Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Proyecto - Parcial - 1876
Proyecto - Parcial - 1876
Carlos Gomez (103219), Hanyka Fritz (103932), Paula Calderón (106710), Samuel Dimate
(103617)
28 de agosto de 2023
2
Tipos de cadenas
➔ Modelo flexible: En este formato, la entrega con rapidez al cliente final es el objetivo principal.
➔ Ágil: Estar atentos a demandas difíciles de predecir y actuar con la máxima eficacia, en el
menor tiempo posible.
➔ Formato ensuto: El ahorro es el objetivo, por lo que evaluar la mejor escala a bajo costo es la
misión.
➔ Reposición continua: crear un vínculo y aumentar la fidelidad del cliente es el lema principal.
Dentro de cada las cadenas existentes podemos entrar a reconocer la producción en una planta de
tequila y como esta puede adentrarse a cada una de las formas que se puede expresar la
probabilidad, es allí en donde los espacios muestrales y de probabilidad son evidenciados como:
➔ Un espacio muestral Ω que es el conjunto de todos los posibles resultados.
➔ Un espacio de sucesos, que es un conjunto de eventos F, siendo un suceso un conjunto de
resultados en el espacio muestral.
➔ Una función de probabilidad, que asigna a cada evento en el espacio de eventos una
probabilidad, que es un número entre 0 y 1.
Dentro de la variación de todos estos análisis podemos llevar a la idea de que vamos a producir
diferentes lotes y cantidades de mL por botella dentro la planta de producción de tequila, en donde
actualmente se dispone de solo 1 máquina para elaborar el llenado, sellado y empaque la cual con
normalidad por hora ejecuta la producción de 200 botellas de 1000 mL y se quiere saber cuál es
probabilidad de sí se llegan a implementar otros tipos de envase de (1500 mL y 2000 mL) bajo la
función de esta misma máquina, de cuantas maneras se pueden llegar a llenar.
Sea E = llenado de los 3 tipos de botellas que existen.
Entonces Ω = [1,2,3] en donde solo se tiene una máquina para los 3 tipos de botellas.
1
𝑃= = 0,005
200
Fuente: Leonardo.Ai
𝑚 = 20 𝑎 = 10 𝑏 = 5 𝑐 = 5
5
20!
20𝑃10; 5; 5 = = 4655851
10! 5! 5!
𝑚=6 𝑠=1
6! 6! (6)5! 6
6𝑃1 = = = = =6
(6 − 1)! 5! 5! 1
𝑚 = 10 𝑠 = 3
𝑚=5 𝑠=3
5! 5! (5)(4)(3)(2) 120
12𝐶4 = = = = = 10
3! (5 − 3)! 3! (2!) (3)(2)(2) 12
6
Se pide calcular:
A) ¿Cuál es la probabilidad de que haya más de 2 defectos diario en un día?
𝑃(𝑥 > 2) = 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5)
𝐸[𝑋] = ∑ 𝑥𝑖 𝑓(𝑥)
𝑖
𝐸[𝑋] = 2,4 ≈ 2
𝜎 2 [𝑋] = ∑ 𝑥𝑖 2 𝑓(𝑥)
𝑖
𝜎 2 [𝑋] = 7,9
𝜎[𝑋] = √𝜎 2 [𝑋]
𝐸[𝑋] = ∑ 𝑥𝑖 𝑓(𝑥)
𝑖
𝐸[𝑋] = 32,7
B) ¿Cuál es la probabilidad de que el tiempo de proceso sea menor o igual a 33,6 minutos?
𝑃(𝑥 ≤ 33,6) = 𝑃(𝑥 = 32,5) + 𝑃(𝑥 = 33,6)
8
𝜎 2 [𝑋] = ∑ 𝑥𝑖 2 𝑓(𝑥)
𝑖
𝜎 2 [𝑋] = 1070,466
𝜎[𝑋] = √𝜎 2 [𝑋]
1
𝑥2 1
𝑃(0,5 ≤ 𝑥 ≤ 1) = 0,5 ∫ 𝑥 𝑑𝑥 = 0,5 ( ) | = (0,25)(12 − 0,52 )
0,5 2 0,5
2 2 2
𝐸[𝑋] = ∫ (𝑥)(0,5𝑥) 𝑑𝑥 = ∫ 0,5𝑥 2 𝑑𝑥 = 0,5 ∫ 𝑥 2 𝑑𝑥
0 0 0
𝑥3 0 0,5
𝐸[𝑋] = 0,5 ( ) | = ( ) (23 )
3 2 3
0,5 4
𝐸[𝑋] = ( ) (8) = = 1,3
3 3
2 2 2
2 [𝑋] (𝑥 2 )(0,5𝑥) (1,3)2
𝜎 =∫ 𝑑𝑥 − = ∫ 0,5𝑥 𝑑𝑥 − 1,69 = 0,5 ∫ 𝑥 3 𝑑𝑥 − 1,69
3
0 0 0
𝑥4 0 0,5
𝜎 2 [𝑋] = 0,5 ( ) | − 1,69 = ( ) (24 ) − 1,69
4 2 4
0,5 8
𝜎 2 [𝑋] = ( ) (16) − 1,69 = − 1,69 = 0,976
3 3
𝜎[𝑋] = √𝜎 2 [𝑋]
∞
∫ 𝑓(𝑥) 𝑑𝑥 = 1
−∞
2
∫ 𝑐𝑥 2 𝑑𝑥 = 1
0
2
𝑐 ∫ 𝑥 2 𝑑𝑥 = 1
0
𝑥3 0
𝑐( )| = 1
3 2
23
𝑐( ) = 1
3
8
𝑐( ) = 1
3
3
𝑐=
8
B) ¿Cuál es el valor esperado de demanda de millones de litros de tequila?
∞
𝐸[𝑋] = ∫ 𝑥𝑓(𝑥) 𝑑𝑥
−∞
2 2
3 3 3 2
𝐸[𝑋] = ∫ (𝑥) ( 𝑥 2 ) 𝑑𝑥 = ∫ 𝑥 3 𝑑𝑥 = ∫ 𝑥 3 𝑑𝑥
0 8 0 8 8 0
3 𝑥4 0 3
𝐸[𝑋] = ( ) | = ( ) (24 )
8 4 2 32
3 3
𝐸[𝑋] = ( ) (16) = = 1,5
32 2
2 2
3 3 3 2
𝜎 2 [𝑋] = ∫ (𝑥 2 ) ( 𝑥 2 ) 𝑑𝑥 − (1,5)2 = ∫ 𝑥 4 𝑑𝑥 − 2,25 = ∫ 𝑥 4 𝑑𝑥 − 2,25
0 8 0 8 8 0
3 𝑥5 0 3
𝜎 2 [𝑋] = ( ) | − 2,25 = ( ) (25 ) − 2,25
8 5 2 40
11
3 96
𝜎 2 [𝑋] = ( ) (32) − 2,25 = − 2,25 = 0,15
40 40
𝜎[𝑋] = √𝜎 2 [𝑋]
𝛾 𝑥 𝑒 −𝛾
𝑃(𝑥 = 𝑘) =
𝑥!
55 𝑒 −5
𝑃(𝑥 = 5) = = 0,175 = 17,5%
5!
B) ¿Cuál es la probabilidad de que en una muestra de 50 botellas por lo menos 10 botellas sean
aceptadas en el proceso de revisión?
𝑛 = 50 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠 𝑥 = 10 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠
𝛾 𝑥 𝑒 −𝛾
𝑃(𝑥 = 𝑘) =
𝑥!
13
510 𝑒 −5
𝑃(𝑥 = 10) = = 0,018 = 1,8%
10!
𝛾 𝑥 𝑒 −𝛾
𝑃(𝑥 = 𝑘) =
𝑥!
58 𝑒 −4
𝑃(𝑥 = 8) = = 0,177 = 17,7%
8!
𝛾 𝑥 𝑒 −𝛾
𝑃(𝑥 = 𝑘) =
𝑥!
40 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠
𝛾=( ) (2 ℎ𝑜𝑟𝑎𝑠) = 80 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠
1 ℎ𝑜𝑟𝑎
808 𝑒 −80
𝑃(𝑥 = 8) = ≈ 0%
8!
E) ¿Cuál es la probabilidad de que por lo mínimo 3 botellas sean desechadas en la próxima hora
en el proceso de llenado?
𝑃(𝑥 ≥ 3) + 𝑃(𝑥 < 3) = 1
𝛾 𝑥 𝑒 −𝛾
𝑃(𝑥 = 𝑘) =
𝑥!
40 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠
𝛾=( ) (1 ℎ𝑜𝑟𝑎) = 40 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠
1 ℎ𝑜𝑟𝑎
14
𝑃(𝑥 ≥ 3) = 1 − (0 + 0)
𝑃(𝑥 ≥ 3) = 1 = 100%
F) ¿Cuál es la probabilidad de que por lo máximo 6 botellas sean desechadas en las próximas 4
horas en el proceso de llenado?
𝑃(𝑥 ≤ 6) = 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5) + 𝑃(𝑥 = 6)
𝑥 = 5 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠 𝑥 = 6 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠
𝛾 𝑥 𝑒 −𝛾
𝑃(𝑥 = 𝑘) =
𝑥!
5 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠
𝛾=( ) (4 ℎ𝑜𝑟𝑎𝑠) = 10 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠
2 ℎ𝑜𝑟𝑎𝑠
101 𝑒−10 102 𝑒−10 103 𝑒−10 104 𝑒−10 105 𝑒−10 106 𝑒−10
𝑃(𝑥 ≤ 6) = + + + + +
1! 2! 3! 4! 5! 6!
𝑃(𝑥 ≤ 6) = 0,0004 + 0,0022 + 0,0075 + 0,018 + 0,037 + 0,063
𝑥−𝜇
𝑍=
𝜎
4−7
𝑍1 = = −3,48
0,86
𝑍1 = −3,48 ⟶ 𝐴 = 0,0003
6−7
𝑍2 = = −1,16
0,86
𝑍2 = −1,16 ⟶ 𝐴 = 0,1230
𝑥−𝜇
𝑍=
𝜎
6−7
𝑍= = −1,16
0,86
𝑍 = −1,16 ⟶ 𝐴 = 0,1230
𝑥−𝜇
𝑍=
𝜎
8−7
𝑍= = 1,16
0,86
𝑍 = 1,16 ⟶ 𝐴 = 0,8770
𝑥−𝜇
𝑍=
𝜎
4−5
𝑍1 = = −1,53
0,65
𝑍1 = −1,53 ⟶ 𝐴 = 0,0630
7−5
𝑍2 = = 3,07
0,65
𝑍2 = 3,07 ⟶ 𝐴 = 0,9989
𝑥−𝜇
𝑍=
𝜎
4−5
𝑍= = −1,53
0,65
𝑍 = −1,53 ⟶ 𝐴 = 0,0630
18
𝑥−𝜇
𝑍=
𝜎
6−5
𝑍= = 1,53
0,65
𝑍 = 1,53 ⟶ 𝐴 = 0,9370
Con este fin se realizarán 3 tipos de simulaciones la primera haciendo uso del programa FlexSim,
el cual nos permitirá conocer la existencia de cuellos de botella teniendo en cuenta la máxima
capacidad de los diferentes procesos y los tiempos de ejecución de estos, además de conocer cómo
será la interacción entre los operarios con los procesos y las posibles fallas que estos pueden
cometer durante los procesos, además dicha simulación permitirá analizar más a fondo otros tipo
de variables como el análisis y desarrollo de diferentes escenarios y estrategias sin necesidad de
tener que experimentar en un entorno real, en el cual se pueden realizar experimentos que podrían
ser difíciles o costosos de realizar en el mundo real. Esto proporciona una plataforma segura para
probar diferentes ideas y enfoques antes de implementar cambios reales. (ver anexo 1).
Imagen 10. Simulación de cadena de suministro de tequila en FlexSim
Fuente: Leonardo.Ai
Gracias a las diversas simulaciones realizadas se pudieron identificar varios factores que afectan
directamente la eficiencia y productividad de la cadena de suministro, así como los costos que se
generan por perdidas de productos debido a defectos o no capacidad en los distintos procesos es
así como se observa que aunque los porcentajes de defectos y de no capacidad por procesos son
22
bajos estos a una gran escala si están generando que varias botellas de tequila se deban desechar o
no se puedan producir, de hecho esto se observa con la ruta de operaciones en donde se observa
que si se inicia el proceso con 2000 botellas únicamente 853 cumplirán con el proceso sin defectos
para poder comercializarse lo cual nos indica que el 57,35% de la producción se esta perdiendo,
por lo cual la utilidad y rentabilidad en si de la cadena es negativa debido a que son mayores los
costos por perdidas que las ganancias por producto comercializado, este factor también se puede
analizar en la ruta de operaciones en donde los costos por perdidas de producto de las 1147 botellas
no producidas equivalen a un total de $34,413,980, y estos costos podrán aumentar si se aumenta
la producción de las botellas de tequila. Partiendo de esto se plantea las siguientes estrategias que
podrían mejorar dichos datos generando así que se reduzca el numero de productos desperdiciados
o no producidos, y disminuyendo los costos por dichas perdidas, las cuales son:
➔ Visibilidad y seguimiento: Implementar sistemas de seguimiento y monitorización en tiempo
real para tener una visibilidad completa de todo el proceso de la cadena de suministro, desde
la adquisición de materia prima hasta la distribución final. Esto permitirá detectar cuellos de
botella y tomar decisiones informadas.
➔ Medición y mejora continua: Establecer indicadores clave de rendimiento (KPI) para medir
la eficiencia de la cadena de suministro, como el tiempo de ciclo, la tasa de cumplimiento de
pedidos y los costos operativos. Luego, implementar un proceso de mejora continua para
identificar oportunidades de optimización.
➔ Producción eficiente: Implementar procesos de producción eficientes y flexibles que puedan
adaptarse a cambios en la demanda. La tecnología de fabricación avanzada, como la
automatización y la robótica, puede mejorar la velocidad y la calidad de la producción.
➔ Gestión de riesgos: Identificar y gestionar posibles riesgos que podrían afectar la cadena de
suministro, como interrupciones en la producción o problemas de transporte. Desarrollar
planes de contingencia para abordar estos riesgos.
Fuente: Leonardo.Ai
23
Otro factor importante que se pudo analizar y evaluar en las simulaciones de la cadena de
suministro fue los tiempos de producción generales y los porcentajes de productividad que se
generaron a partir de estos, en donde para dicho fin se utilizaron la simulación industrial en Excel
y el programa Flexsim, en donde la simulación industrial nos permitió identificar en una jornada
de un tiempo especificado cuantos productos se podrían producir en cada uno de los procesos y en
el proceso general a partir de los tiempos que tarda cada proceso y sus porcentajes de defectos,
mientras que Flexsim nos permitía ver según estos parámetros establecidos en que momento se
generaba un cuello de botella, en donde haciendo un paralelo entre ambas simulaciones se logra
identificar que la producción en relación con tiempos posee algunas fallas pero no esta del todo
mal debido a que no existe un proceso que genere cuello de botellas, sin embargo si hay procesos
con porcentajes de productividad regulares como es el proceso de enjuague de botellas y el proceso
de empaque y etiquetado debido a que estos son los procesos que mas tiempo tardan en ser
ejecutados lo cual genera que en el rango establecido de tiempo como es 1 hora en donde se podrían
realizar un promedio de 601 botellas de tequila solo se elaboren 282, tomando en cuenta los
defectos que se puedan generar y las no capacidades de las cuales se hablaron previamente, es así
como uno de los objetivos que se debe plasmar es como se puede acelerar dichos tiempos de
producción y es aquí donde se plantean las estrategias de optimización que permitirán maximizar
la eficiencia del proceso, mejorar la calidad de los productos y disminuir estos costos por tiempo,
las cuales son:
➔ Producción Just-in-Time (JIT): Implementar un sistema de producción JIT para reducir
inventarios, evitar desperdicios y mejorar la flexibilidad de la producción en función de la
demanda real.
➔ Optimización de rutas: Emplea software de gestión de rutas y logística para encontrar las
rutas más eficientes de distribución y entrega, lo que puede reducir costos de transporte y
tiempos de entrega.
➔ Automatización y Tecnología: Utilizar tecnologías avanzadas como la automatización de
procesos, el Internet de las cosas (IoT) y la analítica de datos para mejorar la visibilidad y
control de la cadena de suministro, así como para agilizar los procesos.
➔ Benchmarking: Realizar análisis comparativos con otras empresas de la industria para
identificar prácticas líderes y oportunidades de mejora.
➔ Demand Planning: Utilizar herramientas de pronóstico de la demanda basadas en datos
históricos, tendencias del mercado y eventos estacionales para prever con mayor precisión la
demanda de tequila. Esto permitirá ajustar la producción y los niveles de inventario de manera
más eficiente.
24
Conclusiones
En conclusión, el estudio de combinaciones y permutaciones dentro de la teoría de la probabilidad
es fundamental para comprender y abordar una amplia gama de problemas en diversas disciplinas.
A lo largo de este trabajo, hemos explorado cómo estas herramientas matemáticas nos permiten
contar y organizar diferentes configuraciones y arreglos de elementos, lo que resulta esencial para
analizar situaciones donde la elección y disposición de elementos son importantes dentro del
proceso en el cual se elabora el tequila.
De este modo se observa como los ejercicios de las variables aleatorias continuas y discretas en
funciones de densidad, probabilidad y distribución son herramientas esenciales para analizar y
comprender procesos complejos en una empresa productora de tequila, permitiendo la toma de
decisiones basada en probabilidades y estadísticas. Estas técnicas son fundamentales no solo para
el ámbito de la producción de tequila, sino también para diversas industrias y campos donde se
necesita modelar y analizar situaciones con incertidumbre y variabilidad.
Se puede concluir que la aplicación de las distribuciones de probabilidad en una cadena de
suministro de tequila permite modelar la ocurrencia de eventos discretos, como los defectos que
pueden ocurrir en producción o la demanda de productos. Esto puede ser útil para predecir y
planificar de forma correcta los niveles de inventario, gestionar la capacidad de producción y
optimizar los recursos. Sin embargo, es importante considerar que la distribución de Poisson
requiere algunas condiciones, como la independencia de los eventos y una tasa constante de
ocurrencia, lo cual no es aplicable en todos los casos. Por lo tanto, su implementación debe ser
respaldada por un análisis detallado de los datos y las circunstancias específicas de la cadena de
suministros.
Concluyendo se determina que la simulación de los procesos de la cadena de suministro permite
observar cuales factores son los que afectan la eficiencia y productividad dentro de esta, además
de que junto con modelos probabilísticos se podrá tener un mejor control en referentes a procesos
de calidad o producción de desechos dentro de la cadena; además con dichas simulaciones se
pueden establecer estrategias de mejora y optimización, en donde estas estrategias destacan la
importancia de la planificación, la colaboración, la tecnología y la mejora continua para lograr una
cadena de suministro eficaz y adaptable. Algunos temas clave que se destacan incluyen la
automatización de procesos, la gestión de la demanda y los inventarios, la optimización logística
y el uso de herramientas tecnológicas para aumentar la visibilidad y el control. También se resalta
la necesidad de considerar la sostenibilidad y la capacidad de respuesta a los cambios en el mercado
y en las condiciones externas.
25
Referencias
Jorge, & Jorge. (2022). Variables aleatorias discretas y continuas | Matemóvil. MateMovil.
https://matemovil.com/variable-aleatoria-discreta-y-continua/
Muñiz, J. D. R. (2022, 8 agosto). ¿Cómo es el proceso del destilado del tequila? Josue
Rosas. https://www.casasauza.com/procesos-tequila-sauza/como-es-proceso-del-destilado-del-
tequila
Jeffrey, R.C., Probability and the Art of Judgment, Cambridge University Press. (1992).
pp. 54-55. ISBN 0-521- 39459-7
Edwin Thompson Jaynes. Probability Theory: The Logic of Science. Preprint: Washington
University, (1996). https://bayes.wustl.edu/etj/prob/book.pdf