Avance Final - Grupo 3

PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ
FACULTAD CIENCIAS E INGENIERÍA

SECCIÓN INGENIERÍA INDUSTRIAL
SIMULACIÓN DE SISTEMAS
TRABAJO ACADÉMICO
“Encaje manual y forjado de pernos en Estructuras y Anclajes
S.A.C”
HORARIO: 0831
DOCENTE: Carbajal López, Eduardo
INTEGRANTES:
CÓDIGO APELLIDOS Y NOMBRES % PARTICIPACIÓN
20171540 VILLA SEGURA, FERNANDO FRANKO 100%
20180638 COTRINA ATENCIA, RODRIGO MANUEL 100%
20182700 CANCHO VALENCIA, FIORELLA RUTH 100%
20191997 RENGIFO LEGUA, SEBASTIAN 100%
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.
En el presente trabajo buscaremos usar las herramientas de simulación en las áreas

de anclaje y forjado del sistema de producción de pernos mediante el software
Arena. Iniciaremos describiendo el proceso productivo general y describiendo en
detalle los procesos a simular. Posteriormente, analizaremos los datos de entrada
para hallar las distribuciones de probabilidad de las variables aleatorias. Seguido,
mostraremos el modelo elaborado y validaremos sus resultados. Finalmente,
presentaremos alternativas de mejora para las áreas y conclusiones de la
investigación.
2
2. Índice de contenido
1. Resumen ejecutivo 2
2. Índice de contenido 3
3. Objetivos del trabajo 5

3.1. Objetivo General 5
3.2. Objetivos específicos 5
4. Descripción del sistema que se va a simular 5

4.1. Descripción del proceso general 5
4.2. Descripción de procesos a simular 6
5. Procedimiento para la recolección de datos. 8

5.1. Obtención de datos 8
5.2. Layout de la planta 8
6. Datos para realizar la simulación 10
7. Análisis de los datos 11

7.1. Determinación del tamaño de población 11
7.2. Tamaño de muestras para las variables aleatorias 11
7.3. Tabla resumen de tamaños de muestra 28
7.4. Pruebas de bondad de ajuste y determinación de distribuciones de
probabilidad 29
7.5. Tabla resumen de determinación de distribuciones de probabilidad 58
8. Identificación de elementos de simulación de eventos discretos 59

8.1. Entidades 59
8.2. Recursos 60
8.3. Variables de estado 60
8.4. Atributos del sistema 61
9. Presunciones realizadas para definir el modelo 61
10. Modelo (en Software Arena) 62
11. Animación (en Software Arena) 62
12. Análisis de sistema no terminal 62

12.1. Determinar etapa de calentamiento inicial 62
12.2. Screenshots de Output Analyzer 66
12.3. Cálculo de halfwidth deseado 82
12.4. Cálculos de análisis no terminal 83
13. Validación y verificación de resultado 84
14. Planteamiento de alternativas de mejora 85
15. Conclusiones 86
16. Recomendaciones 86
3
17. Anexos 86
3. Objetivos del trabajo

3.1. Objetivo General
Nuestro principal objetivo es aplicar los conocimientos del curso de
simulación en el modelamiento en los procesos de encaje y forjado en la
fabricación de pernos de anclaje en “Estructuras y Anclajes S.A.C.” Esto con
el objetivo de poder formular propuestas de mejora en el sistema a partir de la
simulación que permitan que se llegue a los valores meta de la compañía.
3.2. Objetivos específicos

● Identificar principales variables del proceso y clasificarlas según su
variabilidad
● Analizar las variables aleatorias con el fin de hallar sus distribuciones
de probabilidad asociadas mediante el uso del software Input
Analyzer.
● Diseñar un modelo de simulación de eventos discretos en el software
Arena que represente el sistema a mejorar aplicando los
conocimientos del curso.
● Analizar los resultados obtenidos en la simulación y contrastarlos con
el sistema real.
● Implementar propuestas de mejora en el sistema simulado y medir su
impacto a la hora de llegar a los valores metas.
4. Descripción del sistema que se va a simular

4.1. Descripción del proceso general
En primer lugar, analizaremos el proceso completo de fabricación de pernos
en diferentes medidas y calidades a pedido, por parte de la empresa
“Estructuras y Anclajes S.A.C.”. El proceso inicia con la llegada de la materia
prima a la empresa, que en este caso son láminas de acero, la cual es
revisada para verificar su calidad y almacenada. Una vez lista, el proceso
continúa en el área de corte, donde se usa una máquina cizalladora para
cortar la lámina. Terminado el corte, se lleva al área de roscado, donde,
haciendo uso de una máquina roscadora, se trabaja la materia prima.
Terminado esto, se lleva al área de preparación, donde se realiza un
biselado, y un posterior achaflanado, con el fin de darle la forma
deseada.Como paso siguiente, se lleva al área de preparación, donde se
analiza la calidad del perno, y si el perno cumple con los estándares
requeridos, se pasa a la siguiente área, que es el área de forjado. Acá, se
realiza el calentado y galvanizado, además de un recubrimiento de zinc.
Terminado esto, se empaca el producto, y se envía al almacén.
4
Figura 1 : Flujograma del proceso de fabricación de pernos en “Estructuras y
Anclajes S.A.C.”
4.2. Descripción de procesos a simular

A Continuación, detallaremos los procesos de las áreas de encaje, forjado y
empaquetado, los cuales son parte de la fabricación y producción de pernos a
nivel industrial. Cuando el perno llega al área de encaje, se inicia colocando
el perno en el dispositivo de soporte que es usado para mantener el perno en
el aire y liberando las manos del operario. Una vez que ambas manos del
operario están libres, busca con una mano la arandela y con las otras la
tuerca, y las inserta en el perno. El objetivo de esto es poder cerciorarse que
el perno cumpla con las dimensiones correspondientes requeridas. Para esto,
el operario inspecciona visualmente si es que la tuerca y la arandela encajan
de manera exacta en el perno. Al mismo tiempo, el operario inspecciona de
manera visual, si es que el perno tiene algún tipo de imperfección o daño en
la superficie, que podría afectar su rendimiento. Una vez que ha sido
realizada la prueba, el operario retira la tuerca y la arandela, para proceder a
retirar el perno del dispositivo, y colocarlo en la caja de productos terminados.
En el caso de que el perno no haya cumplido con los estándares de calidad,

el operario realiza una reinspección a este, y procede a dejarlo en la caja de
productos por reprocesar. Una vez terminado el lote de 10 productos, el
operario anota los pernos procesados, anotan una “C” en caso el perno sea
válido, y una “N” en caso no sea válido.
Terminado el proceso en el área de encaje, se trasladan los pernos que

pasaron la prueba de encaje, es decir, los pernos terminados, al área de
forjado. En esta, se hace uso de una de las 2 máquinas forjadoras que posee
la empresa, que se encargará de darle la forma hexagonal, circular o
cuadrada a la cabeza del perno, previamente solicitada por el cliente. Para
esto, el operario se dirige a una mesa que contiene ladrillos retractables
donde, después de abrir las dos llaves, los pernos se calentarán al rojo vivo,
para después colocarlos en la maquina forjadora, la cual será utilizada por
otro operario, encargado de colocar un molde con las dimensiones de la
cabeza del perno. Para terminar con la operación, el operario jala la palanca y
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.
Figura 2 : Diagrama de flujo de las áreas de encajado, forjado y empaquetado
5. Procedimiento para la recolección de datos.

5.1. Obtención de datos
Para la obtención de datos se ha utilizado Estudio de tiempos;
específicamente se hizo uso del método de observaciones con un cronómetro
de alta precisión, el cual se refiere a registros tomados que no requieren
participación. Estos registros se realizan a los participantes (operarios) en
conductas rutinarias y es un excelente indicador de las acciones a evaluar.
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.
Para poder determinar los datos de las variables se hizo uso de un

cronómetro, lápiz y hoja de papel. La persona encargada de estas
observaciones se puso a una distancia prudente del operario y el proceso en
cuestión, teniendo cuidado en no incomodar ni afectar su campo visual.
Primero se determinó de qué manera era el proceso a seguir y después se
procedió a contabilizar cuidadosamente el mismo por un lapso de 30 minutos.
Cabe recalcar que estos pasos fueron similares para todos los procesos
evaluados.
Se presenta en el anexo, el excel con la toma de tiempos realizada para las
operaciones indicadas.
Es útil aclarar que para el proyecto sí se ha tomado en consideración los
tiempos de traslado. Estos son bastantes relevantes en el modelo de
simulación ya que dependiendo del tiempo que tomen los traslados y la
frecuencia de los mismos puede verse alterado los resultados finales.
5.2. Layout de la planta

A continuación se muestra el layout de la planta y el espacio - alcance del
presente informe marcado de rojo.
Figura 4: Layout de la planta de “Estructuras y Anclajes S.A.C.”
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
N Variables Proceso Tipo

1 Tiempo de llegada de pernos Encaje Aleatoria
Tiempo que toma colocar un perno en el
2 dispositivo Encaje Aleatoria
Tiempo que toma colocar una arandela en el
3 perno Encaje Aleatoria
Tiempo que tomar colocar una tuerca en el
Tiempo que toma inspeccionar de acuerdo a las
5 especificaciones Encaje Aleatoria
Proporción de pernos que cumplen los
6 estándares Encaje Aleatoria
Tiempo que toma retirar una arandela en el
8 Tiempo que toma retirar una tuerca en el perno Encaje Aleatoria
Tiempo de traslado a caja de productos
9 terminados Encaje Aleatoria
10 Tiempo que toma anotar los pernos procesados Encaje Aleatoria
11 Tiempo de reinspección por daño en perno Encaje Aleatoria
12 Tiempo de colocación de moldes Forjado Aleatoria
13 Tiempo de vertido en tinas Forjado Aleatoria
14 Tiempo de recubrimiento con zinc Forjado Aleatoria
15 Tiempo de empaque manual Empaquetado Aleatoria
8
16 Traslado de encaje a forjadora Traslado Aleatoria
17 Traslado de forjadora a galvanizadora Traslado Aleatoria
18 Traslado de galvanizadora a tina de enjuague Traslado Aleatoria
19 Traslado de tina de enjuague a tina de soda Traslado Aleatoria
20 Traslado de tina de soda a olla de zinc Traslado Aleatoria
21 Traslado de olla de zinc a área de empaque Traslado Aleatoria
22 Traslado de área de empaque a almacén final Traslado Aleatoria
N Variables Proceso Tipo

1 Velocidad de forjadora 1 Forjado Determinística
2 Velocidad de forjadora 2 Forjado Determinística
3 Velocidad de galvanizadora 1 Forjado Determinística
4 Velocidad de galvanizadora 2 Forjado Determinística
En las variables descritas anteriormente, las velocidades de las forjadoras y de las

galvanizadoras siguen un tipo de simulación determinística debido a que se tiene
certeza de los parámetros, es decir los resultados de los valores a evaluar son
conocido y predecibles, por lo que no conlleva al análisis respectivo como se hace
para las variable aleatorias. En otras palabras no se contempla el azar ni la
incertidumbre debido a que son máquinas de rendimiento constante y proceso
invariable.
7. Análisis de los datos

7.1. Determinación del tamaño de población
Para poder determinar el tamaño de la población de la variable de tiempo que
toma la inspección de acuerdo a las especificaciones se ha tomado en cuenta
el simular todo un día de trabajo.
En 30 minutos se tiene un promedio de 77 pernos, por lo que en 1 día de
trabajo se tendría una población (N) de 3696 pernos, este será el valor a
considerar para calcular el tamaño de muestra.
7.2. Tamaño de muestras para las variables aleatorias

7.2.1 Tiempo de llegada de pernos
Para calcular el tamaño de muestra para la variable tiempo de llegada de

pernos 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:
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°:
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 cantidad es menor a 30 se
tomaron 30 muestras para que los resultados sean confiables
7.2.2 Tiempo que toma colocar un perno en el dispositivo


10
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
7.2.3 Tiempo que toma colocar una arandela en el perno



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
7.2.4 Tiempo que tomar colocar una tuerca en el perno



tomaron 30 muestras para que los resultados sean confiables.
7.2.5 Tiempo que toma inspeccionar de acuerdo a las especificaciones

12

tomaron 30 muestras para que los resultados sean confiables.
7.2.6 Proporción de pernos que cumplen los estándares
Para calcular el tamaño de muestra para la proporción de pernos que

cumplen los estándares de diámetro y correspondencia con la arandela y la
tuerca de acuerdo a las especificaciones del lote a realizar, se tomó una
muestra aleatoria de 30 pernos entre los que se calculó la proporción de
pernos que cumplen los estándares:
p=0.94
Posteriormente se calculó “n0” con la fórmula:
Seguidamente se tiene el cuadro resumen con otros datos importantes como

el nivel de significancia que se plantea como 95% que corresponde a un z de
1.96, así como el error de 0.04
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.
7.2.7 Tiempo que toma retirar una arandela del 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:

media y el error poblacional de 0.04 resultando 0.23.

en un valor de n° corregido de 37, se tomó esta cantidad de muestras y se
llevó al input analyzer para realizar las posteriores pruebas de bondad de
ajuste.
14
7.2.8 Tiempo que toma retirar una tuerca en el perno


en un valor de n° corregido de 12, 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.
7.2.9 Tiempo de traslado a caja de productos terminados
15

en un valor de n° corregido de 93 y se llevó al input analyzer para realizar las
posteriores pruebas de bondad de ajuste.
7.2.10 Tiempo que toma anotar los pernos procesados
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
en un valor de n° corregido de 31 y se llevó al input analyzer para realizar las
posteriores pruebas de bondad de ajuste.
7.2.11 Tiempo de reinspección por daño en perno
Para calcular el tamaño de muestra para la variable tiempo que toma

inspeccionar los pernos procesados por lo que de los 30 registros se calculó
nivel de significancia (95%), que le corresponde el valor de z en 1.96.
Tomando en cuenta que se anota cada 5 tuercas el tamaño del N también
sufre cambios. El resumen se muestra a continuación:


en un valor de n° corregido de 5 , por tanto se llevaron 30 muestras al input
analyzer para garantizar la confiabilidad de los resultados.
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


en un valor de n° corregido de 9 , por tanto se llevaron 30 muestras al input
analyzer para garantizar la confiabilidad de los resultados.
7.2.13 Tiempo de vertido en tinas
Para calcular el tamaño de muestra para la variable tiempo que toma el

vertido en tinas 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.
18

en un valor de n° corregido de 57 , por tanto se llevó esta cantidad de
muestras al input analyzer.
7.2.14 Tiempo de recubrimiento con zinc
Para calcular el tamaño de muestra para la variable tiempo de recubrimiento

con zinc se tomó una muestra aleatoria de 30 pernos entre los que se calculó
la media, 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:

19
7.2.15 Tiempo de empaque manual
Para calcular el tamaño de muestra para la variable tiempo de empaque

manual se tomó una muestra aleatoria de 30 pernos entre los que se calculó

20
7.2.16 Traslado de encaje a forjadora
Para calcular el tamaño de muestra para la variable traslado de encaje a

forjadora se tomó una muestra aleatoria de 30 pernos entre los que se calculó

media y el error poblacional de 0.04 resultando 1,69

7.2.17 Traslado de forjadora a galvanizadora
Para calcular el tamaño de muestra para la variable traslado de forjadora a

galvanizadora se tomó una muestra aleatoria de 30 pernos entre los que se
calculó la media, 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:
21

7.2.18 Traslado de galvanizadora a tina de enjuague
Para calcular el tamaño de muestra para la variable traslado de galvanizadora

a tina de enjuague se tomó una muestra aleatoria de 30 pernos entre los que
se calculó la media, así como se especificaron los datos de error (0.04) y

22
7.2.19 Traslado de tina de enjuague a tina de soda
Para calcular el tamaño de muestra para la variable traslado de tina de

enjuague a tina de soda se tomó una muestra aleatoria de 30 pernos entre
los que se calculó la media, así como se especificaron los datos de error


23
7.2.20 Traslado de tina de soda a olla de zinc
Para calcular el tamaño de muestra para la variable traslado de tina de soda

a olla de zinc se tomó una muestra aleatoria de 30 pernos entre los que se
calculó la media, 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:


7.2.21 Traslado de olla de zinc a área de empaque
Para calcular el tamaño de muestra para la variable traslado de olla de zinc a

área de empaque se tomó una muestra aleatoria de 30 pernos entre los que
se calculó la media, así como se especificaron los datos de error (0.04) y
24

7.2.22 Traslado de área de empaque a almacén final
Para calcular el tamaño de muestra para la variable traslado de área de

empaque a almacén final se tomó una muestra aleatoria de 30 pernos entre
los que se calculó la media, así como se especificaron los datos de error

25
7.3. Tabla resumen de tamaños de muestra
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
Traslado de encaje a Traslado Aleatoria 1 30

16 forjadora
17 Traslado de forjadora a Traslado Aleatoria 1 30

galvanizadora
18 Traslado de Traslado Aleatoria 1 30

galvanizadora a tina de
enjuague
19 Traslado de tina de Traslado Aleatoria 3 30

enjuague a tina de soda
20 Traslado de tina de soda Traslado Aleatoria 4 30

a olla de zinc
21 Traslado de olla de zinc Traslado Aleatoria 6 30

a área de empaque
22 Traslado de área de Traslado Aleatoria 2 30

empaque a almacén
final
7.4. Pruebas de bondad de ajuste y determinación de

distribuciones de probabilidad
7.4.1 Tiempo de llegada de pernos
Aplicabilidad de las pruebas:La variable de análisis es continua y se toman

30 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.
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.
Conclusión: Se emplea una distribución Triangular con los siguientes

parámetros:
TRIA(60.3, 65.2, 66.7)
7.4.2 Tiempo que toma colocar un perno en el dispositivo
Aplicabilidad de las pruebas: La variable de análisis es continua y se toman

84 datos, por lo tanto solo es aplicable KSS

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)
7.4.3 Tiempo que toma colocar una arandela en el perno
Aplicabilidad de las pruebas:La variable de análisis es continua y se toman



cuadrados ordenados, la distribución de mejor ajuste es la distribución Erlang
31
Conclusión: Se emplea una distribución Erlang:
4.04 + ERLA(0.136, 3)
7.4.4 Tiempo que tomar colocar una tuerca en el perno
Aplicabilidad de las pruebas: La variable de análisis es continua y se tienen

30 tomas, por lo tanto solo es aplicable la prueba KSS.

32
cuadrados ordenados, la distribución de mejor ajuste es la distribución Beta.
4 + 1 * BETA(0.666, 0.898)
7.4.5 Tiempo que toma inspeccionar de acuerdo a las especificaciones

30 tomas, por lo tanto solo es aplicable la prueba KSS.

33
cuadrados ordenados, la distribución de mejor ajuste es la distribución Erlang.
Conclusión: Se emplea una distribución Erlang:
5 + ERLA(0.354, 2)
34
7.4.6 Proporción de pernos que cumplen los estándares
En este caso, se tomó esta cantidad de muestras (145) para calcular

la proporción resultante P, la cual tiene un valor de 0.84
7.4.7 Tiempo que toma retirar una arandela en el perno
En este caso se analizará a partir de 3 puntos importantes

Análisis de las pruebas: El p-value de ambas pruebas es menor a 0.05, por

lo tanto se rechaza la hipótesis nula y se realizará una distribución empírica a
partir de la muestra.

cuadrados ordenados, la distribución de mejor ajuste es la distribución
Lognormal, sin embargo al ser el p-value menor a 0.05, se rechaza la
hipótesis nula y se realiza una distribución empírica a partir de la muestra.
35
Conclusión: Se emplea una distribución empírica.
7.4.8 Tiempo que toma retirar una tuerca del perno

12 datos (se toman 30), por lo tanto solo es aplicable la prueba KSS.

36
cuadrados ordenados, la distribución de mejor ajuste es la distribución
Lognormal.
Conclusión: Se emplea una distribución Lognormal:
5.17 + LOGN(0.967, 0.617)
7.4.9 Tiempo de traslado a caja de productos terminados


tanto los datos no se rechaza la hipótesis nula.
37
cuadrados ordenados, la distribución de mejor ajuste es la distribución Beta
Conclusión: Se emplea una distribución Beta con alfa 1.01 y

beta 0.825:
0.999 + 1 * BETA(1.01, 0.825)
38
7.4.10 Tiempo que toma anotar los pernos procesados


Distribución de mejor ajuste: Comprobamos que la distribución beta es la

más apropiada al tener un menor sq error.
7.4.11 Tiempo de reinspección por daño en perno

39
Distribución de mejor ajuste: Comprobamos que la distribución normal es la
Conclusión: Se emplea una distribución triangular:
TRIA(6, 6.71, 6.94)
7.4.12 Tiempo de colocación de moldes

40
14 + 3 * BETA(1.15, 0.924)
7.4.13 Tiempo de vertido en tinas
41

Conclusión: Se emplea una distribución Beta con la siguiente forma
76 + 5 * BETA(0.771, 0.701)
42
7.4.14 Tiempo de recubrimiento con zinc
Aplicabilidad de las pruebas: La variable de análisis es continua y se tiene

1 dato (se toman 30), por lo tanto solo es aplicable la prueba KSS.

43
Conclusión: Se emplea una distribución Beta:
153 + 3 * BETA(0.806, 0.928)
7.4.15 Tiempo de empaque manual


44
45
45 + 12 * BETA(0.658, 0.824)
7.4.16 Traslado de encaje a forjadora

Distribución de mejor ajuste: Comprobamos que la distribución Beta es la

46
41 + 2 * BETA(0.684, 0.696)
7.4.17 Traslado de forjadora a galvanizadora

47
Distribución de mejor ajuste: Comprobamos que la distribución Triangular
es la más apropiada al tener un menor sq error.
Conclusión: Se emplea una distribución Triangular con la siguiente forma
TRIA (24.4, 25.5, 26.7)
7.4.18 Traslado de galvanizadora a tina de enjuague

48
TRIA(29.1, 29.7, 31)
7.4.19 Traslado de tina de enjuague a tina de soda

49
10 + 1.27 * BETA(1.36, 1.66)
50
7.4.20 Traslado de tina de soda a olla de zinc

Distribución de mejor ajuste: Comprobamos que la distribución Uniforme es

la más apropiada al tener un menor sq error.
51
Conclusión: Se emplea una distribución Uniforme con la siguiente forma
UNIF(10, 11)
7.4.21 Traslado de olla de zinc a área de empaque


52
TRIA(10.2, 10.9, 11.9)
7.4.22 Traslado de área de empaque a almacén final


53
19 + 2* BETA (0.922, 1.28)
7.5. Tabla resumen de determinación de distribuciones de

probabilidad
Variables de entrada
N Variables Proceso Tipo Distribución
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
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)
Traslado de encaje a forjadora Traslado Aleatoria 41 + 2 * BETA(0.684,

0.696)
16
17 Traslado de forjadora a Traslado Aleatoria TRIA (24.4, 25.5,

galvanizadora 26.7)
18 Traslado de galvanizadora a tina Traslado Aleatoria

TRIA(29.1, 29.7, 31)
de enjuague
19 Traslado de tina de enjuague a Traslado Aleatoria 10 + 1.27 *

tina de soda BETA(1.36, 1.66)
20 Traslado de tina de soda a olla Traslado Aleatoria

UNIF(10, 11)
de zinc
21 Traslado de olla de zinc a área Traslado Aleatoria

TRIA(10.2, 10.9, 11.9)
de empaque
22 Traslado de área de empaque a Traslado Aleatoria 19 + 2* BETA (0.922,

almacén final 1.28)

1 Velocidad de forjadora 1 Forjado Determinística -
2 Velocidad de forjadora 2 Forjado Determinística -
3 Velocidad de galvanizadora 1 Forjado Determinística 160
4 Velocidad de galvanizadora 2 Forjado Determinística 150
8. Identificación de elementos de simulación de

eventos discretos
8.1. Entidades
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 segunda entidad a tomar es el grupo de pernos aprobados, formado por

10 pernos que pasaron la inspección de manera efectiva. Estos se agrupan
de a 10 para poder ser llevados a la siguiente área, el área de forjado
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:
● Operario 1: Persona encargada de la operación de encaje.

● Operario 2: Dos personas encargadas de la operación de forjado, la
cuál incluye el manejo de las máquinas forjadoras.
● Operario 3: Persona encargada del área de Galvanizado.
● Operario 4: Persona encargada del empaque del producto.
● Máquina forjadora 1: Máquina forjadora que posee mayhor eficiencia
respecto de la otra máquina forjadora.
● Máquina forjadora 2: Esta máquina tiene una menor eficiencia de
producción que la primera máquina por tanto se destinan menos
unidades que en la primera
● Dispositivo de soporte, usado por los operarios respectivos para la
colocación de los pernos al momento del encaje.
● Caja de productos por reprocesar; es decir los productos que no
pasan la inspección requerida luego del encaje.
● Moldes
● Tina de enjuague; la cual es de solamente agua.
● Tina de soda.
● Olla de zinc, la cual se usa para recubrir los pernos y que estos no se
oxiden y adquieran una mejor presentación.
8.3. Variables de estado

.
La primera variable de estado a considerar es, si en un instante preciso, hay
algún número de pernos en la cola del área de encaje, esperando pasar por
el proceso de inspección. Esto se debe a que los pernos llegan en lotes de
10, mientras que el operario inspecciona estos de manera individual. De no
hacerlo al ritmo adecuado, estos se pueden amontonar, generando una cola
para los pernos. (Cantidad de entidades)
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.
La tercera variable es el número de pernos en cola en la colocación de los

moldes, en esta los pernos agrupados de 10 en 10 esperan ser colocados en
moldes para luego ser calentados y forjados.
Por otro lado, una variable adicional a considerar es el número de pernos en

cola en el empaquetado, aquí los pernos agrupados de 10 en 10 de acuerdo
al tipo de cabeza son embolsados en un proceso netamente manual que
genera una cola.
Otra variable de estado a considerar es el estado de trabajo del operario.

Este puede llegar a tener los siguientes valores: “Ocupado”, que es cuando el
operario está atendiendo una entidad en uno de los múltiples procesos con
los que se cuenta; “Desocupado”, que es cuando este está disponible en su
estación de servicio disponible para atender una entidad, y “Fuera de
servicio”, que indica si en algún instante del proceso, este se encuentra fuera
de su área de trabajo, ya que se encuentra en su periodo de descanso. Y es
que dentro de las 8 horas de turno de cada operario se les ha brindado una
hora libre, para poder descansar y recuperarse físicamente del proceso.
Algo que también debemos considerar es el estado de la máquina, la cual

tendrá los siguientes estados: “Ocupado”, que es cuando la máquina está
atendiendo una entidad; “Desocupada”, que es cuando esta máquina está
disponible para atender una entidad, y “Mantenimiento”, pues como
indicamos, cada 50 usos se le brinda un mantenimiento a la maquina
forjadora, para verificar que esta esté operando de manera idónea.
8.4. Atributos del sistema

“Tipo de cabeza”: El primer atributo del sistema, será el tipo de cabeza que se
le hará al perno en el área de forjado, dependiendo de los requerimientos de
la orden que se le hizo a la empresa. Actualmente, la empresa posee 3 tipos
de cabeza para los pernos: Hexagonal, cuadrada y circular.
“Dañado”: El segundo atributo en el sistema será uno que pueda identificar si

el perno, a la hora de pasar el proceso de inspección, está dañado o no. En
caso de que el perno pase por todas las pruebas realizadas por el operario,
se entiende que este “no esta dañado” y se pasa al siguiente proceso,
mientras que, si el operario observa que “sí está dañado”, el perno es
colocado en la caja de productos para reprocesar.
“Turno de producción”: El tercer atributo en el sistema, será un atributo que

identifica en qué turno de producción fue realizado dicho perno, ya que
nuestra proceso de producción cuenta con 3 diferentes turnos de 8 horas
cada uno, y el número de operarios en cada turno es diferente según el turno.
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)
11. Animación (en Software Arena)
12. Análisis de sistema no terminal

Determinamos que el sistema del proyecto sigue un análisis no terminal debido a que
según las características de la fábrica. Esto se debe a que a pesar de que se trabaja
a pedido, muchas veces los nuevos pedidos se juntan con los anteriores y se hacen
turnos extras para lograr cumplir el pedido. Basado en el supuesto de que se trabaja
de forma continua 24 horas se puede concluir que no se tiene una condición fija para
iniciar el modelo y tampoco un evento definido para terminar la simulación, algo que
es de esperar para cualquier sistema que opere de forma continua. En este caso, al
terminar las jornadas laborales se pueden identificar subproductos, como los pernos
que son entidades, que no se han terminado y que se continuarán trabajando en la
siguiente jornada, de este modo se justifica que el sistema es de tipo no terminal.
12.1. Determinar etapa de calentamiento inicial
Se ha definido tomar el tiempo de 10 días (864 000 segundos) para

determinar la etapa del calentamiento de los indicadores que están
relacionados a la cantidad. Por lo que definimos los indicadores como los
siguientes
V1 Tiempo de cola de encaje
V2 Tiempo de cola de máquina de forjado 1
V3 Tiempo de cola de máquina de forjado 2
V4 Tiempo de cola de máquina de galvanizado 1
V5 Tiempo de cola de máquina de galvanizado 2
V6 Tiempo de cola de olla de zinc
V7 Tiempo de cola de tina de enjuague
V8 Tiempo de cola de tina de soda
V9 Cantidad de pernos tipo 1 en turno 1 por segundo
59
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.
Al graficar la cantidad de pernos que se elaboran de tipo 1 en cada periodo

por segundo. Notamos que se estabiliza posterior a 270 000 también.
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
12.2. Screenshots de Output Analyzer

■ Tiempo de cola V2 - Primera corrida
62
■ Tiempo de cola V2 - Segunda corrida
63
■ Tiempo de cola V3 - Primera Corrida
■ Tiempo de cola V3 - Segunda Corrida
64
■ Tiempo de cola V4 - Primera corrida
■ Tiempo de cola V4 - Segunda corrida
65
66
67
■ Tiempo de cola V6 - Segundo Corrida
68
● Tiempo de cola V8 - Segunda 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 3 por segundo - Primera corrida
72
■ Cantidad de pernos tipo 1 en turno 3 por segundo - Segunda corrida
73
74
75
76
77
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
V10 2.5% de la media
V12 5% de la media
80
12.4. Cálculos de análisis no terminal
A partir de la data obtenida en arena en un periodo inicial de 10 días de

trabajo, con el fin de hallar el número batch apropiado para asegurar
observaciones independientes. Además para asegurarnos que el halfwidth
sea menor o igual que el deseado.
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
A2 103 123 176 172 178 140 148 122

K2 5 4 3 3 3 4 4 4
S2 79 123 66 78 60 34 2 106
h (IC) 0,658 3,32 1.050 1180 9,99 3660 3020 0,000408
Media* 1,12 61 1.670 2070 9,42 15900 9370 0,007300
h* 0,11 1,53 167,00 207,00 0,94 795,00 468,50 0,000183
k2* 173 19 119 98 338 85 167 20
K1* 17819 2337 20944 16856 60164 11900 24716 2440
PE* 17819000 2337000 20944000 16856000 60164000 11900000 24716000 2440000
LR* 18089000 2607000 21214000 17126000 60434000 12170000 24986000 2710000
Días 209,36 30,17 245,53 198,22 699,47 140,86 289,19 31,37
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
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
Asimismo, de acuerdo con el análisis en el Output Analyzer se tiene que el tiempo

promedio en cola es de 1.06 segundos, y el tiempo promedio en cola real es de
185,2.
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.

forjado 2


promedio en cola es de 61,6 segundos, y el tiempo promedio en cola real es de
359,16.
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.

galvanizado 1

84
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-
válido.

galvanizado 2


739,5.
válido.
Validación Tiempo promedio en cola de tiempo promedio en tina de enjuague


promedio en cola es de 23,9 segundos, y el tiempo promedio en cola real es de
700,5.
Con una desviación estándar de 9,07, por tanto el to es de 408,6 mientras que el t 1-
válido.
Validación Tiempo promedio en cola de tiempo promedio en tina de soda

85
4,32.
válido.
Validación Tiempo promedio en cola de tiempo promedio en olla de zinc


1007,5.
Con una desviación estándar de 3130 por tanto el to es de 23,09 mientras que el t 1-
válido.
Validación de número de pernos tipo 1 en el turno 1 por segundo

Asimismo, de acuerdo con el análisis en el Output Analyzer se tiene que el número

promedio por segundo es de 0,0066, y el número promedio por segundo es 0,0427.
Con una desviación estándar de 0,000675 por tanto el to es de 293,56 mientras que
no es válido.
86

no es válido.


no es válido.


no es válido.
87

no es válido.


no es válido.


no es válido.
88

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.
14. Planteamiento de alternativas de mejora

Para este índice, usaremos el programa ubicado dentro del arena, Opt Quest, que nos
ayudará a poder añadir restricciones al modelo, además de objetivos elegidos a nuestro
criterio. Estos son los siguientes:
Restricciones
● Por políticas de la empresa, para ambas máquinas de forjado, el tiempo de espera
de los productos debe ser menos de 30 minutos, es decir, menos de 1800 segundos.
● Al mismo tiempo, para ambas máquinas de galvanizado, el tiempo de espera de los
productos debe ser menor a 60 minutos, es decir, menos de 3600 segundos.
● Para lo que es la cola de la olla de Zinc, se buscará que esta sea menor a 1 minuto,
es decir, 60 segundos.
● Finalmente, para la cola de caja de productos terminados , se espera que, en la cola
de productos terminados, haya menos de 10 unidades esperando.
● Por cuestiones de seguridad, ya que el terreno designado al proceso de fabricación
de pernos es bastante reducido, y se busca evitar que este esté abarrotado al punto
que no haya nada de espacio y se obstaculice los traslados, no se permitirá a más
de 10 operarios en total durante un turno.
● Al mismo tiempo, debido a que las áreas de trabajo no son muy amplias, se ha
delimitado el número de trabajadores en cada área. En las áreas de encaje y
empaque, que son las más pequeñas, tendrán como máximo 3 trabajadores,
mientras que las área de enjuague, Forjado y Galvanizado, podrán tener hasta 4
trabajadores.
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:
● En la validación de datos, se concluye que el modelo no resultó válido para los 16

indicadores analizados, esto se debió, probablemente, a la toma de datos
(cronometraje) de la situación real.
● 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.
● La falta de la estandarización de algunos procesos a la par que inconsistencias en el

flujo de trabajo definido pueden incrementar la complejidad del sistema o forzando
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.
● Al mismo tiempo, se recomienda hacer uso de equipos de mayor potencia y

capacidad para lidiar con el factor tiempo, un factor que delimitó de gran manera
nuestra capacidad de análisis, especialmente en el proceso de simulación, pues
muchas veces los equipos no podían manejar los largos tiempos, o los grandes
cantidades de réplicas.
● Es de bastante utilidad tener información precisa acerca de costos en el modelo con

el fin de realizar una evaluación económica de todas las propuestas que se
presentan. Se puede elegir una opción que reduce tiempos y colas en el proceso,
pero se debe analizar si esta es económicamente viable para la empresa.
● Recomendamos antes de aplicar un modelo de simulación en la planta para poder

encontrar oportunidades de mejora, sería importante un estudio de tiempos más
completo que abarque a todo el sistema a la par que se mejore los registros de otra
data relevante como las fechas en las que se completan y envían pedidos. A la par
que sugerir la aplicación de un modelo de gestión como lean manufacturing o una
estrategia de mejora como six sigma y hacer uso de herramientas como 5S que
podrían reducir el ruido de la toma de datos, simplificar los procesos y el modelo en
arena asociado a este a la par que mejora la productividad.
93
17. Anexos
Anexo 1.-Cronometrajes
94
Anexo 2.- Toma de datos de cola 1: Encaje de pernos
Tiempos (segundos) Servicio Cola

Tiempo entre Instante de Tiempo de Tiempo de
llegadas llegada servicio Comienza Termina cola
62,3 62,3 295,52 62,3 357,82 0
65,0 127,3 395,42 357,8 753,25 230,6
65,3 192,5 393,7352185 753,2 1147,0 560,7
64,8 257,3 325,2738395 1147,0 1472,3 889,7
65,6 322,9 337,9786508 1472,3 1810,2 1149,3
64,8 387,7 334,6003606 1810,2 2144,8 1422,5
60,8 448,6 282,4724114 2144,8 2427,3 1696,2
62,7 511,3 338,7865151 2427,3 2766,1 1916,0
64,1 575,4 331,4596825 2766,1 3097,6 2190,7
64,0 639,4 329,8819224 3097,6 3427,4 2458,1
62,5 701,9 333,9029311 3427,4 3761,3 2725,5
63,8 765,8 340,5347632 3761,3 4101,9 2995,6
63,6 829,4 338,4703794 4101,9 4440,3 3272,5
60,8 890,1 275,0616247 4440,3 4715,4 3550,2
65,7 955,9 332,7755258 4715,4 5048,2 3759,5
63,4 1019,3 334,0742362 5048,2 5382,3 4028,9
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
Cola 2: Recubrimiento con zinc
Tiempos Servicio Cola

79,8 79,8 153,6 785,2 938,8 705,4
79,0 158,8 152,7 785,2 937,9 626,4
78,5 237,3 153,0 785,2 938,2 547,9
76,0 313,3 154,7 785,2 939,9 471,9
77,5 390,8 155,0 785,2 940,2 394,5
79,9 470,6 153,5 785,2 938,7 314,6
79,6 550,2 154,5 785,2 939,7 235,0
80,0 630,2 154,4 785,2 939,6 155,0
77,0 707,2 154,2 785,2 939,4 78,0
78,0 785,2 153,2 785,2 938,4 0,0
77,0 862,2 153,7 1573,6 1727,4 711,4
80,0 942,2 154,1 1573,6 1727,8 631,4
79,5 1021,8 153,4 1573,6 1727,0 551,9
79,5 1101,3 155,5 1573,6 1729,2 472,3
78,8 1180,1 153,7 1573,6 1727,4 393,5
78,3 1258,4 155,3 1573,6 1729,0 315,2
77,4 1335,8 154,1 1573,6 1727,8 237,8
79,8 1415,6 154,1 1573,6 1727,7 158,0
80,2 1495,8 155,5 1573,6 1729,2 77,8
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
Cola 3: Tiempo de colocación de moldes

52,2 52,2 14,00 52,2 66,20 0
26,6 78,8 14,45 78,8 93,24 0,0
27,1 105,9 15,00 105,9 120,86 0,0
27,3 133,2 15,60 133,2 148,75 0,0
32,9 166,0 15,20 166,0 181,21 0,0
26,7 192,8 16,20 192,8 208,95 0,0
27,4 220,1 14,85 220,1 234,97 0,0
27,2 247,3 14,38 247,3 261,69 0,0
27,1 274,4 14,67 274,4 289,05 0,0
33,4 307,8 14,53 307,8 322,35 0,0
69,0 376,8 14,57 376,8 391,34 0,0
27,2 403,9 16,77 403,9 420,69 0,0
41,6 445,5 14,35 445,5 459,85 0,0
45,8 491,3 16,59 491,3 507,87 0,0
44,7 536,0 14,91 536,0 550,89 0,0
46,9 582,9 14,32 582,9 597,22 0,0
30,1 613,0 15,58 613,0 628,61 0,0
29,7 642,7 14,15 642,7 656,89 0,0
34,4 677,2 15,54 677,2 692,70 0,0
38,8 716,0 14,35 716,0 730,30 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
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
Anexo 3.-Validación de resultados - Añadido como archivo excel
99

Avance Final - Grupo 3

Cargado por

Información del documento

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

Avance Final - Grupo 3

Cargado por

Copyright:

Formatos disponibles

PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ

FACULTAD CIENCIAS E INGENIERÍA

DOCENTE: Carbajal López, Eduardo

CÓDIGO APELLIDOS Y NOMBRES % PARTICIPACIÓN

20171540 VILLA SEGURA, FERNANDO FRANKO 100%

20180638 COTRINA ATENCIA, RODRIGO MANUEL 100%

20182700 CANCHO VALENCIA, FIORELLA RUTH 100%

20191997 RENGIFO LEGUA, SEBASTIAN 100%

En el presente trabajo buscaremos usar las herramientas de simulación en las áreas

3. Objetivos del trabajo 5

4. Descripción del sistema que se va a simular 5

5. Procedimiento para la recolección de datos. 8

6. Datos para realizar la simulación 10

7. Análisis de los datos 11

8. Identificación de elementos de simulación de eventos discretos 59

9. Presunciones realizadas para definir el modelo 61

10. Modelo (en Software Arena) 62

11. Animación (en Software Arena) 62

12. Análisis de sistema no terminal 62

13. Validación y verificación de resultado 84

14. Planteamiento de alternativas de mejora 85

3. Objetivos del trabajo

3.2. Objetivos específicos

4. Descripción del sistema que se va a simular

4.2. Descripción de procesos a simular

En el caso de que el perno no haya cumplido con los estándares de calidad,

Terminado el proceso en el área de encaje, se trasladan los pernos que

Figura 2 : Diagrama de flujo de las áreas de encajado, forjado y empaquetado

5. Procedimiento para la recolección de datos.

Para poder determinar los datos de las variables se hizo uso de un

5.2. Layout de la planta

Figura 4: Layout de la planta de “Estructuras y Anclajes S.A.C.”

N Variables Proceso Tipo

17 Traslado de forjadora a galvanizadora Traslado Aleatoria

18 Traslado de galvanizadora a tina de enjuague Traslado Aleatoria

19 Traslado de tina de enjuague a tina de soda Traslado Aleatoria

20 Traslado de tina de soda a olla de zinc Traslado Aleatoria

21 Traslado de olla de zinc a área de empaque Traslado Aleatoria

22 Traslado de área de empaque a almacén final Traslado Aleatoria

N Variables Proceso Tipo

En las variables descritas anteriormente, las velocidades de las forjadoras y de las

7. Análisis de los datos

7.2. Tamaño de muestras para las variables aleatorias

Para calcular el tamaño de muestra para la variable tiempo de llegada de

El cual resultó 2, asimismo, debido a que el tamaño de la población es finito

7.2.2 Tiempo que toma colocar un perno en el dispositivo

Para calcular el tamaño de muestra para la variable tiempo de llegada de

Dado que el error de estimación no se conoce se aproxima al producto de la

7.2.3 Tiempo que toma colocar una arandela en el perno

Para calcular el tamaño de muestra para la variable tiempo de llegada de

Dado que el error de estimación no se conoce se aproxima al producto de la

El cual resultó 7, asimismo, debido a que el tamaño de la población es finito

7.2.4 Tiempo que tomar colocar una tuerca en el perno

Para calcular el tamaño de muestra para la variable tiempo de llegada de

Dado que el error de estimación no se conoce se aproxima al producto de la

El cual resultó 9, asimismo, debido a que el tamaño de la población es finito

7.2.5 Tiempo que toma inspeccionar de acuerdo a las especificaciones

Para calcular el tamaño de muestra para la variable tiempo de llegada de

El cual resultó 21, asimismo, debido a que el tamaño de la población es finito

7.2.6 Proporción de pernos que cumplen los estándares

Para calcular el tamaño de muestra para la proporción de pernos que

Posteriormente se calculó “n0” con la fórmula:

Seguidamente se tiene el cuadro resumen con otros datos importantes como

7.2.7 Tiempo que toma retirar una arandela del perno