UNIVERSIDAD NACIONAL

JOS FAUSTINO SNCHEZ CARRIN

FACULTAD DE INGENIERA INDUSTRIAL, SISTEMAS E INFORMTICA
ESCUELA ACADMICO PROFESIONAL DE INGENIERA INDUSTRIAL

MODELO DE LNEA DE ESPERA Y OPTIMIZACIN

DEL SERVICIO DE DESPACHO DE COMBUSTIBLE
EN LA EMPRESA CONSORCIO TERMINALES
GMP OILTANKING SUPE PUERTO,
AO 2014
AUTORES:

ASESORES:

CARLOS JUNIOR ROSAZZA MONTAEZ

SERGIO DANIEL ROSAZZA MONTAEZ

Ing. JAIME EDUARDO GUTIRREZ ASCN

Registro CIP 40021

MODELO DE LNEA DE ESPERA Y OPTIMIZACIN DEL

SERVICIO DE DESPACHO DE COMBUSTIBLE
EN LA EMPRESA CONSORCIO TERMINALES
GMP OILTANKING SUPE PUERTO,
AO 2014

PLANTEAMIENTO DEL PROBLEMA

REALIDAD PROBLEMATICA
La empresa Consorcio Terminales
GMP OIL TANKING en la actualidad
es lder en el mbito de venta y
produccin de combustible, el
terminal que se encuentra en la
Ciudad de Supe Puerto cuenta con
problemas del servicio que brinda
a los clientes, ya que existen
clientes no atendidos al final de la
jornada diaria, y excesivas colas
en los estacionamientos.
A medida que la demanda del
servicio se incrementa, viene
causando tedio, incomodidad,
insatisfaccin y sobrecostos tanto
al cliente como a la misma
empresa.

2 - 28

FORMULACIN DEL PROBLEMA

FORMULACIN DEL
PROBLEMA GENERAL

De qu manera el modelo de lnea

de espera permite la optimizacin
del servicio de despacho de
combustible en la empresa Consorcio
Terminales GMP OIL TANKING Supe
Puerto, 2014?

3 - 28

OBJETIVOS DE LA INVESTIGACIN
FORMULACIN DEL
OBJETIVO GENERAL

Determinar el modelo de lnea de

espera que permita la optimizacin
del servicio de despacho de
combustible en la empresa Consorcio
Terminales GMP OIL TANKING Supe
Puerto, 2014.

4 - 28

La investigacin se justifica, puesto que al desarrollar un modelo

de lnea de espera, permitir mejorar el servicio de la empresa
5 - 28
Consorcio Terminales GMP OIL TANKING Supe Puerto:

JUSTIFICACIN DE LA
INVESTIGACIN

La investigacin se justifica, puesto que al desarrollar un modelo

de lnea de espera, permitir mejorar el servicio de la empresa
Consorcio Terminales GMP OIL TANKING Supe Puerto:
MAYORES INGRESOS
OPTIMIZACIN DE
SERVICIO

MARCO TEORICO

MARCO TEORICO

6 -- 28

7 - 28

ESQUEMA DE
TRABAJO

Validacin de la investigacin
Correlacin de la variables
Correlacin de las dimensiones
Contrastacin de las hiptesis

Distribuciones del modelo

Modelo actual de lnea de espera
Anlisis de sensibilidad
Simulacin Montecarlo

Elaboracin de Formatos
Tiempos Observados

HIPTESIS DE LA INVESTIGACIN
FORMULACIN DEL
HIPTESIS GENERAL

Si determinamos el modelo de lnea

de espera; entonces, se optimizar el
servicio de despacho de combustible
en la empresa Consorcio Terminales
GMP OIL TANKING Supe Puerto,
2014.

8 - 28

METODOLOGA

determinado y aplicada ya que utiliza conocimientos en la prctica,

para resolver un problema. El nivel de la investigacin que se emplear
9 - 28
ser:
Tipo:
Correlacional: Porque se pretende medir el impacto del modelo de
El presente trabajo
investigacin
es de
no de
experimental,
lnea de de
espera
y optimizacin
del tipo
servicio
despacho.
transversal debido a que se desarrolla durante un periodo de tiempo
determinado y aplicada ya que utiliza conocimientos en la prctica,
para resolver un problema. El nivel de la investigacin que se emplear
ser:
Correlacional: Porque se pretende medir el impacto del modelo de
lnea de espera y optimizacin del servicio de despacho.

DISEO METODOLGICO

OX
M

R
OY

Enfoque:

Donde:
M: Muestra
Ox: Observacin de la variable independiente
Oy: Observacin de la variable dependiente
r: Coeficiente de correlacin

El enfoque de la investigacin es cuantitativo, debido a que se utiliz

una recoleccin de datos para conocer y medir el fenmeno en estudio,
encontrar soluciones para la misma; la cual trae consigo la afirmacin o
negacin de la hiptesis establecida en dicho estudio.

OPERACIONALIZACIN DE
VARIABLES E INDICADORES
VARIABLES

Inde
pen

X1.1: Distribucin de llegadas

de espera o teora de colas es

X1.2: Distribucin del tiempo de

coleccin

de

modelos

X1.3: Diseo de Servidores

particulares o de sistemas de

X1.5: Tamao de la lnea de espera

colas. Los modelos sirven para

(finito o infinito).

encontrar un buen compromiso

te

entre costes del sistema y los

tiempos promedio de la lnea
de espera para un sistema
dado.

X2: Servidores
X3: Capacidad
del Sistema

Y: Optimizacin del Servicio: se

Dep
endi
ente

servicio.

matemticos que describen X1: Distribucin

sistemas de lnea de espera de arribos

dien

V.

INDICADORES

X: Lnea de espera: Una lnea

una

V.

DIMENSIONES

define servicio a un conjunto Y1: Beneficios

X1.4: Disciplina de servicio

X2.1: Nmero de Servidores

X2.2: Rendimiento de Servidores
X3.1: Estudio de Tiempos
Y1.1: Costo de Servicio
Y1.2: Costo de Espera

de tareas desarrolladas por una

compaa para satisfacer las
exigencias de sus clientes.

Y2: Clientes
atendidos

Y2.1: Numero de cisternas

10 - 28

POBLACIN Y MUESTRA
Sabiendo que:
La poblacin est
comprendida por un
promedio de
345
cisternas
(clientes)
que
ingresan
semanalmente
al
La

muestra,
se
La poblacin
est de
terminal
la
determin mediante la
comprendida
por un Consorcio
empresa
frmula estadstica:
promedio Terminales
de
345 GMP
OIL
choferes
cisternas TANKING
(clientes)
Supe
Ajustando
el valor de
que
ingresan
Puerto.
semanalmente
al
terminal
de
la
empresa
Consorcio Muestra ajustada:
Terminales GMP OIL choferes
TANKING

Supe
Puerto.

11 - 28

TCNICA A EMPLEAR

INSTRUMENTOS

Para analizar la informacin se

utiliz las siguientes tcnicas:
Observacin
Documentacin
Indagacin (encuestas)
Comprensin

TCNICAS DE PROCESAMIENTO DE INFORMACIN

TCNICAS E INSTRUMENTOS DE
RECOLECCIN

12 - 28

RESULTADOS

RESULTADOS

13 - 28

Se generaron 4 nmeros aleatorios en el programa STATS

Teniendo
las
tiempos
Tiempo de
Tiempo
Tiempo
como se muestra
en
el
anexo
14.
De
las
52
semanas
Arribos
de Servicio
promedios de las llegadas
N
Da
de Servicio
de
Clientes
Total
ingresadas, el programa report
semanas
y del
hh/mm/ssquede laslascisternas
hh/mm/ss
hh/mm/ss
tiempo
de servicio
son la
semana
37, la semana
25,
la semana
7 y la del
1 muestreadas
10 de Febrero del 2014
00:11:02
00:57:52
00:50:36
2
11 de Febrero del 2014
00:32:52
servidor.
8 del
ao 00:10:31
2014. 00:40:08
3 semana
12 de Febrero
del 2014
00:12:15
00:42:54
00:35:38
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

13 de Febrero del 2014

00:11:51
14 de Febrero del 2014
00:12:02
SEMANAS
15 de Febrero del 2014
00:10:15
17 de Febrero del 2014
00:10:56
37
18 de Febrero del 2014
00:11:54
19 de Febrero del 2014
00:11:54
25
20 de Febrero del 2014
00:13:45
21 de Febrero del 2014
00:11:47
7
22 de Febrero del 2014
00:14:12
16 de Junio del 2014
00:10:33
8
17 de Junio del 2014
00:10:51
18 de Junio del 2014
00:11:15
19 de Junio del 2014
00:10:21
20 de Junio del 2014
00:10:28
21 de Junio del 2014
00:12:54
8 de setiembre del 2014
00:10:21
9 de Setiembre del 2014
00:10:51
10 de setiembre del 2014
00:13:42
11 de setiembre del 2014
00:10:35
12 de setiembre del 2014
00:10:18
13 de setiembre del 2014
00:11:45
Tiempos Promedios
00:11:31

Se

obtiene

las

tasas

00:39:45
00:32:29
respectivas, teniendo que
00:42:01
00:34:45
FECHAS
00:51:47
00:44:31
un cliente en promedio
00:54:23
00:47:07
llega cada 11 minutos con
08/09/2014
14/09/2014
00:40:41
00:33:25
31 segundos, entonces la
00:41:47
00:34:31
16/06/2014
22/06/2014
00:42:01
00:34:45
tasa de arribo es de
00:47:53
00:40:37
5.211275 clientes por hora,
10/02/2014
16/02/2014
00:52:39
00:45:23
tambin teniendo que un
00:46:45
00:39:29
17/02/2014

23/02/2014
00:45:56
00:38:40
servidor
en
promedio
00:38:25
00:31:09
realiza su labor en 38
00:42:14
00:34:58
minutos con 03 segundos,
00:43:41
00:36:25
00:51:17
00:44:01
entonces
la
tasa
de
00:51:14
00:43:58
servicio del servidor es de
00:37:24
00:30:08
1.57712 clientes por hora,
00:49:04
00:41:48
00:47:08
00:39:52
estos datos se utilizaran
00:41:25
00:34:09
para el modelo de lneas
00:39:04
00:31:48
de espera.
00:45:19
00:38:03

DISTRIBUCIN DE ARRIBOS DE CLIENTES

Hora

LU
10

MA
11

MI
12

JU
13

VI
14

SA
15

LU
16

MA
17

MI
18

JU
19

VI
20

SA
21

07:30-07:45
07:45-08:00
08:00-08:15
08:15-08:30
08:30-08:45
08:45-09:00
09:00-09:15
09:15-09:30
09:30-09:45
09:45-10:00
10:00-10:15
10:15-10:30
10:30-10:45
10:45-11:00
11:00-11:15
11:15-11:30
11:30-11:45
11:45-12:00
12:00-12:15
12:15-12:30
12:30-12:45
12:45-13:00
13:00-13:15
13:15-13:30
13:30-13:45
13:45-14:00
14:00-14:15
14:15-14:30
14:30-14:45
14:45-15:00
15:00-15:15
15:15-15:30
15:30-15:45
15:45-16:00
16:00-16:15
16:15-16:30
16:30-16:45
16:45-17:00
17:00-17:15
17:15-17:30
17:30-17:45
17:45-18:00

13
2
1
4
3
3
2
4
1
4
1
2
1
1
1
2
2
1
1
2
2
1
1
2
2
3
3
1
0
1
2
1
4
0
0
1
1
0
0
0
0
0

7
3
4
2
4
3
3
2
1
1
0
5
3
1
0
0
1
1
4
1
2
1
1
1
1
3
1
3
2
0
2
3
1
1
1
0
1
0
0
0
0
0

5
4
3
2
0
3
2
4
5
1
2
1
2
0
2
2
0
0
1
1
0
1
3
1
1
0
3
0
1
1
1
3
1
0
0
0
0
0
0
0
1
0

7
4
3
1
2
1
0
2
2
1
0
2
3
1
1
0
0
0
1
3
1
3
3
2
0
1
0
1
3
2
1
1
0
1
1
0
0
0
0
0
0
0

5
2
3
3
1
3
2
2
1
0
2
2
2
1
3
0
1
1
0
2
3
0
0
0
0
2
2
0
1
1
2
0
0
1
0
0
0
0
0
0
0
2

11
2
2
3
1
2
1
1
2
1
1
0
1
2
1
1
0
2
0
3
1
0
1
0
0
0
1
1
3
3
0
2
0
1
1
2
1
0
1
0
1
0

12
3
2
2
2
6
1
1
3
2
2
2
3
0
2
2
1
0
3
0
2
1
1
0
2
3
2
1
2
2
1
2
2
1
0
0
0
0
0
0
0
0

4
2
6
2
4
2
3
1
5
4
1
3
3
1
5
1
2
0
1
1
1
0
1
2
3
1
1
2
1
1
3
0
1
0
1
0
0
1
0
0
0
0

9
1
6
3
3
2
1
0
1
1
2
0
0
1
1
0
2
1
1
1
1
1
2
1
2
1
2
2
1
1
2
2
2
0
1
0
1
0
0
0
0
0

8
3
5
2
4
3
1
2
0
1
0
3
0
3
0
1
2
3
1
3
2
2
0
1
1
3
1
1
3
1
2
2
3
0
1
0
2
0
0
0
0
0

8
6
2
2
6
0
1
2
1
1
0
0
0
4
3
3
1
3
0
3
0
1
0
3
0
1
4
2
2
0
2
3
1
1
0
2
0
0
0
0
0
1

10
1
2
4
3
1
2
1
1
1
2
2
3
3
0
0
1
1
2
0
1
4
0
0
1
2
2
0
4
1
3
2
3
0
0
0
1
1
0
1
0
0

Para
hallar el tipo de

distribucin de la tasa de
arribos
se ingres los
consolidados de arribos de
las 2 semanas siendo 42
intervalos, que son de cada
15 minutos.

Pg. 76

Pg. 75

Total de
cisternas
en 2 semanas
99
33
39
30
33
29
19
22
23
18
13
22
21
18
19
12
13
13
15
20
16
15
13
13
13
20
22
14
23
14
21
21
18
6
6
5
7
2
1
1
2
3

14 - 28

La figura que corresponde al programa

Stat
fit
permite
describir
estadsticamente el comportamiento de
los datos, en este caso el nos reporta
como resultado que el
tiene una
distribucin de comportamiento de
Poisson.

Pg. 66

DISTRIBUCIN DEL TIEMPO DE SERVICIO

N
1
1
2
2
3
3
4
4
5
5
6
6
7
7
8
8
9
9
10
10
11
11
12
12
13
13
14
14
15
15
16
16
17
17
18
18
19
19
20
20
21
21
22
22
23
23
24
24

Pg. 73

Tiempo
de Servicio
hh/mm/ss
00:50:36
00:50:36
00:32:52
00:32:52
00:35:38
00:35:38
00:32:29
00:32:29
00:34:45
00:34:45
00:44:31
00:44:31
00:47:07
00:47:07
00:33:25
00:33:25
00:34:31
00:34:31
00:34:45
00:34:45
00:40:37
00:40:37
00:45:23
00:45:23
00:39:29
00:39:29
00:38:40
00:38:40
00:31:09
00:31:09
00:34:58
00:34:58
00:36:25
00:36:25
00:44:01
00:44:01
00:43:58
00:43:58
00:30:08
00:30:08
00:41:48
00:41:48
00:39:52
00:39:52
00:34:09
00:34:09
00:31:48
00:31:48
00:38:03
00:38:03

15 - 28

Para hallar el tipo

de distribucin de
la tasa de servicio
se ingres los
consolidados del
tiempo totales de
servicio de los
servidores de las
4 semanas.
Pg. 77

La figura que corresponde al

programa Stat fit permite describir
estadsticamente
el
comportamiento de los datos, en
este caso el Stat fit nos reporta que
el tiene una distribucin de
comportamiento Lognormal.

RESULTADOS DEL MODELO DE LINEA DE ESPERA

EL SISTEMA
Mensualpor hora
La tasa de
del cliente (lambda)
Costos
dellegada
Servicio
Nm.
(S/.)
La tasa de servicio por servidor (mu) por hora

Energa Elctrica
Mantenimiento de Isla

S/. 11 700,00
S/. 6 400,00

Sub total
(S/.)

Das Horas

S/. 7 020,00
S/. 12 800,00

25
25

10
10

S/. 1 200,00

25

Personal
Precintado
Nmerode
promedio
de clientes en el sistema (L) 1

S/. 1 200,00

25

El sistema global la tasa de llegada efectiva por hora

El sistema global la tasa de servicio efectivo por hora

Personal de servicio de Isla

El sistema global la tasa de servicio efectivo por hora

16 - 28
M/M/2/30
Costo/Hor
a 5.2118
(S/.)1.5771
S/. 28,08
3.1542
S/. 51,20
3.1542
COSTOS ASOCIADOS
S/. 6,00
99.99991%
A LA LNEA DE
S/. 6,00
20.4673

Personal
de Garitas
900,00
S/. 1 800,00
25
8
S/. 9,00
Nmero promedio
de clientes S/.
en la
cola (Lq) 2
18.4673
Costo Total de Servicio
S/. 100,28
Nmero promedio de clientes en la cola para un sistema ocupado (Lb)
Costo de espera
Mensual
Das
Horas Costo /Hora18.4675
Tiempode
Promedio
del cliente
en el sistema S/.
(W) 5 000,00
Costo
oportunidad
de alquiler
25
8
S/. 25,00 6.4889
Costo
del Chofer
(viaje)
8
S/. 13,375 5.8549
Tiempo
promedio
del cliente
en la cola (Wq)S/. 107,00
Costo de Traslado al Terminal
S/. 40,00
8
S/. 5,00
Tiempo promedio del cliente
esperando
un sistema ocupado (Wb)
Costo
Total deenEspera
S/. 43.375 5.8549
La probabilidad que todos los servidores estn desocupados (P0)
0.0003%
Mensual
Costo/Hora
Costo de despacho
Das
Horas
La probabilidad
que un cliente que acaba
(S/.)de llegar (Pw) encuentre un sistema(S/.)
99.9986%
est
ocupado
(Pb) de oficina
Costos
Varios
S/. 400,00
25
8
S/. 2,00
Nmero
clientes
se plant porS/.
hora
2.0575
Personal
de que
despacho
2 500,00
25
8
S/. 12,50
depor
Despacho
S/. 14,50
El costo total de servidorCosto
ocupado
hora
S/. 13999.800

ESPERA

Pg. 81
Pg. 83

DATOS DEL WINQSBS/. 0.0206

Nmero de Servidores
2
El costo total de cliente esperando por hora Tasa de servicio por hora
S/. 801.0178 1,57712
El costo total de que los clientes se plant porTasa
hora de llegada de clientes por hora
S/. 200.5583 5,21175
Se ingresa
los
siguientes
Capacidad de cola
20
El espacio total de la cola cost por hora
S/. 29.8343
Tamao de la Poblacin de clientes
M
datos
al software
Costo del sistema total por hora
S/. 15031.3100 7000
Costo del Servidor Ocupado
WinQSB:
Costo
del modelo
Servidor Desocupado
1200,28
Los principales
resultados obtenidos
del
de lnea de espera, fueron
el nmero
Costo de espera de los clientes
43,375
choferes esperando
con 2 siendo
servidores
es de 19 choferes,
Pg. 82 en la cola actualmente
Costo de los clientes
servidos
100,28 estando
Costo
de los clientes siendo despachados
14,5
un tiempo de 5.8549 que equivale
aproximadamente
5 horas con 51 minutos,
y que
Costo
de
la
unidad
de
Capacidad
de
cola
Soles
probabilidad de que un cliente llegue y el sistema se encuentre libre es 0.00003%.
El costo total de servidor desocupado por hora

probabilidad de que un cliente llegue y el sistema se encuentre libre es 0.00003%.

de
en
la

Pg. 84

ANALISIS DE SENSIBILIDAD

Servidores

Tasa de
llegada

Utilizacin
del sistema

2
3
4
5
6
7
8
9
10

3,1542
4,6722
5,1988
5,2116
5,2117
5,2118
5,2118
5,2118
5,2118

1,0000
0,9875
0,8241
0,6609
0,5508
0,4721
0,4131
0,3672
0,3305

Nmero
de
clientes
en el
sistema

Nmero
de
clientes
en la cola

Tiempo
del
cliente
en el
sistema

Tiempo
del
cliente
en la
cola

20,4673 18,4673
15,9621 12,9996
6,0901 2,7937
3,9236 0,6191
3,4805 0,1759
3,3573 0,0527
3,3201 0,0155
3,3090 0,0044
3,3058 0,0012

6,4889
3,4164
1,1714
0,7529
0,6678
0,6442
0,6370
0,6349
0,6343

5,8448
2,7823
0,5374
0,1188
0,0338
0,0101
0,0030
0,0008
0,0002

DE
Se
estimo
lasNMERO
diferentes
OBS.
CLIENTES
tendencias y la queENmas
relacin
LA COLA
tenia entre
las variables
2
18.4673 es la
tendencia3 polinmica12.9621
con un R =
0.8976, la
explica que
4 tendencia 2.7937
a medida
que el 0.6191
numero de
5
servidores(x)
aumenta,
el tiempo
6
0.1759
del cliente
en el sistema(y)
ira de
7
0.0527
forma
descendente
con
el
8
0.0155
comportamiento de la siguiente
9
0.0044
ecuacin y = 0.1907x2 - 2.4563x +
10
0.0012
7.9137 .

Pg.
Pg. 88
87

SERV
Se

Probabilidad
Probabilidad
de que
de
el sistema este que el sistema
vaco
este lleno

0,0000
0,0025
0,0228
0,0329
0,0356
0,0364
0,0366
0,0367
0,0367

1,0000
0,9757
0,6401
0,3182
0,1435
0,0589
0,0220
0,0075
0,0023

17 - 28
Costo del
cliente
esperando

801,07178
563,8559
121,1757
26,8542
7,6304
2,2848
0,6721
0,1890
0,0502

TIEMPO DEL
CLIENTE
EN EL
TIEMPO
estimo las
diferentes
tendencias
SISTEMA

y la que6.4889
mas relacin tenia entre las
06:29:20
variables
es
la
tendencia
3
3.4164
Exponencial con un 03:24:59
R = 0.9953, la
4
1.1714
01:10:17
tendencia
explica que
a medida que
5el
0.7529
numero
de 00:45:10
servidores(x)
6aumenta,
0.6678
el numero00:40:04
de clientes en
sistema(y)
ira
de
forma
7el
0.6442
00:38:39
comportamiento
8descendente
0.6370 con el 00:38:13
de la siguiente ecuacin y =
9
0.6349
00:38:06
101.31e-1.256x.
10
0.6343
00:38:03
2

SIMULACIN MONTECARLO
Iteracin
1
2
3
4
5
MEDIA

Iteracin
1
2
3
4
5
MEDIA

Iteracin
1
2
3
4
5
MEDIA

Nmero de
clientes atendidos
617
639
646
638
655
639

De la simulacin se obtuvo una media de

639 de clientes atendidos de la simulacin
con 2 servidores a 200 horas de simulacin
que se saco que la empresa esta
trabajando a 8 horas y a 25 das al mes.

Nmero de
clientes atendidos
894
931
912
904
931
914

De la simulacin se obtuvo una media de

914 de clientes atendidos de la simulacin
con 2 servidores a 200 horas de simulacin
que se saco que la empresa esta
trabajando a 8 horas y a 25 das al mes.

Nmero de
clientes atendidos
1043
1044
1049
1014
1079
1046

De la simulacin se obtuvo una media de

1046 de clientes atendidos de la
simulacin con 2 servidores a 200 horas de
simulacin que se saco que la empresa
esta trabajando a 8 horas y a 25 das al
mes.
Pg. 91

18 - 28

SIMULACIN MONTECARLO

19 - 28

TAMAO DE
Con
la simulacin
conGALONES
2 servidores
se
NN En
ALEAT.
TAMAO DE CISTERNA
Galones N ALEAT.
COMBUSTIBLE
P.U.
respectoPrecio aTotal la
CISTERNA
Cisterna
chica cisternas,
2000 obteniendo
simulacin de 2 servidores
atendi
a 639
1
0,86 Cisterna
CISTERNA
GRANDE
7000
0,30
DB5
S/. 66 780,00
mediana
4000
con laS/.de9,54 3 servidores
se
S/. 17
235
725,00
de
ingresos,
con
Cisterna
grande
7000
2
0,22
CISTERNA CHICA
2000
1,00
G90obtuvoS/.un
8,73
S/. 17 460,00
aumento
de 275

Pg. 94
un total de ventas de 2 149 000
3 Tipo
0,16
2000
0,45
D2 clientes
S/. 9,79
19 580,00 y
ms S/.
atendidos
de CISTERNA CHICA
N
%
Rango
Tamao
galones.
875,00
soles
ms
4 cisterna
0,08
CISTERNA CHICA
2000
0,33
G84S/. 8 084
S/. 8,50
S/. 17
000,00
N total
de simulacin con 3 servidores se
En la
224
0,54
0
0,53
Cisterna chicade ingresos y una venta de
5
0,58chicas
CISTERNA MEDIANA
4000
0,84
G90
S/. 8,73
S/. 34 920,00
cisternas
atendi
a
914
cisternas,
obteniendo
946 000 galones ms
N total de
6
0,82
CISTERNA MEDIANA
4000
0,11
DB5
S/. 9,54
S/. 38 160,00
cisternas
122 600,00
0,29 de0,54
0,82 con
Cisterna mediana
S/. 25 320
ingresos,
vendidos.
7 medianas
0,62
CISTERNA MEDIANA
0,75
6,85
S/. 27 380,00
PI500Con S/.respecto
a
la
un
total
de ventas de 34000095 000
N total de
8 cisternas
0,13
CISTERNA
0,66
PI500
S/. 6,85de S/.
13 690,00
simulacin
3 servidores
72 CHICA
0,17
0,83 20000,99
Cisterna grande
galones.
9 grandes
0,94 la CISTERNA
GRANDEcon 4 servidores
7000
0,15
DB5con laS/.
S/. 66 780,00 se
de9,54 4 servidores
En
simulacin
se
Total
418

aumento
de 132
10
0,44
CISTERNA
CHICA
2000
0,02
DB5obtuvoS/.un
9,54
S/. 19 080,00
atendi
a 1046
cisternas, obteniendo
Combustibl
Precio clientes ms atendidos y
11 Isla
0,99 27CISTERNA
GRANDE % de ingresos,
7000
0,88
G90 Combustible
S/. 8,73
S/. 61 110,00
Rango con
S/.
530
460,00
e
unit. S/. 2 209 860,00 soles ms
12
0,98 total
CISTERNA
0,50 S/. 9,54
PI500
S/.
S/. 47 915,00
un
deGRANDE
ventas
5410,29
000
DB5
0,3 de 037000
DB56,85 y una
de ingresos
venta de
G84
0,15
0,3
0,44
S/.
8,50
G84
13
0,42
CISTERNA
CHICA
2000
0,39
G84
S/.
8,50
S/.
17
446 000 galones000,00
ms
Islagalones.
1
14

0,79

D2 MEDIANA
0,05
CISTERNA

15

0,60

CISTERNA MEDIANA

639

Isla 2

Cisterna Chica

SIMULACIN TOTAL
(2 SERVIDORES)

PI500
G90
G90

0,3
0,2

S/. 17 460,00

S/. 17 235 725,00

0,45
4000
0,5
4000
0,8

0,490,42
0,79
0,21
0,99

914 Cisterna Chica

SIMULACIN
TOTAL
(3 SERVIDORES)

G90

S/. 9,79
D28,50
G84vendidos.
S/.
S/. 6,85
PI500
DB5
S/. 9,54
S/. 8,73
G90

S/. 17 460,00

S/. 25 320 600,00

Pg. 97

Cisterna
Mediana
SIMULACIN
TOTAL
(4 SERVIDORES)
1046

S/. 34 000,00
S/. 38 160,00

DB5

S/. 38 160,00

S/. 27 530 460,00

COMPARACIN DEL MTODO ACTUAL

Y LOS PROPUESTOS

20 - 28

COMPARACIN DE OPTIMIZACIN
DEL MODELO DE LNEA DE ESPERA
N de
servidores

Nmero
Tiempo
de
del
clientes cliente en
en la cola el sistema

2 (Actual)
3
4

18,4673
12,9996
2,7937

6,4889
3,4164
1,1714

Probabilidad
de que el
sistema est
lleno

Costo de
espera por
hora

1,0000
0,9757
0,6401

S/. 801,0178
S/. 608,7439
S/. 61,4243

Pg. 107

COMPARACIN DE OPTIMIZACIN DE
INGRESOS Y VENTAS
N de
servidores

Nmero de clientes
atendidos en 200 horas

Ingresos en soles en
200 horas

Cantidad de
combustible
vendido en 200
horas
(galones)

2 (Actual)
3
4

639
914
1046

S/. 17 235 725,00

S/. 25 320 460,00
S/. 27 530 460,00

2 149 000
3 095 000
3 541 000

Pg. 107

MODELAMIENTO GENERAL DE LA INVESTIGACIN

Pg. 114

Alfa de Cronbach
N de
basada en los
elemento
elementos
s
tipificados
,934
40

Alfa de
Cronbach
,935

Debido a que la investigacin tiene un alfa de

Cronbach
igual al 93,5%, significa que el
cuestionario de la investigacin tiene una
excelente confiabilidad

R cuadrado Error tp. de

corregida la estimacin
1
,780a
,609
,598
1,58489
a.
Variables
predictoras:
(Constante),
Capacidad_del_Sistema,
Servidores,
Distribuci_Estadstica

Modelo

R cuadrado

Pg. 115

Modelo
(Constante)
Distribucin_Estadstica
Servidores
Capacidad_del_Sistema
a. Variable dependiente: Optimizacin_del_Servicio
1

El Coeficiente de correlacin entre la

Optimizacin del Servicio y las tres
dimensiones respectivas del modelo
es: R= 78,0%.
Coeficientes no
estandarizados
B
Error tp.

Coeficientes
tipificados
Beta

Sig.

20,437

2,079

9,830

,000

,106
,200
,349

,077
,083
,085

,152
,269
,415

1,366
2,429
4,097

,175
,017
,000

El modelo que explica la relacin entre Modelo de Lnea de Espera y

Optimizacin del Servicio en la empresa Consorcio Terminales GMP OIL
TANKING es el siguiente:

21 - 28

CONTRASTACIN DE LA HIPOTESIS GENERAL

: Si determinamos el modelo de lnea de espera; entonces, no se

optimizar el servicio de despacho de combustible en la empresa

Consorcio Terminales GMP OIL TANKING Supe Puerto, 2014.

: Si determinamos el modelo de lnea de espera; entonces, se

optimizar el servicio de despacho de combustible en la empresa
Consorcio Terminales GMP OIL TANKING Supe Puerto, 2014.

Como es mayor a Y_Optimizacin_del_

y cae
en la regin
Servicio

TOTAL
De
Muy de
de rechazo, entoncesAcuerdo
rechazamos
la y
Acuerdo
3
15de
aceptamos Recuento
la , a 12 un nivel
No s
Frecuencia
11,4
15,0
significancia esperada
del 5%; 3,6
es decir,
que
al
Recuento
17
87
104
X_Modelo_
De
determinar
el modelo
de 78,9lnea104,0de
de_Lnead
Frecuencia
Acuerdo
25,1
e_espera
esperada
espera, permite
el
Recuentooptimizar
0
1 servicio
1
Muy de
Frecuencia
de despacho
de combustible
en1,0 la
Acuerdo
,2
,8
esperada
Recuento Terminales
29
91 GMP120
empresa Consorcio
OIL
Total
Frecuencia
29,0
91,0
120,0
esperada
TANKING Supe
Puerto,
2014.

Sig.
Valor gl asinttica
(bilateral)
a
Chi-cuadrado de Pearson 29,305 2
,000
Razn de verosimilitudes 25,070 2
,000
Asociacin lineal por lineal 27,965 1
,000

N de casos vlidos

120

a. 3 casillas (50.0%) tienen una frecuencia

esperada inferior a 5. La frecuencia mnima
esperada es .24.

Pg. 119

22 - 28

MODELAMIENTO ESPECIFICO 1

23 - 28

R cuadrado Error tp. de El Coeficiente de correlacin entre

corregida la estimacin Optimizacin del Servicio y la dimensin de
1
,698a
,487
,483
1,79842
distribucin de arribos es: R= 69,8%.
a.
Variables
predictoras:
(Constante),
Distribucin_de_arribos
Modelo

Modelo

R cuadrado

Coeficientes no
estandarizados
B
Error tp.
27,157
1,823

Coeficientes
tipificados
t
Beta

14,898

(Constante)
Distribucin_
,486
,046
De_arribos
a. Variable dependiente: Optimizacin_del_Servicio
1

,698

10,590

Pg. 119

El modelo que explica la relacin entre

la distribucin de arribos y Optimizacin del
Servicio de despacho de combustible en la
,000
empresa Consorcio Terminales GMP OIL
,000 TANKING es el siguiente:
Sig.

Pg. 120

CONTRASTACIN DE LA HIPOTESIS

: La distribucin de arribos de clientes, no

Como
a y cae en la regin
de
influye es mayor
significativamente
en
la

rechazo,
entonces
rechazamos
la dey
optimizacin
del servicio
de despacho
aceptamos
de significancia
combustiblela ,ena un
la nivel
empresa
Consorcio
Terminales
OIL que
TANKING
Supe Puerto,
del
5%; es GMP
decir,
la distribucin
de
2014.
arribos
de
clientes,
influye
: La distribucin de
de clientes,
significativamente
en arribos
la optimizacin
del
influye designificativamente
en en la
servicio
despacho de combustible
la
optimizacin
del servicio
de despacho
de
empresa
Consorcio
Terminales
GMP OIL
combustible
la empresa
Consorcio
TANKING
SupeenPuerto,
2014.
Terminales GMP OIL TANKING Supe Puerto,
2014.

Valor

Chi-cuadrado de
33,224a
Pearson
Razn de
28,995
verosimilitudes
Asociacin lineal
29,894
por lineal
N de casos vlidos

120

gl

Sig.
asinttica
(bilateral)

,000

,000

,000

a. 3 casillas (50.0%) tienen una frecuencia

esperada inferior a 5. La frecuencia mnima
esperada es .73.

Pg. 122

MODELAMIENTO ESPECIFICO 2
R cuadrado Error tp. de
Modelo
R
R cuadrado
corregida la estimacin El Coeficiente de correlacin entre
1
,719a
,516
,512
1,74663 Optimizacin de servicio y la dimensin
Servidores es: R= 71,9%.
a. Variables predictoras: (Constante), Servidores

Modelo
1

(Constante)

Coeficientes no
Coeficientes
estandarizados
tipificados
B
Error tp.
Beta
27,701

1,672

Servidores
,535
,048
a. Variable dependiente: Optimizacin_del_Servicio

16,567

,719

11,225

24 - 28

Pg. 123

Sig. El modelo que explica la relacin entre

Servidores y Optimizacin del Servicio de
despacho de combustible en la empresa
,000 Consorcio Terminales GMP OIL TANKING es el
,000 siguiente:

Pg. 124

CONTRASTACIN DE LA HIPOTESIS

Valor

gl

Sig.
asinttica
(bilateral)
,000

Como
a y caeno
en la influyen
regin
Chi-cuadrado de Pearson 43,247
1
Loses mayor
servidores,
:
Correccin por
40,441
1
,000
de
rechazo, entonces
la del
y
significativamente
en larechazamos
optimizacin
continuidad
,000
aceptamos
la , de
a combustible
un nivel endela Razn de verosimilitudes 47,080 1
servicio de despacho
Estadstico exacto de
empresa
Consorcio
OIL
significancia
del 5%;Terminales
es decir, GMP
que los

Fisher
TANKING
Supe Puerto, 2014.
Asociacin lineal por
servidores,
influyen
42,886
1
,000
lineal
:significativamente
Los servidores, influyen
significativamente
en la optimizacin
N de casos vlidos
120

en la optimizacin del servicio de despacho

del
servicio
de
despacho
de
de combustible en la empresa Consorcio a. 0 casillas (.0%) tienen una frecuencia esperada
inferior a 5. La frecuencia mnima esperada es 11.84.
combustible
empresa
Consorcio
Terminales GMPenOILlaTANKING
Supe
Puerto, b. Calculado slo para una tabla de 2x2.
Pg. 126
Terminales
GMP OIL TANKING Supe
2014.
Puerto, 2014.

MODELAMIENTO ESPECIFICO 2
R cuadrado Error tp. de la
Modelo
R
R cuadrado
corregida
estimacin El Coeficiente de correlacin entre
1
,745a
,554
,551
1,67670
Optimizacin de servicio y la dimensin
a.
Variables
predictoras:
(Constante), Capacidad del sistema es: R= 74,5%.
Capacidad_del_Sistema
Modelo

(Constante)

Coeficient
Coeficientes no
es
estandarizados
tipificados
B
Error tp.
Beta
19,907

2,191

Capacidad_del_Sistema
,626
,052
a. Variable dependiente: Optimizacin_del_Servicio

,745

25 - 28

Pg. 123

El modelo que explica la relacin entre

Capacidad del Sistema y Optimizacin del
t
Sig.
Servicio de despacho de combustible en la
empresa Consorcio Terminales GMP OIL
9,086 ,000
TANKING es el siguiente:
12,115 ,000

Pg. 124

CONTRASTACIN DE LA HIPOTESIS

es mayordel
a ysistema,
cae en no
la regin
:Como
La capacidad
influye

Chi-cuadrado de
Pearson
Razn de
verosimilitudes
Asociacin lineal
por lineal

de rechazo, entonces
la del
y
significativamente
en larechazamos
optimizacin
aceptamos
la , de
a combustible
un nivel endela
servicio
de despacho
empresa
Consorcio
Terminales
significancia
del 5%;
es decir,GMP
que OIL
la
TANKING
Supe del
Puerto,sistema,
2014.
capacidad
influye
:significativamente
La capacidad del
sistema,
influye
en la optimizacin
significativamente en la optimizacin del
del
servicio
de
despacho
de
servicio de despacho de combustible en la
combustible
en la Terminales
empresa Consorcio
empresa
Consorcio
GMP OIL
Terminales
GMP
OIL
TANKING
Supe
TANKING Supe Puerto, 2014.
Puerto, 2014.

N de casos vlidos

Valor

gl

Sig.
asinttica
(bilateral)

15,282a

,000

21,871

,000

14,465

,000

120

a. 2 casillas (33.3%) tienen una frecuencia

esperada inferior a 5. La frecuencia mnima
esperada es .24.

Pg. 126

INDICE DE PERCEPCIN DEL CLIENTE

Los factores relevantes para el ndice
Indice General de Percepcin del Cliente
general de percepcin del cliente para el
presente informe fueron las siguientes:
90.00%
80.00%
70.00%

53.28%

60.00%

CRTICO

50.00%
40.00%
30.00%
20.00%
10.00%

DIFERENCIADOR

100.00%
Indice General de
Percepcion del Cliente
Antes 53,28%
Indice General de
Percepcion del Cliente
Post 85,55%

0.00%

Definicin de intervalos
Brecha
46.72%
Los 50.00%
intervalos para el ndice general de
40.00%
percepcin
del cliente para el siguiente
30.00% se muestran en la siguiente tabla:
informe
20.00%

Intervalo
Desde
Hasta
0.00%
0%Brecha
55%
56%
75%
76%
90%
91%
100%

10.00%

14.45%
Rango

Critico
Estable
Diferenciador
Ventaja Competitiva

26 - 28

Indice General de Percepcion del Cliente Antes

IPC

Rango

IPC - Antes

53,28%

Critico

IPC - Post 47%85,55%

Diferenciador
53%

IPC
Brecha

Se aumento la percepcin del

cliente de un 53,28% que se
encontraba
en la del
escala
de
Indice General de Percepcion
Cliente Post
critico, a una percepcin del
cliente del14% 85,55% que se
encuentra en la escala de
diferenciador
reduciendo
la
IPC
86% de percepcin
brecha del ndice
del cliente en un 32,27%, que
indica que los clientes perciben
el servicio de la empresa ms
cerca del servicio optimo.

CONCLUSIONES
El tipo distribucin estadstico de los arribos se ingres los consolidados de 2 semanas siendo
42 intervalos, que son de cada 15 minutos, donde el Stat fit nos reporta como resultado que
el tiene una distribucin de comportamiento de Poisson.

La tasa de arribo de clientes es de 5.21175 cisternas por horas y el tiempo de servicio

que se obtuvo que es 1.57712 clientes por hora.

El Coeficiente de correlacin entre la Optimizacin del Servicio y las tres

dimensiones respectivas del modelo es: R= 78,0%. El modelo que explica la
relacin es la siguiente:
Al simular el servicio de despacho de combustible con 2 servidores se logra
atender 639 cisternas, obteniendo S/. 17 235 725,00 de ingresos, con un total de
ventas de 2 149 000 galones. con 3 servidores se logra atender 914 cisternas,
obteniendo S/. 25 320 600,00, con un total de ventas de 3 095 000 galones. con
4 servidores se logra atender 1046 cisternas, obteniendo S/. 27 530 460,00, con
un total de ventas de 3 541 000 galones.
El alfa de Cronbach de la siguiente investigacin fue igual al 93,5%; es decir, la
encuesta tiene una excelente confiabilidad.
Se obtuvo un primer ndice general de percepcin del cliente donde un nmero piloto
de 5 clientes dieron su percepcin de cmo se encuentra la empresa con respecto a
los factores relevantes donde el resultado fue de 53,28% estando en el rango de
crtico.
Se obtuvo el segundo ndice general de percepcin del cliente donde un numero piloto de 5
clientes dieron su percepcin una vez que se plante las mejoras que brinda esta
investigacin con respecto a los factores relevantes donde el resultado fue de 85,55%
estando en el rango de diferenciador.

27 - 28

RECOMENDACIONES

28 - 28

GRACIAS
La investigacin se asemeja a
los largos meses de gestacin,
y la solucin del problema, al
da del nacimiento. Investigar
un problema es resolverlo
Mao Tse-Tung