1

Proyecto – Parcial #1: Análisis de la Eficiencia de una Cadena de Suministro de Tequila

Utilizando Modelos de Probabilidad

Carlos Gomez (103219), Hanyka Fritz (103932), Paula Calderón (106710), Samuel Dimate

(103617)

Facultad de Ingeniería Industrial, Universidad ECCI

6AM: Teoría de la Probabilidad

Ing. Diana Marcela Rodríguez Cediel

28 de agosto de 2023
 2

Descripción Cadena de Suministro de Tequila y Espacios de Probabilidad

¿Qué es una cadena de suministro?
Una cadena de suministro es aquella cadena de procesos involucrados en la acción de satisfacer
las necesidades del cliente, bien sea por medio de bienes consumo o servicios. Va desde la
obtención de materia prima, transformación de la materia en productos intermedios y productos
terminados y la distribución de estos productos a los consumidores.
Objetivos
➔ Disponer de unos adecuados canales de comunicación y de coordinación.
➔ Evitar las pérdidas innecesarias.
➔ Tener los tiempos de distribución optimizados.
➔ Obedecer con los tiempos de entrega de los productos o servicios.
➔ Operar adecuadamente los inventarios y almacenes.
➔ Tener la capacidad de enfrentarse a cambios imprevistos producidos en la oferta o la demanda.
➔ Satisfacer las necesidades del cliente.

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.

Imagen 1. Proceso de producción de tequila

Fuente: Casa Sauza

 3

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.

Teniendo como resultados diferentes formas de medir ese tipo de espacios.

➔ Posibilidad de que en un lote de producción de 1000 botellas de tequila tengamos un porcentaje
de productos defectuosos.
➔ La probabilidad de la cosecha de Agave Tequilana Weber sea apta para después de 8 años
transformarla.
➔ La probabilidad de en el lote pedido de botellas alguna salga defectuosa
➔ La probabilidad que hay de que en 1 hora en el área de etiquetado y empaque hagan más de
100 botellas
➔ Que probabilidad hay de que en un lote de 50 botellas en el área de llenado puedan existir por
inconsistencias de la botella.

Imagen 2. Etapas industriales de la producción de tequila

Fuente: Casa Sauza

 4

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

Imagen 3. Productos obtenidos en la producción de tequila

Fuente: Leonardo.Ai

Técnicas de Conteo en Cadena de Suministro de Tequila

Aplicación de permutación con repetición
En el embalaje de la bodega de tequila nos encontramos con cajas que permiten un máximo de 20
botellas en las cuales se introducen las botellas de tequila, y se quiere saber las diferentes maneras
que se pueden a llegar a surtir las 3 botellas en cada una de las cajas teniendo en cuenta que
tenemos, 5 botellas de 1000 mL, 5 botellas de 1500 mL y 10 botellas de 2000 mL.
𝑚!
𝑚𝑃𝑎; 𝑏; 𝑐 … =
𝑎! 𝑏! 𝑐! …

𝑚 = 20 𝑎 = 10 𝑏 = 5 𝑐 = 5
 5

20!
20𝑃10; 5; 5 = = 4655851
10! 5! 5!

Aplicación de permutación sin repetición

Se tiene un cliente que nos pide que le indiquemos las diferentes posibilidades de hacer una ancheta
si se tienen 1 botella de tequila rojo, 2 botellas de tequila azul y 3 botellas de tequila morado.
𝑚!
𝑚𝑃𝑠 =
(𝑚 − 𝑠)!

𝑚=6 𝑠=1

6! 6! (6)5! 6
6𝑃1 = = = = =6
(6 − 1)! 5! 5! 1

Aplicación de combinaciones con repetición

En una licorería ofrecen 10 tipos de cócteles que contienen tequilas de diferentes sabores para
elegir ¿Cuántas combinaciones de 3 tequilas pueden llegar a hacerse?
(𝑚 + 𝑠 − 1)!
𝑚𝐶𝑠 =
𝑠! (𝑚 − 1)!

𝑚 = 10 𝑠 = 3

(10 + 3 − 1)! 12! (12)(11)(10)9! (12)(11)(10)

10𝐶3 = = = = = 220
3! (10 − 1)! 3! 9! 3! 9! (3)(2)(1)

Aplicación de combinaciones sin repetición

¿Cuántos cocteles de tres tipos de tequila se pueden llegar a realizar con una caja que contiene
tequila morado, tequila rojo, tequila azul, tequila verde y tequila amarillo? teniendo en cuenta que
en ninguno de los cócteles se puede repetir el mismo tequila.
𝑚!
𝑚𝐶𝑠 =
𝑠! (𝑚 − 𝑠)!

𝑚=5 𝑠=3

5! 5! (5)(4)(3)(2) 120
12𝐶4 = = = = = 10
3! (5 − 3)! 3! (2!) (3)(2)(2) 12
 6

Variables Aleatorias en Cadena de Suministro de Tequila

Aplicación variables aleatorias discretas
Las variables aleatorias discretas desempeñan un papel esencial en el ámbito de la estadística y la
probabilidad al permitir la representación y análisis de contextos donde los resultados posibles son
limitados y numerables. Estos casos incluyen escenarios como arrojar un dado, contar la cantidad
de clientes que visitan una tienda en un día o registrar los éxitos en una serie de ensayos. De hecho,
una variable aleatoria se define como una función que asigna un valor numérico a cada resultado
concebible de un experimento aleatorio.
Aplicación variables aleatorias discretas (función de distribución acumulativa) para una
empresa productora de tequila
Teniendo en cuenta que se posee una demanda de 1000 botellas de tequila diarias en la ciudad de
Bogotá, se diseña una planta productora de tequila que posee la capacidad de producir 40 botellas
cada hora; así mismo la empresa productora de tequila está interesada en analizar los defectos
diarios de botellas de tequila en su planta de producción en la primera etapa del proceso que es la
revisión de la botellas ya que esta equivale a un 10% de sus defectos al ser esta la etapa con mayor
defectos se quiere analizar el numero defectos en las botellas si estas tienen un número mayor de
3 defectos se necesitara revaluar al proveedor. La demanda diaria de defectos sigue una
distribución discreta y se describe mediante la siguiente función de probabilidad:
0,45; 𝑥 ≤ 1
0,1; 1 < 𝑥 ≤ 2
𝑓(𝑥) = 0,15; 2 < 𝑥 ≤ 3
0,2; 3 < 𝑥 ≤ 4
{ 0,1 ≥ 5

A partir de dicha función se construye la siguiente tabla:

Defectos Diarios (x) f(x) F(x) xif(x) xi2f(x)
1 0,45 0,45 0,45 0,45
2 0,1 0,55 0,2 0,4
3 0,15 0,7 0,45 1,35
4 0,2 0,9 0,8 3,2
5 0,1 1 0,5 2,5
Totales 1 2,4 7,9

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)

𝑃(𝑥 > 2) = 0,15 + 0,2 + 0,1 = 0,45 = 45%

B) ¿Cuál es la probabilidad de que haya menos de 3 defectos diario en un día?

𝑃(𝑥 < 3) = 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2)
 7

𝑃(𝑥 < 3) = 0,45 + 0,1 = 0,55 = 55%

C) ¿Cuál es el numero esperado de defectos diarios en las botellas de tequila?

𝐸[𝑋] = ∑ 𝑥𝑖 𝑓(𝑥)
𝑖

𝐸[𝑋] = 2,4 ≈ 2

D) ¿Cuál es la varianza y desviación estándar de la función de probabilidad?

𝜎 2 [𝑋] = ∑ 𝑥𝑖 2 𝑓(𝑥)
𝑖

𝜎 2 [𝑋] = 7,9

𝜎[𝑋] = √𝜎 2 [𝑋]

𝜎[𝑋] = √7,9 = 2,81

Aplicación variables aleatorias discretas (función de probabilidad) para una empresa

productora de tequila
Las variables aleatorias discretas y la función de distribución acumulativa para modelar y analizar
tiempos de procesos, Esto te permite calcular probabilidades relacionadas con tiempos de espera,
eficiencia y otros aspectos temporales. En la empresa productora de tequila está interesada en
analizar el tiempo de proceso necesario para fabricar una botella de tequila en su planta. Se ha
observado que el tiempo de proceso (en minutos) sigue una distribución discreta y se describe
mediante la función de probabilidad representada en la siguiente tabla:
Tiempos de procesos (x) f(x) F(x) xif(x) xi2f(x)
32,5 0,2 0,2 6,5 211,25
33,6 0,4 0,6 13,44 451,584
31,2 0,3 0,9 9,36 292,032
34,0 0,1 1 3,4 115,6
Totales 1 32,7 1070,466

A) ¿Cuál es el tiempo esperado para fabricar una botella de tequila?

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

𝑃(𝑥 ≤ 33,6) = 0,2 + 0,4 = 0,6 = 60%

C) ¿Cuál es la probabilidad de que el tiempo de proceso sea mayor a 31,2 minutos?

𝑃(𝑥 > 31,2) = 𝑃(𝑥 = 34,0)

𝑃(𝑥 > 31,2) = 0,1 = 10%

D) ¿Cuál es la varianza y desviación estándar de la función de probabilidad?

𝜎 2 [𝑋] = ∑ 𝑥𝑖 2 𝑓(𝑥)
𝑖

𝜎 2 [𝑋] = 1070,466

𝜎[𝑋] = √𝜎 2 [𝑋]

𝜎[𝑋] = √1070,466 = 32,71

Aplicación variables aleatorias continuas

Una variable aleatoria continua es aquella que puede tomar un número incontable de valores dentro
de un rango continuo. A diferencia de las variables aleatorias discretas, que solo pueden tomar
valores específicos y contables, las variables aleatorias continuas pueden asumir cualquier valor
en un intervalo sin límites definidos.
Aplicación variables aleatorias continuas para una empresa productora de tequila
La empresa productora de tequila está interesada en analizar el volumen de tequila en sus botellas.
El volumen de tequila en una botella sigue una distribución continua y se describe mediante la
función de densidad de probabilidad:
0,5𝑥; 0 ≤ 𝑥 ≤ 2
𝑓(𝑥) = {
0; 𝑒𝑛 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑜

Donde x representa el volumen de tequila en litros y f(x) es la función de densidad de probabilidad.

Usando esta función de densidad de probabilidad, responder a las siguientes preguntas:
A) ¿Cuál es la probabilidad de que una botella tenga un volumen de tequila entre 0,5 L y 1 L?
1
𝑃(0,5 ≤ 𝑥 ≤ 1) = ∫ 0,5𝑥 𝑑𝑥
0,5

1
𝑥2 1
𝑃(0,5 ≤ 𝑥 ≤ 1) = 0,5 ∫ 𝑥 𝑑𝑥 = 0,5 ( ) | = (0,25)(12 − 0,52 )
0,5 2 0,5

𝑃(0,5 ≤ 𝑥 ≤ 1) = (0,25)(0,75) = 0,1875 = 18,75%

 9

B) ¿Cuál es el valor esperado del volumen de tequila en las botellas?

∞
𝐸[𝑋] = ∫ 𝑥𝑓(𝑥) 𝑑𝑥
−∞

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

C) ¿Cuál es la varianza y la desviación estándar de la función de probabilidad?

∞
𝜎 2 [𝑋] = ∫ 𝑥 2 𝑓(𝑥) 𝑑𝑥 − 𝐸[𝑋]2
−∞

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]

𝜎[𝑋] = √0,976 = 0,9879

Aplicación variables aleatorias continuas (función de densidad) para una empresa

productora de tequila
La empresa productora de tequila desea analizar, la demanda anual en millones de litros sigue una
distribución continua y se describe mediante la siguiente función de densidad de probabilidad:
𝑐𝑥 2 ; 0 ≤ 𝑥 ≤ 2
𝑓(𝑥) = {
0; 𝑒𝑛 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑜

Donde x la demanda anual en millones de litros y f(x) es la función de densidad de probabilidad.

Usando esta función de densidad de probabilidad, responder a las siguientes preguntas:
A) ¿Cuál es el valor de la constante c?
 10

∞
∫ 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

C) ¿Cuál es la varianza y la desviación estándar de la función de probabilidad?

∞
2 [𝑋]
𝜎 = ∫ 𝑥 2 𝑓(𝑥) 𝑑𝑥 − 𝐸[𝑋]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]

𝜎[𝑋] = √0,15 = 0,3873

 12

Distribuciones de Probabilidad en Cadena de Suministro de Tequila

Aplicación Distribución de Poisson
La distribución de Poisson es una herramienta estadística utilizada para modelar eventos raros o
aleatorios, como el número de ocurrencias de un evento en un intervalo de tiempo o espacio fijo.
En el contexto de una aplicación, la distribución de Poisson puede ser empleada para predecir la
probabilidad de que ocurran ciertos eventos, como llamadas telefónicas, accidentes de tráfico o
ventas en un negocio, en un período específico. Esta distribución se basa en la suposición de que
los eventos ocurren de manera independiente y a una tasa constante. Su introducción en una
aplicación puede ayudar a tomar decisiones informadas y a planificar recursos de manera más
eficiente. La gestión eficiente de una cadena de suministro es esencial en cualquier industria, como
el sector del alcohol. En este contexto, la distribución de Poisson emerge como una herramienta
valiosa para enfrentar desafíos específicos relacionados con la demanda y la planificación de
recursos. La distribución de Poisson es especialmente útil para manejar eventos raros y aleatorios,
como el rechazo o la aceptación en cualquier proceso de una cadena de suministro de alcohol. En
este caso, los eventos podrían ser las botellas aceptadas, rechazadas o desechadas en el proceso de
llenado o revisión. Al analizar el historial de botellas desechadas, se puede calcular una tasa media
de botellas desechadas por unidad de tiempo. Esta tasa media, es un factor crítico en la distribución
de Poisson y sirve como base para predecir cuántas botellas serán desechadas en un intervalo
específico, lo cual se puede ver ejemplificado a continuación.
Teniendo en cuenta que se posee una demanda de 1000 botellas de tequila diarias en la ciudad de
Bogotá, se diseña una planta productora de tequila que posee la capacidad de producir 40 botellas
cada hora; si se tiene en cuenta que en el proceso de revisión de las botellas de vidrio el cual es
previo al proceso de lavado se ha encontrado que en promedio el 10% de las botellas poseen un
defecto y deben ser desechadas, además en el proceso de llenado se encuentra que cada 2 horas 5
botellas deben ser desechadas debido a que la presión de la maquina genera grietas en la botella.
A) ¿Cuál es la probabilidad de que en una muestra de 50 botellas 5 botellas sean rechazadas en el
proceso de revisión?
𝑛 = 50 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠 𝑥 = 5 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠

𝛾 𝑥 𝑒 −𝛾
𝑃(𝑥 = 𝑘) =
𝑥!

𝛾 = ( 10% )(50 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠) = 5 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠

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

𝛾 = ( 10% )(50 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠) = 5 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠

510 𝑒 −5
𝑃(𝑥 = 10) = = 0,018 = 1,8%
10!

C) ¿Cuál es la probabilidad de que en una muestra de 40 botellas por lo máximo se rechacen 8

botellas en el proceso de revisión?
𝑛 = 40 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠 𝑥 = 8 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠

𝛾 𝑥 𝑒 −𝛾
𝑃(𝑥 = 𝑘) =
𝑥!

𝛾 = ( 10% )(40 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠) = 4 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠

58 𝑒 −4
𝑃(𝑥 = 8) = = 0,177 = 17,7%
8!

D) ¿Cuál es la probabilidad de que 8 botellas sean desechadas en el proceso de llenado en las

próximas 2 horas?
𝑛 = 2 ℎ𝑜𝑟𝑎𝑠 𝑥 = 8 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠

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

𝑃(𝑥 ≥ 3) = 1 − 𝑃(𝑥 < 3)

𝑛 = 1 ℎ𝑜𝑟𝑎 𝑥 = 1 𝑏𝑜𝑡𝑒𝑙𝑙𝑎 𝑥 = 2 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠

𝛾 𝑥 𝑒 −𝛾
𝑃(𝑥 = 𝑘) =
𝑥!

40 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠
𝛾=( ) (1 ℎ𝑜𝑟𝑎) = 40 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠
1 ℎ𝑜𝑟𝑎
 14

𝑃(𝑥 ≥ 3) = 1 − (𝑃(𝑥 = 1) + 𝑃(𝑥 = 2))

401 𝑒−40 402 𝑒−40

𝑃(𝑥 ≥ 3) = 1 − ( + )
1! 2!

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)

𝑛 = 4 ℎ𝑜𝑟𝑎𝑠 𝑥 = 1 𝑏𝑜𝑡𝑒𝑙𝑙𝑎 𝑥 = 2 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠 𝑥 = 3 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠 𝑥 = 4 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠

𝑥 = 5 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠 𝑥 = 6 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠

𝛾 𝑥 𝑒 −𝛾
𝑃(𝑥 = 𝑘) =
𝑥!

5 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠
𝛾=( ) (4 ℎ𝑜𝑟𝑎𝑠) = 10 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠
2 ℎ𝑜𝑟𝑎𝑠

𝑃(𝑥 ≤ 6) = 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5) + 𝑃(𝑥 = 6)

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

𝑃(𝑥 ≤ 6) = 0,1281 = 12,81%

Aplicación Distribución Normal

La distribución normal, también conocida como distribución gaussiana o campana de Gauss, es
una herramienta estadística fundamental utilizada para describir y modelar una amplia variedad de
fenómenos en diversas disciplinas. Es una opción popular para analizar datos continuos y variables
aleatorias. La gestión eficiente de una cadena de suministro es crucial para cualquier industria, y
la distribución normal es una herramienta estadística importante que encuentra aplicación en
diversos aspectos de este proceso, incluida la industria del alcohol. la distribución normal se aplica
en una cadena de suministro de alcohol, encontrando una aplicación importante en el contexto de
productos defectuosos en la industria y la manufactura. En este contexto, la distribución normal
permite describir la distribución de probabilidad de las características de los productos, como
dimensiones, peso o cualquier otra medida relevante. Se caracteriza por su forma simétrica en
forma de campana, donde la mayoría de los productos tienden a agruparse alrededor de un valor
central, que es la media. Los productos que se desvían más de la media tienen una probabilidad
 15

menor de ocurrencia. Cuando se aplica a productos defectuosos, la distribución normal ayuda a

establecer límites de especificación y a determinar la proporción esperada de productos
defectuosos en relación con esos límites, es así como la distribución normal puede proporcionar
información sobre cuántos productos caerán fuera de esos límites y, por lo tanto, serán
considerados defectuosos, esto lo podremos ver ejemplificado a continuación.
Teniendo en cuenta que se posee una demanda de 1000 botellas de tequila diarias en la ciudad de
Bogotá, se diseña una planta productora de tequila que posee la capacidad de producir 40 botellas
cada hora; si se tiene en cuenta que en promedio en el proceso de lavado 7 botellas se desechan
debido a que se rompen generando una desviación típica 0,86; además, en el proceso de sellado se
desechan en promedio 5 botellas debido a que quedan con defectos estéticos en las etiquetas
generando una desviación típica de 0,65. A partir de esto responder:
A) ¿Cuál es la probabilidad de que entre 4 y 6 botellas se rechacen el proceso de lavado?
𝜇=7 𝜎 = 0,86 4<𝑥<6

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

Imagen 4. Grafica de distribución normal de 𝑃(4 < 𝑥 < 6)

Fuente: Elaboración propia

𝑃(4 < 𝑥 < 6) = −0,1230 − 0,0003 = 0,1227 = 12,27%

B) ¿Cuál es la probabilidad de que más de 6 botellas se rechacen en el proceso de lavado?

𝜇=7 𝜎 = 0,86 𝑥>6
 16

𝑥−𝜇
𝑍=
𝜎

6−7
𝑍= = −1,16
0,86

𝑍 = −1,16 ⟶ 𝐴 = 0,1230

Imagen 5. Grafica de distribución normal de 𝑃(𝑥 > 6)

Fuente: Elaboración propia

𝑃(𝑥 > 6) = 1 − 0,1230 = 0,877 = 87,7%

C) ¿Cuál es la probabilidad de que menos de 8 botellas se rechacen en el proceso de lavado?

𝜇=7 𝜎 = 0,86 𝑥<8

𝑥−𝜇
𝑍=
𝜎

8−7
𝑍= = 1,16
0,86

𝑍 = 1,16 ⟶ 𝐴 = 0,8770

Imagen 6. Grafica de distribución normal de 𝑃(𝑥 < 8)

Fuente: Elaboración propia

 17

𝑃(𝑥 < 8) = 0,8770 = 0 = 87,7%

D) ¿Cuál es la probabilidad de que entre 4 y 7 botellas se rechacen en el proceso de sellado?

𝜇=7 𝜎 = 0,86 4<𝑥<7

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

Imagen 7. Grafica de distribución normal de 𝑃(4 < 𝑥 < 7)

Fuente: Elaboración propia

𝑃(4 < 𝑥 < 7) = 0,9989 − 0,0630 = 0,9359 = 93,5%

E) ¿Cuál es la probabilidad de que más de 4 botellas se rechacen en el proceso de sellado?

𝜇 = 5 𝜎 = 0,65 𝑥 > 4

𝑥−𝜇
𝑍=
𝜎

4−5
𝑍= = −1,53
0,65

𝑍 = −1,53 ⟶ 𝐴 = 0,0630
 18

Imagen 8. Grafica de distribución normal de 𝑃(𝑥 > 4)

Fuente: Elaboración propia

𝑃(𝑥 > 4) = 1 − 0,0630 = 0,937 = 93,7%

F) ¿Cuál es la probabilidad de que más de 6 botellas se rechacen en el proceso de sellado?

𝜇=5 𝜎 = 0,65 𝑥 > 6

𝑥−𝜇
𝑍=
𝜎

6−5
𝑍= = 1,53
0,65

𝑍 = 1,53 ⟶ 𝐴 = 0,9370

Imagen 9. Grafica de distribución normal de 𝑃(𝑥 > 6)

Fuente: Elaboración propia

𝑃(𝑥 > 4) = 1 − 0,9370 = 0,063 = 6,3%

 19

Simulación de Cadena de Suministro de Tequila

Para realizar la simulación de la cadena de suministro se hará un enfoque principal en las últimas
etapas del proceso haciendo énfasis en los procesos desde la revisión de las botellas de vidrio hasta
el etiquetado y empaque de dichas botellas, esto con el fin de evaluar los efectos de aumentar la
capacidad de producción, cambiar los tiempos de procesos, ajustar porcentajes de defectos, entre
otros, para tomar decisiones más informadas; por otro lado la simulación de la cadena de
suministro permitirá proporcionar datos cuantitativos sobre el rendimiento de la cadena de
suministro en diferentes condiciones. Esto facilita la toma de decisiones basadas en evidencia y
permite elegir las mejores estrategias para optimizar la cadena de suministro en diferentes ámbitos
como los costos o tiempos de producción, o incluso indicadores referentes a la productividad.
Siendo así la simulación de la cadena de suministro permite:
➔ Comprender la complejidad de la cadena de suministro.
➔ Evaluar la variabilidad y la incertidumbre.
➔ Optimizar procesos.
➔ Mejorar la toma de decisiones.

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: Elaboración propia

 20

La segunda simulación se hace utilizando la herramienta de Excel en la cual se analizarán los

porcentajes de desechos por proceso, además de los tiempos y capacidades de producción que se
generen a partir de estos; con esta herramienta podremos hacer el cálculo de los porcentajes de
productividad que se generen en cada uno de los procesos debido a sus tiempos de producción y
capacidades de producción además de poder realizar una visualización de dichas relaciones
mediante gráficos. Por otro lado, en dicha simulación podremos ver como se aplica los modelos
de distribuciones estadísticas visualizadas anteriormente en donde se podrá visualizar las diversas
probabilidades en modelos probabilísticos acumulativos y no acumulativos dentro del proceso
completo, además de permitirse la manipulación de tamaños de muestras y porcentajes de desecho
que permitirá generar una mayor visualización sobre los diversos espacios que se pueden presentar
en la cadena de suministros. (visualizar anexo 2 pestaña 1)
Imagen 11. Simulación industrial de cadena de suministro de tequila en Excel

Fuente: Elaboración propia

La tercera simulación también se realiza utilizando la herramienta de Excel en donde se hará el

modelo de la ruta de operaciones de la cadena de suministro la cual permite analizar otro tipo de
relación entre los porcentajes de desperdicios que se generen en los diferentes procesos de la
cadena y la capacidad operativa de cada uno, además en esta simulación se permite analizar los
costos que implica el que se generen desperdicios o el que ingresen un mayor numero de productos
que el que permita la capacidad máxima de un proceso, generándose así otro tipo de desperdicios
o retrasos en el proceso, también se tiene que este tipo de simulación permitirá visualizar y
entender cómo estos componentes interactúan entre sí y cómo pueden afectar el flujo general de
producción; por otro lado la simulación también permite entender el como esta ruta de operaciones
se puede relaciones con los modelos de distribuciones probabilísticas en donde se permite tomar
una muestra y analizar las probabilidades de defectos que se podrán generar en cada uno de los
procesos aplicando modelos de distribuciones de Poisson y distribuciones normales. (visualizar
anexo 2 pestaña 2)
 21

Imagen 12. Ruta de operaciones de cadena de suministro de tequila en Excel

Fuente: Elaboración propia

Optimización y Mejora en Cadena de Suministro de Tequila

Imagen 13. Simulación de planta de producción de tequila

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.

Imagen 14. Productos obtenidos en la cadena de suministro de tequila

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

Matemóvil. (2020, 7 abril). Función de densidad de probabilidad de una variable aleatoria

continua | Ejercicio 2 [Vídeo]. YouTube. https://www.youtube.com/watch?v=Z3AKFyTzsEA

Ruben Casas. (2019, 18 octubre). Probabilidad y estadística - Función de densidad (MSICU

2019) [Vídeo]. YouTube. https://www.youtube.com/watch?v=4YnLHet9RCc

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

López, J. F. (2022). Espacio probabilístico. Economipedia.

https://economipedia.com/definiciones/espacio-probabilistico.html

Mendenhall, W., Beaver, R., Beaver, B. (2010). Introducción a la probabilidad y

estadística. Ciudad de México. Editorial: Cenage Learning, Obtenido de:
https://www.fcfm.buap.mx/jzacarias/cursos/estad2/libros/book5e2.pdf

Triola, M. (2009). Estadística. Bogotá. Editorial: Pearson Educación, Obtenido de:

https://www.uv.mx/rmipe/files/2015/09/Estadistica.pdf

S.A. (2020). introducción al cálculo de las probabilidades. Universidad de Granada,

Obtenido de:
https://www.ugr.es/~eues/webgrupo/Docencia/MonteroAlonso/estadisticaII/tema1.pdf

Montes, F. (2007). Introducción a la Probabilidad. Universitat de Valencia, Obtenido de:

https://www.uv.es/montes/probabilitat/manual.pdf

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