presentar
reacciones químicas que afecten a la mezcla, generando una pérdida económica a la empresa,
y con relación a ello también una pérdida de clientes, ya que el producto no cuenta con la
calidad estándar de la empresa. Es por ello que para poder identificar los principales problemas
y causas que ocurren en el proceso de fabricación para que así se pueda solucionar y tomar las
medidas se realiza un análisis en cada proceso, el cual se presentará en el desarrollo del trabajo.
Cadena de Valor
Estos problemas fueron identificados en base a los estándares que la empresa cuenta, como
también en el análisis por proceso realizado, donde se evidencia la causa de las demoras, es en
base a ello que se realiza la siguiente tabla donde se especifica las problemáticas de cada área.
1.3. Definición del problema y los factores y aspectos más importantes que intervienen en
el problema.
Es por eso por lo que para resolver el problema se buscará realizar un mayor control en
el área de inyección y de un control adecuado de los moldes. Además de realizar
capacitaciones constantes para la manipulación de las herramientas en las diferentes
áreas de producción con un mayor control y de esa manera evitar retrasos y mejorar el
cumplimiento de los pedidos.
Introducción
En esta sección se describe en forma más amplia de lo que sería el resumen, algunos
aspectos como la investigación, el problema a resolver, el método de cómo se
resolvería, entre otros.
Se determina los elementos del sistema, los atributos de cada entidad, las actividades
de cada entidad, las variables del estado, las variables controlables y no controlables
Desarrollo de la tabla:
● Entidades
● Atributos
● Actividades
● Controlables
● No controlables
1.9.1 Motivación
Objetivo general
El objetivo de este trabajo se basa en observar las esperas entre procesos que duran más tiempo
de la empresa Plastics Industrial
Objetivo principal
con sección transversal, este proceso puede ser de manera continua o semicontinua, y también
puede ser realizado con material caliente o frío, para este proceso se recibe el producto y se
realiza el acampanado , roscado y/o rotulado, para después ser almacenado y con ello se daría
fin al proceso de fabricación
En base a los datos recolectados por la empresa PLASTICS INDUSTRIAL se tiene que:
Finalmente, para poder determinar los 3 productos con mayor producción y participación en la
empresa, se realizó el diagrama Pareto con la finalidad de poder trabajar con ellos
Con relación al diagrama anterior se puede observar que los 3 primeros tubos son vitales para
evitar perder clientes, sobre todo porque son los más importantes que se fabrican, por demoras
del tiempo de entrega o fallos inesperados. La percepción por parte del cliente de una entrega
a destiempo se refleja directamente con la pérdida de clientes y por ende pérdidas de dinero.
Es en base que el disminuir el tiempo de producción no solo permitirá atender pedidos de más
clientes en menos tiempo, sino que evitará que busquen otras empresas que puedan realizar el
mismo trabajo.
• Mezcladora 1 de corte
• Mezcladora 2 de corte
• Trituradora
• Acampanado 1
• Acampanado 2
• Extrusión LSE66I
• Extrusión LSE80
• Extrusión LSE45
4.1.1 Mezcladora 1
• Mezcladora1_1: 12 + 1 * BETA (1.01, 1.03)
Como podemos observar para la primera mezcladora, en base a los datos ingresados se
obtienen una distribución Beta, la cual tiene un ajuste adecuado ya que el P-value (0.75)
si es mayor al 0.05 y el KS (0.15) también corresponde, es por ello que si se podrá
trabajar con estos datos para la elaboración de los productos.
Según los resultados obtenidos por el ingreso de los datos, para la mezcladora se tiene
una distribución Beta, la cual presenta un P-Value (0.589), el cual es mayor a 0.05;
asimismo un-KS (0.15), es por ello que se concluye que el ajuste es adecuado para estos
datos, y con ello la calidad de la elaboración
Con relación a los datos ingresados, el análisis muestra una distribución Beta, la cual
tiene un-P-value (0.75), el cual es mayor al 0.05 y un-KS (0.15), lo cual indica que
presenta un ajuste adecuado
En base al análisis, la distribución Beta es la que presenta el menor error, es por ello
que se debe de usar esta para el análisis de los datos.
4.1.2 Mezcladora 2
• Mezcladora2 _1:12 + 2 * BETA (1.03, 1.02)
De acuerdo con los datos obtenidos del análisis, se obtiene una Distribución Beta, la
cual tiene un P-value (0.026), el cual no es mayor al 0.05, lo cual indica que presenta
un mal ajuste, es por ello por lo que se debe de realizar un ajuste en los datos.
Con relación a los datos ingresados, se obtienen una Distribución Beta, la cual tiene un
P-value (0.75), el cual es mayor al 0.05 y un KS (0.15), esto indica que el ajuste
presentado es adecuado.
De acuerdo con los datos ingresados, se obtiene una distribución Beta la cual tiene un
P-value (0.723), el cual si es mayor al 0.05 y un KS (0.15), es base a ello se concluye
que el ajuste presentado es adecuado.
En relación con el error, la distribución beta, es la que presenta el menor error, por ello
se recomienda usar esta para una mejora en el proceso de elaboración de los productos.
4.2.1 Trituradora 1:
• Trituradora 1_1: 13 + 6 * BETA (0.946, 0.981)
En relación con los datos ingresados, se obtiene una distribución Beta, la cual cuenta con
un P-value (0.508), siendo mayor a lo requerido de 0.05, y un KS (0.15), por ello se
concluye que presenta un buen ajuste.
✓ Distribución Normal
✓ Distribución Weibull
✓ Distribución Exponencial
4.3.1. Acampanado 1:
• Acampanado 1_1: NORM (22, 1.26)
Como podemos observar para la primera acampanadora, la distribución con la cual se trabajará
es la Normal, arrojando un error > 0.0005, cumpliendo así con los requisitos correspondientes,
con ello se optará por usar dicho resultado obtenido del input analyzer para analizar la calidad
de los productos que son elaborados por dicho equipo.
Como podemos observar para la primera acampanadora, la distribución con la cual se trabajará
es la Normal, arrojando un error > 0.0005, cumpliendo así con los requisitos correspondientes,
con ello se optará por usar dicho resultado obtenido del input analyzer para analizar la calidad
de los productos que son elaborados por dicho equipo
Como se puede observar la distribución que arrojó el input analyzer fue la Distribución Beta,
la cual según un artículo de la ESAN, La distribución de probabilidades para el éxito de un
proyecto (2019), detalla que dicha distribución suele emplearse para determinar la duración y
el costo de una actividad, lo cual no corresponde al análisis de calidad que se quiere interpretar
por consiguiente, se tiene que elegir las opciones de la lista de distribuciones recomendadas
para el análisis de la calidad en el área de acampanados se debe optar la distribución que se
recomienda en el Fit All Sumary, obteniendo los siguientes resultados:
Según la figura 16 se recomienda el uso de la Distribución Normal, la cual está dentro de los
tipos de distribuciones a usar para el análisis de la calidad de los productos obtenidos por las
acampanadoras.
Se observa que para la tercera acampanadora del tipo 1 aplicando la D, Normal arrojó un error >
0.0005, el cual resulta ser un valor aceptable, con este resultado se optará por comparar los
errores de las 3 acampanadoras obtenidos del input analyzer para analizar la calidad de los
productos que son elaborados por dichos equipos.
4.3.2. Acampanado 2
Como se puede observar la distribución que arrojó el input analyzer fue la Distribución Beta,
la cual según un artículo de la ESAN, La distribución de probabilidades para el éxito de un
proyecto (2019), detalla que dicha distribución suele emplearse para determinar la duración y
el costo de una actividad, lo cual no corresponde al análisis de calidad que se quiere interpretar
por consiguiente, se tiene que elegir las opciones de la lista de distribuciones recomendadas
para el análisis de la calidad en el área de acampanados se debe optar la distribución que se
recomienda en el Fit All Sumary, obteniendo los siguientes resultados:
Según la figura 19, de acuerdo con el error de cada tipo de distribución se recomienda el uso
de la Distribución Weibull, la cual es una de las distribuciones más utilizadas en estudios de
confiabilidad de equipos y que a su vez se encuentra dentro de los tipos de distribuciones a usar
para el análisis de la calidad de los productos obtenidos por las acampanadoras del tipo 2.
Según la figura 21 arrojada por el input nos demuestra que la distribución recomendada por el
input analyzer es la D. Normal con una expresión NORM (27, 1.09) y un error de 0.000839
siendo mayor al mínimo que es 0.0005 por ello se procederá a realizar un análisis de los
resultados obtenidos de la corrida para el segundo acampanado de tipo 2.
Según la figura 22 arrojada por el Input Analyzer, nos demuestra que la distribución
recomendada por el input analyzer es la D. Normal con una expresión NORM (26.9, 0.861) y
un error de 0.000726 siendo mayor al mínimo que es 0.0005 por ello se procederá a realizar un
análisis de los resultados obtenidos en la corrida del Input Analyzer para el tercer acampanado
de tipo 2.
✓ Distribución Normal
✓ Distribución Exponencial
✓ Distribución Gamma
Como se puede observar la distribución que arrojó el Input Analyzer fue la Distribución
Normal, en la cual el P-value es de 0.257, siendo mayor al 0.05 y un KS (0.15), confirmando
con ello que se presenta un buen ajuste, por consiguiente, se tiene que elegir las opciones de la
lista de distribuciones recomendadas para el análisis de las máquinas en el área de extracción.
Por ello se debe optar la distribución que se recomienda en el Fit All Sumary, el cual nos arroja
los siguientes resultados:
De acuerdo a la gráfica anterior, se concluye que la distribución que presenta menor error, es
la distribución Normal con un 0.011.
En base a la gráfica anterior, se puede observar que presenta una distribución Normal , la cual
si cumple con el p-value requerido, concluyendo con ello que cuenta con un buen ajuste
Según la ilustración 27, respecto al error de cada tipo de distribución se recomienda el uso de
la Distribución Normal, la cual es una de las distribuciones más utilizadas en estudios de
confiabilidad de equipos y que a su vez se encuentra dentro de los tipos de distribuciones a usar
para el análisis del tiempo de vida de las extrusoras en el área de Extrusión.
En base a la gráfica en relación, se obtiene una distribución Normal, la cual tiene un P-value
de 0.75, el cual es mayor al 0.05 y un KS de 0.15, indicando con ello que se cuenta con un
buen ajuste.
Con lo mencionado anteriormente se deduce que se debe prestar más atención a aquello que
nos reporta más beneficio para lo cual para este evento sería posible la aplicación del Principio
de Pareto, el cual trata de priorizar y trabajar pensando en los resultados gestionando mejor el
tiempo produciendo más en menos. De esta manera se debe potenciar el tiempo libre para que
este sea reinvertido y utilizado en otras actividades de la empresa productora de tubos PVC
para asegurar el crecimiento. Es por ello que se debe utilizar la Distribución Erlang ya que
según el artículo de Parámetros esenciales para el cálculo de la D. Erlang (2015), dicha método
permite establecer el nivel de diferencia entre cada llegada para cumplir con el 80% de nivel
de servicio esperado, evitando de este modo que se acumule más del 20% de llegadas
desatendidas o que este porcentaje deba esperar más de 20 segundos para ser atendido.
De esta manera podemos deducir que para el análisis en el Input Analyzer del evento de tiempo
de llegadas se deben aplicar los siguientes métodos:
✓ Distribución Erlang
✓ Distribución Exponencial
✓ Distribución Normal
• TELLT1_6: NORM (5.94, 1.22)
Como se puede observar la distribución que arrojó el input analyzer fue la Distribución Beta,
la cual según un artículo de la ESAN, La distribución de probabilidades para el éxito de un
proyecto (2019), detalla que dicha distribución suele emplearse para determinar la duración y
el costo de una actividad, lo cual no corresponde al análisis del tiempo de llegada que se quiere
interpretar por consiguiente, se tiene que elegir las opciones de la lista de distribuciones
recomendadas para el análisis del evento en el área de recepción, las cuales pueden ser
Distribución exponencial, Erlang o Normal, por lo que se debe observar la lista de los métodos
que recomienda en el Fit All Sumary, obteniendo los siguientes resultados:
Según la figura 33, se observa que la Distribución Normal es la que menor error posee de la
lista de distribuciones que arrojo el Fit All Sumary, la cual se encuentra dentro de los métodos
recomendados en el informe.
Aplicando la Distribución Normal como se observa en la figura 34, posee una expresión igual
a NORM (5.94, 1.22) con un error igual a 0.001079 siendo mayor al mínimo requerido, con
ello se puede dar como fiable los datos obtenidos por el Input Analyzer.
Según la figura 36, se observa que la Distribución Normal es la que menor error posee de
la lista de distribuciones que arrojo el Input Analyzer, la cual posee una expresión NORM
(7.04, 1.28), cuyo método se encuentra dentro de las 3 distribuciones recomendadas según
los estudios encontrados.
1 2.1
RM =TLL
TELL
1 19.1 4.j
5.j
TS1
5.j
21.K 8.k
TS1= RM+TELL
TS2
9.K
23.L 15.L
TS1= RM+TELL
TS1= RM+TELL
15.L
16.L
• ARRIBO SISTEMA
• Fin de servidor J
• Fin de Servidor K
• Fin de Servidor L
• Fin de Servidor M
• Inicializar valores
7.Análisis de resultados
En este punto se configura y analiza la cantidad requerida de corridas para un nivel de
confianza de 95% y un error máximo del 10% de la media para el tiempo en el sistema
y los tamaños de colas significativos, lo cual nos permite realizar un análisis de la
situación actual en la empresa PLASTICS INDUSTRIAL y de los posibles escenarios
que se detallarán posteriormente.
En base a la tabla anterior se detalló el cálculo del N óptimo, del cual se obtuvo que la
cantidad de corridas es de 41 réplicas. En base a ello se realizó una nueva corrida donde
se obtuvo 32 replicaciones, es decir una menor cantidad de réplicas, como se puede
observar en la tabla siguiente
Tras el uso del Output Analyzer se analizará el análisis estadístico de los resultados
obtenidos, luego de las 41 réplicas con el fin de obtener los resultados para la
fabricación de tubos de la empresa PLASTICS INDUSTRIAL S.A.C para cada procexo
en la elaboración de dichos productos. En la siguiente figura, se muestra el intervalo de
confianza para los indicadores al 95% de confianza.
Entre los resultados más resaltantes se puede observar que el porcentaje de utilización de las
mezcladoras está en su máxima capacidad (100%), es decir que el empleado tiene que disponer
de todo su tiempo para la utilización de esta máquina, lo cual no es apto para su desempeño.
Agregado a ello la extrusora 1 y 2 poseen un alto porcentaje de utilización a comparación de la
extrusora 3 con un 20% adicional de tiempo de uso. Por último, la estadía de los productos en
el proceso de los tubos 200, 105 y 160 es de 18,21 y 25 minutos respectivamente, un valor
considerable apto para el desempeño en la fabricación pero aún mejorable, es por ello que en
los siguientes escenarios se buscara optimizar aun más el proceso de fabricación de tubos.
8. Resultados de Simulación
Ilustración N° 37 – Escenario 1
Identificador Escenario 1
TSistemaTubo200 161.47
TSistemaTubo105 151.89
TSistemaTubo160 152.31
TamColaMezcladoras 6.4091
TamColaExtrusora3 4.0487
TamColaExtrusora2 4.0984
TamColaExtrusora1 4.6353
TamColaTrituradora 0.72707
TamColaAcampanadora2 7.1324
TamColaAcampanadora1 7.3529
Tubo200.WIP 14.436
Tubo105.WIP 16.873
Tubo160.WIP 19.718
Trituradora.Utilization 64.01%
Extrusora3.Utilization 90.46%
Extrusora2.Utilization 93.01%
Extrusora1.Utilization 95.60%
Acampanadora1.Utilization 87.72%
Acampanadora2.Utilization 85.38%
Mezcladora2.Utilization 97.93%
Mezcladora1.Utilization 99.93%
Nivel de atencion Tubos 160 0.332667732
Nivel de atencion Tubos 200 0.328917051
Nivel de atencion Tubos 105 0.337429112
Promedio de eliminación de
desechos 13.92682927
8.1.2 Escenario 2
En este escenario, se modificó de igual forma la cantidad de operarios para la empresa Plastics Industrial, con el fin de reducir el porcentaje
de utilización y el costo operativo. En el caso de la mezcladora, tenemos a la mezcladora 1 y 2, a las cuales se le agregaron 6 y 3 operarios
respectivamente. De igual forma tenemos la extrusora 1 y 2 a la cual se le adiciono 3 operarios a cada una, por último, tenemos a la
acampadora 1, a la cual también se le añadió 3 operarios. Cabe mencionar que el resto de las maquinas se permanecieron con solo un
operario.
Ilustración N° 38 – Escenario 2
8.1.3 Escenario 3
Como se pudo observar anteriormente las máquinas tipo I de cada área siguen con un porcentaje de utilización alto por ello para la propuesta
de este escenario, se procede a ejecutar de igual manera aumentos y reducciones en la cantidad de operarios, primero tenemos a la
mezcladora 1, a la cual se agregaron 9 operarios, en cambio a la mezcladora 2, se le han eliminado los operarios. Luego tenemos a la
extrusora, en el caso de la extrusora 1, se le adiciono 20 operarios, en contraste con la extrusora 2 y 3, permanecieron con solo 1 operario
cada uno. De igual forma tenemos a la acampanadora 1, a la cual se le agrego 10 operarios, y a la acampanadora 2 a la cual se le eliminaron
los operarios. Por último, tenemos a la trituradora 1, la cual permaneció con solo 1 operario. Es preciso señalar que se realizan estas
variaciones con la finalidad de poder minimizar el tanto el costo operativo, como el porcentaje de utilización.
Ilustración N° 39 – Escenario 3
Identificador Escenario 3
TSistemaTubo200 83.339
TSistemaTubo105 79.256
TSistemaTubo160 68.796
TamColaMezcladoras 1.01E-04
TamColaExtrusora3 0
TamColaExtrusora2 0.00E+00
TamColaExtrusora1 0
TamColaTrituradora 1.93E+00
TamColaAcampanadora2 1.2019
TamColaAcampanadora1 0.36904
Tubo200.WIP 9.2791
Tubo105.WIP 10.909
Tubo160.WIP 11.447
Trituradora.Utilization 77%
Extrusora3.Utilization 0%
Extrusora2.Utilization 0%
Extrusora1.Utilization 65%
Acampanadora1.Utilization 78%
Acampanadora2.Utilization 0%
Mezcladora2.Utilization 0%
Mezcladora1.Utilization 73%
Nivel de atencion Tubos 160 0.66985265
Nivel de atencion Tubos 200 0.62931034
Nivel de atencion Tubos 105 0.64124294
Promedio de eliminación de
desechos 16.804878
En base a la tabla anterior, con el fin de minimizar la utilización de las maquinas tipo I
en cada área se consideró la idea de aumentar de una manera altamente proporcionada
empleados para estas máquinas. Con ello también se dará a ver que sucede si trabajamos
con un tipo de máquina para cada área con el fin de minimizar costos.
Con los datos ingresados para cada escenario con respecto a la cantidad de servidores que se
adecuaron en cada propuesta para los escenarios se procede con el cálculo de los costos
operativos.
9.4.1. Modelo
Con la finalidad de observar y comparar propuestas de mejora en la optimización del proceso de fabricación de tubos, se consideró la exclusión
de la trituradora, es decir una empleabilidad de 4 áreas, en las cuales se han considerado 1 empleado para cada máquina, al igual que en el modelo
principal se han seleccionado los 3 principales productos entre los que se encuentran los tubos de 160, 200 y 105 respectivamente. Siendo el
cambio principal durante las salidas de los productos en al área de extrusión, el cual consta de 3 servidores con sus respectivas colas, por ello la
necesidad colocar un PickStation. Ello prosigue con la formación de dos colas (PickStation) para cada Acampanadora la cual con el Decide se
procede a separar los productos de acuerdo con la identificación del producto colocado en los atributos (1= tubo de 160, 2= tubo de 200 y el resto
tubos de 105) para finalmente despachar los productos en sus respectivas salidas
En base a la tabla anterior se detalló el cálculo del N óptimo, del cual se obtuvo que la
cantidad de corridas es de 88 réplicas. En base a ello se realizó una nueva corrida donde
se obtuvo 90 replicaciones, como se puede observar en la tabla siguiente
Con relación a ello se realizó otra corrida, donde se obtuvo 89 replicaciones, como se
detalla en la siguiente tabla.
• Escenario 2
En este escenario, se modificó de igual manera la cantidad de operarios, con
el objetivo de reducir el porcentaje de utilización y el costo operativo.
Asimismo, se realizó la misma variación que el del segundo escenario, para
con ello identificar si con la misma cantidad de operarios, si aumenta o
disminuye en la fabricación de la empresa.
9.5.1 Modelo
En base a la tabla anterior se detalló el cálculo del N óptimo, del cual se obtuvo que la
cantidad de corridas es de 347 réplicas. En base a ello se realizó una nueva corrida
donde se obtuvo 408 replicaciones, como se puede observar en la tabla siguiente
Promedio de eliminación de
desechos 9.77
Promedio de eliminación de
desechos 18.35
De acuerdo con los resultados obtenidos por el escenario, en relación con las
variaciones, se observa que el costo operativo es de S./5514.59, dicho ha
disminuido en S./ 751.63, lo cual sería un 11,99 %. Cabe mencionar que, en
cuanto al porcentaje de utilización, este se ha tenido una mínima reducción, por
lo cual se realizara otro escenario, añadiéndole más operarios. con la finalidad
de poder tener una mayor disminución.
• Escenario 2
De igual forma, en este escenario se modificó la cantidad de operarios, con el
fin de reducir el porcentaje de utilización y el costo operativo. Asimismo, se
realizó la idéntica variación que, en el segundo escenario, para con ello
identificar si con la misma cantidad de operarios, aumenta o disminuye en la
fabricación de la empresa, modificando el porcentaje de falla en la trituradora.
Promedio de eliminación de
desechos 18.74
• Escenario 3
En este escenario, se ejecutó de igual manera, realizando variaciones en la cantidad
de operarios de la empresa Plastics Industrial S.A.C, dicha ha sido efectuada con
las mismas variaciones del escenario 3 del primer modelo, para con ello hacer una
adecuada comparación; es preciso señalar que se realizan estas variaciones con la
finalidad de poder minimizar el tanto el costo operativo, como el porcentaje de
utilización.
soles) al día. Sera necesario aplicar acciones con el fin de disminuir los indicadores del
sistema y disminuir la carga de los operarios en los servidores
9.5.5.2 Situación de Mejora
Respecto a las situaciones de mejora, se consideró para al aspecto de la saturación
agregar un operario más en los servidores 1, 2, 3, 4 y 6. El cual solo mejoro el nivel de
saturación del servidor 1; sin embargo, respecto a los servicios 2, 3 y 4 no había mucha
diferencia. Debido a ello, se probó con mayor cantidad de servidores sin muchos
cambios. Recién con 30 empleados en el servidor 2, 10 en el servidor 3 y eliminar el
servidor 4 ya que no había participación de operarios se puedo mejorar
significativamente los indicadores del sistema. Así mismo, debido a que el costo por
servidor depende más del funcionamiento del servidor que de contratar más operarios
en ese mismo servidor, el costo operativo no se ve afecta; sin embargo, plasmándolo en
la realidad sería bueno considerar ese apartado como adicional al costo. Debido a ello,
y al eliminar el servidor 4, el costo operativo del escenario 3 es el mejor a nivel de
utilización de servidores y a nivel de uso de recursos es el escenario 2 con un valor de
S/4556.80 nuevos soles. Debido a ello, será recomendable automatizar mejor los
servidores 2 y 3 con el fin de poseer mejor uso de personal y tener un costo operativo
funcional según lo visto en la mejora.
10.Conclusiones:
11.Bibliografia: