Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SIMULACIÓN DE SISTEMAS
TRABAJO ACADÉMICO
“Encaje manual y forjado de pernos en Estructuras y Anclajes
S.A.C”
HORARIO: 0831
INTEGRANTES:
2023-0
1
1. Resumen ejecutivo
La empresa “Estructuras y Anclajes S.A.C.” es parte del Sector Metal-Mecánica y se
dedica al diseño, fabricación y montaje de estructuras de Elementos de Sujeción,
Ajustes y Afines. Especializándose en la fabricación de todo tipo de pernos en
diferentes medidas y calidades. Ha iniciado sus operaciones en el mes de junio de
2013 y en la actualidad, la empresa tiene como objetivo incrementar su productividad
para mantenerse competitiva en el mercado.
2
2. Índice de contenido
1. Resumen ejecutivo 2
2. Índice de contenido 3
15. Conclusiones 86
16. Recomendaciones 86
3
17. Anexos 86
4
Figura 1 : Flujograma del proceso de fabricación de pernos en “Estructuras y
Anclajes S.A.C.”
5
la cabeza del perno queda lista.Debido a la corrosión a la que están
expuestos todos los metales, se efectúa el galvanizado, en donde el material
es sumergido en un ácido con la finalidad de limpiarlo y quitarle todo el óxido
que tenga, luego es colocada en una tina de enjuague para luego ingresar a
la tina de soda donde será preparada para ingresar al cabo de un tiempo
ingresará a la olla de zinc. Al estar en contacto el acero y el zinc, se crea una
capa que se distingue por poseer una gran adherencia, ser capaz de resistir a
los golpes y tener gran dureza. Luego de esto se trasladan los pernos
terminados al área de empaque en donde un operario los embolsa en bolsas
de capacidad 10 de acuerdo a lo especificado. Finalmente, se llevan los
pernos al almacén.
6
Se puede añadir que ello se aplicó mediante ciclos de trabajo en un tiempo
de 30 minutos para las operaciones de encaje, forjado y empaquetado;
siendo la primera completamente manual.
7
6. Datos para realizar la simulación
A continuación se muestran los datos para la simulación, en el que se encuentran
variables aleatorias y deterministas.
Variables de entrada
8
16 Traslado de encaje a forjadora Traslado Aleatoria
9
Dado que el error de estimación no se conoce se aproxima al producto de la
media y el error poblacional de 0.04 resultando 2.56
Seguidamente, se calcula mediante la siguiente fórmula el valor de n°:
10
El cual resultó 89, asimismo, debido a que el tamaño de la población es finito
(menor a 200 000) se debió corregir el tamaño de la muestra, lo que resultó
en un valor de n° corregido de 87, como esta cantidad es mayor a 30 se toma
este valor para el posterior desarrollo en el input analyzer
11
en un valor de n° corregido de 7, omo esta cantidad es menor a 30 se
tomaron 30 muestras para que los resultados sean confiables
12
Dado que el error de estimación no se conoce se aproxima al producto de la
media y el error poblacional de 0.04 resultando 0.23
Seguidamente, se calcula mediante la siguiente fórmula el valor de n°:
p=0.94
13
El resultado del n° fue de 150, asimismo, debido a que el tamaño de la
población es finito (menor a 200 000) se debió corregir el tamaño de la
muestra, lo que resultó en un valor de n° corregido de 145.
Para calcular el tamaño de muestra para la variable tiempo que toma retirar
una arandela del perno se tomó una muestra aleatoria de 30 pernos entre los
que se calculó la media y varianza, así como se especificaron los datos de
error (0.04) y nivel de significancia (95%), que le corresponde el valor de z en
1.96. El resumen se muestra a continuación:
14
7.2.8 Tiempo que toma retirar una tuerca en el perno
Para calcular el tamaño de muestra para la variable tiempo que toma retirar
una arandela del perno se tomó una muestra aleatoria de 30 pernos entre los
que se calculó la media y varianza, así como se especificaron los datos de
error (0.04) y nivel de significancia (95%), que le corresponde el valor de z en
1.96. El resumen se muestra a continuación:
Para calcular el tamaño de muestra para la variable tiempo que toma retirar
una arandela del perno se tomó una muestra aleatoria de 30 pernos entre los
que se calculó la media y varianza, así como se especificaron los datos de
error (0.04) y nivel de significancia (95%), que le corresponde el valor de z en
1.96. El resumen se muestra a continuación:
15
Dado que el error de estimación no se conoce se aproxima al producto de la
media y el error poblacional de 0.04 resultando 0.06.
Seguidamente, se calcula mediante la siguiente fórmula el valor de n°:
Para calcular el tamaño de muestra para la variable tiempo que toma anotar
los pernos procesados por lo que de los 30 registros se calculó la media y
varianza, así como se especificaron los datos de error (0.04) y nivel de
significancia (95%), que le corresponde el valor de z en 1.96. Tomando en
cuenta que se anota cada 10 tuercas el tamaño del N también sufre cambios.
El resumen se muestra a continuación:
16
El cual resultó 33, asimismo, debido a que el tamaño de la población es finito
(menor a 200 000) se debió corregir el tamaño de la muestra, lo que resultó
en un valor de n° corregido de 31 y se llevó al input analyzer para realizar las
posteriores pruebas de bondad de ajuste.
17
7.2.12 Tiempo de colocación de moldes
Para calcular el tamaño de muestra para la variable tiempo que toma colocar
los moldes en el proceso de fundición por lo que de los 30 registros se calculó
la media y varianza, así como se especificaron los datos de error (0.04) y
nivel de significancia (95%), que le corresponde el valor de z en 1.96. El
resumen se muestra a continuación:
18
Dado que el error de estimación no se conoce se aproxima al producto de la
media y el error poblacional de 0.04 resultando 3.05
Seguidamente, se calcula mediante la siguiente fórmula el valor de n°:
19
El cual resultó 1, asimismo, debido a que el tamaño de la población es finito
(menor a 200 000) se debió corregir el tamaño de la muestra, lo que resultó
en un valor de n° corregido de 1, como esta resulta menor a 30 se toman 30
para garantizar lo mínimo admisible de confianza y se llevó al input analyzer
para realizar las posteriores pruebas de bondad de ajuste.
20
El cual resultó 13, asimismo, debido a que el tamaño de la población es finito
(menor a 200 000) se debió corregir el tamaño de la muestra, lo que resultó
en un valor de n° corregido de 13, como esta resulta menor a 30 se toman 30
para garantizar lo mínimo admisible de confianza y se llevó al input analyzer
para realizar las posteriores pruebas de bondad de ajuste.
21
Dado que el error de estimación no se conoce se aproxima al producto de la
media y el error poblacional de 0.04 resultando 1.03.
Seguidamente, se calcula mediante la siguiente fórmula el valor de n°:
22
El cual resultó 1, asimismo, debido a que el tamaño de la población es finito
(menor a 200 000) se debió corregir el tamaño de la muestra, lo que resultó
en un valor de n° corregido de 1, como esta resulta menor a 30 se toman 30
para garantizar lo mínimo admisible de confianza y se llevó al input analyzer
para realizar las posteriores pruebas de bondad de ajuste.
23
7.2.20 Traslado de tina de soda a olla de zinc
24
Dado que el error de estimación no se conoce se aproxima al producto de la
media y el error poblacional de 0.04 resultando 0.45.
Seguidamente, se calcula mediante la siguiente fórmula el valor de n°:
25
El cual resultó 2, asimismo, debido a que el tamaño de la población es finito
(menor a 200 000) se debió corregir el tamaño de la muestra, lo que resultó
en un valor de n° corregido de 2, como esta resulta menor a 30 se toman 30
para garantizar lo mínimo admisible de confianza y se llevó al input analyzer
para realizar las posteriores pruebas de bondad de ajuste.
Tamaño de
Tamaño de
N° Variables Proceso Tipo muestra para
muestra
el muestreo
Tiempo de llegada de
1 pernos Encaje Aleatoria 2 30
Tiempo que toma colocar
2 un perno en el dispositivo Encaje Aleatoria 84 87
Tiempo que toma colocar
3 una arandela en el perno Encaje Aleatoria 7 30
Tiempo que tomar
colocar una tuerca en el
4 perno Encaje Aleatoria 9 30
Tiempo que toma
inspeccionar de acuerdo
5 a las especificaciones Encaje Aleatoria 21 30
Tiempo que toma retirar
6 una arandela en el perno Encaje Aleatoria 37 37
Tiempo que toma retirar
7 una tuerca en el perno Encaje Aleatoria 12 30
Tiempo de traslado a caja
8 de productos terminados Encaje Aleatoria 89 93
Tiempo que toma anotar
9 los pernos procesados Encaje Aleatoria 27 31
Tiempo de reinspección
10 por daño en perno Encaje Aleatoria 5 30
Tiempo de colocación de
11 moldes Forjado Aleatoria 9 30
12 Tiempo de vertido en Forjado Aleatoria 57 57
26
tinas
Tiempo de recubrimiento
13 con zinc Forjado Aleatoria 1 30
Tiempo de empaque Empaqueta
14 manual do Aleatoria 13 30
Proporción de pernos no Probabilísti
15 defectuosos Encaje ca 134 134
27
28
Distribuci
ón de mejor ajuste: Como se observa en la lista de errores cuadrados
ordenados, la distribución de mejor ajuste es la distribución triangular.
29
Distribución de mejor ajuste: Como se observa en la lista de errores
cuadrados ordenados, la distribución de mejor ajuste es la distribución Log
normal.
Conclusión: Se emplea una distribución Log Normal con alfa 0.705 y beta
0.656:
2 + LOGN (0.756,0.786)
Conclusión: Se emplea una distribución Beta con alfa 0.831 y beta 10.689:
30
21 + 10 * BETA(0.831, 0.689)
31
Conclusión: Se emplea una distribución Erlang:
4.04 + ERLA(0.136, 3)
32
Distribución de mejor ajuste: Como se observa en la lista de errores
cuadrados ordenados, la distribución de mejor ajuste es la distribución Beta.
Conclusión: Se emplea una distribución Beta con alfa 0.666 y beta 0.898:
4 + 1 * BETA(0.666, 0.898)
33
Distribución de mejor ajuste: Como se observa en la lista de errores
cuadrados ordenados, la distribución de mejor ajuste es la distribución Erlang.
5 + ERLA(0.354, 2)
34
7.4.6 Proporción de pernos que cumplen los estándares
35
Conclusión: Se emplea una distribución empírica.
36
Distribución de mejor ajuste: Como se observa en la lista de errores
cuadrados ordenados, la distribución de mejor ajuste es la distribución
Lognormal.
37
Distribución de mejor ajuste: Como se observa en la lista de errores
cuadrados ordenados, la distribución de mejor ajuste es la distribución Beta
38
7.4.10 Tiempo que toma anotar los pernos procesados
39
Distribución de mejor ajuste: Comprobamos que la distribución normal es la
más apropiada al tener un menor sq error.
40
Distribución de mejor ajuste: Comprobamos que la distribución beta es la
más apropiada al tener un menor sq error.
Conclusión: Se emplea una distribución Beta con alfa 1.15 y beta 0.924:
14 + 3 * BETA(1.15, 0.924)
41
Aplicabilidad de las pruebas: La variable de análisis es continua y se toman
55 datos, por lo tanto solo es aplicable la prueba KSS.
Análisis de las pruebas: El p-value de la prueba es mayor a 0.05, por lo
tanto no se rechaza la hipótesis nula.
76 + 5 * BETA(0.771, 0.701)
42
7.4.14 Tiempo de recubrimiento con zinc
43
Distribución de mejor ajuste: Como se observa en la lista de errores
cuadrados ordenados, la distribución de mejor ajuste es la distribución Beta.
44
Distribución de mejor ajuste: Como se observa en la lista de errores
cuadrados ordenados, la distribución de mejor ajuste es la distribución Beta.
45
Conclusión: Se emplea una distribución Beta con alfa 0.658 y beta 0.824:
45 + 12 * BETA(0.658, 0.824)
46
Conclusión: Se emplea una distribución Beta con la siguiente forma
41 + 2 * BETA(0.684, 0.696)
47
Distribución de mejor ajuste: Comprobamos que la distribución Triangular
es la más apropiada al tener un menor sq error.
48
Distribución de mejor ajuste: Comprobamos que la distribución Triangular
es la más apropiada al tener un menor sq error.
49
Distribución de mejor ajuste: Comprobamos que la distribución Beta es la
más apropiada al tener un menor sq error.
50
7.4.20 Traslado de tina de soda a olla de zinc
51
Conclusión: Se emplea una distribución Uniforme con la siguiente forma
UNIF(10, 11)
52
Conclusión: Se emplea una distribución Triangular con la siguiente forma
53
Conclusión: Se emplea una distribución Beta con la siguiente forma
60 + 6 * BETA
(0.894,0.825)
1 Tiempo de llegada de pernos Encaje Aleatoria
Tiempo que toma colocar un 2 + LOGN
2 perno en el dispositivo Encaje Aleatoria (0.705,0.656)
Tiempo que toma colocar una 4 + 1* BETA
3 arandela en el perno Encaje Aleatoria (0.789,0.986)
Tiempo que tomar colocar una 4 + 1* BETA
4 tuerca en el perno Encaje Aleatoria (0.684,0.909)
Tiempo que toma inspeccionar de 5 + 2* BETA
5 acuerdo a las especificaciones Encaje Aleatoria (0.929,1.8)
Proporción de pernos que
6 cumplen los estándares Encaje Aleatoria 0.95
Tiempo que toma retirar una
7 arandela en el perno Encaje Aleatoria Empírica
Tiempo que toma retirar una 5 + 1.85 * BETA(1.91,
8 tuerca en el perno Encaje Aleatoria 2.11)
Tiempo de traslado a caja de 0.999 + 1 *
9 productos terminados Encaje Aleatoria BETA(1.91, 2.11)
Tiempo que toma anotar los 20 + 11 * BETA(1.33,
10 pernos procesados Encaje Aleatoria 1.04)
Tiempo de reinspección por daño
11 en perno Encaje Aleatoria UNIF(6, 7)
12 Tiempo de colocación de moldes Forjado Aleatoria 14 + 3 * BETA(0.7,
54
N Variables Proceso Tipo Distribución
1.03)
76 + 5 * BETA(1.18,
13 Tiempo de vertido en tinas Forjado Aleatoria 1.02)
1.53 + 1 * WEIB(1.32,
14 Tiempo de recubrimiento con zinc Forjado Aleatoria 1.44)
Empaqueta 44 + 13 * BETA(1.21,
15 Tiempo de empaque manual do Aleatoria 0.936)
55
La primera entidad a tomar en cuenta es el perno, de manera individual, el
cual es inspeccionado por el operario en el área de encaje, usando un perno
y una arandela de prueba. Este puede ser también un perno aprobado, o un
perno defectuoso.
La tercera entidad es el grupo formado por los pernos que requieren una
reinspección. Pernos que no poseen el diámetro, medidas o características
requeridas para cumplir los estándares, por lo que son separados y
agrupados en la caja de productos para reprocesar.
8.2. Recursos
Los recursos que se presentan son los siguientes:
56
Asimismo, la segunda variable a considerar es el número de pernos en cola
en el recubrimiento de zinc, en este los pernos no agrupados entran a las
ollas de zinc para ser recubiertos y evitar la excesiva oxidación.
57
9. Presunciones realizadas para definir el modelo
- La planta trabaja 24 horas al día
- Se divide en 3 turnos de trabajo de 8 horas cada uno
- Los operarios ingresan y salen a sus horas de trabajo programadas.
- El número de operarios varía según el turno.
- No hay abstenciones ni permisos temporales.
- En cada turno hay una hora de dedicada al descanso e incluye el refrigerio.
- Todos los pernos ingresan al área de encaje en condiciones ideales para su
inspección.
- Los operarios que trabajan en la operación de un forjado trabajan al mismo
ritmo.
- Cada máquina forjadora requiere de un tiempo de mantenimiento de 5
minutos cada 100 usos
- Cada hora, se cambia de tipo de cabeza que se produce
- Cada 200 usos, el operario deberá cambiar el agua de la tina de enjuague
con un tiempo de 1 minuto.
- No se consideran tiempos de fatiga, es decir la productividad es constante.
- Debido a su gran cantidad y reutilización asumimos que siempre hay
arandelas y tuercas disponibles para el encaje por lo que no se considera
como una entidad ni recurso.
- Las entidades son atendidas en FIFO
58
10. Modelo (en Software Arena)
59
V14 Cantidad de pernos tipo 2 en turno 3 por segundo
60
Al graficar V1 notamos que esta tiene una marcada tendencia al alza y que
no se estabiliza probablemente por lo que lo ignoraremos para el análisis. Por
otro lado, en la siguiente gráfica de V2 a V8 notamos que si tiende a
estabilizarse a partir de 270 000.
Para los distintos horarios del tipo 2 notamos que 270.000 es un buen
número de calentamiento.
61
Finalmente notamos que 270.000 también es un buen número para los tipo 3
62
■ Tiempo de cola V2 - Segunda corrida
63
■ Tiempo de cola V3 - Primera Corrida
64
■ Tiempo de cola V4 - Primera corrida
65
■ Tiempo de cola V5 - Primera Corrida
66
■ Tiempo de cola V6 - Primera Corrida
67
■ Tiempo de cola V6 - Segundo Corrida
68
■ Tiempo de cola V8 - Primera Corrida
69
■ Cantidad de pernos tipo 1 en turno 1 por segundo - Primera Corrida
70
■ Cantidad de pernos tipo 1 en turno 1 por segundo - Segunda Corrida
71
■ Cantidad de pernos tipo 1 en turno 2 por segundo - Segunda Corrida
72
■ Cantidad de pernos tipo 1 en turno 3 por segundo - Segunda corrida
73
■ Cantidad de pernos tipo 2 en turno 1 por segundo - Segunda corrida
74
■ Cantidad de pernos tipo 2 en turno 2 por segundo - Primera corrida
75
■ Cantidad de pernos tipo 2 en turno 3 por segundo - Primera corrida
76
■ Cantidad de pernos tipo 3 en turno 1 por segundo - Primera Corrida
77
■ Cantidad de pernos tipo 3 en turno 2 por segundo - Primera Corrida
78
■ Cantidad de pernos tipo 3 en turno 3 por segundo - Corrida Inicial
79
12.3. Cálculo de halfwidth deseado
Se ha realizado el cálculo de los h* teniendo como referencias valores del
2,5% de la media, el 5% y el 10%. Esto se nota en especial con las colas que
pueden requerir mayores tiempos para estabilizarse. Sin embargo la cantidad
de tiempo a simular estará con un tope de hasta 2690000 segundos (31,13
días aprox) debido al tiempo que puede llevar a correr el modelo completo.
Asumiendo que este tiempo cumple con el objetivo de obtener un halfwidth
deseable.
V2 10% de la media
V3 2,5% de la media
V4 10% de la media
V5 10% de la media
V6 10% de la media
V7 5% de la media
V8 5% de la media
V9 2.5% de la media
V12 5% de la media
80
12.4. Cálculos de análisis no terminal
Cálculo Inicial
V2 V3 V4 V5 V6 V7 V8 V9
LR 864000 864000 864000 864000 864000 864000 864000 864000
T (Gráfica) 270000 270000 270000 270000 270000 270000 270000 270000
PE 594000 594000 594000 594000 594000 594000 594000 594000
A1
(arbitrario) 1000 1000 1000 1000 1000 1000 1000 1000
K1 594 594 594 594 594 594 594 594
S1 0 0 0 0 0 0 0 0
Cálculo Inicial
V10 V11 V12 V13 V14 V15 V16 V17
LR 864000 864000 864000 864000 864000 864000 864000 864000
T (Gráfica) 270000 270000 270000 270000 270000 270000 270000 270000
PE 594000 594000 594000 594000 594000 594000 594000 594000
A1
(arbitrario) 1000 1000 1000 1000 1000 1000 1000 1000
K1 594 594 594 594 594 594 594 594
81
S1 0 0 0 0 0 0 0 0
A2
(Correlogra
ma) 24 111 190 31 121 116 21 110
K2 24 5 3 19 4 5 28 5
S2 18 39 24 5 110 14 6 44
h (IC) 0,000123 0,000519 0,00128 0,000164 0,000522 0,000395 0,000109 0,000459
Media* 0,00733 0,00425 0,00637 0,0071 0,00282 0,00603 0,00985 0,00349
h* 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00009
k2* 11 120 49 17 220 35 6 139
K1* 264 13320 9310 527 26620 4060 126 15.290,00
PE* 264000 13320000 9310000 527000 26620000 4060000 126000 15290000
LR* 534000 13590000 9580000 797000 26890000 4330000 396000 15560000
Días 6,18 157,29 110,88 9,22 311,23 50,12 4,58 180,09
RECÁLCULO
V2 V3 V4 V5 V6 V7 V8 V9
LR 2690000 2690000 2690000 2690000 2690000 2690000 2690000 2690000
T (Gráfica) 270000 270000 270000 270000 270000 270000 270000 270000
PE 2420000 2420000 2420000 2420000 2420000 2420000 2420000 2420000
A1
(arbitrario) 1000 1000 1000 1000 1000 1000 1000 1000
K1 2420 2420 2420 2420 2420 2420 2420 2420
S1 0 0 0 0 0 0 0 0
A2
(Correlogra
ma) 103 123 176 172 178 140 148 122
K2 23 19 63 14 13 17 16 19
S2 51 83 176 12 106 40 52 102
h (IC) 0,0274 0,673 226 371 5,48 1200 1670 0,000325
Media* 1,06 61,8 2520 3160 23,9 19400 14200 0,0066
h* 0,11 1,55 252,00 316,00 3,59 970,00 710,00 0,000165
RECÁLCULO
V10 V11 V12 V13 V14 V15 V16 V17
LR 2690000 2690000 2690000 2690000 2690000 2690000 2690000 2690000
T (Gráfica) 270000 270000 270000 270000 270000 270000 270000 270000
PE 2420000 2420000 2420000 2420000 2420000 2420000 2420000 2420000
82
A1
(arbitrario) 1000 1000 1000 1000 1000 1000 1000 1000
K1 2420 2420 2420 2420 2420 2420 2420 2420
S1 0 0 0 0 0 0 0 0
A2
(Correlogra
ma) 24 111 190 31 121 116 21 110
K2 100 21 12 78 20 20 115 22
S2 20 89 140 2 0 100 5 0
0,000037
h (IC) 0,000126 0,000385 0,000407 0,000103 0,000288 0,000218 6 0,000291
Media* 0,00538 0,00555 0,0054 0,00778 0,00387 0,00532 0,00916 0,00451
h* 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00011
83
13. Validación y verificación de resultado
Validación Tiempo promedio en cola de tiempo promedio en máquina de
forjado 1
Con una desviación estándar de 0.0634, por tanto el to es de 15904,7 mientras que
el t 1-alfa/2,n-1 es de 2.26, considerando 95% de confianza. Es así que el modelo
no es válido.
Con una desviación estándar de 1,4 por tanto el to es de 1164,1 mientras que el t 1-
alfa/2,n-1 es de 2.26, considerando 95% de confianza. Es así que el modelo no es
válido.
84
Asimismo, de acuerdo con el análisis en el Output Analyzer se tiene que el tiempo
promedio en cola es de 2520 segundos, y el tiempo promedio en cola real es de
884,5.
Con una desviación estándar de 898, por tanto el to es de 9,97 mientras que el t 1-
alfa/2,n-1 es de 2.26, considerando 95% de confianza. Es así que el modelo no es
válido.
Con una desviación estándar de 643, por tanto el to es de 20,62 mientras que el t 1-
alfa/2,n-1 es de 2.26, considerando 95% de confianza. Es así que el modelo no es
válido.
Con una desviación estándar de 9,07, por tanto el to es de 408,6 mientras que el t 1-
alfa/2,n-1 es de 2.26, considerando 95% de confianza. Es así que el modelo no es
válido.
85
Asimismo, de acuerdo con el análisis en el Output Analyzer se tiene que el tiempo
promedio en cola es de 19400 segundos, y el tiempo promedio en cola real es de
4,32.
Con una desviación estándar de 2340, por tanto el to es de 45,4 mientras que el t 1-
alfa/2,n-1 es de 2.26, considerando 95% de confianza. Es así que el modelo no es
válido.
Con una desviación estándar de 3130 por tanto el to es de 23,09 mientras que el t 1-
alfa/2,n-1 es de 2.26, considerando 95% de confianza. Es así que el modelo no es
válido.
Con una desviación estándar de 0,000675 por tanto el to es de 293,56 mientras que
el t 1-alfa/2,n-1 es de 2.26, considerando 95% de confianza. Es así que el modelo
no es válido.
86
Se procede a realizar el proceso de validación para el modelo lo cual es factible
porque se tiene 1 réplica debido a que se trata de un sistema no terminal, se tomaron
30 días, con una muestra por día. Se presentan las hipótesis la nula y alternativa,
donde la hipótesis nula es E(Y) = Ybreal y la alternativa es E(Y) <> Y real. Se
rechaza Ho si ItoI > t 1-alfa/2,n-1
Con una desviación estándar de 0,000633 por tanto el to es de 323,596 mientras que
el t 1-alfa/2,n-1 es de 2.26, considerando 95% de confianza. Es así que el modelo
no es válido.
Con una desviación estándar de 0,000846 por tanto el to es de 241,02 mientras que
el t 1-alfa/2,n-1 es de 2.26, considerando 95% de confianza. Es así que el modelo
no es válido.
Con una desviación estándar de 0,000641 por tanto el to es de 319,38 mientras que
el t 1-alfa/2,n-1 es de 2.26, considerando 95% de confianza. Es así que el modelo
no es válido.
87
Se procede a realizar el proceso de validación para el modelo lo cual es factible
porque se tiene 1 réplica debido a que se trata de un sistema no terminal, se tomaron
30 días, con una muestra por día. Se presentan las hipótesis la nula y alternativa,
donde la hipótesis nula es E(Y) = Ybreal y la alternativa es E(Y) <> Y real. Se
rechaza Ho si ItoI > t 1-alfa/2,n-1
Con una desviación estándar de 0,000456 por tanto el to es de 420,13 mientras que
el t 1-alfa/2,n-1 es de 2.26, considerando 95% de confianza. Es así que el modelo
no es válido.
Con una desviación estándar de 0,000615 por tanto el to es de 346,51 mientras que
el t 1-alfa/2,n-1 es de 2.26, considerando 95% de confianza. Es así que el modelo
no es válido.
Con una desviación estándar de 0,000467 por tanto el to es de 439,32 mientras que
el t 1-alfa/2,n-1 es de 2.26, considerando 95% de confianza. Es así que el modelo
no es válido.
88
Se procede a realizar el proceso de validación para el modelo lo cual es factible
porque se tiene 1 réplica debido a que se trata de un sistema no terminal, se tomaron
30 días, con una muestra por día. Se presentan las hipótesis la nula y alternativa,
donde la hipótesis nula es E(Y) = Ybreal y la alternativa es E(Y) <> Y real. Se
rechaza Ho si ItoI > t 1-alfa/2,n-1
Con una desviación estándar de 0,000203 por tanto el to es de 907,05 mientras que
el t 1-alfa/2,n-1 es de 2.26, considerando 95% de confianza. Es así que el modelo
no es válido.
Con una desviación estándar de 0,00037 por tanto el to es de 568,27 mientras que el
t 1-alfa/2,n-1 es de 2.26, considerando 95% de confianza. Es así que el modelo no
es válido.
89
Objetivos
● El precio de venta de las cajas de pernos de 10 unidades será de S/.1, sin importar el
tipo de cabeza. Nos basamos en este precio tomando como referencia precios
similares en lugares como Sodimac, Maestro o Promart. Eso significa que cada
perno tiene un valor unitario de S/.0.1.
● Todos los operarios reciben la misma paga, sin importar su posición. Esta es una
paga mensual equivalente a un sueldo mínimo , el cual es actualmente S/.1025
mensuales. Teniendo en cuenta que el caso hipotético de que los operarios trabajen
todos los días por 8 horas, esto nos da un sueldo diario de S/. 34.167.
● En el caso de los costos fijos mensuales, hemos tomado estos como S/.9000
mensuales en costos fijos, que se van en pago de arriendos, servicios,
mantenimiento de la maquinaria, etc. Esto nos da un costo fijo de producción de
S/.300 por un día de producción.
● Al mismo tiempo, cada producto por reprocesar tiene un costo adicional de S/.0.04,
por el costo de reproceso.
90
Al mismo tiempo, para calcular el número de réplicas necesarias, tomamos el que para cada
control, en este caso, para cada tipo de operario. Siguiendo las pautas indicadas, tenemos
un máximo de 3 operarios en 2 áreas, mientras que en las otras 3 un máximo de 4 , por lo
que nos da un total de 576 simulaciones que debemos llevar a cabo.
Corriendo las 576 simulaciones en el Opt Quest, tenemos el siguiente resultado:
91
Teniendo como mejor simulación la simulación 42, con el valor el de 14025.644
15. Conclusiones
Después de haber terminado el análisis del informe, se pudo llegar a las siguientes
conclusiones que se presentarán:
● Se concluyó que era mejor optar por un modelo no terminal, ya que el proceso de
simulación no tiene una cierta condición para finalizar, más allá del tiempo. Para que
el modelo sea terminal, hubiera sido necesario incluir una cantidad a completar en
cada tamaño de pedido, información que no poseíamos.
● Se concluye también que, dado que no se uso el valor de LR* mayor como la teoría
indica, el cual era equivalente a 26970000 segundos, o 312 días, el modelo
arrastrara cierto error en los resultados. La razón por la que no se pudo usar este
valor, es por limitaciones de software. Sin embargo, hemos buscado reducir ese
error, usando el siguiente número más grande que podamos correr.
● Dado que el modelo es no terminal, el análisis del Op Quest solo debió correr 1
réplica por 576 simulaciones. Se concluye que, este valor máximo de S/.14025.644
es el valor de la utilidad máxima posible con las restricciones y controles que
tomamos como supuestos , para el periodo de tiempo de 30 días que duraba nuestra
simulación.
92
presunciones y agregando poco valor a insights que se puedan obtener de la
aplicación de la simulación.
16. Recomendaciones
Después de haber culminado la presentación de este trabajo, junto con los
problemas observados en el modelo y nuestra lógica, hemos analizado para poder
llegar a las siguientes recomendaciones, que podrían ayudarnos a mejorar a
presentar resultados más certeros.
● Se recomienda realizar una toma de datos más precisa para mejorar los resultados
de los valores, así como de los tiempos de cola, lo que permitirá una mayor cercanía
del modelo con la realidad. Una posible forma de poder eliminar el error aleatorio, es
realizando diferentes tomas de datos en diferentes días de la semana.
93
17. Anexos
Anexo 1.-Cronometrajes
94
Anexo 2.- Toma de datos de cola 1: Encaje de pernos
95
62,9 1082,2 328,3781666 5382,3 5710,6 4300,1
63,5 1145,7 330,3181046 5710,6 6041,0 4565,0
60,1 1205,8 323,5448289 6041,0 6364,5 4835,2
61,9 1267,7 341,3995126 6364,5 6705,9 5096,8
63,6 1331,3 333,7661549 6705,9 7039,7 5374,6
61,0 1392,3 337,9738203 7039,7 7377,6 5647,3
65,4 1457,8 337,2643188 7377,6 7714,9 5919,9
61,0 1518,8 337,3315011 7714,9 8052,2 6196,1
64,1 1582,9 332,7140545 8052,2 8384,9 6469,4
60,1 1643,0 333,8010753 8384,9 8718,7 6742,0
60,3 1703,3 335,3613067 8718,7 9054,1 7015,5
64,4 1767,7 338,30246 9054,1 9392,4 7286,4
61,2 1828,9 331,1231575 9392,4 9723,5 7563,5
66,0 1894,9 339,5524653 9723,5 10063,1 7828,6
96
77,8 1573,6 154,1 1573,6 1727,7 0,0
76,5 1650,1 155,4 2363,7 2519,1 713,6
79,2 1729,3 154,1 2363,7 2517,8 634,4
80,2 1809,5 154,8 2363,7 2518,5 554,2
80,6 1890,0 155,9 2363,7 2519,6 473,6
79,9 1970,0 153,6 2363,7 2517,2 393,7
76,5 2046,5 154,3 2363,7 2518,0 317,2
80,3 2126,8 153,1 2363,7 2516,8 236,9
79,1 2205,9 154,4 2363,7 2518,1 157,8
77,5 2283,5 155,2 2363,7 2518,9 80,2
80,2 2363,7 153,8 2363,7 2517,5 0,0
97
62,4 778,3 15,55 778,3 793,87 0,0
42,4 820,7 16,60 820,7 837,33 0,0
34,1 854,8 16,09 854,8 870,92 0,0
38,7 893,6 16,14 893,6 909,69 0,0
49,4 942,9 15,41 942,9 958,34 0,0
35,1 978,0 15,74 978,0 993,72 0,0
37,9 1015,9 14,75 1015,9 1030,60 0,0
27,8 1043,7 15,06 1043,7 1058,75 0,0
40,0 1083,7 16,04 1083,7 1099,72 0,0
39,1 1122,8 14,32 1122,8 1137,10 0,0
Cola 4: Tiempo de empaque manual
Tiempos Servicio Cola
Tiempo entre Instante de Tiempo de Tiempo de
llegadas llegada servicio Comienza Termina cola
153.6 153.6 45 1538.7 1583.7 1385.1
152.7 306.3 46.0 1538.7 1584.7 1232.4
153.0 459.3 45.4 1538.7 1584.1 1079.4
154.7 614.0 44.8 1538.7 1583.5 924.7
155.0 769.0 45.3 1538.7 1584.0 769.7
153.5 922.5 45.5 1538.7 1584.2 616.2
154.5 1077.0 45.9 1538.7 1584.6 461.7
154.4 1231.4 46.7 1538.7 1585.4 307.4
154.2 1385.6 47.2 1538.7 1585.9 153.2
153.2 1538.7 46.3 1538.7 1585.0 0.0
153.7 1692.5 47.7 3082.4 3130.1 1389.9
154.1 1846.6 45.8 3082.4 3128.2 1235.8
153.4 2000.0 46.3 3082.4 3128.7 1082.4
155.5 2155.5 46.4 3082.4 3128.8 926.9
153.7 2309.2 46.9 3082.4 3129.3 773.2
155.3 2464.5 46.0 3082.4 3128.4 617.9
154.1 2618.7 46.9 3082.4 3129.3 463.7
154.1 2772.8 47.2 3082.4 3129.6 309.6
155.5 2928.3 47.2 3082.4 3129.6 154.1
154.1 3082.4 46.2 3082.4 3128.6 0.0
155.4 3237.8 47.5 4627.0 4674.5 1389.1
154.1 3392.0 47.6 4627.0 4674.6 1235.0
98
154.8 3546.8 47.1 4627.0 4674.1 1080.2
155.9 3702.6 47.4 4627.0 4674.4 924.3
153.6 3856.2 47.1 4627.0 4674.1 770.8
154.3 4010.5 47.1 4627.0 4674.1 616.5
153.1 4163.6 47.7 4627.0 4674.6 463.4
154.4 4318.0 47.8 4627.0 4674.8 309.0
155.2 4473.1 47.5 4627.0 4674.4 153.8
153.8 4627.0 47.1 4627.0 4674.1 0.0
99