Simulacion de Sistemas

PONTIFICIA UNIVERSIDAD CATLICA DEL PER
FACULTAD DE CIENCIAS E INGENIERIA

Seccin Ingeniera Industrial
SIMULACIN DE SISTEMAS
CUARTO INFORME
TEMA: SIMULACIN DE SERVICIO PRE DELIVERY INSPECTION (PDI)
Profesor: CARBAJAL LPEZ, EDUARDO
Horario: 932
Integrantes:
MAGUIA RODRGUEZ, ALEJANDRO ALONSO

BRITO SNCHEZ, DAVID RICARDO
SALAZAR ARENALES, STEFANY JOSELYN
CAMACHO ALVAREZ, WENDY YASMN
GARCIA ARAUJO, DANIEL
San Miguel, 21 de febrero del 2016
RESUMEN
20082157
20105203
20111516
20111900
20114827
100%
100%
100%
100%
100%
VARI ALMACENES S.A. es una empresa de almacn de vehculos nuevos a los cuales
les ofrece la prestacin de servicios de inspeccin, mantenimiento y reparacin de
vehculos automotores. Dentro de estos servicios se encuentra el acondicionamiento de
automviles (PDI Pre Delivery Inspection). Asimismo, los vehculos que recibe VARI
ALMACENES S.A. son de la marca KIA y en los siguientes modelos: Carens, Rio y
Picanto.
En el presente informe se especificarn cada uno de los procesos que realiza VARI
ALMACENES S.A. para ofrecer el servicio de PDI. Para ello, se identificarn las variables
aleatorias, probabilidades o proporciones y datos determinsticos presentes en el proceso.
Luego, se realizar el respectivo anlisis del tamao de muestra obtenido para cada
variable aleatoria, segn los pasos vistos en clase para cada uno de los procesos.
El paso anterior es imprescindible para ingresar la data en el Input Analyzer y, de este
modo, obtener la distribucin que sigue cada variable aleatoria. A continuacin, se
describen las hiptesis planteadas segn los resultados de la actividad anterior:
Ho: Los datos siguen la distribucin que dicen ser (depender que distribucin se analice).
H1: Los datos no siguen la distribucin que dicen ser (depender que distribucin se
analice).
Por lo tanto, con el planteamiento anterior, se obtendrn las distribuciones que siguen las
variables aleatorias. A continuacin, estos datos se utilizarn como input en el software
Arena para la posterior simulacin del proceso.
Finalmente, los datos de salida de la simulacin en el software, se corroborarn con los
datos reales tomados al inicio del trabajo, con lo cual se podr concluir con la aceptacin
o rechazo de la hiptesis planteada.
NDICE
RESUMEN............................................................................................................ 2
I.
OBJETIVO DEL TRABAJO.............................................................................. 5
II.
DESCRIPCIN DEL SISTEMA..........................................................................6
III.
PROCEDIMIENTO PARA LA RECOLECCIN DE DATOS................................9
IV.
ANLISIS DE LOS DATOS: DETERMINACIN DE LOS TAMAOS DE
MUESTRA............................................................................................................ 9
Clasificacin de datos....................................................................................... 9
Tiempo de duracin del proceso de recepcin..................................................10
Tiempo de duracin del proceso de lavado.......................................................13
Tiempo de duracin del proceso de secado......................................................15
Tiempo de duracin del proceso de PDI bsico.................................................18
Tiempo de duracin del proceso de acondicionado...........................................21
Determinacin del tamao de muestra..............................................................23
V. ANLISIS DE LOS DATOS: PRUEBAS DE BONDAD DE AJUSTE Y
DETERMINACIN DE DISTRIBUCIONES DE PROBABILIDAD A USAR EN LA
SIMULACIN...................................................................................................... 26
1.
Nmero de autos que llegan por da al sistema...........................................26
2.
Variable: Tiempo de duracin del proceso de recepcin Autos Carens......28
3.
Variable: Tiempo de duracin del proceso de recepcin Autos Rio...........30
4.
Variable: Tiempo de duracin del proceso de recepcin Autos Picanto.....32
5.
Variable: Tiempo de duracin del proceso de lavado Autos Carens...........34
6.
Variable: Tiempo de duracin del proceso de lavado Autos Rio................36
7.
Variable: Tiempo de duracin del proceso de lavado Autos Picanto..........38
8.
Variable: Tiempo de duracin del proceso de secado Autos Picanto.........40
9.
Variable: Tiempo de duracin del proceso de secado Autos Rio-Carens....42
10.
Variable: Tiempo de duracin del proceso de PDI bsico Autos Carens..44
11.
Variable: Tiempo de duracin del proceso de PDI bsico Autos Rio.......46
12.
Variable: Tiempo de duracin del proceso de PDI bsico Autos Picanto. 48
13.
Variable: Tiempo de duracin del proceso de acondicionado Autos
Picanto........................................................................................................... 50
14.
Variable: Tiempo de duracin del proceso de acondicionado Autos
Rio-Carens...................................................................................................... 52
15.
Proporcin de cada modelo de auto que llega al sistema.........................54
VI.
IDENTIFICACIN ENTIDADES, RECURSOS, VARIABLES DE ESTADO Y
ATRIBUTOS........................................................................................................ 54
VII.
PRESUNCIONES REALIZADAS PARA ESTABLECER EL MODELO...............58
VIII.
MODELO.................................................................................................. 59
IX.
ANIMACIN.............................................................................................. 59
X. ANLISIS DEL MODELO VALIDACIN Y VERIFICACIN DE RESULTADOS,

ANLISIS DE SISTEMA TERMINAL O NO TERMINAL............................................59
XI.
PLANTEAMIENTO DE ALTERNATIVAS DE MEJORA / PTIMAS PARA EL
SISTEMA SIMULADO EN FUNCIN DE INDICADORES DEFINIDOS EN EL MODELO
63
XII.
Observaciones.......................................................................................... 68
XIII.
Conclusiones............................................................................................ 68
XIV.
ANEXOS................................................................................................... 69
Anexo 1........................................................................................................ 69
Anexo 2........................................................................................................ 70
Anexo 3........................................................................................................ 71
Anexo 4........................................................................................................ 72
Anexo 5........................................................................................................ 73
Anexo 6........................................................................................................ 74
Anexo 7........................................................................................................ 74
I.
OBJETIVO DEL TRABAJO

El siguiente informe tiene como objetivo principal optimizar el servicio de Pre
Delivery Inspection (PDI) de la empresa VARI ALMACENES S.A., mediante la
simulacin de los procesos involucrados con el fin de reducir los tiempos de cola
de los autos generados actualmente.
Asimismo, se tienen los siguientes objetivos especficos:
Identificar todos los procesos involucrados en el servicio de Pre Delivery

Inspection (PDI) y determinar cules son los que generan un mayor tiempo de
espera para los autos.

Analizar y evaluar la significancia, en los tiempos de servicio, de la variacin de los
autos que pasan por el proceso de PDI a travs de un diseo experimental
seleccionado.
Analizar y clasificar las variables aleatorias, proporciones y datos determinsticos
presentes en el servicio de Pre Delivery Inspection (PDI).

Hallar la distribucin que se ajuste mejor a cada uno de los datos mediante el
clculo previo de los tamaos de muestra de cada uno de estos.

Generar un modelo de simulacin que nos permita analizar, evaluar y, se ser
necesario, modificar los procesos incluos en el servicio de PDI, tomando en
cuenta los diferentes tipos de condicionantes y supuestos del sistema.

Proponer las respectivas mejoras para el sistema actual en base a los resultados
obtenidos en el modelo de simulacin.
II.
DESCRIPCIN DEL SISTEMA

a) Recepcin
Los autos se reciben en la explanada principal del almacn, en donde se
estacionan uno detrs de otro y en dos columnas. El operario procede a realizar
un control de calidad de la parte interna y externa del auto y, a inventariar cada
uno de los accesorios y herramientas que posee. Toda la informacin anterior se
detalla en un formato nico y entregable por cada auto. Este subproceso termina
cuando el operario termina de llenar el formato, lo coloca en el interior del auto y
cierra la puerta.
b) Lavado
El auto es trasladado hacia la zona de lavado, en donde se realiza el lavado

externo que consiste en la aplicacin de shampoo industrial para su posterior
enjuagado. De esta forma, se retira la grasa y el polvo que adquiri la carrocera
durante el tiempo que se mantuvo en el almacn.
c) Secado
El operario encargado de esta zona realiza la operacin de secado externa del
auto con trapos industriales. Asimismo, el secado del interior del capot (motor,
bobinas, batera, etc.) lo realiza con la ayuda de una pistola de aire a presin.
d) PDI
En este subproceso, el operario se encarga de realizar las diferentes tareas de
inspeccin mecnica y elctrica, as como las verificaciones diversas que se
deben llevar a cabo para corroborar el buen estado del vehculo. Asimismo, en
esta parte del proceso se corrige cualquier imperfeccin menos que pueda impedir
la entrega del auto como producto nuevo. Estas actividades se realizan siguiendo
una rutina de trabajo y de acuerdo con un Check List definido.
e) Acondicionado
En esta ltima etapa, el operario realiza el retiro de aplicaciones, colocacin de
aplicaciones, pulido, y todas las actividades que sean necesarias para liberar el
vehculo en perfecto estado de acabados y presentacin.
A continuacin, se presenta los procesos anteriormente detallados en el siguiente flujograma:
Elaboracin propia
III.
PROCEDIMIENTO PARA LA RECOLECCIN DE DATOS
Un integrante del grupo, Alejandro Alonso Maguia Rodrguez, actualmente se encuentra

laborando en esta empresa y fue el encargado de solicitar los datos de los tiempos y los
modelos de autos que reciben el servicio de PDI.
Los datos fueron facilitados por la empresa de los ltimos dos meses de trabajo, adems se
realizaron tomas por los integrantes del grupo en el horario de trabajo habitual durante una
semana, logrando obtener un total de 700 datos de tiempo de atencin de cada uno de los
procesos que reciben los vehculos. La informacin necesaria para determinar si la poblacin
era finita o infinita se obtuvo de la capacidad que tena el almacn de donde provenan los
autos para recibir el servicio siendo esta de 3000 vehculos. Por otro lado, la llegada de los
autos era un da antes de recibir el servicio; por ejemplo, el da domingo por la tarde llegaban
los autos para recibir el servicio el da lunes a primera hora, por ello estos datos se tomaron
como nmero de llegadas por da de los vehculos.
Con los datos obtenidos, se obtuvo el nivel de correlacin por cada tipo de variable y se
catalogaron en variables aleatorias, determinsticas o probabilidades, para este ltimo no se
necesitar nivel de correlacin.
IV.
ANLISIS DE LOS DATOS: DETERMINACIN DE LOS TAMAOS DE MUESTRA
Clasificacin de datos
En este punto se identific los datos requeridos de los procesos antes mencionados.
A continuacin, se muestra una lista con datos relevantes en cada etapa del sistema:
1. Numero de autos que llegan por da al sistema.
2. Tiempo entre llegadas al sistema.
3. Proporcin de cada modelo de auto que llega al sistema.
4. Tiempo de traslado del almacn hacia recepcin.
5. Tiempo de duracin del proceso de recepcin.
6. Tiempo de traslado de recepcin hacia lavado.
7. Tiempo de duracin del proceso de lavado.
8. Tiempo de traslado de lavado hacia secado.
9. Tiempo de duracin del proceso de secado.
10. Tiempo de traslado de secado hacia PDI bsico.
11. Tiempo de duracin del proceso de PDI bsico.
12. Tiempo de traslado de PDI bsico hacia acondicionado.
13. Tiempo de duracin del proceso de acondicionado.
La variable de proporcin se consider debido a que luego de realizar un anlisis de
los tiempos de duracin de cada proceso se obtuvo que dependiendo del modelo
este tiempo era distinto. En seguida se muestra el anlisis de varianza (Anova) de un
solo factor, realizado para cada una de las variables con el objetivo de demostrar que
existen diferencias significativas en la media para los tiempos de duracin.
Tiempo de duracin del proceso de recepcin.

Se proceder a realizar el anlisis de varianza (Anova) de un solo factor, con el
objetivo de evaluar si es que hay diferencias significativas en la media para los
tiempos en el proceso de recepcin.
Los resultados de los 30 datos que se obtuvieron son los siguientes:
Distribucin de los 30 datos muestra
C1: Proceso de recepcin Autos Carens
C2: Proceso de recepcin Autos Rio
C3: Proceso de recepcin Autos Picanto
Imagen Nro. 01: Distribucin de los datos
ANOVA de un factor para C1, C2, C3

Informe de diagnstico
Distribucin de los datos
Compare la ubicacin y la dispersin.
Orden de los datos en la hoja de trabajo

Investigar cual quier valor atpico (marcado en rojo).
C1
C1
1000
500
C2
C2
1000
500
C3
C3
1000
500
Elaboracin propia - Fuente Minitab

Grfico Nro. 02 Intervalos de confianza para cada muestra
Informe sobre potencia
Cul es la probabilidad de detectar una diferencia?
< 40%
60%
62.420
Potencia
90%
Qu diferencia puede detectar con los

tamaos de sus muestras?
100%
133.35
Diferencia
De acuerdo con sus muestras y (0.05), usted tiene una probabilidad

mnima de 90% de detectar una diferencia de 133.35, y una probabilidad
mxima de 60% de detectar una diferencia de 62.420.
Diferencia
Potencia
62.420
93.286
103.94
116.34
133.35
30.1 - 60.0%
60.0 - 92.7%
70.0 - 97.1%
80.0 - 99.3%
90.0 - 100.0%
La potencia es una funcin de los tamaos de las muestras y de las desviaciones estndar. Para detectar
diferencias menores que 116.34, considere aumentar los tamaos de las muestras.
Estadsticas
Muestra
C1
C2
C3
Tamao de la
muestra
Media
Desviacin
estndar
IC individual
95% para media
30
30
30
914.30
568.55
236.60
161.35
117.43
62.103
(854.05, 974.55)
(524.70, 612.40)
(213.41, 259.79)
Imagen Nro. 03: Informe de resumen

Informe de resumen
Difieren las medias?
0
0.05
Cules medias difieren?
0.1
> 0.5
No
P < 0.001
Muestra
Difiere de
C3
C2
C1
C2 C1
C3 C1
C3 C2
Las diferencias entre las medias son significativas (p < 0.05).
Grfica de comparacin de las medias

Los intervalos en rojo que no se superponen difieren.
Comentarios
Prueba: usted puede concluir que existen diferencias entre las
medias en el nivel de significancia de 0.05.
Grfica de comparacin: busque intervalos de comparacin
rojos que no se superpongan para identificar las medias que
difieren entre s. Considere el tamao de las diferencias para
determinar si tienen implicaciones prcticas.
C3
C2
C1
200
400
600
800
1000
De los grficos se concluye que existen diferencias entre las medias de las tres variables
(C1, C2, C3) con un nivel de confianza del 95%. En ese sentido, se escogern tres variables
aleatorias distintas; es decir, el anlisis se realizar segn el tipo de carro que ingresa al
proceso de recepcin.
Tiempo de duracin del proceso de lavado.

Elaboracin propia
Imagen Nro. 05: Intervalos de confianza para cada muestra
Elaboracin propia
Elaboracin propia
De los grficos se concluye que existen diferencias entre las medias con un nivel de
confianza del 95%. Es decir, hay evidencia suficiente para afirmar que las medias de
los modelos Carens, Rio y Picanto difieren entre s; por lo tanto, se consider
conveniente separar los tiempos de los 3 modelos, obteniendo variables aleatorias

distintas segn el modelo de auto que ingresa al proceso de lavado. Asimismo, las
muestras utilizadas para este anlisis se encuentran en el archivo Excel anexado.
Tiempo de duracin del proceso de secado.

Para el anlisis se tom una muestra de 30 datos de cada modelo, y con ayuda del
software (Minitab) se obtuvieron los siguientes resultados:

C1
1600
C1
1200
800
C2
1600
C2
1200
800
C3
1600
1200
800
800
1000
1200
1400
Elaboracin propia
C3

< 40%
60%
129.10
Potencia
90%

100%
199.85
Diferencia

Diferencia
Potencia
129.10
139.92
155.86
174.40
199.85
52.8 - 60.0%
60.0 - 67.5%
70.0 - 77.3%
80.0 - 86.3%
90.0 - 94.3%
Estadsticas
Muestra
C1
C2
C3
Tamao de la
muestra
Media
Desviacin
estndar
IC individual
95% para media
30
30
30
1148.1
994.73
1157.4
208.17
182.01
216.06
(1070.3, 1225.8)
(926.77, 1062.7)
(1076.7, 1238.0)
Elaboracin propia

Informe de resumen
0
0.05
0.1
> 0.5
No
P = 0.003
Muestra
Difiere de
C2
C1
C3
C1 C3
C2
C2

Los intervalos en rojo que no se superponen difieren.
Comentarios
Grfica de comparacin: busque intervalos de comparacin
rojos que no se superpongan para identificar las medias que
difieren entre s. Considere el tamao de las diferencias para
determinar si tienen implicaciones prcticas.
C2
C1
C3
900
1000
1100
1200
Elaboracin propia
confianza del 95%. Sin embargo, para el caso de los modelos Rio y Carens no existe
evidencia para decir que las medias no difieren entre s; por ello, se consider
conveniente juntar los tiempos de los dos modelos en este proceso, obteniendo dos
variables aleatorias distintas segn el tipo de carro que ingresa al proceso de secado.
Cabe mencionar que las muestras utilizadas para este anlisis se encuentran en el
archivo Excel anexado.
Tiempo de duracin del proceso de PDI bsico.


ANOVA de un factor para CARENS, RIO, PICANTO

CARENS
1000
CARENS
750
500
RIO
1000
RIO
750
500
PICANTO
1000
750
500
300
400
500
600
700
800
900
Elaboracin propia
PICANTO

< 40%
60%
83.998
Potencia
90%

100%
163.09
Diferencia

Diferencia
Potencia
83.998
114.10
127.11
142.27
163.09
35.7 - 60.0%
60.0 - 86.7%
70.0 - 93.3%
80.0 - 97.6%
90.0 - 99.7%
Estadsticas
Muestra
Tamao de la
muestra
Media
Desviacin
estndar
IC individual
95% para media
CARENS
RIO
PICANTO
30
30
30
647.1
643.77
569
158.92
185.51
82.082
(587.76, 706.44)
(574.50, 713.04)
(538.35, 599.65)
Elaboracin propia

Informe de resumen
0
0.05
0.1
> 0.5
No
P = 0.023
# Muestra
Difiere de
1
2
3
2
1
PICANTO
CARENS
RIO

Los intervalos en rojo son los que tienen mayor probabilidad de diferir.
Comentarios
Grfica de comparacin: los intervalos con la menor cantidad
de superposicin se muestran en rojo, e indican las medias con
ms probabilidades de diferir. Considere el tamao de la
diferencia para determinar si tiene implicaciones prcticas.
PICANTO
CARENS
RIO
550
600
650
700
Elaboracin propia
confianza del 95%. Es decir, hay evidencia suficiente para afirmar que las medias de
los modelos Carens, Rio y Picanto difieren entre s; por lo tanto, se consider
conveniente separar los tiempos de los 3 modelos, obteniendo variables aleatorias
distintas segn el modelo de auto que ingresa al proceso de PDI bsico. Asimismo,
las muestras utilizadas para este anlisis se encuentran en el archivo Excel anexado.
Tiempo de duracin del proceso de acondicionado.

Elaboracin propia
Elaboracin propia
Elaboracin propia
confianza del 95%. Sin embargo, para el caso de los modelos Rio y Carens no existe
evidencia para decir que las medias no difieren entre s; por ello, se consider
conveniente juntar los tiempos de los dos modelos en este proceso, obteniendo dos
variables aleatorias distintas segn el tipo de carro que ingresa al proceso de
acondicionado. Cabe mencionar que las muestras utilizadas para este anlisis se
encuentran en el archivo Excel anexado.
Luego de este anlisis se procedi a clasificar los datos de acuerdo a Variables

aleatorias, proporciones o probabilidades y datos determinsticos.
Variables aleatorias
1. Nmero de autos que llegan por da al sistema.
2. Tiempo de duracin del proceso de recepcin Autos Carens
3. Tiempo de duracin del proceso de recepcin Autos Rio

4. Tiempo de duracin del proceso de recepcin Autos Picanto
5. Tiempo de duracin del proceso de lavado Autos Carens
6. Tiempo de duracin del proceso de lavado Autos Rio
7. Tiempo de duracin del proceso de lavado Autos Picanto
8. Tiempo de duracin del proceso de secado Autos Picanto
9. Tiempo de duracin del proceso de secado Autos Rio-Carens.
10. Tiempo de duracin del proceso de PDI bsico Autos Carens.
11. Tiempo de duracin del proceso de PDI bsico Autos Rio.
12. Tiempo de duracin del proceso de PDI bsico Autos Picanto.
13. Tiempo de duracin del proceso de acondicionado Autos Picanto.
14. Tiempo de duracin del proceso de acondicionado Autos Rio-Carens.
Proporciones o probabilidades
Datos determinsticos
1.
2.
3.
4.
5.
6.
Tiempo entre llegadas al sistema.

Tiempo de traslado del almacn hacia recepcin.
Tiempo de traslado de recepcin hacia lavado.
Tiempo de traslado de lavado hacia secado.
Tiempo de traslado de secado hacia PDI bsico.
Tiempo de traslado de PDI bsico hacia acondicionado.
Determinacin del tamao de muestra

Para las variables aleatorias y las proporciones clasificadas previamente se realiz un
clculo para determinar el tamao de muestra necesario en el anlisis.
Se utiliz las 700 muestras obtenidas en la
escogieron 30 muestras aleatorias para el
varianza muestral(S^2). Luego se hall el
confianza de 95% y se consider el error
muestral de estimacin
recoleccin de datos, de las cuales se

clculo de la media muestral (x) y la
valor de Z de 1.96 para el nivel de
mximo de 5% para calcular el error
d=xe .
El tamao de muestra inicial para las variables aleatorias se calcul utilizando la

siguiente formula:
Imagen Nro. 16
Fuente: Diapositivas de clase

Para el caso de la proporcin se utiliz la siguiente formula:
Imagen Nro. 17
Luego se procedi a corregir el tamao de muestra anterior, ya que la cantidad de

autos en el almacn no es infinita, siendo la capacidad de este de 3000
autos(N=3000), con la siguiente formula:
Imagen Nro. 18
En la tabla resumen mostrada lneas abajo se puede observar los tamaos de muestra de
trabajo para cada dato, los clculos se encuentran en el archivo Excel adjunto.
Tabla Nro 01: Resumen de muestras

Tamao de
muestra de trabajo
Coeficiente
de
variacin(C.V)
Tamao de
muestra piloto
Error
porcentual
Tamao
Tamao de
muestra
calculado
1 Nmero de autos que llegan por da al sistema.
133
25%
30
0.05
3000
135
2 Tiempo de duracin del proceso de recepcin Autos Carens
105
19%
30
0.05
3000
48
3 Tiempo de duracin del proceso de recepcin Autos Rio
210
20%
30
0.05
3000
65
4 Tiempo de duracin del proceso de recepcin Autos Picanto
385
25%
30
0.05
3000
102
5 Tiempo de duracin del proceso de lavado Autos Carens
105
12%
30
0.05
3000
19
6 Tiempo de duracin del proceso de lavado Autos Rio
210
23%
30
0.05
3000
63
7 Tiempo de duracin del proceso de lavado Autos Picanto
385
11%
30
0.05
3000
16
8 Tiempo de duracin del proceso de secado Autos Picanto
385
21%
30
0.05
3000
68
9 Tiempo de duracin del proceso de secado Autos Rio-Carens.
315
19%
30
0.05
3000
54
10 Tiempo de duracin del proceso de PDI bsico Autos Carens.
105
23%
30
0.05
3000
90
Nr
o
Variable/Proporcin
11 Tiempo de duracin del proceso de PDI bsico Autos Rio.
210
24%
30
0.05
3000
123
12 Tiempo de duracin del proceso de PDI bsico Autos Picanto.
385
11%
30
0.05
3000
32
13 Tiempo de duracin del proceso de acondicionado Autos Picanto.
385
12%
30
0.05
3000
31
14 Tiempo de duracin del proceso de acondicionado Autos Rio-Carens.
315
15%
30
0.05
3000
42
15 Proporcin de cada modelo de auto que llega al sistema.
700
30
0.05
700
242
Elaboracin propia
V.
ANLISIS DE LOS DATOS: PRUEBAS DE BONDAD DE AJUSTE Y

DETERMINACIN DE DISTRIBUCIONES DE PROBABILIDAD A USAR EN LA
SIMULACIN
Para realizar las pruebas de bondad de ajuste se hizo uso del software Input
Analyzer con un nivel de confianza del 95%. A continuacin se muestra los
resultados del anlisis.
1. Nmero de autos que llegan por da al sistema.

Imagen Nro.19 Nmero de autos que llegan por da al sistema
Elaboracin propia
Descripcin
Esta variable representa el nmero de autos que llegan por da al sistema.

Aplicabilidad de pruebas
Al ser esta una variable discreta y adems usando una muestra de 135 datos ya que
es el nmero de muestras necesarias para encontrar la distribucin que mejor se
ajuste. Encontramos un ajuste a la distribucin Poisson del nmero de autos que
llegan por da al sistema.
Anlisis p-value
Para determinar la distribucin de mejor ajuste, realizamos las pruebas de bondad de
ajuste en el software Input Analyzer con un nivel de significancia del 95%.
Planteamos las siguientes hiptesis:
Ho: Los datos siguen una distribucin POISSON.
H1: Los datos no siguen una distribucin POISSON.
En base a los resultados obtenidos en la prueba de bondad de ajuste Chi-Cuadrado,
el p-value es 0.147, al ser este valor mayor que 0.05, no existe evidencia suficiente
para rechazar la hiptesis nula. Lo cual indica que los datos se ajustan mejor a la
distribucin POISSON.
Errores cuadrticos
Se obtienen otras distribuciones que tambin se ajustan a los datos; la distribucin
que posee el menor error cuadrtico es la distribucin NORMAL. Sin embargo, esta
variable no es continua por ello se descarta esta distribucin.
Distribucin:
POIS (21.8)
2. Variable: Tiempo de duracin del proceso de recepcin Autos Carens
Imagen Nro.20 Tiempo de duracin del proceso de recepcin Autos Carens
Elaboracin propia
Descripcin
Esta variable representa el tiempo de duracin del proceso de recepcin Autos
Carens.
Para esta variable analizada, se usa una muestra de 48 datos ya que es el nmero
de muestras necesarias para encontrar la distribucin que mejor se ajuste.
Esta variable es continua, por lo que solo cumple con los criterios de seleccin de la
prueba de bondad de ajuste K-S (Kolmogorov-Smirnov).
Anlisis p-value
Ho: Los datos siguen una distribucin BETA.
H1: Los datos no siguen una distribucin BETA.
En base a los resultados obtenidos en la prueba de bondad de ajuste K-S, el p-value
es mayor que 0.15, al ser este valor mayor que 0.05, no existe evidencia suficiente
distribucin BETA.
Errores cuadrticos
Se obtienen otras distribuciones que tambin se ajustan a los datos; sin embargo,
podemos observar que en el resumen de Fit All summary, la distribucin que posee el
menor error cuadrtico es la distribucin BETA.
Distribucin: 637+ 542*BETA (0.609,0.866)
3. Variable: Tiempo de duracin del proceso de recepcin Autos Rio

Imagen Nro 21 Tiempo de duracin del proceso de recepcin Autos Rio
Elaboracin propia
Descripcin
Esta variable representa el tiempo de duracin del proceso de recepcin Autos Rio
Anlisis p-value

distribucin BETA.
Errores cuadrticos
Distribucin: 370 + 353*BETA (0.77, 0.667)
4. Variable: Tiempo de duracin del proceso de recepcin Autos Picanto

Imagen Nro. 22 Tiempo de duracin del proceso de recepcin Autos Picanto
Elaboracin propia
Descripcin
Esta variable representa el tiempo de duracin del proceso de lavado Autos Picanto
Esta variable es continua ya adems el tamao de la muestra es mayor a 90, por lo
que cumple con los criterios de seleccin de la prueba de bondad de ajuste K-S
(Kolmogorov-Smirnov) y Chi - Cuadrado.
Anlisis p-value

es mayor que 0.15 pero en la Chi Cuadrado es menor. Sin embargo, al ser el valor
mayor que 0.05 en una de las pruebas, no existe evidencia suficiente para rechazar
la hiptesis nula. Lo cual indica que los datos se ajustan mejor a la distribucin BETA.
Errores cuadrticos
Distribucin: 149+234*BETA (1.07, 1.57)
5. Variable: Tiempo de duracin del proceso de lavado Autos Carens
Imagen Nro. 23: Tiempo de duracin del proceso de lavado Autos Carens
Elaboracin propia
Descripcin
Esta variable representa el tiempo de duracin del proceso de lavado Autos Carens.
Anlisis p-value
distribucin BETA.
Errores cuadrticos
Distribucin: 622 + 258 * BETA (0.753, 1.17)
6. Variable: Tiempo de duracin del proceso de lavado Autos Rio
Imagen Nro. 24: Tiempo de duracin del proceso de lavado Autos Rio
Elaboracin propia
Descripcin
Esta variable representa el tiempo de duracin del proceso de lavado Autos Rio.
prueba de bondad de ajuste K-S (Kolmogorov-Smirnov). Por otro lado, a pesar de
que el software nos muestra el test Chi-Cuadrado, no cumple con los criterios de este
porque el tamao de muestra es menor a 90.
Anlisis p-value
Ho: Los datos siguen una distribucin UNIFORM.
H1: Los datos no siguen una distribucin UNIFORM.
distribucin UNIFORM.
Errores cuadrticos
menor error cuadrtico es la distribucin UNIFORM.
Distribucin: UNIF (409, 919)
7. Variable: Tiempo de duracin del proceso de lavado Autos Picanto
Imagen Nro. 25: Tiempo de duracin del proceso de lavado Autos Picanto
Elaboracin Propia
Descripcin
Esta variable representa el tiempo de duracin del proceso de lavado Autos
Picanto.
Anlisis p-value
distribucin BETA.
Errores cuadrticos
8. Variable: Tiempo de duracin del proceso de secado Autos Picanto

Imagen Nro. 26: Tiempo de duracin del proceso de secado Autos Picanto
Elaboracin Propia
Descripcin
Esta variable representa el tiempo de duracin del proceso de secado Autos

Picanto.
Anlisis p-value
distribucin NORMAL.
Errores cuadrticos
Distribucin: 607+701 * BETA (0.821, 0.853)
9. Variable: Tiempo de duracin del proceso de secado Autos Rio-Carens.
Imagen Nro. 27: Tiempo de duracin del proceso de acondicionado Autos

Rio-Carens
Elaboracin Propia
Descripcin
Esta variable representa el tiempo de duracin del proceso de secado Autos

Rio-Carens.
Anlisis p-value
distribucin BETA.
Errores cuadrticos
10. Variable: Tiempo de duracin del proceso de PDI bsico Autos Carens.
Imagen Nro. 28: Tiempo de duracin del proceso de PDI bsico Autos Carens
Elaboracin Propia
Descripcin
Esta variable representa el tiempo de duracin del proceso de PDI bsico Autos
Carens.
Anlisis p-value
es igual a 0.094, al ser este valor mayor que 0.05, no existe evidencia suficiente para
rechazar la hiptesis nula. Lo cual indica que los datos se ajustan mejor a la
distribucin BETA.
Errores cuadrticos
11. Variable: Tiempo de duracin del proceso de PDI bsico Autos Rio.
Imagen Nro. 29: Tiempo de duracin del proceso de PDI bsico Autos Rio
Elaboracin Propia
Descripcin
Rio.
Esta variable es continua y adems el tamao de muestra es mayor a 90, por lo que
cumple con los criterios de seleccin de la prueba de bondad de ajuste K-S
(Kolmogorov-Smirnov) y la prueba Chi - Cuadrado.
Anlisis p-value
En base a los resultados obtenidos en la prueba de bondad de ajuste K-S y Chi Cuadrado, el p-value es mayor que 0.15 en ambos casos, al ser este valor mayor que
0.05, no existe evidencia suficiente para rechazar la hiptesis nula. Lo cual indica que
los datos se ajustan mejor a la distribucin BETA.
Errores cuadrticos
12. Variable: Tiempo de duracin del proceso de PDI bsico Autos Picanto.
Imagen Nro. 30: Tiempo de duracin del proceso de PDI bsico Autos Picanto
Elaboracin Propia
Descripcin
Picanto.
Anlisis p-value
distribucin BETA.
Errores cuadrticos
13. Variable: Tiempo de duracin del proceso de acondicionado Autos Picanto

Picanto
Elaboracin propia
Descripcin
Esta variable representa el tiempo de duracin del proceso de acondicionado Autos
Picanto.
Anlisis p-value
Ho: Los datos siguen una distribucin NORMAL.
H1: Los datos no siguen una distribucin NORMAL.
distribucin NORMAL.
Errores cuadrticos
menor error cuadrtico es la distribucin NORMAL.
Distribucin: NORM (1.23e+003, 146)
14. Variable: Tiempo de duracin del proceso de acondicionado Autos

Carens.
Rio-

Rio-Carens
Elaboracin propia
Descripcin
Esta variable representa el tiempo de duracin del proceso de acondicionado Autos
Rio-Carens.
Para esta variable analizada, se usan de 42 datos ya que es el nmero de muestras
necesarias para encontrar la distribucin que mejor se ajuste.
Anlisis p-value
distribucin BETA.
Errores cuadrticos

Para este caso se obtuvo luego de calcular la muestra de manera directa las
proporciones de cada modelo de auto que llega al sistema. A continuacin se muestra
una tabla con el resultado obtenido, los clculos se encuentran en el Excel adjunto.
Tabla Nro. 02: Proporcin de cada modelo de auto que llega al sistema
Modelo
PICANTO
RIO
CARENS
Probabilida
d
0.54
0.32
0.14
Elaboracin propia
VI.
IDENTIFICACIN ENTIDADES, RECURSOS, VARIABLES DE ESTADO Y

ATRIBUTOS
Entidades
Son las entidades que ingresarn al sistema para recibir el servicio de PDI
anteriormente descrito.
-
Autos
Recursos
Se definen los recursos como las personas y/o mquinas que realizarn las labores
descritas en sus respectivas estaciones de trabajo. Los recursos son:
rea de Recepcin
- Operario de Recepcin (2)
rea de Lavado
- Operario de Lavado de Lnea 1
- Operario de Lavado de Lnea 2
rea de Secado
- Operario de Secado de Lnea 1 (2)
- Operario de Secado de Lnea 2 (2)
rea de PDI
- Operario mecnico
- Operario elctrico
rea de Acondicionado
- Operario de Acondicionado de Lnea 1
- Operario de Acondicionado de Lnea 2
Variables de estado
Se define como variable de estado a la condicin que presentarn los recursos
involucrados en el sistema. Estos pueden ser:
Operario de Recepcin
- Ocupado: Este estado se da cuando el operario est ejecutando la
-
actividad de recepcin a un auto.

Desocupado: Este estado se da cuando el operario est libre y no est
realizando ninguna operacin. Ser asignado al auto que espera por
iniciar su recepcin.
Inactivo: Este estado se define cuando el operario de Recepcin se
encuentra en el horario de refrigerio.

Operario de Lavado
-
actividad de lavado a un auto.

iniciar su lavado.
Inactivo: Este estado se define cuando el operario de Lavado se encuentra
en el horario de refrigerio.
Operario de Secado
-
actividad de secado a un auto.

iniciar su secado.
Inactivo: Este estado se define cuando el operario de Secado se
Operario de PDI normal

actividad de PDI normal a un auto.

iniciar su revisin PDI normal.

Inactivo: Este estado se define cuando el operario de PDI se encuentra en
el horario de refrigerio.
Operario de Acondicionado
-
actividad de acondicionado a un auto.

iniciar su acondicionado.
Inactivo: Este estado se define cuando el operario de Acondicionado se
Variables adicionales
Nombre de Contadores Internos
CantidadCarrosMalos
Este
Descripcin
contador
representa
cantidad
de
autos
que
la
fueron
programados para el da y que

terminan requiriendo algn proceso
Nro. Serv. Regular Pintado
adicional (Mecnico o Pintado).

Este
contador
representa
cantidad
de
autos
que
la
fueron

terminan requiriendo el proceso
Nro. Serv. Regular Mecnico
adicional de Pintado.
Este
contador
representa
cantidad
de
autos
que
la
fueron

terminan requiriendo el proceso
CantidadCarrosServicio2
adicional de Mecnica.
Este
contador
representa
la
cantidad de autos que arriban a la

empresa
requieren
de
la
emergencia
aplicacin
en
y
las
siguientes estaciones: Pintado, PDI
CantidadCarrosServicio3
y Acondicionado
Este
contador
representa
la
cantidad de autos que arriban a la

empresa
requieren
de
la
emergencia
aplicacin
en
y
las
siguientes estaciones: Mecnico,

CantidadCarrosListos
Lavado y Secado
Este
contador
representa
la
cantidad de autos que terminaron

satisfactoriamente el proceso de
PDI programado para el da.
Atributos
Se define como atributos a las caractersticas que describen y distinguen a las
entidades. En el modelo se definen los siguientes:
Modelo de auto:
- Picanto (Modelo==1)
- Rio (Modelo==2)
- Carens (Modelo==3)
Cantidad de autos: Nmero de autos que llegan al da.
Calidad de autos: Define si el auto sale a despacho o reparacin.
Tipo de servicio: Define el servicio que va recibir el auto.
- Servicio Regular PDI (TipoDeServicio==1)
- Servicio Mecnico (TipoDeServicio==2)
- Servicio Pintura (TipoDeServicio==3)
Lnea de Atencin: Define la lnea en la que se atendi el auto.
Reparacin Regulares: Define los autos que reciben servicio regular y requieren
alguna reparacin, ya sea mecnica o de pintura.
VII.
PRESUNCIONES REALIZADAS PARA ESTABLECER EL MODELO

1. El almacn de donde provienen y se envan los carros es una caja negra para
el modelo.
2. La eficiencia de los recursos (operarios) se mantiene durante todo el da sin
importar la hora.
3. Todas las colas presentes en el sistema siguen la disciplina FIFO.
4. Se supone que el tiempo de traslado de una estacin a otra es constante.
5. Se considera que la cantidad de operarios en cada estacin es constante
durante todo el turno de trabajo y todos los das.
6. Se considera que la empresa solo brinda el servicio de PDI a 3 modelos de

autos marca Kia (Picanto, Carens y Rio).
7. Se considera que todos los autos reciben el servicio completo de PDI as se
les detecte algn dao considera en la estacin de Recepcin (marcas
profundas, rayaduras, indicio de un choque, etc).
8. Se considera que las rdenes de trabajo no sern canceladas en algn punto
del servicio. Se asume que los autos siempre terminarn el servicio.
9. Se asume que los operarios cumplen con el horario establecido y no se retiran
antes o regresan despus de la hora de refrigerio.
10. Se considera que todos los equipos que usan los operarios se encuentran
calibrados durante todo el periodo de anlisis.
11. En el modelo se considera que no existe llegadas de autos adicionales
durante el horario de trabajo. Debido a que en la realidad existen llegadas de
estos con poca frecuencia y no estn incluidos en la jornada programada del
da, por lo que no alteran sustancialmente la utilizacin de los recursos.
12. Se asume que los factores externos como accidentes, huelgas, clima, entre
otros; no afectarn al modelo.
13. Se considera que la velocidad dentro del PDI de una estacin a otra es
constante, para las distancias cortas es de 1.5 m/s y para las distancias largas
es 3 m/s.
14. En la realidad, existen de 3 a 5 choferes encargados del movimiento de los
carros independientemente del rea de trabajo o proceso. Sin embargo, en el
modelo se asume un chofer por rea, encargado especficamente de movilizar
los carros que se encuentren en un determinado proceso.
15. Se asumi un tiempo promedio en las reas de mecnica y pintura, 1 y 3
horas respectivamente. Estos procesos son externos al servicio de PDI
analizado en el informe y, por eso, solo se hizo un clculo referencial.
16. Se asume que los modelos de los autos que llegan adicionales al servicio
tienen la misma probabilidad de ser de los modelos de los autos que reciben
el servicio regular.
17. Se considera que las colas que realizan los autos en los procesos siguientes a
recepcin deben ser menor a 2, ya que no existe espacio suficiente para que
exista una cola fsica de ms de 2 autos entre estaciones.
VIII.
MODELO
Adjuntado en Arena
IX.
ANIMACIN
Adjuntado en Arena
X.
ANLISIS DEL MODELO VALIDACIN Y VERIFICACIN DE RESULTADOS,

ANLISIS DE SISTEMA TERMINAL O NO TERMINAL
El servicio de PDI, analizado a lo largo del informe, es clasificado como un Sistema
Terminal en base a los siguientes criterios:
El sistema tiene una condicin fija de comienzo y un evento definido de

trmino de simulacin. El servicio empieza con el proceso de recepcin y
culmina con el proceso de acondicionamiento. Todas las entidades
programadas para ese da y a los vehculos que llegan con situacin de
emergencia, son atendidos y procesados al cierre del da.

La corrida dura un tiempo especfico. Todos los vehculos son atendidos
dentro del horario de trabajo establecido, que va desde las 8am hasta las
6pm.
Las condiciones iniciales son conocidas. La llegada de los carros que sern
atendidos durante el da ya ha sido programada el da anterior. Asimismo, las
condiciones iniciales de las entidades programadas, como de las entidades
que llegan con situacin de emergencia, son conocidas.
Para realizar el anlisis y la validacin de los resultados obtenidos del modelo, se

plantearn las siguientes hiptesis:
Ho: E(Y) = C
H1: E(Y) C
Lo cual quiere decir que, la hiptesis planteada indica que los valores obtenidos
del modelo son iguales al levantamiento de informacin de los mismos
indicadores en la realidad; mientras que la hiptesis nula indica lo contrario.
Debido a que el sistema analizado es un sistema terminal, bastar con realizar el
clculo de los Intervalos de Confianza relacionados al modelo.
Para el anlisis, se evaluar la siguiente variable, en donde se analizarn 11
indicadores en total, utilizando 30 rplicas con el fin de hallar el nmero de
rplicas final necesario:
Tiempo promedio de espera de cola (WaitingTime)
En la siguiente tabla se muestra el clculo respectivo del nmero de rplicas necesarias para obtener resultados
correctos del modelo. Finalmente, podemos afirmar que se necesitarn 33004 rplicas.
Al correr el modelo una vez ms con las 33004 rplicas necesarias, se proceder al clculo de los Intervalos de
confianza para la validacin de resultados, obtenindose los siguientes resultados:
De la tabla anterior, se observa que de la validacin de las 11 variables no existe evidencia para rechazar la hiptesis
nula en 3 de ellas; sin embargo, en 8 de ellas no se logra validar el modelo.
Finalmente, se realizar la validacin de resultados mediante las pruebas de hiptesis de t-student con un nivel de
significancia del 5%:
Luego de las pruebas de hiptesis con los parmetros de t-student, se observa que de la validacin de las 11 variables
no existe evidencia para rechazar la hiptesis nula en 3 de ellas; sin embargo, en 8 de ellas no se logra validar el
modelo.
XI.
PLANTEAMIENTO DE ALTERNATIVAS DE MEJORA / PTIMAS PARA EL

SISTEMA SIMULADO EN FUNCIN DE INDICADORES DEFINIDOS EN EL
MODELO
Para el proceso de anlisis de las mejoras se considerar la evaluacin de los
resultados de la utilidad como principal indicador para tomar la decisin entre una y
otra
alternativa
Costos
mejora.
Operarios
Mensual
Horario
S/.
La
Operario Recepcin 1
1,256.00 S/. 6.04
utilidad se
S/.
Operario Recepcin 2
1,256.00 S/. 6.04
S/.
los costos Operario Lavado 1
1,256.00 S/. 6.04
S/.
directa y las
Operario Lavado 2
1,256.00 S/. 6.04
(ingresos)
S/.
por
cada Operario Secado 1
1,256.00 S/. 6.04
S/.
atendido
Operario Secado 2
1,256.00 S/. 6.04
proceso de
S/.
Operario
PDI
1
1,256.00
S/. 6.04
se presenta
S/.
costos
Operario PDI 2
1,256.00 S/. 6.04
Operario
S/.
Acondicionado 1
1,256.00 S/. 6.04
Operario
S/.
Acondicionado 2
1,256.00 S/. 6.04
S/.
S/.
Operario Pintura
3,925.00
18.87
S/.
Operario Mecnico
1,884.00 S/. 9.06
estructura
de
de
la
define
principalmente por
de la mano de obra
ganancias
son
consideradas
unidad
que
de
termina
carro
el
PDI. A continuacin
el detalle de los
asumidos.
Tabla de costos
Los costos mensuales de los operarios son considerando los pagos adicionales por
estar en planilla; es decir los pagos de CTS, seguros y otros beneficios.
Las ganancias que genera la empresa se sustentan principalmente por la cantidad de

autos atendidos en el proceso normal de PDI; si se presenta el caso de que el
vehculo requiera de un servicio adicional, el cobro por auto aumentar en el proceso
Servicio 1
Carros listos
se realizar en base
PDI
que el vehculo se
detalle se muestra a Carros Pintura
Carros
Mecnica
de Pintura y
en el
Ingresos
45
($/Carro)
28
($/Carro)
15
($/Hora)
servicio Mecnico el cobro

a la cantidad de horas en la
encuentre en el servicio; el
continuacin:
Tabla de Ingresos
En la siguiente figura se muestran los valores mximos y mnimos de los controls
tomados en cuenta.
As mismo se muestran los responses y las restricciones a las cuales ser

sometido el modelo.
Una vez definidos los controls, responses, restricciones y funcin objetivo; se

realizar la optimizacin del modelo como se muestra a continuacin.
Para la funcin objetivo definida, se multiplicar a cada control por los costos
descritos en la tabla anterior.
Con el mejor valor de la funcin objetivo (Minimizacin de costos por recurso

adicional adquirido), se construy la siguiente tabla resumen:
Recursos
Mecnico
Operario Acondicionado 1
Operario Acondicionado 2
Operario Lavado 1
Operario Lavado 2
Operario PDI 1
Operario PDI 2
Operario Pintura
Operario Recepcin
Operario Secado 1
Operario Secado 2
Total
Cantidad
actual
1
2
2
1
1
2
2
1
2
2
2
18
Cantidad
sugerida
2
2
3
2
2
2
2
2
3
4
4
28
Con esta nueva cantidad de operarios, se proceder a evaluar el impacto de la

mejora en el modelo trabajado:
Tiempo promedio
Recepcin
Tiempo promedio
Lavado 1
Tiempo promedio
Lavado 2
Tiempo promedio
Secado 1
Tiempo promedio
Secado 2
Tiempo promedio
PDI bsico 1
Tiempo promedio
PDI bsico 2
Tiempo promedio
Acondicionado 1
Tiempo promedio
Acondicionado 2
Tiempo promedio
mecnica
Tiempo promedio
pintura
de Espera en Cola
de Espera en Cola
de espera en Cola
de Espera en Cola
de Espera en Cola
de espera en cola
de espera en cola
de espera en Cola
de espera en Cola
de espera en cola
de espera en cola
Actual
Luego de Porcentaj
(segundo
la
e
s)
Optimizaci respecto
n
al valor
(segundos
actual
)
2730.0730
4700.4
-42%
95
210.15
-100%
507.7
131.2
-74%
1.2037
-100%
4.411
-100%
71.34
-100%
142.17
34.0685
-76%
561.4
-100%
1409.1 20.649583
-99%
1260.2
1292.99
3%
3883.3
3149.0635
15
-19%
12751.37 7358.0446
47
93
TOTAL
-42%
De la optimizacin generada, se obtuvo una reduccin de tiempos general de

aproximadamente 42%, lo cual representa una mayor ganancia para la empresa
debido a que a menor tiempo de espera en cola, mayor cantidad de vehculos se
podrn atender y por ende se podr cubrir la demanda creciente que se viene
dando en la empresa.
XII.
Observaciones
XIII.
El Opquest no sigui todas las rplicas y simulaciones que se ingresaron en

el programa, pues se detuvo en el valor de 197 figurando un cuadro de texto
en el que indicaba que no poda seguir realizando la simulacin debido a que
el Arena era una versin de estudiante, aun cuando en la laptop se instal la
licencia. Por ello, se tom la propuesta de mejora que hasta entonces logr
obtenerse en Opquest.
La diferencia entre las colas reales y las colas del modelo difieren siendo el
modelo ms eficiente, pues cuando se hizo la observacin de datos en la
planta, ese da solo funcionaba una lnea de servicio, mientras que
generalmente utilizan dos lneas y por ello nuestro modelo tambin fue
simulado con dos lneas.
Las colas de recepcin, pintura y mecnica no fueron incluidas en el primer
informe, pues fueron agregadas para el tercer informe con el objetivo de darle
complejidad al modelo de simulacin. As mismo, se actualiz en flujograma
con dichas estaciones.
Conclusiones
Se concluye que el modelo, efectivamente, se ajusta a un modelo de tipo

terminal, ya que las condiciones iniciales s fueron suficientes para la
validacin del modelo y al finalizar el turno por da ya no haba carga de
trabajo.
Se concluye de la validacin de datos que el nmero de rplicas necesarias es
de 33004 para lograr una precisin de 1% en el anlisis de datos.
En el caso de restringir los tiempos en cola, estos deberan ser pequeos pero
sin dejar de considerar que estos se asemejen a un valor real. De esta forma
los resultados obtenidos en la validacin podrn ser ms precisos y a su vez
acercarse an ms a la realidad.
XIV.
A partir de la mejora propuesta, se obtiene una reduccin del 42% del total de
tiempos de cola. Lo que conlleva a que se pueda cubrir una demanda futura
con tendencia creciente como viene sucediendo en la realidad.
ANEXOS
Anexo 1
Tiempo en cola de lavado
Correlativ
o
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
Tiempo
553
430
740
726
581
525
694
603
697
680
551
501
530
410
757
777
604
562
553
698
529
460
724
678
620
755
27
28
29
30
558
697
771
765
Anexo 2
Tiempo en cola de secado
Correlativ
o
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
Tiempo
358
386
274
343
377
282
262
376
267
269
327
369
376
370
343
314
367
366
354
317
293
336
352
264
306
305
308
360
29
30
377
311
Anexo 3
Tiempo en cola de PDI bsico
Correlativ
o
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
Tiempo
574
593
642
392
442
610
432
476
582
582
470
559
413
414
410
421
399
452
610
551
440
559
468
485
592
536
27
28
29
30
620
400
493
543
Anexo 4
Tiempo en cola de Acondicionado
Ti
e
m
Correlat p
ivo
o
4
4
1
3
3
1
2
0
4
4
3
4
5
4
4
6
2
6
5
0
2
7
6
1
5
2
7
1
3
2
8
7
4
8
9
4
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
3
9
3
3
3
7
3
2
4
5
4
3
4
1
0
3
2
1
2
7
1
3
1
8
2
7
7
3
6
6
4
6
8
3
5
9
4
0
1
3
6
9
3
7
1
3
8
0
4
2
27
28
29
30
0
4
5
7
4
8
5
3
1
7
5
4
1
Anex
Tiempo
en cola
de
Pintura
6
1
0
4
.
9
6
0
8
8
.
7
10
11
6
1
4
5
.
2
6
0
7
5
.
3
6
1
2
9
.
5
6
0
7
4
.
1
6
0
7
0
.
1
6
0
8
5
.
3
6
0
9
2
.
9
6
0
8
0
6
1
1
7
12
13
14
15
16
17
18
19
20
.
1
6
1
4
4
.
8
6
0
8
0
.
7
6
0
7
1
.
2
6
0
5
6
.
5
6
0
5
6
.
7
6
0
5
2
6
0
7
8
.
6
6
1
4
3
6
0
9
4
21
22
23
24
25
26
27
28
.
6
6
1
4
8
.
7
6
0
4
7
.
4
6
1
3
2
.
2
6
0
8
6
.
8
6
0
7
2
.
2
6
0
4
5
.
7
6
0
6
7
.
2
6
0
8
0
.
8
6
1
0
7
.
9
6
0
7
6
.
5
29
30
Anexo 6
Tiempo en cola de Mecnica
Correlativo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Tiempo
1521
1524
1515
1527
1537
1517
1512
1514
1521
1518
1529
1537
1529
1512
1527
1518
1511
1521
1520
1533
1522
1530
1531
1515
25
26
27
28
29
30
1536
1509
1532
1525
1526
1533
Anexo 7
Tiempo en cola de Recepcin

Correlativ
o
Tiempo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
5774.9
5767.9
5769.1
5760.2
5774.5
5773.7
5760.3
5771.4
5766.8
5763
5770.7
5758.8
5758
5762.2
5759
5765.5
5759.2
5762.4
5772.4
5758.9
5765.8
5771.9
5775.3
5768.4
5764.7
5759.7
5774.8
5759.8
5758.7
5761.7

Simulacion de Sistemas

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Simulacion de Sistemas

Uploaded by

Copyright:

Available Formats

PONTIFICIA UNIVERSIDAD CATLICA DEL PER

FACULTAD DE CIENCIAS E INGENIERIA

MAGUIA RODRGUEZ, ALEJANDRO ALONSO

San Miguel, 21 de febrero del 2016

OBJETIVO DEL TRABAJO.............................................................................. 5

DESCRIPCIN DEL SISTEMA..........................................................................6

PROCEDIMIENTO PARA LA RECOLECCIN DE DATOS................................9

Nmero de autos que llegan por da al sistema...........................................26

Variable: Tiempo de duracin del proceso de recepcin Autos Carens......28

Variable: Tiempo de duracin del proceso de recepcin Autos Rio...........30

Variable: Tiempo de duracin del proceso de recepcin Autos Picanto.....32

Variable: Tiempo de duracin del proceso de lavado Autos Carens...........34

Variable: Tiempo de duracin del proceso de lavado Autos Rio................36

Variable: Tiempo de duracin del proceso de lavado Autos Picanto..........38

Variable: Tiempo de duracin del proceso de secado Autos Picanto.........40

Variable: Tiempo de duracin del proceso de secado Autos Rio-Carens....42

Variable: Tiempo de duracin del proceso de PDI bsico Autos Carens..44

Variable: Tiempo de duracin del proceso de PDI bsico Autos Rio.......46

Variable: Tiempo de duracin del proceso de PDI bsico Autos Picanto. 48

Proporcin de cada modelo de auto que llega al sistema.........................54

PRESUNCIONES REALIZADAS PARA ESTABLECER EL MODELO...............58

X. ANLISIS DEL MODELO VALIDACIN Y VERIFICACIN DE RESULTADOS,

OBJETIVO DEL TRABAJO

Asimismo, se tienen los siguientes objetivos especficos:

Identificar todos los procesos involucrados en el servicio de Pre Delivery

espera para los autos.

presentes en el servicio de Pre Delivery Inspection (PDI).

clculo previo de los tamaos de muestra de cada uno de estos.

cuenta los diferentes tipos de condicionantes y supuestos del sistema.

DESCRIPCIN DEL SISTEMA

El auto es trasladado hacia la zona de lavado, en donde se realiza el lavado

A continuacin, se presenta los procesos anteriormente detallados en el siguiente flujograma:

PROCEDIMIENTO PARA LA RECOLECCIN DE DATOS

Un integrante del grupo, Alejandro Alonso Maguia Rodrguez, actualmente se encuentra

ANLISIS DE LOS DATOS: DETERMINACIN DE LOS TAMAOS DE MUESTRA

Tiempo de duracin del proceso de recepcin.

Imagen Nro. 01: Distribucin de los datos

ANOVA de un factor para C1, C2, C3

Orden de los datos en la hoja de trabajo

Elaboracin propia - Fuente Minitab

Qu diferencia puede detectar con los

De acuerdo con sus muestras y (0.05), usted tiene una probabilidad

Elaboracin propia - Fuente Minitab

Imagen Nro. 03: Informe de resumen

ANOVA de un factor para C1, C2, C3

Cules medias difieren?

Las diferencias entre las medias son significativas (p < 0.05).

Grfica de comparacin de las medias

Elaboracin propia - Fuente Minitab

Tiempo de duracin del proceso de lavado.

Imagen Nro. 05: Intervalos de confianza para cada muestra

conveniente separar los tiempos de los 3 modelos, obteniendo variables aleatorias

Tiempo de duracin del proceso de secado.

Orden de los datos en la hoja de trabajo

Imagen Nro. 08: Intervalos de confianza para cada muestra

ANOVA de un factor para C1, C2, C3

Qu diferencia puede detectar con los

De acuerdo con sus muestras y (0.05), usted tiene una probabilidad

Imagen Nro. 09: Informe de resumen

Cules medias difieren?

Las diferencias entre las medias son significativas (p < 0.05).

Grfica de comparacin de las medias

Tiempo de duracin del proceso de PDI bsico.