FACULTAD DE INGENIERIA Y ARQUITECTURA

ESCUELA PROFESIONAL INGENIERIA INDUSTRIAL

Simulación

AUTOR (ES):

Cabrera García Jean Carlos (0000-0003-3148-8769)

Chuquiz Concepción Arnaldo Esteban (0000-0003-3961-6059)

Gonzales Gonzales Reyna Magaly (0000-0003-3948-3946)

Sari Honores Marco Antonio (0000-0003-4885-9351)

Solar Espejo José María (0000-0002-8474-2567)

ASESOR(A)(ES):

Mg. Javez Valladares, Santos Santiago (ORCID: 0000-0002-6790-5774)

LÍNEA DE INVESTIGACIÓN:

Gestión empresarial y productiva

LÍNEA DE RESPONSABILIDAD SOCIAL UNIVERSITARIA:

Desarrollo económico, empleo y emprendimiento

TRUJILLO — PERÚ

2023
ÍNDICE
I. INTRODUCCIÓN 3

II. ARGUMENTACIÓN 5

III. CONCLUSIONES 5

ii
I. INTRODUCCIÓN
En los últimos años, la herramienta más grande en procesos para la ingeniería
industrial es la simulación de procesos. Los paquetes potentes que existen son de
simulación y se van adaptando al ordenador que son todos los ingenieros de
diseño. En el tiempo antiguo de la década del año 1980 esto básicamente era una
tecnología emergente. Pero en la actualidad ha venido creciendo y aumentando
su posición de liderazgo en la industria.

La simulación de procesos en la industria básicamente se va definiendo como el

uso de un programa informático para que se pruebe virtualmente los métodos que
se realizan y el procedimiento de fabricación, que son los procesos como la
producción, el inventario, el montaje y el transporte. Primordialmente esta
simulación emite el manejo de todos los procesos y los sistemas reales usando
modelos, Estos modelos representan todos los comportamientos que se dan en el
proceso del sistema que se seleccionó. En tanto el programa de simulación va
representando el modelo como va evolucionando, dando una serie de diferentes
condiciones a lo largo de su tiempo. Todo esto hace que la simulación de
procesos industriales tenga una capacidad extremadamente competitiva esto va
permitiendo a todos los fabricantes de la industria que podrán probar una serie de
escenarios antes de poder hacer el requerimiento de herramientas para el
proceso de elaboración, va reservando mucha capacidad o también poder
coordinar otros costosos recursos de la producción.

La industria textil alcanzó mayor demanda al nivel mundial por sus productos que
cumplen con los estándares de calidad, condiciones y necesidades del cliente, En
la ciudad de Trujillo una pequeña empresa fabricadora de polos presenta una
dificultad en la producción por lo cual ¿la empresa textil fabricadora de polos
deportivos requiere y necesita saber cuánto de productos fabrican en 8 horas por
turno? El encargado de producción que es el ingeniero realizará una simulación
de Macro donde refleja las etapas de proceso donde comenzará por una entrada
y una salida de cada estación de proceso. Como también el tiempo que demoran
en fabricar tantos polos deportivos y los costos que tendrían las pruebas físicas.
Todo esto facilitará la comprensión y la experimentación dinámica.

1
Ante ellos se propone como objetivos específicos y general

Objetivo General:

● Realizar una simulación dinámica del proceso de fabricación de polos

deportivos.

Objetivos específicos:

● Hallar la cantidad de producción de polos en una jornada de 8 horas.

● Hallar la ganancia de la empresa en base a sus productos vendidos y

defectuosos.

● Determinar si existen productos retenidos en alguna etapa de la fabricación

de polos.

● Proponer alternativas de solución si existen cuellos de botella que retengan

productos.

En el siguiente ensayo se enfoca en la simulación en un caso hipotético, ante ello

se trabaja con una macro de Simulación Montecarlo aplicado en la producción,
pero se además del desarrollo de cálculos se abordará argumentos sobre qué es
este modelo de simulación, para qué sirve y finalmente un caso aplicativo con los
datos necesarios para hallar producción en una jornada, distancia que recorren
los operarios y cuánto de ganancia o pérdidas se obtiene.

Desarrollar el sistema Montecarlo es sumamente importante en la producción

industrial porque permite evaluar la incertidumbre, optimizar la capacidad, evaluar
el rendimiento, la productividad, reducir los costos y riesgos. Asimismo, nos ayuda
a identificar los cuellos de botella para poder plantear medidas correctivas y
agilizar el proceso de producción.

El presente ensayo se realizó con finalidad de aplicar el método Montecarlo en

una macro en Excel y poder tomar decisiones más informadas, mejorar la

2
eficiencia y obtener mejores resultados en base a los datos de procesos de
producción.

II. ARGUMENTACIÓN

En la industria, la eficiencia y la rentabilidad son factores clave para alcanzar el

éxito y mantenerse competitivo en un mercado en constante evolución. El uso del
macro de simulación Montecarlo de producción se ha convertido en una
herramienta valiosa para optimizar los procesos y tomar decisiones estratégicas
fundamentadas. En esta argumentación, se dará a conocer los beneficios que
esta técnica aporta a la industria, destacando su capacidad para mejorar la
eficiencia, reducir costos y aumentar la calidad de los productos. El macro de
simulación Montecarlo permite simular diferentes escenarios de producción,
considerando variables como la disponibilidad de materias primas, la capacidad
de la maquinaria y la mano de obra. Esto ayuda a determinar la capacidad óptima
de producción, evitando tanto la subutilización como el exceso de capacidad. Al
centrarse en estas variables, las empresas pueden aumentar su productividad
mientras reducen los costos relacionados con la producción. La macro de
simulación de Montecarlo también es útil en los sistemas de monitoreo. Esto le
permite analizar la demanda, la variedad y los tiempos de entrega, lo que le ayuda
a establecer los niveles de inventario correctos. Al administrar adecuadamente los
niveles de inventario, las empresas pueden evitar la falta de existencias o el
exceso de efectivo, reducir los costos y reducir el riesgo de tiempo de inactividad.
También juega un papel importante en la mejora de la calidad del producto. Al
modelar el proceso de producción, se pueden identificar posibles defectos o
problemas de calidad y se pueden tomar medidas preventivas. Esto da como
resultado menos desperdicio y daño, así como una mayor estabilidad y
uniformidad en los productos finales. Al ofrecer productos de calidad, las
empresas pueden mejorar su reputación y aumentar la lealtad de los clientes.
Ofrece muchas ventajas a la industria. Desde el control de producción hasta el
control de procesos, la evaluación de riesgos y la mejora de la calidad del

3
producto, esta herramienta se ha convertido en una herramienta central para las
empresas de la industria. Al aumentar su eficiencia, las empresas pueden ser más
eficientes, reducir costos y brindar productos de mayor calidad al mismo tiempo
que se posicionan en un mercado competitivo.

En el mundo empresarial actual, la optimización de la producción se ha convertido

en un objetivo fundamental para garantizar la eficiencia, reducir costes y aumentar
los beneficios. La simulación Montecarlo está emergiendo como una poderosa
técnica para abordar los complejos desafíos que enfrentan las empresas en su
búsqueda de la excelencia operativa. En este ensayo, se brindará información
acerca de la aplicación de la simulación de Montecarlo en la optimización de la
producción, debatiendo su potencial para mejorar significativamente la toma de
decisiones en esta área. Uno de los desafíos clave en la fabricación es determinar
la capacidad óptima para maximizar la eficiencia y minimizar los costos. Las
simulaciones de Montecarlo le permiten evaluar diferentes escenarios y simular la
variabilidad inherente a los procesos de fabricación, lo que ayuda a identificar
posibilidades ideales en diferentes condiciones. Al simular repetidamente el
modelo con valores aleatorios para variables como la demanda, el tiempo de
entrega y los cuellos de botella, se pueden obtener resultados estadísticamente
significativos que le permiten ajustar la capacidad de producción y evitar el uso
excesivo o excesivo de recursos. La gestión de inventario es un aspecto
importante de la fabricación. Puede ser una herramienta eficaz para optimizar los
niveles de inventario al simular la demanda futura, los tiempos de entrega y otros
factores relacionados. Al generar valores aleatorios para estas variables y repetir
la simulación muchas veces, se puede evaluar el impacto de diferentes
estrategias de gestión de inventario, evitando tanto la escasez como el exceso de
existencias. Esto lleva a reducir los costos de inventario y mejorar la eficiencia
general de la cadena de suministro. También se puede utilizar para simular
diferentes configuraciones de líneas de producción, tiempos de procesamiento y
asignación de recursos. Al evaluar varios escenarios posibles y generar valores
aleatorios para variables como el tiempo de procesamiento y los cuellos de
botella, es posible identificar áreas de mejora y optimizar el flujo de trabajo. La
simulación le permite evaluar el impacto de los cambios en las configuraciones de

4
producción, las decisiones de programación y otras variables clave, lo que facilita
la toma de decisiones en función de los programas de producción.

Dentro de las ventajas que presenta este sistema de Montecarlo son:

 Es simple y flexible.
 Existen varios programas y lenguajes diseñados para la simulación.
 Las simulaciones se pueden utilizar para obtener aproximaciones cuando
el modelo matemático es demasiado complejo.
 Las simulaciones permiten formular condiciones extremas sin riesgo.
 La simulación no interfiere con el mundo real.
 Experimentemos.
 Esto permite estudiar la interacción entre diferentes variables del
problema.
A través de la simulación, podemos "influir en el tiempo del proceso". Las
simulaciones pueden resolver problemas que no tienen solución analítica.

Las desventajas:

 Una buena simulación puede ser muy compleja con un gran número de
variables.
 La simulación no produce una solución globalmente óptima.
 Esto no proporciona una decisión aceptable, pero resuelve el problema
aproximando algunas de las condiciones iniciales.
 Cada simulación es única y presenta una oportunidad.

En el mercado de la producción de polos hoy en día es una tierra de nadie, es

decir, muy competitivo, para ello, adelantarnos a cualquier fallo sería de gran
importancia, para tomar medidas correctivas en beneficio de la productividad de la
empresa. Para poder adelantarnos a estos sucesos, es de mucha vitalidad el uso
de la simulación de Monte Carlo, esto permitirá que se tenga un panorama previo
al suceso, donde se obtendrá la producción final de polos, los puntos de botella y
los productos que son retenidos en el proceso. en este caso la empresa realizó
una simulación de un turno de trabajo mediante Microsoft Excel 2019, es este
macro se tuvo en cuenta la jornada laboral (8 horas) en segundo, el porcentaje de
ocupación y cuatro parámetros que ayudaron en el acabado del proceso, en el

5
primer parámetro se tuvo en cuenta el tiempo estándar o los segundos utilizados
por proceso, a la vez la distancia que hay entre las estaciones de trabajo en
metros, también los lotes que pasan de una estación a otra y por último el
porcentaje del tiempo improductivo ya sea por los procesos o el paro de las
máquinas, una vez definido los bloques de la parte izquierda de plantilla de excel
que serán utilizados en cada etapa, pasan a utilizarlas en los procesos de trabajo
para poder adelantarnos a las fallas que estos puedan presentar en dichas etapas
ya sea por el cuello de botella o las unidades retenidas, y para culminar, se pasa
a utilizar formulas en la estaciones de trabajo para calcular la cantidad que será
pasado de una etapa a otra, algunas de ellas es la SI ANIDADA y la de
REDONDEAR.MENOS, estas fórmulas serán de mucha importancia utilizarlas, ya
que de acuerdo a ello se obtendrán cálculos más exactos que contribuyan de una
manera positiva a la toma de decisiones.

En el caso aplicativo se debe tomar en cuenta los lotes que se trasladan en cada
estación ya que eso indica si quedan polos esperando hasta que se complete su
lote y pueda pasar a la siguiente área. Por ejemplo, en la estación de Control de
calidad se produce 105 polos, pero los lotes que se deben trasladar desde la
estación de control de calidad hasta el área de empaque es de 20, por lo tanto
hay 5 polos que deben quedarse en la estación de control de calidad hasta que se
produzca la diferencia del lote. La simulación fue hecha en base a una jornada de
8 horas, lo que indica que esos 5 polos deberán esperar hasta el siguiente día
para que pasen a empaque o debería trabajarse horas extras lo cual indica mayor
costo en la mano de obra. Asimismo, se evidencia que en el área de confección
es la estación que retiene polos porque es el proceso donde más se demora, es
decir el cuello de botella del proceso de fabricación de polos.

6
III.CONCLUSIONES
 La simulación nos permitió concluir que en una jornada laboral (8 horas) se
ha logrado producir 105 polos considerando los datos brindados tales como
tiempo estándar en cada estación, metros que existe entre cada estación y
la cantidad de unidades que contiene cada lote.
 Se concluye que de la productividad de 102 polos buenos y 3 defectuosos
de una jornada laboral diaria deja una ganancia de s/. 1434.13.
 Se concluye por medio de la simulación que en el área de
confección/ensamblado mantiene una productividad retenida de 96
unidades debido que es la estación con más demora en realizar la unión de
las piezas de polo, es decir es el cuello de botella del proceso de
fabricación de polos.
 Se plantea poder utilizar la simulación Montecarlo en Excel o el programa
Promodel con la finalidad de poder agregar otro operario en la estación de
demora para evaluar el aumento de productividad y descenso de polos
retenidos.

7
REFERENCIAS
Álvarez Salgado, M. E., & García Padilla, R. M. (2005). Estudio de la simulación
de procesos de producción en ingenios azucareros (Bachelor's thesis).
http://repositorio.utn.edu.ec/handle/123456789/1092

GONZÁLEZ, C. A., CHAPARRO, I. M., & RAMÍREZ, J. (2018). Importancia de la

simulación en procesos productivos. Calidad e innovación en los procesos
productivos, 25.
https://redibai-myd.org/portal/wp-content/uploads/2019/03/Calidad-e-
Innovación-06-7.pdf#page=29

La simulación de procesos es una de las más grandes herramientas de la

ingeniería industrial Fundación PRODINTEC. (2010). LA SIMULACIÓN DE
PROCESOS INDUSTRIALES: CLAVE EN LA TOMA DE DECISIONES
PARA PROCESOS DE REINGENIERÍA DE PLANTA Y DISEÑO DE
NUEVAS INSTALACIONES DE FABRICACIÓN. FEMETAL federación de
empresarios del metal y afines del principio de Asturias. Recuperado de:

8
 https://www.femetal.es/ckeditor_assets/attachments/344/la_simulacion_de_
procesos_industriales.pdf

López T. & Ignacio J. (s.f) CONCEPTOS BÁSICOS DE SIMULACIÓN DE

PROCESOS. Universitat Politécnica de Valencia. Recuperado el 14 de
julio del 2023: https://riunet.upv.es/bitstream/handle/10251/29929/Art
%C3%ADculoDocente_3.pdf?sequence=1

Modelo Monte Carlos. (2016, 26 de octubre). Modelado y Simulación de

Sistemas. https://modeladoysimulaciondesistemas.wordpress.com/2016/10/
23/modelo-monte-carlos/

Vado Alfaro, W. (s.f) SIMULACION DE PROCESOS, Monografias. Recuperado el

14 de julio del 2023: https://www.monografias.com/trabajos6/sipro/sipro

Yornandy Alonso Martínez Pérez. (2021, 29 de septiembre). Simulación dinámica

de un proceso industrial [Video].
YouTube. https://www.youtube.com/watch?v=9I7nBLeBY2Q

9
ANEXOS
Anexo 1: Datos del caso aplicativo

Precio de venta: S/ 15.00

Costo Fijo: S/ 8.00
Costo Variable: S/ 3.00 * (∑t) 1h
h 60 min
Costo por polos defectuosos: S/ 5.00

Promedio de polos que salen defectuosos de manera diaria: 3

Procesos Min USP/seg
P1 Corte de Tela 2 120.0
P2 Confección /Ensamblaje3 min, 50 seg 230.0
P3 Estampado 1 min, 40 seg 100.0
P4 Control de Calidad 2 min, 40 seg 160.0
P5 Empaque 2 min, 30 seg 150.0

Estaciones trabajo Dist/mt

E1 Maq. Corte Textil
E2 Remalladora automática 2.8
E3 Plancha sublimadora 5.6
E4 Maquina de Medición 3.4
E5 Selladora 2.2

Puntos Lote/Und
E1 hasta E2 30
E2 hasta E3 70
E3 hasta E4 40
E4 hasta E5 20
Param etros 4
Improductivos Lote/Und
Ausentismo 5.0%
Reprocesos 7.0%
Paro de maquina 4.5%

16.5%

1
Anexo 2: Simulación
Anexo 3: Costos y utilidad del caso aplicativo
COSTOS

Unidades producidas 105

Precio de Venta S/ 15.00
costos de productos defectuosos S/ 5.00
costo fijo S/ 8.00 79462.9565 S/ 66.22 79462.9565 seg
costo variable S/ 3.00 /h 760 seg 1h = S/ 0.63
Polos defectuosos 3 3600 seg

UTILIDAD = UNIDADES BUENAS*PRECIO DE VENTA - COSTO DE P.DEF- COSTOS FIJO - CV

UTILIDAD = 102 * S/ 15.00 - S/ 15.00 - S/ 8.00 - S/ 66.22
UTILIDAD = S/ 1,434.13