Informe Final-Grupo 6-1

FACULTAD DE INGENIERÍA Y ARQUITECTURA
ESCUELA PROFESIONAL DE INGENIERÍA INDUSTRIAL
ESTUDIO DE CASO DE HERRAMIENTAS PARA LA TOMA DE DECISIONES
Título:
“PROPUESTA DE MEJORA DE UN PROCESO EN LA EMPRESA

MOLITALIA CON LA APLICACIÓN DE HERRAMIENTAS PARA LA TOMA
DE DECISIONES”
Autor(es):
AVILES LEON FELIX MAURO

BLAS JULCA SHEYLA ISABEL
CAÑAMERO TINEO MANUEL ALBERTO
DOMINGUEZ MORI NAYSHA JHAMELY
LARA COELLO BERIT MAIGUALIDA
UGARTE MENDOZA GUSTAVO ADOLFO
ASESOR:
Mgtr. RAUL ANGEL CALERO SALDAÑA
Lima – Perú
2023
ÍNDICE
INTRODUCCIÓN....................................................................................................................... 4
CAPÍTULO I ............................................................................................................................... 5
INFORMACIÓN BÁSICA ......................................................................................................... 5
1.1 Título: ........................................................................................................................... 5
1.2 Datos Generales:................................................................................................................ 5
1.2.1 Razón social: ............................................................................................................... 5
1.2.2 Tipo de sistema: .......................................................................................................... 5
1.2.3 Actividad económica: ................................................................................................. 5
1.2.4 Dirección principal:.................................................................................................... 5
1.3 Reseña histórica: ........................................................................................................... 5
1.4 Misión, Visión y Valores: ........................................................................................ 6
1.5 Estructura Organizacional y funcional: ...................................................................... 7
1.6 Procesos que desarrolla: ............................................................................................... 8
CAPÍTULO II............................................................................................................................ 10
PLANTEAMIENTO DEL PROBLEMA ................................................................................ 10
2.1 Descripción de la realidad problemática ....................................................................... 10
2.2 Formulación del problema general ................................................................................ 12
2.3 Formulación del objetivo general .................................................................................. 12
CAPÍTULO III .......................................................................................................................... 13
MARCO TEÓRICO ................................................................................................................. 13
3.1 Definición conceptual de la(s) variable(s) ..................................................................... 13
3.2 Definición de conceptos clave ......................................................................................... 14
CAPÍTULO IV .......................................................................................................................... 16
METODOLOGÍA ..................................................................................................................... 16
4.1 Metodología a emplear.................................................................................................... 16
4.2. Identificación de las variables del modelo de HD ........................................................ 17
4.2.1 Matrices de ganancia ............................................................................................... 17
4.2.2 Cadenas de Markov ................................................................................................. 17
4.2.3 Líneas de espera ....................................................................................................... 18
4.3 Formulación del modelo de IO ....................................................................................... 18
4.3.1 Matrices de ganancia ............................................................................................... 18
2
4.3.3 Líneas de espera ....................................................................................................... 21
CAPÍTULO V ............................................................................................................................ 22
RESULTADOS Y ANÁLISIS .................................................................................................. 22
CAPÍTULO VI .......................................................................................................................... 51
CONCLUSIONES Y RECOMENDACIONES ...................................................................... 51
4.1 Conclusiones .................................................................................................................... 51
4.1.1 Matrices de Ganancias ............................................................................................. 51
4.1.3 Líneas de espera ....................................................................................................... 52
4.2. Recomendaciones ......................................................................................................... 54
4.2.1 Matrices de Ganancia .............................................................................................. 54
4.2.3 Líneas de espera ................................................................................................ 56
REFERENCIAS BIBLIOGRÁFICAS .................................................................................... 59
ANEXOS .................................................................................................................................... 62
Anexo 1. Evidencias fotográficas del sistema ...................................................................... 62
Anexo 2. Bases de datos ........................................................................................................ 63
Modelo de ................................................................................................................................... 69
3
INTRODUCCIÓN
En el entorno empresarial actual, es fundamental para las organizaciones buscar
constantemente mejoras en sus procesos con el fin de aumentar la eficiencia, la
productividad y competitividad. La empresa Molitalia, dedicada a la producción y
distribución de alimentos, no es ajena a esta necesidad. Con el objetivo de optimizar sus
procesos claves de producción, se propone la aplicación de herramientas para la toma de
decisiones. La toma de decisiones es un aspecto crucial en cualquier empresa, ya que
afecta directamente los resultados y el rendimiento organizacional. Al utilizar
herramientas específicas, se puede obtener información más precisa y objetiva, lo que
facilita la toma de decisiones acertadas. En el caso de Molitalia, se busca mejorar un
proceso específico para aumentar la eficiencia y la calidad en la producción de
alimentos.
En este informe, se presentará una propuesta de mejora para el proceso de producción

de la empresa Molitalia, donde se utilizarán herramientas para la toma de decisiones. Se
analizarán los principales desafíos que enfrenta la empresa en este proceso, así como las
posibles soluciones y beneficios que se obtendrían al aplicar estas herramientas.
Además, se describe el proceso de implementación y las recomendaciones para su éxito.
El objetivo de esta propuesta es presentar la aplicación de diversas herramientas para la
toma de decisiones en la empresa Molitalia SAC. Se abordarán diferentes situaciones,
como la incertidumbre y los riesgos asociados a la matriz de ganancias, la utilización de
la cadena de Markov, así como la evaluación del desempeño del modelo de colas con
diferentes configuraciones de servidores. En este documento, se analizarán los desafíos
actuales de la empresa Molitalia SAC en relación a la toma de decisiones y se
propondrán soluciones basadas en herramientas específicas. Estas herramientas
incluirán técnicas cuantitativas, análisis de datos, y simulación, con el objetivo de
proporcionar información precisa y fundamentada para la toma de decisiones.
Se espera que la implementación de estas herramientas permite a Molitalia SAC tomar

decisiones más acertadas, minimizar la incertidumbre y los riesgos, optimizar la
utilización de los recursos y mejorar su desempeño general. A continuación, se
detallarán las herramientas específicas que se proponen para abordar cada uno de los
desafíos mencionados, proporcionando beneficios significativos para la empresa
Molitalia SAC.
4
CAPÍTULO I
INFORMACIÓN BÁSICA
1.1 Título: “Propuesta De Mejora De Un Proceso En La Empresa Molitalia Con La
Aplicación De Herramientas Para La Toma De Decisiones”
1.2 Datos Generales:
1.2.1 Razón social: MOLITALIA S.A.
1.2.2 Tipo de sistema: Molitalia S.A. es una empresa peruana que forma parte de
un consistente grupo empresarial llamado Carozzi que se encarga de la fabricación y
comercialización de alimentos de consumo masivo, el cual está presente en gran
parte de Latinoamérica. Molitalia produce y comercializa especialmente pastas y
salsas, pero el portafolio de Empresas Carozzi en Perú abarca mucho más, como
chocolates, golosinas, cereales, mermeladas y alimentos para mascotas, entre otros.
1.2.3 Actividad económica: está dedicada a la elaboración de productos de
molinería, así como actividades de elaboración de cacao, chocolate y productos de
confitería y elaboración de piensos preparados para animales.
1.2.4 Dirección principal:
Avenida Venezuela, 2850, El Cercado, Lima, Lima y Callao, Perú
1.3 Reseña histórica:

Molitalia S.A. es una empresa Peruana que se constituyó el 2 de octubre de 1962.
Desde sus inicios, estuvo vinculada a la fabricación y comercialización de harinas y
fideos. La empresa Molitalia llegó a Latinoamérica en 1997 a través de un
importante grupo empresarial que adquiere el 100% de acciones de Molitalia S.A.
5
Pasado un año, en 1998 Molitalia S.A., se fusiona la empresa Costa Perú S.A., Con
este hecho ingresa un nuevo producto destacando los productos principales como
waffers, bizcochos, chocolates y galletas. Continuando la evolución de la empresa,
en el 2001, Molitalia se une con la empresa Ambrosoli Perú S.A. Con esta fusión,
Molitalia inicia con el negocio confitero, con productos en las categorías de
caramelos, chupetes, toffees y gomitas, entre otros.
Con los buenos y exitosos resultados del negocio golosinero, se hace
imprescindible la ampliación de la capacidad productiva de la planta de las marcas
Costa y Ambrosoli. Además, se adquieren marcas como Fruna, Cocorocos y
Mellows, entre otras. En 2006 se adquiere la marca de cereales O'Rayan. Así, se
describe la trayectoria de una empresa peruana, con más de 40 años de experiencia
en proveer productos de la mejor calidad en el rubro de alimentos y golosinas, cuya
operación en los últimos años se traduce en un acelerado crecimiento de sus ventas y
que es considerado también como fuente de trabajo para muchas familias peruanas.
1.4 Misión, Visión y Valores:
- Misión
Ser una empresa multinacional especializada en la industria alimenticia, reconocida
por su alta productividad y fuerte cultura, propia de una empresa familiar,
sustentando su liderazgo en el mercado nacional.
- Visión
Desarrollar el espíritu empresarial, creando actividades productivas exitosas en el
rubro alimenticio, dentro del marco de una cultura familiar que trascienda de
generación en generación, lo anterior, satisfaciendo plenamente a nuestros clientes y
consumidores, impulsando el crecimiento de nuestra empresa y su personal y
contribuyendo al engrandecimiento del país.
- Valores
El compromiso, la honestidad, la sencillez y la pasión por el trabajo bien hecho, que
son las guías y pautas que compartimos quienes elegimos y disfrutamos Ser
Molitalia.
6
1.5 Estructura Organizacional y funcional:
La Compañía Molitalia S.A. Supone que los recursos humanos son la principal
fuente para poder llevar a cabo sus operaciones, por lo tanto, la Compañía está
regulada bajo la estructura funcional formada por la gestión, el mantenimiento, la
logística, la calidad, la administración y las finanzas, la gestión de marketing y
ventas y recursos humanos. En el área de producción están: Técnicas y proyectos, y
TPM (mantenimiento productivo total), además, la estructura organizativa del área
de producción se divide de acuerdo con la categoría de productos.
Es importante indicar que Molitalia busca promover la preferencia a sus empleados,

por este motivo, garantiza la seguridad de sus trabajadores y, de acuerdo con su
tamaño y objetos, cubre la gestión del trabajo y la atención médica de acuerdo con
las reglas actuales del trabajo laboral.
Gerencia de Administración y Finanzas: Encargada de planear, organizar, dirigir,

ejecutar y controlar, en el ámbito institucional, los procesos técnicos de los
Sistemas Administrativos vinculados a la gestión de recursos humanos,
abastecimiento, contabilidad, tesorería y patrimonio.
7
Gerencia de RR. HH.: Gestionar a las personas de la organización y fomentar las
relaciones laborales, es necesario definir en mayor medida cómo interactúa
Recursos Humanos con el resto de departamentos de la organización.
Gerencia de Logística: Formación de especialistas con visión de liderazgo, con
capacidades para gerenciar los sistemas logísticos y las redes globales de
abastecimiento y distribución física.
Gerencia de Producción: Comprende la planificación, el proyecto, la operación y
el análisis de sistemas productivos, con el desarrollo y la aplicación de metodologías
que abarcan tanto técnicas direccionadas para el proceso decisorio, utilizando
métodos cuantitativos, como procedimientos que posibilitan la organización de esos
sistemas, combinando los factores sociales y técnicos de cuya interacción depende
su desempeño.
Gerencia de calidad: Diseño y revisión de especificaciones para productos o
procesos. Establecimiento de requisitos para las materias primas o los productos
intermedios para proveedores y supervisar su cumplimiento.
Gerencia de Producción: Comprende la planificación, el proyecto, la operación y
el análisis de sistemas productivos, con el desarrollo y la aplicación de metodologías
que abarcan tanto técnicas direccionadas para el proceso decisorio, utilizando
métodos cuantitativos, como procedimientos que posibilitan la organización de esos
sistemas, combinando los factores sociales y técnicos de cuya interacción depende
su desempeño.
1.6 Procesos que desarrolla:
PRODUCCIÓN: Es un conjunto de funciones que están orientadas de transformar

materia prima a un bien y/o servicio. En este proceso intervienen la mano de obra,
materia prima y la tecnología, es decir, es un resultado en un bien industrial. Es un
sistema de acciones que se encuentran interrelacionadas de forma dinámica y que sé
orientan a la transformación de las materias primas. Es decir, los elementos de
entrada(conocidos como factores) pasan a ser elementos de salida (productos), tras
un proceso de transformación, conocido como un bien industrial para el consumo.
8
PROCESO SEGÚN SU JERARQUÍA: Existen tres clasificaciones:
Macroprocesos: Estas son los grandes procesos importantes de una organización en
la empresa, las cuales son como máximo 5 macroprocesos: recepción de trigo,
limpieza de Trigo, molienda y tamizado, control de calidad, prensa, presecado,
secado, Inspección del de secado, escoger el mejor producto después del secado,
almacenado y finalmente listo para el marketing.
Proceso de dosificación de la materia prima.
Proceso de calidad Total
Proceso de Logística y Distribución.
9
CAPÍTULO II
PLANTEAMIENTO DEL PROBLEMA

2.1 Descripción de la realidad problemática
Las organizaciones que se encuentran en la industria de fabricación de pastas, harinas,
caramelos y galletas, se ven en la necesidad de tener una ampliación para la efectividad
y satisfacción del personal ya que permitirá tener un ambiente más seguro,
disminuyendo los tiempos de fabricación sin que esto perjudique la producción y
calidad que es lo que el consumidor demanda, es por esto por lo que buscan
implementar diversas metodologías para la máxima optimización de los procesos
estando en constante actualización y mejora continua por parte de todos y cada uno de
los procesos que las conforman. El desarrollo de este estudio se centrará en el modelo
matemático de aplicación de herramientas de investigación de operaciones.
La empresa Molitalia situada en Lima Norte, desea tener una optimización ya que está
estudiando 5 posibilidades de expandir su capacidad productiva: habiendo invertido $10
millones de dólares ampliando las plantas en las siguientes avenidas Av. Alfredo
Molina, Av. República Venezuela, Av. Argentina, Av. Universitaria y en la Av.
Chosica. Los beneficios estimados durante los próximos años para cada alternativa se
dividen de la siguiente forma. Las probabilidades en criterios de decisión en riesgo de
estas cuatro posibilidades son 0.3 para un desempeño bueno, 0.3 para un desempeño
regular, 0.2 para un desempeño malo y, 0.2 para un desempeño pésimo. Encontrar
estados de la naturaleza para el análisis y toma de decisión final en ambiente de
incertidumbre y riesgo. Para este análisis hemos considerado todos los tipos de perfil
del empresario en la toma de decisiones (pesimista, optimista y neutral).
Se hizo un estudio de Mercado a la empresa Molitalia para saber en cuál de los

Supermercados se vende más de sus productos, de los cuales son distribuidos a los 5
principales supermercados de Lima, entre estos están (Tottus, Metro, Vivanda, Wong y
Plaza vea) en el cual entre estos existe una movilidad de clientes de un supermercado a
otros. En el presente mes un 20% compran los productos de Molitalia en Plaza Vea, un
25% compra en Tottus, un 10% compra los productos de Molitalia en Vivanda, 15% se
pasa a Wong y el restante compra en Metro. Además, Plaza Vea mantiene el 25% de los
clientes que compran productos de Molitalia, dejando un 20% que se va a Tottus, pierde
un 15% que pasa a Vivanda, un 5% compra los productos en de Molitalia en Wong y lo
10
que queda pasa en Metro. Se indago que el supermercado Metro retiene a un 35% de
clientes consumidores de los productos Molitalia y deja el 15% que se queda en Plaza
Vea, mientras que pierde un 20% que pasa a comprar en Wong, un 5% de clientes pasa
a comprar en Vivanda y lo demás va a Tottus, después de un tiempo el supermercado
Metro mantiene un 35% de clientes consumidores de productos Molitalia, pierde el 20%
que van a Plaza Vea, un 20% compra en Wong, un 10% en Vivanda y lo demás en
Tottus.
La empresa Molitalia está dedicada a la elaboración de pastas y ha experimentado un

aumento significativo en la demanda de su producto es por ellos que desea aumentar la
producción netamente en el área de empaquetado, la empresa cuenta con 2 máquinas
empaquetadoras de pasta, la tasa media de llegada es de 100 kg de pasta por hora y el
tiempo de empaquetado es de 1 min por 1 kg de pasta y se planea aumentar la
producción de pastas, por lo cual plantea reforzar el área de empaquetado con 3
máquinas más. Se sabe que el costo de servicio (máquina) es de 35 soles por hora y el
costo del tiempo de espera es de 15 soles por hora.
También se hará el estudio con el software Arena con lo que contamos con la siguiente
información que el tiempo de llegada entre cada kilogramo de pasta es de 3.5 minutos.
Se conoce que el tiempo de servicio de la máquina 1 es de (1, 2, 3.5 minutos) y para la
máquina 2 es de (1, 2.5, 3 minutos), el 95% de los kilogramos de pasta que pasa por la
máquina 2 están ok. En un estudio de colas se busca llevar a cabo un análisis de líneas
de espera para las 2 máquinas existentes, tomando en cuenta un tiempo de 12 horas.
Además, se utilizará el software ProModel para simular el sistema. En esta simulación,
se consideran que las locaciones son 1 banda transportadora de kilogramos de pasta con
una capacidad infinita con un tiempo exponencial de 3.5 minutos entre llegada, y 1
máquina empaquetadora que cuenta con una capacidad de un kilogramo por vez, con un
tiempo exponencial de 2 minutos entre kilogramo. Se desea simular el proceso durante
una jornada laboral de 12 horas.
11
2.2 Formulación del problema general
¿Cuál es la decisión óptima dada la matriz de ganancias (incertidumbre) que se tomará

en la empresa Molitalia SAC?
¿Cuál es la decisión óptima dada la matriz de ganancias (riesgos) que se tomará en la

empresa Molitalia SAC?
¿Cuál es la decisión óptima dada la cadena de Markov que se tomará en la empresa

Molitalia SAC??
¿Cuáles son los indicadores de desempeño del modelo colas de la empresa Molitalia
SAC con 2 servidores?
¿Cuáles son los indicadores de desempeño con herramientas de simulación del modelo
de colas de la empresa Molitalia SAC con 3 servidores?
2.3 Formulación del objetivo general
Determinar la decisión óptima dada la matriz de ganancias (incertidumbre) que se

tomará en la empresa Molitalia SAC.
Determinar la decisión óptima dada la matriz de ganancias (riesgos) que se tomará en la

empresa Molitalia SAC.
Determinar la decisión óptima dada la cadena de Markov que se tomará en la empresa

Molitalia SAC.
Determinar los indicadores de desempeño del modelo colas de la empresa Molitalia

SAC con 2 servidores.
Determinar los indicadores de desempeño con herramientas de simulación del modelo

de colas de la empresa Molitalia SAC con 3 servidores.
12
CAPÍTULO III
MARCO TEÓRICO
3.1 Definición conceptual de la(s) variable(s)
Incertidumbre
Nos menciona Olarte (2006) que la incertidumbre es la inseguridad que tiene una
persona sobre el éxito de un evento futuro. Además, no se conocerá la probabilidad de
que suceda el posible desenlace.
Riesgo
Lavell (2001) nos indica que el riesgo es la probabilidad de que la amenaza se convierta
en un desastre. Vulnerabilidad o amenaza solas, no representan ninguna amenaza. Pero
si convergen, se convierten en riesgo, es decir, en posibilidad de desastre.
Utilidad
Morales (2021) nos dice que es el análisis de diversas situaciones donde deben tomar
una decisión de incertidumbre, siendo esta la suma de muchas probabilidades y sobre
todo los posibles resultados.
Variable
Causas (2020) menciona que es una propiedad de un objeto que muestra variaciones en
siguientes mediciones temporales. Asimismo, consiste de una característica observable
en el objeto de estudio por la cual adopta distintos valores.
Optimización
La optimización se refiere a la mejora de una acción o trabajo realizado con mayor

eficiencia que busca mejorar los recursos para así obtener mejores resultados. Guerra. A
(2020).
Cliente
Según la norma ISO 9001:2015 nos indica el enfoque para poder satisfacer las
necesidades de los clientes, identificando sus necesidades, garantizando el éxito de una
organización.
Servidor
13
Ludeña (2021) nos indica que es necesario determinar el número de servidores que se
utilizaran para lograr identificar el tiempo de espera de los clientes en el servicio.
Tiempo de espera
Garcia (2020) nos menciona que para poder identificar el comportamiento de un sistema
es necesario conocer el tiempo de espera en el sistema y el número de clientes que
tendrán que esperar en cola.
Costo de espera
Según Santiago (2017) que el costo de espera es el tiempo que los clientes esperan en
cola al entrar al sistema, generando un desperdicio de algún recurso que pudo ser
aprovechado en otra actividad.
Costo de servicio
Santiago (2017) nos menciona que el costo de servicio aumenta si se ofrece un buen
servicio y se disminuye los costos en la espera, se debe encontrar el balance adecuado
para obtener un costo total mínimo.
3.2 Definición de conceptos clave

Probabilidad
Según Westreicher (2020) la posibilidad de que pueda suceder un hecho en distintas

circunstancias. Se utilizan datos ya obtenidos de una muestra con el objetivo de realizar
dichos cálculos.
Matriz de pagos
Budnick (2013) nos menciona que es el resultado de dicha decisión que depende de una
lista de posibles estados de la naturaleza versus las diferentes alternativas de decisión
para obtener las utilidades(perdidas).
Información
Peiró (2020) nos informa que la información es un conjunto de mecanismos que

permiten a una persona extraer datos de su entorno y disponerlos de cierta manera para
guiar sus acciones.
Medidas de desempeño
14
Izar (2017) nos menciona que las medidas de desempeño nos indica como funciona una
línea de espera relacionándose con la función de los servidores, longitud y el tiempo de
espera para una adecuada funcionalidad de un sistema.
Línea de espera
Según Cauich (2020) las líneas de espera son el resultado de la alta demanda, superando
su capacidad de brindar el servicio, con el objetivo de poder minimizar el costo total de
un sistema.
15
CAPÍTULO IV
METODOLOGÍA
4.1 Metodología a emplear
Matrices de Ganancias de investigación de operaciones
Según este proyecto basado en (Chávez Manuel, et al. 2021), se aplicó la metodología
del análisis del contexto para poder identificar su problema y utilizando criterios de
priorización de acuerdo a la empresa estudiada. Asimismo, se realizó un estudio para las
operaciones de producción y el soporte brindado por mantenimiento; entrevistas
virtuales y presenciales al jefe de Logística, jefe de Mantenimiento, Coordinador de
Almacén y jefes de Producción; revisión de informes, stock de repuestos, planificación
de producción. Por ello, cuyo objetivo a implantar es, revisar la gestión de repuestos y
cómo ello impacta en las operaciones y oportunidad de venta de los diferentes SKU
producidos por la compañía.
El estudio de la teoría de decisión provee de herramientas para la toma de decisiones

importantes, el cual permite seleccionar una decisión de un conjunto de alternativas
cuando existe incertidumbre sobre el futuro. Se obtiene la solución óptima de una
matriz de ganancias en términos de criterios de decisión, el cual tiene como objetivo
maximizar el beneficio esperado, es un criterio común cuando las probabilidades son
favorables. Cuando el riesgo puede ser medido dentro del proceso de decisión, la Teoría
provee de mecanismos para analizar la decisión en función de los riesgos.
Teoría explicada sobre Cadenas de Markov a aplicarse en el estudio de caso
Galán (2020) nos indica que la cadena de Markov está desarrollado dentro de la teoría
de la probabilidad, teniendo una dependencia entre un evento y otro suceso del pasado
histórico de la realidad que estamos estudiando.
Por ellos aplicaremos la cadena de Markov en la empresa estudiada para poder analizar
y conocer la probabilidad en largos periodos de tiempo, estimar futuros patrones de
conducta con la información recaudada.
16
Teoría explicada sobre Modelos de colas o líneas de espera M/M/1 y M/M/s
Según (Andrade Julieth, et al. 2023) existe la teoría de las colas que cuenta con un
modelo de líneas de espera, no obstante, hay varios modelos que se logran aplicar al
proyecto, siempre intentando que se adapte a la necesidad.
En la sección teórica, el modelo se pronuncia originalmente con un canal (M/M/1),

aquel modelo solo se considera sistemas que tienen un solo estado y una línea de
atención. En el caso del M/M/s se le considera el sistema de dos a más servidores, esta
se dispone de una sola cola y dos servidores, dando la probabilidad al cliente de
trasladarse al servidor que se vacíe previamente.
4.2. Identificación de las variables del modelo de HD

4.2.1 Matrices de ganancia
Alternativas de Decisión:
Av. Alfredo Molina
Av. República Venezuela
Av. Argentina
Av. Universitaria
Av. Chosica
Estados de la naturaleza:
Desempeño bueno
Desempeño regular
Desempeño malo
Desempeño pésimo
4.2.2 Cadenas de Markov

Variable aleatoria:
Proyección de ventas de los productos de Molitalia por cada supermercado.

Estados:
La preferencia de comprar productos Molitalia en el Supermercado Tottus
17
La preferencia de comprar productos Molitalia en el Supermercado Metro
La preferencia de comprar productos Molitalia en el Supermercado Vivanda
La preferencia de comprar productos Molitalia en el Supermercado Wong
La preferencia de comprar productos Molitalia en el Supermercado Plaza vea.
4.2.3 Líneas de espera

Factor de utilización del sistema: 59.6%
Número de clientes en cola: 1.48 min
Número de clientes en sistema: 1.73 kilogramos de pasta
Número de servidores:2 maquinas
Tiempo de espera en cola: 0.425 minutos
Tiempo de espera en sistema: 6.24 minutos
Costo de espera: 15 soles / hora
Costo de servicio: 35 soles/hora
4.3 Formulación del modelo de IO

4.3.1 Matrices de ganancia
Matriz de decisiones con Criterios de decisión en incertidumbre
Estados de la naturaleza
Alternativas
Desempeño Desempeño Desempeño Desempeño
bueno regular malo pésimo
Av. Alfredo
Molina 30 50 25 -10
Av. República
Venezuela 30 40 30 5
Av. Argentina 40 50 -40 -15
18
Av. Universitaria 15 -13 12 20
Av. Chosica 1 25 -35 -15
Matriz de decisiones con criterios de decisión en riesgo
Probabilidades Estados de la naturaleza
0.3 0.3 0.2 0.2

Alternativas bueno regular malo pésimo
Av. Alfredo
Molina 30 50 25 -10
Av. República
Av. Universitaria 15 -13 12 20

Av. Chosica 1 25 -35 -15
19
Diagrama de transición de probabilidades
Matriz de transición
20
Colocar en este apartado todas las fórmulas de modelos de colas a utilizar
21
CAPÍTULO V
RESULTADOS Y ANÁLISIS
Matriz de decisiones con criterios de decisión en incertidumbre
1. Criterio Maximin o de Wald
Alternativas Desempeño Desempeño Desempeño Desempeño Mínimas
bueno regular malo pésimo ganancias
Av. Alfredo -9
Molina 30 50 25 -9
Av. República -5
Venezuela 30 40 30 -5
-15
Av. Universitaria 12
15 13 12 20
-15
Av. Chosica 1 25 -35 -15
INTERPRETACIÓN: La decisión optima con este criterio seria invertir en la

Av. universitaria con una ganancia mínima de 12 millones de dólares.
22
2. Criterio Minimax o Savage
Alternativas

Av. Alfredo
Molina 30 50 25 -9
Av. República
Av.
Universitaria 15 13 14 20
Av. Chosica 1 25 -35 -15
40 50 30 20
Alternativas
Máximo costo de
Desempeño Desempeño Desempeño Desempeño oportunidad
Av. Alfredo 29
Molina 10 0 5 29
Av. República 25
70
Av. Argentina 0 0 70 35
23
Av. 37
Universitaria 25 37 16 0
65
Av. Chosica 39 25 65 35

Av. República Venezuela por tener el menor costo de oportunidad, esto quiere
decir la ganancia mínima de 25 millones de dólares.
3. Criterio Maximax

Av. Argentina por tener la máxima ganancia de 50 millones de dólares.
4. Criterio de razonamiento insuficiente o Laplace
Ganancia
Alternativas Estados de la naturaleza esperada

Av. Alfredo Molina 24

30 50 25 -9
Av. República 23.75
24
8.75
15
Av. Universitaria 15 13 12 20
-6
Av. Chosica 1 25 -35 -15

Probabilidad = 1/n
= 1/4 = 0.25
0.25 0.25 0.25 0.25
A1 = 0.25 * 30 + 0.25 * 50 + 0.25 * 25 + 0.25 * -9 = 7.5 + 12.5 + 6.25 + -2.25 = 24
A2 = 0.25 * 30 + 0.25 * 40 + 0.25 * 30 + 0.25 * -5 = 7.5 + 10 + 7.5 + -1.25 = 23.75
A3 = 0.25 * 40 + 0.25 * 50 + 0.25 * -40 + 0.25 * -15 = 10 + 12.5 + -10 + -3.75 = 8.75
A4 = 0.25 * 15 + 0.25 * 13 + 0.25 * 12 + 0.25 *20 = 3.75 + 3.25 + 3 + 5 = 15
A5 = 0.25 * 1 + 0.25 * 25 + 0.25 * -35 + 0.25 * -15 = 0.25 + 6.25 + -8.75 + -3.75 = -6
INTERPRETACIÓN: La decisión optima seria invertir en la Av. Alfredo Molina con

una ganancia esperada de 24 millones de dólares.
5. Criterio de Hurwicz
T (X1) = 0.5 * 50 + 0.5 * -9 = 25 + -4.5 = 20.5
25
T (X2) = 0.5 * 40 + 0.5 * -5 = 20 + -2.5= 17.5
T (X3) = 0.5 * 50 + 0.5 * -40 = 25 + -20 = 5
T (X4) = 0.5 * 20 + 0.5 * 12 = 10 + 6 = 16
T (X5) = 0.5 * 25 + 0.5 * -35 = 12.5 + -17.5 = -5
INTERPRETACIÓN: La decisión optima seria invertir en la Av. Alfredo Molina con

la ganancia esperada de 20.5 millones de dólares con el coeficiente de optimismo del
50%
UTILIZANDO EL PROGRAMA POM QM:
26
Elección del criterio de decisión en situación de riesgo
1. CRITERIO DE VALOR ESPERADO:
Ganancias
esperadas
Probabilidades 0.4 0.25 0.2 0.15

Alternativas VE (Ai)
Av. Alfredo 28.15

30 50 25 -9
Molina (MAXIMO)
Av. República
30 40 30 -5 27.25
Venezuela
Av. Argentina 40 50 -40 -15 18.25
Av. Universitaria 15 13 12 20 14.65
Av. Chosica 1 25 -35 -15 -2.6
• VE (Av. Alfredo Molina) = 0.4 * 30 + 0.25 * 50 + 0.2 * 25 + 0.15 * -9 = 28.15

• VE (Av. República Venezuela) = 0.4 * 30 + 0.25 * 40 + 0.2 * 30 + 0.15 * -5 =
27.25
• VE (Av. Argentina) = 0.4 * 40 + 0.25 * 50 + 0.2 * -40 + 0.15 * -15 = 18.25
• VE (Av. Universitaria) = 0.4 * 15 + 0.25 * 13 + 0.2 * 12 + 0.15 * 20 = 14.65
• VE (Av. Chosica) = 0.4 * 1 + 0.25 * 25 + 0.2 * -35 + 0.15 * -15 = -2.6
Respuesta: Elegir la alternativa de AV. REPÚBLICA VENEZUELA sería la mejor
decisión, pues proporciona el máximo de los valores esperados de 28.15 millones de
dólares.
27
2. CRITERIO DE NIVEL DE ASPIRACIÓN (NA = 35):
Estados de la naturaleza Ganancias

esperadas
Desempeño Desempeño Desempeño Desempeño VE (Ai)

Alternativas
Av. Alfredo 27
30 50 25 -10
Molina
Av. República 28 (MAXIMO)

30 40 30 5
Venezuela
Av. Argentina 40 50 -40 -15 16
Av. Universitaria 15 -13 12 20 7
Av. Chosica 1 25 -35 -15 -2.2
Respuesta: Elegir la alternativa de AV. ARGENTINA sería la mejor decisión, pues proporciona el
máximo de la suma de las probabilidades correspondientes al 65%, que pasan el nivel de
aspiración de 35 millones de dólares.
3. CRITERIO DE FUTURO MAS PROBABLE:

Por lo tanto
seleccionamos

Alternativas e3
Av. Alfredo
30 50 25 -9 30
Molina
28
Av. República
30 40 30 -5 30
Venezuela
Av. Argentina 40 50 -40 -15 40 (MAXIMO)
Av. Universitaria 15 13 12 20 15
Av. Chosica 1 25 -35 -15 1
Respuesta: Elegir la alternativa de AV. ARGENTINA sería la mejor decisión, puesto

que corresponde al mejor pago del estado más probable de 40 millones de dólares.
4. CRITERIO DE LA PERDIDA DE LA OPORTUNIDAD ESPERADA:


Alternativas
Av. Alfredo Molina 30 50 25 -9
Av. República Venezuela 30 40 30 -5
Av. Universitaria 15 13 12 20
Av. Chosica 1 25 -35 -15
MAXIMOS 40 50 30 20
Probabilidades 0.4 0.25 0.2 0.15 Valor esperado

Alternativas
29
Av. Alfredo 9.35
10 0 5 29
Molina (MINIMO)
Av. República
10 10 0 25 8.75
Venezuela
Av. Argentina 0 0 70 35 19.25
29.35Av.
25 37 18 0 29.35
Universitaria
Av. Chosica 39 25 65 35 40.1
• VE (A1) = 0.4 * 10 + 0.25 * 0 + 0.2 * 5 + 0.15 * 29 = 9.35

• VE (A2) = 0.4 * 10 + 0.25 * 10 + 0.2 * 0 + 0.15 * 25 = 10.25 • VE (A3) = 0.4 * 0
+ 0.25 * 0 + 0.2 * 70 + 0.15 * 35 = 19.25
• VE (A3) = 0.4 * 25 + 0.25 * 37 + 0.2 * 18 + 0.15 * 0 = 22.85
• VE (A3) = 0.4 * 39 + 0.25 * 25 + 0.2 * 65 + 0.15 * 35 = 40.1
Respuesta: Elegir la alternativa de AV. REPUBLICA VENEZUELA sería la mejor

decisión, pues proporciona la menor pérdida de oportunidad, esto es una ganancia
mínima de 9.35 millones de dólares.
5.VALOR DE INFORMACION PERFECTA:


Valor esperado a
Priori
Alternativas Desempeño Desempeño Desempeño Desempeño
Av. Alfredo 28.15

30 50 25 -9
Molina (MAXIMO)
Av. República
30 40 30 -5 27.25
Venezuela
Av. Argentina 40 50 -40 -15 18.25
30
Av. Universitaria 15 13 12 20 14.65
Av. Chosica 1 25 -35 -15 -2.6
VEconIP = 0.4 * 40 + 0.25 * 50 + 0.2 * 30 + 0.15 * 20 = 37.5
VEsinIP = 28.15 (valor esperado a priori obtenido por el primer criterio)
VEIP = VEconIP – VesinIP
VEIP = 37.5 – 28.15 = 9.35 (ganancia esperada adicional)
Respuesta: No tendríamos que pagar más de 9.35millones de dólares por hacer un

estudio de mercado.
UTILIZANDO EL PROGRAMA POM QM:
31
Cadena de Markov
PROBABILIDADES DEL ESTADO DEL SISTEMA
Estado 0
(0) = [0.20, 0.25, 0.10, 0.15, 0.30]
∑ 𝜋(0) = 1
(1) = 𝜋(0)𝑃 = [0.2125 ,0.2225,0.32, 0.1325,0.1125]
0.25 0.20 0.35 0.05 0.15
32
π(1)= [0.20, 0.25, 0.10, 0.15, 0.30] 0.25 0.20 0.35 0.20 0.05
0.20 0.15 0.35 0.20 0.10
0.10 0.10 0.45 0.15 0.20
0.30 0.30 0.20 0.10 0.10
Estado 1
0.20 * 0.25 + 0.25 * 0.15 + 0.10 * 0.20 + 0.15 * 0.10+ 0.30 *0.30 = 0.2125
0.20 * 0.20 + 0.25 * 0.25 + 0.10 * 0.15+ 0.15 * 0.10+ 0.30 * 0.30 = 0.2225
0.20* 0.35 + 0.25* 0.35 + 0.10* 0.35 + 0.15* 0.45 + 0.30 * 0.20 = 0.32
0.20* 0.05 + 0.25* 0.20 + 0.10 * 0.20+ 0.15 * 0.15 + 0.30 * 0.10 = 0.1325
0.20* 0.15 + 0.25* 0.05 + 0.10 * 0.10+ 0.15 * 0.20 + 0.30 * 0.10 = 0.1125
(1) = [0.2125 ,0.2225,0.32, 0.1325,0.1125]
Interpretación: En el siguiente mes se estima que los productos de Molitalia se

venderá Plaza Vea a un 21.25%, Tottus venderá un 22,25%, Vivanda recibirá un 32%,
en Wong se obtendrá un 13,25% de ventas, mientras que Metro solo se venderán el
11,25 %.
Al segundo mes: Estado 2 0.25 0.20 0.35 0.05 0.15
𝜋(2) = 𝜋(1)𝑃 0.15 0.25 0.35 0.20 0.05
[0.2125,0.2225, 0.32, 0.1325, 0.1125] 0.20 0.15 0.35 0.20 0.10
0.10 0.10 0.45 0.15 0.20
0.30 0.30 0.20 0.10 0.10
33
0.2125 * 0.25 + 0.2225 * 0.15 + 0.32 * 0.20 + 0.1325 * 0.10 + 0.1125 * 0.30 = 0.1975
0.2125 * 0.20 + 0.2225 * 0.25 + 0.32 * 0.15 + 0.1325 * 0.10 + 0.1125 * 0.30 = 0.193125
0.2125 * 0.35 + 0.2225 * 0.35 + 0.32 * 0.35 + 0.1325 * 0.45 + 0.1125 * 0.20 = 0.346375
0.2125 * 0.05 + 0.2225 * 0.20 + 0.32 * 0.20 + 0.1325 * 0.15 + 0.1125 * 0.10 = 0.15025
0.2125 * 0.15 + 0.2225 * 0.05 + 0.32 * 0.10 + 0.1325 * 0.20 + 0.1125 * 0.10 = 0.11275
(2) = [ 0.1975, 0.193125, 0.346375, 0.15025, 0.11275]
Interpretación: Durante el segundo mes se estima que se venderá los productos de

Molitalia en Plaza Vea a un 19.75%, aen Tottus un 19.31%, Vivanda venderá un
34.64%, en Wong obtendrá un 15.03% mientras que metro solo el 11.28%.
Al tercer mes: Estado 3
𝜋(3) = 𝜋(2)𝑃 0.25 0.20 0.35 0.05 0.15
[0.1975, 0.193125, 0.346375, 0.15025,0.11275] 0.25 0.20 0.35 0.20 0.05
0.20 0.15 0.35 0.20 0.10
0.10 0.10 0.45 0.15 0.20
0.30 0.30 0.20 0.10 0.10
0.1975 * 0.25 + 0.193125 * 0.15 + 0.346375 * 0.20 + 0.15025 * 0.10 + 0.11275 * 0.30 = 0.1965
0.1975 * 0.20 + 0.193125 * 0.25 + 0.346375 * 0.15 + 0.15025 * 0.10 + 0.11275 * 0.30 = 0.1886
0.1975 * 0.35 + 0.193125 * 0.35 + 0.346375 * 0.35 + 0.15025 * 0.45 + 0.11275 * 0.20 = 0.3481
0.1975 * 0.05 + 0.193125 * 0.20 + 0.346375 * 0.20 + 0.15025 * 0.15 + 0.11275 * 0.10 = 0.1516
0.1975 * 0.15 + 0.193125 * 0.05 + 0.346375 * 0.10 + 0.15025 * 0.20 + 0.11275 * 0.10 = 0.1152
(3) = 0.1965, 0.1886, 0.3481, 0.1516, 0.1152
34
Interpretación: Dentro de 3 meses se estima que Molitalia venderá sus productos a
Plaza vea en un 19,65%, en Tottus un 18.86 %, Vivanda recibirá un 34.81%, en Wong
obtendrá un 15.16% mientras que Metro solo el 11.52%.
Al cuarto mes: Estado 4
𝜋(4) = 𝜋(3)𝑃 0.25 0.20 0.35 0.05 0.15
[0.1965, 0.1886, 0.3481, 0.1516, 0.1152] 0.15 0.25 0.35 0.20 0.15
0.20 0.15 0.35 0.20 0.10
0.10 0.10 0.45 0.15 0.20
0.30 0.30 0.20 0.10 0.10
0.1965* 0.25 + 0.1886* 0.15 + 0.3481* 0.20 + 0.1516* 0.10 + 0.1152* 0.30 = 0.1968
0.1965 * 0.20 + 0.1886* 0.25 + 0.3481* 0.15 + 0.1516* 0.10 + 0.1152* 0.30 = 0.1884
0.1965 * 0.35 + 0.1886* 0.35 + 0.3481* 0.35 + 0.1516* 0.45 + 0.1152* 0.20 = 0.3479
0.1965 * 0.05 + 0.1886* 0.20 + 0.3481* 0.20 + 0.1516* 0.15 + 0.1152* 0.10 = 0.1514
0.1965 * 0.15 + 0.1886* 0.05 + 0.3481* 0.10 + 0.1516* 0.20 + 0.1152* 0.10 = 0.1156

Plaza vea un 19,68%, para tottus un 18.84 %, Vivanda recibirá un 34.79 %, en wong
obtendrá un 15.14% mientras que Metro solo el 11.56%.
TABLA DE COMPARACIÓN
Estado Actual Primer mes Segundo mes Tercer mes Cuarto mes
Tottus 25% 21.25% 19.75% 19.65% 18.84%
Metro 30% 22.25% 19,31% 18.86% 11.56%
Vivanda 10% 32% 34.64% 34.81% 34.79%
35
Wong 15% 13.25% 15.03% 15.16% 15.14%
Plaza Vea 20% 11.25% 11.28% 11.32% 19.68%
Las estimaciones al cabo de 4 meses seguirán siendo favorables para el supermercado

Vivanda el cual tiene un 34.79 % de clientes que le compran productos de Molitalia
siendo este considerado el supermercado que tiene el mayor porcentaje a comparación
con los demás, por lo contrario, se encuentra el supermercado Metro que al cabo de
cuatro meses perdió un 7.3% de lo que tenía en el tercer mes, además se estima la
recuperación de clientes que compran productos de Molitalia en el Supermercado de
Plaza Vea con un aumento del 8.36% a comparación de los tres meses anteriores.
36
Interpretación: En el siguiente mes se estima que Molitalia venderá sus productos a
Plaza Vea un 21.25%, para Metro un 22,25 %, Wong recibirá un 32%, en Vivanda
obtendrá un 13,25% mientras que Tottus solo el 11,25 %.
Segundo mes:
Interpretación: Durante el segundo mes se estima que Molitalia venderá sus productos
en Plaza Vea a un 19.75%, en Metro un 19.31%, Wong recibirá un 34.64%, se estima
que Vivanda obtendrá un 15.03% de ventas, mientras que Tottus solo el 11.28%.
Tercer mes
37
Plaza vea un 19,65%, en Metro un 18.86 %, Wong venderá un 34.81%, en Vivanda
obtendrá un 15.16% mientras que Totus solo el 11.52%.
Cuarto Mes

Plaza vea un 19,68%, en Metro un 18.86 %, Wong venderá un 34.81%, en Vivanda
obtendrá un 15.16% mientras que Totus solo el 11.52%.
38
Solución con procedimientos de cálculo y con reporte de salida de pom qm for
Windows, además de la interpretación de resultados (del modelo colas)
Solución: M/M/2
λ=Tasa media de llegada

μ=tasa media de servicio
p= factor de utilización
Datos:
λ=100kg/h
𝑘𝑔 𝑚𝑖𝑛
μ= 1kg/min…..1 𝑚𝑖𝑛 ∗ 60 ℎ𝑜𝑟𝑎 = 60 𝑘𝑔/ℎ
λ
p= μ = ps
Paso 1: Determinar la probabilidad de tener 0 kg de pasta en la cola:

1 1
.𝑃0 𝑃𝑠 𝑆μ 𝑃𝑛
= 100 100 0 100 1
=0.09091……9.1%
( )+∑𝑠−1
𝑛=0 𝑛! ( 60 )2 2(60) ( ) ( )
𝑆! 𝑆μ−λ ( )+ 60 + 60
2! 2(60)−100 0! 1!
La probabilidad que la maquina no este con pastas es de 9.1%
Paso 2: Determinar el número promedio de unidades en cola

100 2
𝑃2 λμ ( ) (100)(60)
60
.𝐿𝑞 = (𝑠−1)!(𝑠μ−λ)2 𝑃0 = (2−1)!(2(60)−100)2 ∗ 0.09091 =3.78
Aproximadamente estarán en cola a lo más 4 kg de pasta
Paso 3: Determinar el Numero promedio de unidades en el sistema

λ 100
.𝐿𝑠 = 𝐿𝑞 + μ = 𝐿𝑞 = 3.78 + =5.45
60
Aproximadamente estarán en el área de empaquetado de 5 a 6 kilogramos de pasta
Paso 4: se determina el tiempo promedio que una unidad espera en cola

𝐿𝑞 3.78
.𝑊𝑞 = = = 0.0378 horas … .2.27min
λ 100
Aproximadamente 2.27 minutos se demorará 1kg de pasta en cola
Paso 5: Tiempo promedio que una unidad permanece en el sistema

1 1
.𝑊𝑠 = 𝑊𝑞 + μ =0.0378 + 60 = 0.05045 ℎ𝑜𝑟𝑎𝑠 − − − 3.0273𝑚𝑖𝑛
Aproximadamente 3.0273 minutos estará 1 kg de pasta en el área de empaquetado
39
La probabilidad de que la máquina esté sin pasta en cola es del 9.1%. Esto significa que
la probabilidad de encontrar la máquina sin trabajo es relativamente baja. El número
promedio de unidades en cola es de aproximadamente 4 kg de pasta. Esto indica que, en
promedio, habrá alrededor de 4 kg de pasta esperando en la cola antes de ser
procesados. El número promedio de unidades en el sistema, incluyendo las que están en
cola y las que están siendo procesadas, es de aproximadamente 5 a 6 kg de pasta. Esto
implica que, en promedio, habrá alrededor de 5 a 6 kg de pasta en el área de
empaquetado. El tiempo promedio que una unidad de pasta espera en cola es de
aproximadamente 2.27 minutos. Esto significa que, en promedio, una unidad de pasta
pasará alrededor de 2.27 minutos esperando en la cola antes de comenzar a ser
procesada. El tiempo promedio que una unidad de pasta permanece en el sistema,
incluyendo el tiempo en cola y el tiempo de procesamiento, es de aproximadamente
3.03 minutos. Esto implica que, en promedio, una unidad de pasta pasará alrededor de
3.03 minutos en el área de empaquetado antes de ser empacada.
Solución: M/M/3
Datos:
λ=100kg/h
λ
p= μ = ps
paso 1: Determinar la probabilidad de tener 0 kg de pasta en la cola:
1 1
.𝑃0 𝑃𝑠 𝑆μ 𝑃𝑛 = 100 3 100 0 100 1 100 2
=0.1749……..17.49%
( )+∑𝑠−1
𝑛=0 𝑛! ( )
60 ( 3(60) )+ 60
( ) ( ) ( )
𝑆! 𝑆μ−λ + 60 + 60
3! 3(60)−100 0! 1! 2!
40
100 3
𝑃 𝑠 λμ (
60
) (100)(60)
.𝐿𝑞 = 𝑃
(𝑠−1)!(𝑠μ−λ)2 0
= (3−1)!(3(60)−100)2 ∗ 0.1749 = 0.37
Aproximadamente estarán en cola a lo más 0.37 kg de pasta

λ 100
.𝐿𝑠 = 𝐿𝑞 + μ = 0.37 + =2.04
60
Aproximadamente estarán en el área de empaquetado de 2 a lo más 3 kilogramos de

pasta

𝐿𝑞 0.37
.𝑊𝑞 = = = 0.0037 horas … .0.22min
λ 100

1 1
.𝑊𝑠 = 𝑊𝑞 + μ =0.0037 + 60 = 0.0204 ℎ𝑜𝑟𝑎𝑠 − − − 1.22𝑚𝑖𝑛
Según los cálculos realizados para el sistema M/M/3 con los datos proporcionados,
podemos hacer las siguientes conclusiones:
La probabilidad de que la máquina esté sin pasta en cola es del 17.49%. Esto indica que
la probabilidad de encontrar la máquina sin trabajo es relativamente mayor que en el
sistema M/M/2.
El número promedio de unidades en cola es de aproximadamente 0.37 kg de pasta. Esto

significa que, en promedio, habrá alrededor de 0.37 kg de pasta esperando en la cola
antes de ser procesados. El número promedio de unidades en el sistema, incluyendo las
que están en cola y las que están siendo procesadas, es de aproximadamente 2 a 3 kg de
41
pasta. Esto implica que, en promedio, habrá alrededor de 2 a 3 kg de pasta en el área de
Solución: M/M/4
Datos:
λ=100 kg/h
λ
p= = ps
μ
paso 1: Determinar la probabilidad de tener 0 kg de pasta en la cola:
1 1
.𝑃0 𝑃𝑠 𝑆μ 𝑃𝑛 = 100 4 100 0 100 1 100 2 100 3
=0.1859……..18.59%
( )+∑𝑠−1
𝑛=0 𝑛! ( )
60 ( 4(60) )+ 60
( ) ( ) ( ) ( )
𝑆! 𝑆μ−λ + 60 + 60 + 60
4! 4(60)−100 0! 1! 2! 3!

100 4
𝑃 𝑠 λμ 60
( ) (100)(60)
.𝐿𝑞 = (𝑠−1)!(𝑠μ−λ)2 𝑃0 = (4−1)!(4(60)−100)2 ∗ 0.1859 = 0.073

λ 100
.𝐿𝑠 = 𝐿𝑞 + μ = 0.073 + =1.74
60

pasta

𝐿𝑞 0.073
.𝑊𝑞 = = = 0.00073 horas … .0.044min
λ 100

1 1
.𝑊𝑠 = 𝑊𝑞 + μ = 0.00073 + 60 = 0.0174 ℎ𝑜𝑟𝑎𝑠 − − − 1.044𝑚𝑖𝑛
42
la probabilidad de encontrar la máquina sin trabajo es relativamente mayor que en los
sistemas M/M/2 y M/M/3. El número promedio de unidades en cola es de
aproximadamente 0.073 kg de pasta. Esto significa que, en promedio, habrá alrededor
de 0.073 kg de pasta esperando en la cola antes de ser procesados. El número promedio
de unidades en el sistema, incluyendo las que están en cola y las que están siendo
procesadas, es de aproximadamente 1 a 2 kg de pasta. Esto implica que, en promedio,
habrá alrededor de 1 a 2 kg de pasta en el área de empaquetado. El tiempo promedio que
una unidad de pasta espera en cola es de aproximadamente 0.044 minutos. Esto
significa que, en promedio, una unidad de pasta pasará alrededor de 0.044 minutos
esperando en la cola antes de comenzar a ser procesada. El tiempo promedio que una
unidad de pasta permanece en el sistema, incluyendo el tiempo en cola y el tiempo de
procesamiento, es de aproximadamente 1.044 minutos. Esto implica que, en promedio,
una unidad de pasta pasará alrededor de 1.044 minutos en el área de empaquetado antes
de ser empacada.
Solución: M/M/5
Datos:
λ=100 kg/h
μ= 1kg/min…..1 ∗ 60 = 60 𝑘𝑔/ℎ
𝑚𝑖𝑛 ℎ𝑜𝑟𝑎
λ
p= μ = ps
Paso 1: Determinar la probabilidad de tener 0 kg de pasta en la cola:

1 1
.𝑃0 𝑃𝑠 𝑆μ 𝑃𝑛 = 100 5 100 0 100 1 100 2 100 3 100 4
( )+∑𝑠−1
𝑛=0 𝑛! ( )
60 ( 5(60) )+ 60
( ) ( ) ( ) ( ) ( )
𝑆! 𝑆μ−λ + 60 + 60 + 60 + 60
5! 5(60)−100 0! 1! 2! 3! 4!
=0.1883……..18.83%
43
100 5
𝑃 𝑠 λμ (
60
) (100)(60)
.𝐿𝑞 = 𝑃
(𝑠−1)!(𝑠μ−λ)2 0
= (5−1)!(5(60)−100)2 ∗ 0.1883 = 0.015

λ 100
.𝐿𝑠 = 𝐿𝑞 + μ = 0.015 + =1.68
60

pasta

𝐿𝑞 0.015
.𝑊𝑞 = = = 0.00015 horas … .0.009min
λ 100

1 1
.𝑊𝑠 = 𝑊𝑞 + μ = 0.00015 + 60 = 0.0168 ℎ𝑜𝑟𝑎𝑠 − − − 1.009𝑚𝑖𝑛
la probabilidad de encontrar la máquina sin trabajo es similar a la del sistema M/M/4. El
número promedio de unidades en cola es de aproximadamente 0.015 kg de pasta. Esto
significa que, en promedio, habrá alrededor de 0.015 kg de pasta esperando en la cola
antes de ser procesados. El número promedio de unidades en el sistema, incluyendo las
que están en cola y las que están siendo procesadas, es de aproximadamente 1 a 2 kg de
pasta. Esto implica que, en promedio, habrá alrededor de 1 a 2 kg de pasta en el área de
44
Optimización de costos
Datos:
λ= 100 kilogramos/hora …… tasa media de llegada

μ=1kg/min------ 60kg/h ……. Tasa de servicio
s= 5 (número de servidores)
Cs=35 soles/ hora
Cw= 15 soles/hora
S=2 S=3 S=4 S=5

Ls 5.45 2.04 1.74 1.68
Costo de servicio 35*2=70 35*3=105 35*4=140 35*5=175
Costo de Espera 15*5.45=81.75 15*2.04=30.6 15*1.74=26.1 15*1.68=25.2
Costo Total 151.75 soles 135.6soles 166.1soles 200.2soles
Interpretación: Dado a los resultados obtenidos en la optimización de costos, a la

empresa Molitalia le sería favorable añadirle solo una maquina más ya que el costo sería
menor.
Según los cálculos realizados en la optimización de costos, al analizar los costos

totales para diferentes configuraciones de servidores en el sistema M/M/5,
• Para el caso de 2 Maquinas, el costo total sería de 151.75 soles.

De acuerdo con los resultados, se puede observar que el menor costo total se obtiene
con 3 servidores, con un costo de 135.6 soles. Sin embargo, al añadir un cuarto servidor,
el costo total aumenta a 166.1 soles. Por lo tanto, la opción más favorable sería añadir
un quinto servidor, ya que el costo total sería de 200.2 soles. En base a esto, se
recomendaría a la empresa Molitalia agregar una máquina adicional, lo que resultaría en
una mejor eficiencia y un costo total más bajo en comparación con las otras
configuraciones de servidores analizadas. Es importante destacar que estos resultados se
basan en los datos y suposiciones proporcionados, y podrían variar en función de
cambios en los costos de servicio y espera, así como en las tasas de llegada y servicio.
Se recomienda a la empresa realizar un seguimiento y análisis continuo para tomar
45
decisiones óptimas en cuanto a la configuración de servidores en su sistema de
empaquetado de pasta.
Solución con reporte de salida de ARENA Y PROMODEL de modelos de

simulación, además de la interpretación de resultados
Solución con reporte de salida de ARENA
Sistema: Área de empaquetado

Número de servidores: 2 máquinas para dos procesos en serie
Tiempo entre llegadas de kilogramos de pasta: exponencial (3.5 minutos)
Tiempo de servicio máquina 1: triangular (1, 2, 3.5 minutos)
Tiempo de servicio máquina 2: triangular (1, 2.5, 3 minutos)
Control de calidad: el 95% de los sacos que pasan por la máquina 2 están ok.
Disciplina de la cola: PEPS o FIFO (primero en llegar, primero en salir)
Datos en run setup:
Number of Replications = 1
Replication Length = 12 hours
Hours Per Day = 24 Base
Base Time Units = Minutes
Name Type Source Average Of Replication Averages

Estación 1. Queue Waiting Time Queue 1.475251807
kilogramos 1 NVA Time Entity 0
Other Time Entity 0
Total Time Entity 6.24116076
Transfer Time Entity 0
VA Time Entity 4.333500951
Wait Time Entity 1.907659809

Estación 1. Queue Number Waiting Queue 0. 409792169
Estación 2. Queue Number Waiting Queue 0.117463806
Máquina 1 Instantaneous Utilization Resource 0.604872581
Number Busy Resource 0.604872581
Number Scheduled Resource 1
kilogramos 1 WIP Entity 1.727804868
46
Name Type Source Average Across Replications
Total kilogramos descartadas Count User Specified 9
Total kilogramos ok Count User Specified 190

System.NumberOut Number Out System 199
Máquina 1. NumberSeized Total Number Seized Resource 200
Máquina 1. ScheduledUtilization Scheduled Utilization Resource 0.604872581
kilogramos 1. NumberIn Number In Entity 200
kilogramos 1. NumberOut Number Out Entity 199
RESULTADOS:
- Tiempo promedio en el sistema = 6.24 minutos

- Promedio de kilogramos en el sistema= 1.73 kilogramos de pastas
- Tiempo promedio en cola (estación 1) = 1.48 minutos
- Tiempo promedio en cola (estación 2) = 0.425 minutos
- Promedio de kilogramos en cola (estación 1) = 0.41 kilogramos de pastas
- Promedio de kilogramos en cola (estación 2) = 0.117 kilogramos de pastas
- Número de kilogramos que ingresan= 200 kilogramos de pastas
- Número de kilogramos que salen= 199 kilogramos de pastas (190 kilogramos ok
y 9 descartadas)
- Porcentaje de utilización del recurso (máquina 1) = 60.5%
- Porcentaje de utilización del recurso (máquina 2) = 59.6%
En conclusión, el factor de utilización del sistema del segundo recurso es del 59.6%
siendo por ello su nivel de operación estable, mientras que en el primer recurso este
nivel de operación muestra una saturación en un 60.5% y considerando por ejemplo que
aquí el tiempo promedio estimado en cola de las piezas que llegan a la estación 1 es de
1.48 minutos y dentro del proceso de 6.24 minutos, será pertinente optimizar el proceso.
¿Qué pasaría si quisiéramos mejorar el proceso incrementando la cantidad de

máquinas en la estación 1?

kilogramos 1 NVA Time Entity 0
Other Time Entity 0
Total Time Entity 6.174877453
47
Transfer Time Entity 0
VA Time Entity 4.314864791
Wait Time Entity 1.860012662

kilogramos 1 WIP Entity 1.780754534

Total kilogramos descartadas Count User Specified 12
Total kilogramos ok Count User Specified 195

System.NumberOut Number Out System 207
kilogramos 1. NumberIn Number In Entity 210
kilogramos 1.NumberOut Number Out Entity 207
- Se aprecia que incrementando 1 maquina más en la estación 1, el tiempo

promedio de kilogramos en el sistema ha disminuido de 6.24 minutos a 6.17
minutos.
- Se aprecia que incrementando una maquina más, el numero promedio de
kilogramos en el sistema ha aumentado de 1.73 a 1.78 kilogramos de pastas.
Cuadro de comparación de los resultados de Arena:
Estación 1 Con 1 maquina Con 2 maquina

El tiempo promedio de 6.24 minutos 6.17minutos
kilogramos en el sistema
Numero promedio de 1.73kilogramos 1.78 kilogramos
kilogramos en el sistema
Interpretación: En la estación 1, se observa que el tiempo promedio de los sacos en el

sistema ha disminuido un 0.07 minutos y por otro lado, el número promedio de sacos en
48
el sistema ha aumentado en un 0.05 con un resultado de 1.78 kilogramos en el área
empaquetado en le empresa Molitalia. Mejorando la estación 1 se podemos decir que al
disminuir el tiempo se pueden generar más kilogramos de pasta, eliminando los cuellos
de botella y optimizando el proceso, al mismo tiempo generando mayor producción, así
mismo habría más eficiencia productiva.
Además, se utilizará el software ProModel para simular el sistema. En esta simulación,

se consideran que las locaciones son 1 banda transportadora de kilogramos de pasta con
una capacidad infinita con un tiempo exponencial de 3.5 minutos entre llegada, y 1
máquina empaquetadora que cuenta con una capacidad de un kilogramo por vez, con un
tiempo exponencial de 2 minutos entre kilogramo.
Sistema: Área de empaquetado
Locaciones:
1 banda transportadora de kilogramos de pasta (capacidad infinita, pues se
recepcionarán todos los kilogramos de pasta posibles)
1 máquina empaquetadora (capacidad = 1, pues el pallet solo puede atender un

kilogramo de pasta por vez)
Entidades:
Kilogramos de pastas
Tiempo entre llegadas de kilogramos a la máquina empaquetadora: exponencial (3.5
minutos)
Tiempo de empaquetado: exponencial (2 minutos)
Disciplina de la cola: PEPS o FIFO (primero en llegar, primero en salir)
Con capacidad de 1 maquina
Interpretación:
Número de kg de pasta que ingresan = 181 kg
Número de kg de pasta que se enpaquetan = 181 kg
49
Porcentaje de utilización = 50%
Interpretación de resultados:
Tiempo promedio en el sistema = 2 minutos(ws)
Tiempo promedio en cola = 0 (wq)
Con capacidad de 5 maquinas
Número de kg de pasta que ingresan = 181 kg
Número de kg de pasta que se enpaquetan = 181 kg
Porcentaje de utilización = 10%
Interpretación de resultados:
Tiempo promedio en el sistema = 2 minutos(ws)
Tiempo promedio en cola = 0 (wq)
Cuadro de comparación de los resultados de ProModel :
Máquina Capacidad = 1 Capacidad = 5

empaquetadora
Horas Kg Minutos Utilización Horas Kg Minutos Utilización

Locación
12 180 2 50% 8 180 2 10%
50
Tiempo en el Tiempo en el
Entidad Tiempo en cola Tiempo en cola
sistema sistema
resumen
2 minutos 0 2 0
Interpretación: Al comparar las capacidades de cada máquina, se observó que, el
tiempo en el sistema disminuyó a un 3.01 minutos y también el tiempo en cola
disminuyó beneficiosamente a un 0.01 minutos. Con esos resultados, se podría decir
que, si aumentamos más maquinas, el nivel de operación mejora y lo que quiere decir
que el sistema es bueno, ya que permitirá generar mayor producción dentro de la
empresa Molitalia S.A.C, esto dado a la optimización de la capacidad del proceso.
CAPÍTULO VI
CONCLUSIONES Y RECOMENDACIONES
4.1 Conclusiones
4.1.1 Matrices de Ganancias
La presente investigación tuvo como objetivo la aplicación de modelos matemáticos
como herramientas para la toma de decisiones dando la mejora de un proceso dentro de
la compañía Molitalia con los criterios maximin, minimax, maximax, laplace, hurwicz
por la cual resultaron favorables. De esta manera, para el criterio conservador maximin
sería invertir en la Av. Universitaria con una ganancia mínima de $12 millones de
dólares. En cambio, para el criterio optimista maximax sería invertir en la Av. Argentina
por tener la máxima ganancia de $50 millones de dólares. Por consiguiente, con el
criterio Hurwicz con coeficiente de optimismo del 50% sería invertir en la Av. Alfredo
Molina con una utilidad de 20.5$ millones de dólares. Asimismo, para el criterio
conservador minimax sería invertir en la Av. República Venezuela por tener el menor
costo de oportunidad, siendo este de 25$ millones de dólares. Finalmente, con criterio
de Laplace sería invertir en la Av. Alfredo Molina con una utilidad de 24 millones de
dólares.
Ahora, esto conlleva a tomar buenas decisiones en la empresa Molitalia, por lo

contrario, se traslada al fracaso, por ello debemos estar capacitados en todo esto y saber
de manera amplia las características y pasos de este proceso en condiciones de
incertidumbre; además estas decisiones toman un papel fundamental para el
funcionamiento de esta empresa es por esa razón que se está realizando estos procesos
51
mediante el cual se efectúa una elección entre alternativas para resolver situaciones
distintos que se presenten en la empresa Molitalia.

Se Obtuvieron los resultados de ventas de los productos de molitalia en cada
supermercado, según la cadena de Markov el siguiente mes se estima que Plaza Vea
aumentará un 1.25 % al porcentaje del mes actual , y se proyecta que Metro tendrá un
22,25 % lo cual indica una baja en la venta de productos Molitalia, Wong percibe un
32%, en Vivanda obtendrá un 13,25% el cual se estima que el primer bajará las ventas
en 1.75% mientras que Plaza Vea solo el 11,25 %.
Las proyecciones para segundo mes se estima que Plaza Vea en un 19.75% de los
productos de Molitalia, mientras que Metro vende un 19.31% el cual disminuye un 2.95
% del mes anterior, Wong venderá un 34.64% de los productos de Molitalia, en
Vivanda se obtendrá un 15.03% y en Tottus solo el 11.28%.
Dentro de 3 meses los resultados proyectados dieron una estimación en el que el

supermercado Plaza vea Venderá un 19,65%, mientras que Metro disminuirá en una
menor cantidad dando un 18.86 %, por otra parte Wong recibirá un 34.81%, en Vivanda
se estima que obtendrá un 15.16% mientras que Totus se mantendrá entre el 11.52%.

- El primer recurso muestra una saturación con un nivel de operación del 60.5%,
lo cual indica que la capacidad actual de la estación 1 está siendo superada. Al
agregar una máquina adicional en la estación 1, el tiempo promedio en el
sistema se ha reducido de 6.24 minutos a 6.17 minutos. Esto sugiere que la
adición de la máquina ha mejorado la eficiencia del proceso y ha disminuido el
tiempo total requerido. Al agregar una máquina adicional, el número promedio
de kilogramos en el sistema ha aumentado de 1.73 a 1.78 kilogramos de pastas.
Esto indica que la capacidad de producción se ha incrementado y se está
procesando una mayor cantidad de kilogramos de pasta. El número de
kilogramos de pasta que ingresan al sistema es de 181 kg, y el número de
kilogramos de pasta que se empaquetan es también de 181 kg. Esto sugiere que
el sistema está siendo capaz de manejar la cantidad de pasta que se ingresa. El
porcentaje de utilización actual del sistema es del 50%, lo que indica que hay
margen para aumentar la carga de trabajo y mejorar la eficiencia sin sobrecargar
52
el sistema. El tiempo promedio en el sistema actualmente es de 2 minutos, y el
tiempo promedio en cola es de 0 minutos. Esto indica que no hay tiempo de
espera en la cola actualmente, lo que es favorable.
Dado que la adición de una máquina más en la estación 1 ha demostrado

mejoras significativas en el tiempo promedio en el sistema y el número
promedio de kilogramos procesados, y considerando que el costo de agregar una
máquina adicional es menor en comparación con los beneficios obtenidos, se
concluye que sería favorable para la empresa Molitalia agregar solo una
máquina más para optimizar el proceso. Sin embargo, es importante considerar
otros factores como el presupuesto y la capacidad de las instalaciones antes de
tomar una decisión final.
- CONCLUCIONES DE RESULTADOS DE ARENA

Nivel de operación estable del segundo recurso: El segundo recurso muestra un
nivel de operación estable con un factor de utilización del 59.6%. Esto indica
que la máquina está siendo utilizada de manera eficiente y no está saturada. No
se requiere una acción inmediata para optimizar su funcionamiento. Saturación
del primer recurso: El primer recurso muestra una saturación con un factor de
utilización del 60.5%. Esto sugiere que la máquina está operando cerca de su
capacidad máxima y puede estar experimentando cuellos de botella en el
proceso. Esta situación indica la necesidad de optimizar el proceso para mejorar
su eficiencia. Reducción del tiempo promedio en el sistema: Al agregar una
máquina adicional en la estación 1, se ha logrado disminuir el tiempo promedio
en el sistema de 6.24 minutos a 6.17 minutos. Esta mejora indica que la adición
de la máquina ha ayudado a reducir los tiempos de procesamiento y a optimizar
el flujo de las piezas de pasta a través del sistema. Aumento en el número
promedio de kilogramos en el sistema: Al añadir una máquina adicional, el
número promedio de kilogramos en el sistema ha aumentado de 1.73 a 1.78
kilogramos de pastas. Esto indica que la capacidad de producción del sistema ha
mejorado, lo que puede ser beneficioso para satisfacer la demanda y evitar
posibles retrasos en la entrega.
En conclusión, es necesario optimizar el proceso, especialmente en la estación 1
que muestra signos de saturación. La adición de una máquina adicional en esta
estación ha demostrado ser beneficiosa al reducir el tiempo promedio en el
53
sistema y mejorar la capacidad de producción. Sin embargo, es importante
seguir evaluando y ajustando el proceso para maximizar la eficiencia global del
sistema.
- PROMODEL
Capacidad de 1 máquina: Con una capacidad de 1 máquina, se observa que
ingresan 181 kg de pasta y se empaquetan la misma cantidad de 181 kg. El
porcentaje de utilización de la máquina es del 50%.
Tiempo promedio en el sistema: El tiempo promedio en el sistema es de 2
minutos (ws).
Tiempo promedio en cola: No hay tiempo promedio en cola, es decir, las
piezas de pasta no esperan en cola (wq).
Capacidad de 5 máquinas: Con una capacidad de 5 máquinas, se sigue
observando que ingresan 181 kg de pasta y se empaquetan 181 kg. Sin embargo,
el porcentaje de utilización de las máquinas se reduce al 10%.
Tiempo promedio en el sistema: El tiempo promedio en el sistema sigue
siendo de 2 minutos (ws).
Tiempo promedio en cola: No hay tiempo promedio en cola, es decir, las
piezas de pasta no esperan en cola (wq).
En resumen, al aumentar la capacidad de máquinas de 1 a 5, se observa una
reducción en el porcentaje de utilización de las máquinas. Sin embargo, tanto el
tiempo promedio en el sistema como el tiempo promedio en cola se mantienen
iguales. Esto sugiere que la capacidad adicional de las máquinas no se está
aprovechando por completo y podría haber oportunidades para mejorar la
eficiencia del proceso.
4.2. Recomendaciones
4.2.1 Matrices de Ganancia
Es necesario tener mucho cuidado al momento de plantear cualquier matriz de decisión
de la que se pretende minimizar o maximizar diferentes plantas de la empresa Molitalia,
de manera que se pueda satisfacer los supuestos requeridos para una buena toma de
decisiones.
Se debe fortalecer para promover el aprendizaje de decisiones sobre la fórmula y los

procedimientos de solución y problema, con el objetivo de la toma de decisiones
54
respecto a optimizar aquello, a través de modelos matemáticos que ayudan en el proceso
y proporcionan resultados.
Se ha mencionado un ejercicio que se pueden modelar la decisión, para así seleccionar

algunas opciones basadas en la información disponible en ese momento, de allí
observamos la importancia del manejo de herramienta para la toma de decisiones en la
empresa dicha.
Es necesario usar esta herramienta de análisis de riesgo para poder evaluar la

probabilidad y la gravedad de riesgo durante el proceso de su planificación del proyecto,
tenemos que tener en cuenta distintos factores, en estos casos vendría a ser amenazas o
fuentes de peligro que permiten que entre a una fuente de gravedad. En estos casos el
impacto de riesgo se mide como bajo, mediano y alto, que son las más indicadas para
aquella empresa.
Se debe indagar más sobre la movilidad que hay hacia el mercado Tottus para ver cómo
irá su tendencia a largo plazo puesto que disminuyó relativamente en comparación al de
los 5 mercados en corto plazo. Comparación con el supermercado Wong quien tiende a
aumentar el porcentaje, se estima que logrará mantener el nivel de ventas y llegar a
aumentar un 2.81 % del primer hasta el tercer mes, así manteniendo el nivel de
porcentaje más alto; es por ello que la empresa Molitalia debería de invertir más en
Wong
Dado a los resultados de las proyecciones realizadas por el método de la cadena de

Markov se recomienda a la empresa Molitalia invertir más dinero en el supermercado
Wong , ya que este generará más ganancias.
Se debe fortalecer el aprendizaje de este tipo de procedimientos en los supermercados

con el objetivo de la toma de decisiones para la mejora, optimización y verificación de
cómo se desarrollarán este tipo de comportamiento estacionario para un suceso futuro.
Es necesario seguir indagando y utilizar el modelo con la necesidad de predecir la

sucesión de las distintas tendencias que hay en los otros mercados y los meses que le
siguen para estar así en un constante monitoreo del mismo estudiado y mejorando el
proceso de ventas con anticipación a las bajas que podría tener.
55
El modelo representa una nueva alternativa basada en el pronóstico de supermercado de
3 meses y se sigue utilizando para pronosticar varios tipos de datos diferentes, que
caracterizan la serie de datos utilizada en esta investigación, estimando la cantidad de
Metro que disminuirá teniendo una menor cantidad, mientras que Tottus se mantendrá
usando las mismas estimaciones de cantidad.

- Agregar una máquina adicional en la estación 1: Dado que la capacidad actual
de la estación 1 está siendo superada y la adición de una máquina ha demostrado
mejoras en el tiempo promedio en el sistema y el número promedio de
kilogramos procesados, es recomendable agregar una máquina adicional en esta
estación. Esto ayudará a mejorar la eficiencia del proceso y reducir aún más el
tiempo requerido. Evaluar el presupuesto y la capacidad de las instalaciones:
Antes de tomar la decisión final de agregar una máquina adicional, es importante
evaluar el presupuesto disponible y la capacidad de las instalaciones. Asegúrate
de que la empresa Molitalia cuente con los recursos necesarios para adquirir y
mantener la máquina adicional, y que las instalaciones tengan suficiente espacio
y capacidad eléctrica para soportarla. Monitorear los resultados: Después de
agregar la máquina adicional, es fundamental monitorear y analizar los
resultados. Realiza un seguimiento del tiempo promedio en el sistema, el
número de kilogramos procesados y la utilización del sistema. Esto te permitirá
evaluar si la adición de la máquina ha tenido el impacto deseado y si se
requieren ajustes adicionales. Considerar otras áreas de mejora: Si bien agregar
una máquina adicional puede ser beneficioso, también es recomendable evaluar
otras áreas del proceso para identificar posibles mejoras adicionales. Examina el
flujo de trabajo, los tiempos de procesamiento en cada estación, la eficiencia de
los equipos y cualquier cuello de botella potencial. Realizar mejoras en estas
áreas puede ayudar a optimizar aún más el proceso en general.
• ARENA
a. Evaluar la posibilidad de agregar más máquinas en la estación 1: La adición
de una máquina adicional ya ha demostrado ser beneficiosa en términos de
reducción del tiempo promedio en el sistema y aumento de la capacidad de
producción. Por lo tanto, sería prudente considerar agregar más máquinas en esta
56
estación para reducir aún más la saturación y mejorar la eficiencia.
b. Analizar el flujo de trabajo y optimizar el proceso: Es posible que haya
oportunidades de mejora en el flujo de trabajo de la estación 1 para reducir los
cuellos de botella y mejorar el rendimiento general. Se puede realizar un análisis
detallado de los procesos y tiempos de producción para identificar áreas de
mejora y optimizar el proceso. Monitoreo continuo: Es importante establecer
un sistema de monitoreo continuo para evaluar el desempeño del sistema y
detectar cualquier problema o cuello de botella que pueda surgir. El monitoreo
regular permitirá identificar oportunidades de mejora y tomar medidas
correctivas de manera oportuna. Balanceo de carga: Se puede considerar el
balanceo de carga entre las estaciones de trabajo para distribuir de manera más
equitativa el flujo de trabajo y evitar la sobrecarga en una estación en particular.
Esto ayudará a optimizar el rendimiento general del sistema y reducir los
tiempos de espera en cola. Capacitación del personal: Asegurarse de que el
personal esté debidamente capacitado y tenga las habilidades necesarias para
operar y mantener las máquinas de manera eficiente. El entrenamiento adecuado
puede ayudar a optimizar el rendimiento del equipo y minimizar los tiempos de
inactividad. Análisis de demanda y planificación de la capacidad: Realizar un
análisis de la demanda actual y futura para garantizar que la capacidad del
sistema esté alineada con las necesidades del mercado. Esto permitirá una
planificación adecuada de la capacidad y evitará la saturación o subutilización
del sistema. Implementar estas recomendaciones ayudará a optimizar el proceso,
mejorar la eficiencia y garantizar una producción fluida y eficaz en el sistema de
envasado de pastas.
- PROMODEL
Análisis detallado del proceso: Realizar un análisis detallado del proceso de
envasado de pasta para identificar posibles cuellos de botella o áreas de mejora.
Esto puede incluir evaluar los tiempos de cada etapa del proceso, identificar
posibles problemas de flujo de trabajo y analizar los puntos donde se puede
optimizar la eficiencia. Balanceo de carga: Aunque no se observa tiempo
promedio en cola en ninguna de las configuraciones de máquinas, se puede
realizar un balanceo de carga para distribuir de manera más equitativa el trabajo
entre las máquinas. Esto puede ayudar a maximizar la utilización de las
57
máquinas y evitar situaciones donde algunas estén ociosas mientras otras están
trabajando cerca de su capacidad máxima. Optimización de la programación
de producción: Analizar la programación de producción para garantizar que las
máquinas estén trabajando de manera eficiente y se minimicen los tiempos de
inactividad. Esto implica establecer un plan de producción bien estructurado y
considerar factores como la demanda del mercado, los tiempos de configuración
de la máquina y la eficiencia general del proceso. Evaluación de la capacidad
real: Aunque la capacidad de las máquinas adicionales no parece aprovecharse
por completo, es importante evaluar si la capacidad actual del sistema es
adecuada para satisfacer la demanda del mercado. Si la demanda es mayor que la
capacidad de producción actual, se puede considerar agregar más máquinas o
buscar formas de mejorar la eficiencia y la productividad del proceso.
Monitoreo continuo y mejora continua: Establecer un sistema de monitoreo
continuo para medir y evaluar constantemente el desempeño del proceso. Esto
permitirá identificar oportunidades de mejora, detectar posibles problemas y
tomar medidas correctivas de manera oportuna. La mejora continua es clave para
optimizar el proceso a largo plazo y mantener la eficiencia en el sistema de
envasado de pasta.
Implementar estas recomendaciones ayudará a optimizar el proceso de envasado
de pasta, mejorar la eficiencia y garantizar una utilización efectiva de las
máquinas disponibles. Además, se recomienda realizar un análisis más detallado
y considerar las características específicas del proceso y las necesidades del
negocio para obtener resultados óptimos.
58
REFERENCIAS BIBLIOGRÁFICAS
OLARTE, Juan Carlos. Incertidumbre y evaluación de riesgos financieros. Scientia et

technica, 2006, vol. 12, no 32, p. 347-350.
https://www.redalyc.org/pdf/849/84911652061.pdf
Westreicher, Guillermo. Probabilidad 2020.
https://economipedia.com/definiciones/probabilidad.html
LAVELL, Allan. Sobre la gestión del riesgo: apuntes hacia una definición. Biblioteca
Virtual en Salud de Desastres-OPS, 2001, vol. 4, p. 1-22.
http://documentacion.ideam.gov.co/openbiblio/bvirtual/019254/PDF/Sobrelagestiondelr
iesgosAllanLavell.pdf
PAOLI, J. Antonio. Comunicación e información. Perspectivas teóricas. México:

Trillas, UAM, 1983, p. 11-17.
https://d1wqtxts1xzle7.cloudfront.net/32960381/Paoli_Antonio_Comunicacion_e_Infor
macion-libre.pdf?1392028177=&response-content-
disposition=inline%3B+filename%3DComunicacion_e_Informacion.pdf&Expires=168
1967665&Signature=Cbn8F520xvUURjMaClERscJkIkDOJmpcMCL1TSq4Ft15iapqS
OIUKoQUqo~B~GC5qe2rZPinSA-
UQcc2ATcXNOXmX8pG52npidyqRe~ZMLf06U5UHdqwh~NfsdQtw5X0moZ4Vn3U
lp0YoJcgQ4xl3yn-uI62l-c196GaQZcTx7cpISUGMPzeMY5IJdUHYaamYE4pHts1Y-
GJvRPiK-
59
5KZOkEQzNe5X1QSkXubapMMDVTfUnfAYY1U2BY~gPWqI3IZjY5XAQZAppDu
sjX8EhG0gemkyieryKS72tn3SVsDIw59lBxYQK9KJ5RANNttP8EERizk6Tq7VKv3G
LWF93amw__&Key-Pair-Id=APKAJLOHF5GGSLRBV4ZA
CAUAS, Daniel. Definición de las variables, enfoque y tipo de investigación. Bogotá:

biblioteca electrónica de la universidad Nacional de Colombia, 2015, vol. 2, p. 1-11.
https://d1wqtxts1xzle7.cloudfront.net/36805674/l-Variables-
libre.pdf?1425133381=&response-content-
disposition=inline%3B+filename%3Dvariables_de_Daniel_Cauas.pdf&Expires=16819
68659&Signature=DT2UZgPQ8H7gLmd1TGjpzIwf4RJ8UVgipkEMvhQj8Fz3lHmKA
T3KkSI8k3~wascwaTnhQRBCrn0Jf1kKB~X3VED-
vjyfwU~4SW~OC0R9yyb7OSfIS77L1skq9l8l6EZTN3K3pcF4W6EL3fKAVvOGXbuf
1GX2hc-Y2pXvH2AyVsTO7JRaBNd3gm3WyvgJJscmClbv925Ug7ve-WyWWVyO-
68dZpJ~sAzlZTdWHL8NXRPYptKVqi40mz~82t-4nJF97K3DTmBSc6-
v~ZsKpIAoIdfMLJlJu044odoKsCRyWXy9Dp~r1nSYz-C71SUvOGP~0~S-
G5IMWyZuAiV-CcJHbg__&Key-Pair-Id=APKAJLOHF5GGSLRBV4ZA
Coll, M. Francisco. Utilidad esperada. Economipedia 2021.

https://economipedia.com/definiciones/utilidad-esperada.html
Budnick, Frank. Matemáticas Aplicadas para Administración, Economía y Ciencias

Sociales 2013.
https://flordemariaunan.files.wordpress.com/2013/08/modelo-de-matriz-de-pago.pdf
Guerra, S. Juan. Optimización de recursos. Concepto y tipos. Gestiopolis 2020.

https://www.gestiopolis.com/concepto-de-optimizacion-de-recursos/
Galán, S, Javier. Cadena de Markov 2020.
https://economipedia.com/definiciones/cadena-de-markov.html
Izar, L. Manuel. Análisis y optimización de dos sistemas de líneas de espera de

empresas de logística y transporte de los Estados de Querétaro y Colima. Investigación
Administrativa vol.47, no.121.
https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2448-
76782018000100003
60
Norma Iso 9001. Enfoque al cliente, primer principio de un Sistema Gestión 2015.
https://www.nueva-iso-9001-2015.com/2018/03/enfoque-al-cliente-primer-principio-sg/
Ludeña, Jose. Teoría de colas 2021.
https://economipedia.com/definiciones/teoria-de-colas.html
García, Jose. La Gestión De Los Tiempos De Espera 2020.
https://riunet.upv.es/bitstream/handle/10251/137896/Gesti%C3%B3n%20de%20Tiemp
os%20de%20Espera.pdf
Santiago, Hermelinda. Teoría de Colas o de Líneas de Espera 2017.
https://www.emprendices.co/teoria-colas-lineas-espera/
Cauich, U. Victoria. Modelo de línea de espera y programación lineal 2020.
https://www.gestiopolis.com/modelo-de-linea-de-espera-y-programacion-lineal/#autores
Andrade, Julieth. et al. (2023) Propuesta de Mejora para la Descongestión de Filas de

Espera en el Proceso de Financiación de Cuenta Contrato para los Usuarios de la
Empresa Acueducto y Alcantarillado de Bogotá.
https://repositorio.ecci.edu.co/bitstream/handle/001/3284/Trabajo%20de%20grado.pdf?
sequence=1
61
ANEXOS
Anexo 1. Evidencias fotográficas del sistema
62
Anexo 2. Bases de datos
Matriz de decisiones con criterios de decisión en incertidumbre
63
Matriz de decisiones con criterios de decisión en riesgo
Cadena de Markov Primer mes:
64
Cadena de Markov
- Primer mes:
65
- Segundo mes:
66
- Tercer mes:
67
- Cuarto mes:
68
Modelo de colas
- M/M/2
M/M/3
M/M/4
69
M/M/5
- ARENA:
70
71
- PROMODEL
72
Evidencias fotográficas del sistema
73

Informe Final-Grupo 6-1

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Informe Final-Grupo 6-1

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE INGENIERÍA Y ARQUITECTURA

ESCUELA PROFESIONAL DE INGENIERÍA INDUSTRIAL

ESTUDIO DE CASO DE HERRAMIENTAS PARA LA TOMA DE DECISIONES

“PROPUESTA DE MEJORA DE UN PROCESO EN LA EMPRESA

AVILES LEON FELIX MAURO

Mgtr. RAUL ANGEL CALERO SALDAÑA

En este informe, se presentará una propuesta de mejora para el proceso de producción

Se espera que la implementación de estas herramientas permite a Molitalia SAC tomar

1.3 Reseña histórica:

1.4 Misión, Visión y Valores:

Es importante indicar que Molitalia busca promover la preferencia a sus empleados,

Gerencia de Administración y Finanzas: Encargada de planear, organizar, dirigir,

1.6 Procesos que desarrolla:

PRODUCCIÓN: Es un conjunto de funciones que están orientadas de transformar

PLANTEAMIENTO DEL PROBLEMA

Se hizo un estudio de Mercado a la empresa Molitalia para saber en cuál de los

La empresa Molitalia está dedicada a la elaboración de pastas y ha experimentado un

¿Cuál es la decisión óptima dada la matriz de ganancias (incertidumbre) que se tomará

¿Cuál es la decisión óptima dada la matriz de ganancias (riesgos) que se tomará en la

¿Cuál es la decisión óptima dada la cadena de Markov que se tomará en la empresa

2.3 Formulación del objetivo general

Determinar la decisión óptima dada la matriz de ganancias (incertidumbre) que se

Determinar la decisión óptima dada la matriz de ganancias (riesgos) que se tomará en la

Determinar la decisión óptima dada la cadena de Markov que se tomará en la empresa

Determinar los indicadores de desempeño del modelo colas de la empresa Molitalia

Determinar los indicadores de desempeño con herramientas de simulación del modelo

La optimización se refiere a la mejora de una acción o trabajo realizado con mayor

3.2 Definición de conceptos clave

Según Westreicher (2020) la posibilidad de que pueda suceder un hecho en distintas

Peiró (2020) nos informa que la información es un conjunto de mecanismos que

Matrices de Ganancias de investigación de operaciones

El estudio de la teoría de decisión provee de herramientas para la toma de decisiones

Teoría explicada sobre Cadenas de Markov a aplicarse en el estudio de caso

En la sección teórica, el modelo se pronuncia originalmente con un canal (M/M/1),

4.2. Identificación de las variables del modelo de HD

Av. Alfredo Molina

Av. República Venezuela

4.2.2 Cadenas de Markov

Proyección de ventas de los productos de Molitalia por cada supermercado.

La preferencia de comprar productos Molitalia en el Supermercado Tottus

La preferencia de comprar productos Molitalia en el Supermercado Vivanda

La preferencia de comprar productos Molitalia en el Supermercado Wong

La preferencia de comprar productos Molitalia en el Supermercado Plaza vea.

4.2.3 Líneas de espera

Número de clientes en cola: 1.48 min

Número de clientes en sistema: 1.73 kilogramos de pasta

Número de servidores:2 maquinas

Tiempo de espera en cola: 0.425 minutos

Tiempo de espera en sistema: 6.24 minutos

Costo de espera: 15 soles / hora

Costo de servicio: 35 soles/hora

4.3 Formulación del modelo de IO

Matriz de decisiones con Criterios de decisión en incertidumbre

Av. Argentina 40 50 -40 -15

Av. Chosica 1 25 -35 -15

Matriz de decisiones con criterios de decisión en riesgo

Probabilidades Estados de la naturaleza

0.3 0.3 0.2 0.2

Av. Argentina 40 50 -40 -15

Av. Universitaria 15 -13 12 20

Matriz de decisiones con criterios de decisión en incertidumbre

1. Criterio Maximin o de Wald

INTERPRETACIÓN: La decisión optima con este criterio seria invertir en la