INSTITUTO TECNOLGICO SUPERIOR DE TEPEACA

INGENIERA INDUSTRIAL
Taller de Investigacin 1

Protocolo de investigacin:
Modelo de simulacin para el proceso productivo en la
operacin de roscado M12 de bisagra automotriz.

ELABORADA POR:

Nombre (s) Nm. de control.

Ramn Marcial Romero 15793144

Calificacin de la prctica Firma del catedrtico

Catedrtico: Dra. Irce Leal Cabrera

Tepeaca Pue a 10 de Junio de 2017

Contenido
INTRODUCCIN ................................................................................................................................................ 3

CAPITULO 1. DATOS GENERALES DE LA EMPRESA .................................................................................... 4

1.1. RAZN SOCIAL: INGENIERA Y MANTENIMIENTO BAL S.A. DE C.V. ..................................................................... 4

1.2. Resea histrica ................................................................................................................................ 4
1.3. Ubicacin ............................................................................................................................................... 4

CAPTULO II PLANTEAMIENTO DEL PROBLEMA ..................................................................................... 6

2.1 OBJETIVO GENERAL ............................................................................................................................................. 6

2.1.1. OBJETIVOS ESPECFICOS ............................................................................................................ 6

2.2. JUSTIFICACIN .................................................................................................................................... 7

2.3. ALCANCES ........................................................................................................................................... 7

2.3.1. LIMITACIONES ..................................................................................................................................... 7

CAPTULO III. MARCO TERICO ............................................................................................................... 8

3.1 HISTORIA DE LA SIMULACIN ............................................................................................................................. 8

3.2 DEFINICIONES Y APLIACACIONES ............................................................................................................. 10
3.2.1 Definicin de simulacin. ................................................................................................................ 10
3.3 APLICACIONES GENERALES .............................................................................................................................. 11
3.4 PASOS PARA LA ELABORACIN DE UN ESTUDIO DE SIMULACIN. ............................................................................. 12

CRONOGRAMA DE ACTIVIDADES ........................................................................................................... 15

CAPTULO 4 DESARROLLO DEL PROYECTO ............................................................................................. 15

CONCLUSION ......................................................................................................................................... 22

BIBLIOGRAFIA ........................................................................................................................................ 22

ANEXOS ................................................................................................................................................. 23

Pgina 1
Ilustracin 1 cronograma de actividades ................................................................................... 15

Ilustracin 2 Diagrama de flujo roscado M12 ........................................................................... 16

Ilustracin 3 Esquema de simulacin ........................................................................................ 21

Ilustracin 4 Bisagra automotriz................................................................................................ 23

Tabla 1 Elementos del sistema .................................................................................................. 17

Tabla 2 Nmeros Pseudoaleatorios ........................................................................................... 17

Tabla 3 Prueba de media ........................................................................................................... 18

Tabla 4 Nmeros aleatorios para prueba de varianza ................................................................ 18

Tabla 5 Prueba de varianza........................................................................................................ 19

Tabla 6 Pruebas de Bondad-de-Ajuste para nmeros aleatorios ............................................... 20

Tabla 7 Datos del sistema .......................................................................................................... 21

Pgina 2
Introduccin
Debido a la gran cantidad de procesos productivos y de servicios se han ido desarrollando
distintas herramientas sistemticas que hacen optimizar la calidad y satisfaccin de los
clientes.

En todo momento es importante crear simuladores que nos ayuden a lograr a tomar la mejor
decisin para la solucin de ciertas problemticas que se presenten en el campo laboral.

Para ello el presente proyecto hace enfatizar en la utilizacin de un modelo de simulacin para
poder controlar los posibles rechazos de produccin que una cierta empresa tiene como
constantes costos al momento de sufrir un rechazo por parte de su cliente.

Se harn los estudios pertinentes de acuerdo a las limitantes que se encuentran el presente
proyecto de investigacin, esto para lograr crear un modelo sistemtico capaz de ayudar a
tomar las decisiones ms optimas con el objetivo de disminuir los constantes costos elevados
de inspeccin visual, y de esta forma impedir acrecentar perdidas de utilidad para la compaa.

Resumen
La empresa Bal S.A de C.V proveedora de autopartes debe garantizar que todas y cada una
de ellas cumplan con las especificaciones tcnicas en la elaboracin de dicha operacin.

El proceso productivo para la fabricacin de las bisagras para puertas automotrices consta de
varias operaciones. En este caso nos enfocaremos en la operacin de roscado M12 (2x).

Pgina 3
 CAPITULO 1. DATOS GENERALES DE LA EMPRESA
1.1. Razn social: Ingeniera y Mantenimiento Bal S.A. de C.V.

1.2. Resea histrica

La empresa INGENIERA Y MANTENIMIENTO BAL S.A. DE C.V. fue constituida de
conformidad con la escritura pblica volumen 299 Instrumento nmero 18157, de fecha 31
de enero del 2007, pasada ante la fe del Notario pblico nmero 46 e Inscrita en Registro
Pblico, folio Mercantil Electrnico No. 3712*2

Somos una empresa con experiencia en el mercado, su principal fin es llegar a satisfacer
necesidades de los clientes en el mbito de diseo planeacin y manufactura de
transportadores, soldaduras, pailera, herrera, dispositivos, estructuras, mantenimiento
mecnico civil maquilas para la industria metal mecnica, compra venta de artculos y
materiales de importacin y exportacin para la industria en general, Fabricacin de
dispositivos de la industria automotriz.

Para el ao 2007, se comienza a tener logros importantes, ampliando nuestra cartera de

clientes con Lunkomex S.A. de C.V. entrando al mbito de manufactura con Machueleado de
placas, y corte de perfil as como tambin participando como proveedores de servicios y
productos para Gestamp Puebla, S.A. de C.V. realizando trabajos como el mantenimiento de
racks que incluye reparaciones menores de limpieza y pintura en general, trabajando desde su
planta y contribuyendo a la mejora y eficiencia en los problemas que se presenten. Tambin
se consolida como proveedor para Lunkomex S.A. de C.V. Participando en la fabricacin de

1.3. Ubicacin
Domicilio fiscal: Av. Xonacatepec No. 57 Infonavit Amalucan

Domicilio Comercial: Circuito Ingenieros Mecnicos N 108 Conjunto Industrial Chachapa

Amozoc de Mota, Puebla.

Cdigo Postal: 72940

Pgina 4
Ciudad: Puebla, Pu.

Pas: Mxico

Telfono-Fax:(01 222) 2 86 60 14

1.4. Representante Legal: Ing. Juan Balen Albarrn

Pgina 5
 CAPTULO II PLANTEAMIENTO DEL PROBLEMA

En el proceso de fabricacin constantemente se llegan a pasar piezas que no cuentan con las
especificaciones requeridas, por lo tanto esto llega a generar grandes problemas al momento
de la deteccin de una pieza que no tenga lo que se requiere para el siguiente proceso.

Por tal motivo el problema principal es que al encontrar una pieza defectuosa dentro de un
lote de 15,000 piezas, hace que los lotes entregados anteriormente tambin presenten la
incertidumbre de que se encuentre una o ms piezas con el mismo defecto, los lotes se
entregan semanalmente con un total de 60,000 piezas. Este tipo de fallas hacen que se envan
a cuarentena todos los lotes hasta que pasen las pruebas de inspeccin visual de todas y cada
una de las piezas que conforman los 4 lotes.

Por lo tanto se generan costos altos al realizar las inspecciones visuales.

2.1 Objetivo general

Reducir el nmero de rechazos en el proceso de productivo en la operacin de roscado

M12 de bisagra automotriz, en un 25% en un intervalo de un mes

2.1.1. Objetivos especficos

Crear un modelo sistemtico para el control del proceso del roscado M12

Evitar los costos en supervisiones generados durante los rechazos

Garantizar la calidad de las entregas requeridas por el cliente

Evitar prdidas monetarias para la empresa.

Garantizar la satisfaccin del cliente

Pgina 6
 Generar mayor confianza para con sus dems clientes.

2.2. Justificacin
En el presente proyecto de simulacin, se pretende generar un modelo capaz de simular la
probabilidad de rechazos que puedan existir en los lotes de fabricacin para una pieza
automotriz (bisagra de puerta)

Por qu es necesario realizar el estudio de investigacin?

Es necesario realizar el anlisis de un estudio capaz de resolver las constantes perdidas

monetarias de la compaa, ya que estas son generadas por no controlar la calidad que el
cliente requiere mediante sus especificaciones esperadas.

2.3. Alcances
Dicho proyecto ser una propuesta para el rea productiva de la operacin de roscado M12
(2x).

Se podr hacer una sola visita en las instalaciones de la empresa, solo para realizar una
observacin del proceso productivo.

2.3.1. Limitaciones
No contendr informacin detallada por privacidad y resguardo de la misma, de acuerdo a las
polticas implementadas por la empresa.

No se podrn evidenciar imgenes del proceso productivo, por las restricciones de

informacin confidencial.

No surtir efectos de implementacin, esto hasta su aprobacin por la parte directiva de la

empresa. Esto puede ser a corto, mediano o largo plazo.

Pgina 7
 CAPTULO III. MARCO TERICO

3.1 Historia de la simulacin

El galopante desarrollo tecnolgico de las ltimas dcadas hace que los trminos que hasta hace
poco tiempo eran exclusivos de las novelas de ficcin formen parte de nuestro da a da. Con la
capacidad de clculo de los ordenadores ms rpida, y tcnicas visuales perfeccionadas, surgen
nuevas ideas sobre desarrollos de herramientas de entrenamiento basadas en tecnologas
innovadoras. El empleo de la simulacin se presenta como uno de los mtodos ms efectivos a
la hora de trasmitir los conocimientos y anlisis en determinadas materias, pero por su elevado
coste solamente es alcanzable para las grandes empresas, o entidades con importante
financiacin pblica.

Gracias a los avances tecnolgicos la simulacin ha evolucionado enormemente, permitiendo

alcanzar excelentes cotas de fiabilidad. Las capacidades de clculo actuales permiten ejecutar
una serie de Modelos Matemticos que conjuntamente con las tcnicas visuales reflejan
fielmente la realidad en toda su complejidad.

El reto que nos depara el presente es una aplicacin masiva de la simulacin con formacin a
un amplio sector de la sociedad. Ofrecer las bondades de esta tcnica hasta ahora accesibles a
un pequeo porcentaje de la poblacin es uno de los principales objetivos de Lander. Y lo
estamos logrando, los productos como Sistema Lander Multipropsito y Lander Simbio suponen
un autntico punto de inflexin y acercamiento de esta tcnica de formacin a un mayor nmero
de personas. Con ellos un amplio sector de la sociedad es capaz de adquirir un simulador,
mejorar la calidad y el contenido de la formacin.

Esto no quiere decir que ya hemos cumplido nuestros retos. El progreso contina y con l cada
avance en el plano tecnolgico debe estar traducido en beneficio de las personas. Lo que nos
deparar el futuro no lo sabemos, pero estaremos ah para utilizarlo de la mejor manera posible.

Pgina 8
Este hito histrico abri las puertas a la aplicacin de la simulacin en el campo del proceso de
control industrial as como a las sinergias que generaba esta simulacin basada en la
experimentacin y tcnicas de anlisis para descubrir soluciones exactas a problemas clsicos
de la industria y la ingeniera.

A mediados de los aos 40 dos hechos sentaron las bases para la rpida evolucin del campo de
la simulacin:

La construccin de los primeros computadores de propsito general como el ENIAC.

El trabajo de Stanislaw Ulam, John Von Neumann y otros cientficos para usar el mtodo de
Montercarlo en computadores modernos y solucionar problemas de difusin de neutrones en el
diseo y desarrollo de la bomba de hidrgeno. Ulam y Von Neumann ya estuvieron presentes
en el proyecto Manhattan.

En 1960, Keith Douglas Tocher desarroll un programa de simulacin general cuya principal
tarea era la de simular el funcionamiento de una planta de produccin donde las mquinas
ciclaban por estados: Ocupado, Esperando, No disponible y Fallo; de manera que las
simulaciones en los cambios de estado de las mquinas marcarn el estado definitivo de la
produccin de la planta. Este trabajo produjo adems el primer libro sobre simulacin: The Art
of Simulation (1963).

Para aquel entonces, IBM desarroll entre 1960 y 1961 el Sistema de Simulacin de propsito
general o General Purpose Simulation System (GPSS). El GPSS se dise para realizar
simulaciones de teleprocesos involucrando por ejemplo: control de trfico urbano, gestin de
llamadas telefnicas, reservas de billetes de avin, etc. La sencillez de uso de este sistema lo
populariz como el lenguaje de simulacin ms usado de la poca.

Por otro lado, en 1963 se desarroll SIMSCRIPT, otra tecnologa alternativa al GPSS basada en
FORTRAN, ms enfocada a usuarios que no tenan por qu ser obligatoriamente expertos
informticos en RAND CORPORATION.

Complementariamente a los desarrollos llevados a cabo por RAND e IBM, el Royal Norwegian
Computing Center inici en 1961 el desarrollo del programa SIMULA con ayuda de Univac. El

Pgina 9
resultado fue SIMULA I, probablemente el lenguaje de programacin ms importante de toda
la historia.

En 1967 se fund el WSC (Winter Simulation Conference), lugar donde desde entonces y hasta
ahora se archivan los lenguajes de simulacin y aplicaciones derivadas, siendo en la actualidad
el referente en lo que a avances en el campo de los sistemas de simulacin se refiere.

3.2 DEFINICIONES Y APLIACACIONES

Sistema: Conjunto de objetos o ideas que estn interrelacionados entre s como una unidad para
la consecucin de un fin (Shannon, 1988). Tambin se puede definir como la porcin del
Universo que ser objeto de la simulacin.

Modelo: Un objeto X es un modelo del objeto Y para el observador Z, si Z puede emplear X

para responder cuestiones que le interesan acerca de Y (Minsky).

Simulacin: Simulacin es el proceso de disear un modelo de un sistema real y llevar a cabo

experiencias con l, con la finalidad de aprender el comportamiento del sistema o de evaluar
diversas estrategias para el funcionamiento del sistema (Shannon, 1988).

3.2.1 Definicin de simulacin.

Es el proceso de disear y desarrollar un modelo computarizado de un sistema o proceso y
conducir experimentos con este modelo con el propsito de entender el comportamiento del
sistema o evaluar varias estrategias con las cuales se puede operar el sistema.

Conjunto de relaciones lgicas, matemticas y probabilsimas que integran el comportamiento

de un sistema bajo estudio cuando se presenta un evento determinado (Garca Dunna Eduardo.
Garca reyes Heriberto y Crdenas Barrn Leopoldo Eduardo).

Simulacin es una tcnica numrica para conducir experimentos en una computadora digital,
estos experimentos comprenden ciertos tipos de relaciones matemticas y lgicas, las cuales son
necesarias para describir el comportamiento y la estructura de sistemas complejos del mundo
real a travs de largos periodos de tiempo (Thomas H. Naylor).

Pgina 10
Simulacin es el desarrollo de un modelo lgico matemtico de un sistema, de tal forma que se
tiene una imitacin de la operacin de un proceso de la vida real o de un sistema a travs del
tiempo. La simulacin involucra la generacin de una historia artificial de un sistema, la
observacin de esta historia mediante la manipulacin experimental, nos ayuda a inferir las
caractersticas operacionales de tal sistema (JERRY BANKS).

Simulacin es una tcnica numrica para realizar experimentos en una computadora digital,
estos experimentos involucran ciertos tipos de modelos matemticos y lgicos que describen el
comportamiento de sistemas de negocios, econmicos, sociales, biolgicos, fsicos o qumicos
a travs de largos periodos de tiempo (H. MAISEL y G. GNUGNOLI).

Simulacin es el proceso de disear y desarrollar un modelo de un sistema o proceso real y

conducir experimentos con el propsito de entender el comportamiento del sistema o evaluar
varias estrategias (dentro de lmites impuestos por un criterio o conjunto de criterios) para la
operacin del sistema (Robert. Shannon).

3.3 Aplicaciones generales

Sistemas de computacin: redes de ordenadores, componentes, programacin, bases de datos,
fiabilidad.

Fabricacin: manejo de materiales, lneas de montaje, equipos de almacenamiento, control de

inventario, mantenimiento, distribucin en planta, diseo de mquinas

Negocios: anlisis de existencias, poltica de precios, estrategias de marketing, estudios de

adquisicin, anlisis de flujo de caja, prediccin, alternativas del transporte, planificacin de
mano de obra.

Gobierno: armamento y su uso, tcticas militares, prediccin de la poblacin, uso del suelo,
prevencin de incendios, servicios de polica, justicia criminal, diseo de vas de comunicacin,
servicios sanitarios.

Ecologa y medio ambiente: contaminacin y purificacin del agua, control de residuos,

contaminacin del aire, control de plagas, prediccin del tiempo, anlisis de sismos y tormentas,
exploracin y explotacin de minerales, sistemas de energa solar, explotacin de cultivos.

Pgina 11
Sociedad y comportamiento: estudios de alimentacin de la poblacin, polticas educativas,
estructuras organizativas, anlisis de sistemas sociales, sistemas de asistencia social,
administracin universitaria.

Biociencias: rendimiento en el deporte, control de epidemias, ciclos de vida biolgicos, estudios

biomdicos

3.4 Pasos para la elaboracin de un estudio de simulacin.

Definicin del sistema.

Para tener una definicin exacta del sistema que se desea simular, es necesario hacer
primeramente un anlisis preliminar del mismo con el fin de determinar la interaccin del
sistema con otros sistemas, las restricciones del sistema, las variables que interactan dentro del
sistema y sus interrelaciones, las medidas de efectividad que se van a utilizar para definir y
estudiar el sistema y los resultados que se esperan obtener del estudio.

Formulacin del modelo.

Una vez que estn definidos con exactitud los resultados que se esperan obtener del estudio, el
siguiente paso es definir y construir el modelo con el cual se obtendrn los resultados deseados.
En la formulacin del modelo es necesario definir todas las variables que forman parte de l,
sus relaciones lgicas y los diagramas de flujo que describan en forma completa al modelo.

Recoleccin de datos.

Es posible que la facilidad de obtencin de algunos datos o la dificultad de conseguir otros,

pueda influenciar el desarrollo y formulacin del modelo. Por consiguiente es muy importante
que se definan con claridad y exactitud los datos que el modelo va a requerir para producir los
resultados deseados. Normalmente, la informacin requerida para un modelo se puede obtener
de registros contables, de rdenes de trabajo, de rdenes de compra, de opiniones de expertos o
por medio de experimentacin.

Implementacin del modelo en la computadora.

Pgina 12
Con el modelo definido, el siguiente paso es decir si se utiliza algn lenguaje como fortran,
basic, algol etc., o se utiliza algn paquete como GPSS, simula, simscript, etc., para procesarlo
en la computadora y obtener los resultados deseados.

Validacin.

Una de las principales etapas de un estudio de simulacin es la validacin. A travs de esta etapa
es posible detallar deficiencias en la formulacin del modelo o en los datos alimentados al
modelo, las formas ms comunes de validar un modelo son:

1. La opinin de expertos sobre los resultados de la simulacin

2. La exactitud con que se predicen datos histricos.
3. La exactitud en la prediccin del futuro.
4. La comprobacin de falla del modelo de simulacin al utilizar datos que hacen fallar al
sistema real.
5. La aceptacin y confianza en el modelo de la persona que har uso de los resultados que
arroje el experimento de simulacin.

Experimentacin.

La experimentacin con el modelo se realiza despus de que este ha sido validado. La

experimentacin consiste en generar los datos deseados y en realizar anlisis de sensibilidad de
los ndices requeridos.

Interpretacin.

En esta etapa del estudio, se interpretan los resultados que arrojan la simulacin y en base a esto
se toma una decisin. Es obvio que los resultados que se obtienen de un estudio de simulacin
ayudan a soportar decisiones del tipo semi-estructurado, es decir, la computadora en si no tomara
la mejor decisin y por consiguiente sistemticamente obtener mejores resultados.

Documentacin.

Dos tipos de documentacin son requeridos para hacer uso del modelo de simulacin. La
primera se refiere a la documentacin del tipo tcnico, es decir, a la documentacin que el

Pgina 13
departamento de procesamiento de datos debe tener del modelo. La segunda se refiere al manual
del usuario, con l se facilita la interaccin y uso del modelo desarrollado a travs de una
terminal de computadora.

Para el presente proyecto se utilizara el mtodo de Algoritmo lineal

Este algoritmo congruencial fue propuesto por D. H. Lehmer en 1951. Segn Law y Kel-ton.
Este algoritmo ha sido el ms usado.

El algoritmo congruencial lineal genera una secuencia de nmeros enteros por medio de la
siguiente ecuacin recursiva:

Xi+1 = (aXi + c)mod(m)

i=0,1,2,3,n

donde X0 es la semilla, a es la constante multiplicativa, c es una constante aditiva y m

es el mdulo; X0 >0, a>0, c>0 y m>0 deben ser nmeros enteros.

La operacin "mod m" significa multiplicar Xi por a, sumar c y dividir el resultado entre
m para obtener el residuo Xi+1.

Es importante sealar que la ecuacin recursiva del algoritmo congruencial lineal

genera una secuencia de nmeros enteros

S = {0,1,2,3, ...,m - 1},y que para obtener nmeros pseudo aleatorios en el intervalo
(0,1) se requiere la siguiente ecuacin:

Pgina 14
 Cronograma de actividades

Ilustracin 1 cronograma de actividades

CAPTULO 4 DESARROLLO DEL PROYECTO

Definicin del sistema.

El proceso de roscado M12 se le realiza a 60,000 piezas semanales en cuatro taladros con cuatro
diferentes operarios por lo cual se pretende que con el modelo de simulacin la se reduzca la
probabilidad de error en un 25% en dicho proceso, dentro de este sistema se en encontraron

Pgina 15
distintas variables como el tiempo en que cada operario realiza dicha actividad, las habilidades
del operario con la mquina, el tiempo de inspeccin,

Formulacin del modelo.

En base al anlisis del sistema se identific que el flujo del proceso es como se muestra en la
ilustracin

Inicio del sistema

Roscado M12

Inspecci n

Piezas
defectuosas?

Si

Fin

Cuarentena

Ilustracin 2 Diagrama de flujo roscado M12

Pgina 16
As como se encontraron los elementos siguientes

Elementos del sistema

Sistema Entidades Localizaciones Recursos Variables
Tarima de entrada
Cajas
Roscado M12 en Operadores Tiempos de roscado
bisagra Taladro
bisagra automotriz Inspectores Tiempo de inspeccin
Inspeccin
Rechazos
Tabla 1 Elementos del sistema

Para la generacin del modelado se generaron datos aleatorios con el generador algoritmos
congruensal lineal donde Xi+1 = (17X0+ 15) mod (64) con X0= 21

0.8253 0.492 0.9206 0.9554

0.0476 0.4761 0.6507 0.5714
0.0317 0.2063 0.1269 0.8095
0.7777 0.6984 0.365 0.7936
0.2539 0.9365 0.3492 0.5238

Tabla 2 Nmeros Pseudoaleatorios

Se realizaron las pruebas correspondientes como:

Prueba de medias (tabla 3)
Prueba de varianza (tabla 4)
Prueba de uniformidad (tabla 5)
Prueba de bondad de ajuste (tabla 7)

Pgina 17
Para la generacin del modelo de simulacin se utilizara la distribucin uniforme, con base en
las pruebas estadsticas realizadas y presentadas en las siguientes tablas
1.Parmetro Media de datos Pseudoaleatorios
2. Plantear conjunto de 0 : = 0.5
hiptesis 1 : 0.5
3. Nivel de significancia = 0.05
4. Valor de Estadstico de 2
Prueba
5. Datos = (0.0317 .0.9365), = 20
6. Calcular lmites de
= =1 =0.54058
Prueba:
= 0.37348254
= 0.62651746
7. Lmites crticos < <
0.37348254 <0.54058< 0.646089775

8. Decisin Rechazar Ho si < >

9. Conclusin Se acepta Ho y se concluye que los nmeros s tienen un valor
esperado =0.5, con un nivel de confianza del 95%

Tabla 3 Prueba de media

0.1990415 0.0010086 0.00353127 0.00380329

0.00066212 0.00094446 0.00176421 0.00136041
0.00029366 0.00017733 6.7098E-05 0.00273038
0.17674378 0.00203234 0.0005551 0.00262417
0.01883846 0.0036543 0.00050809 0.00114319
Tabla 4 Nmeros aleatorios para prueba de varianza

Pgina 18
 1.Parmetro Varianza de datos Pseudoaleatorios

2. Plantear conjunto de 0 : 2 = 112 1 : 2 112

hiptesis

3. Nivel de significancia = 0.05

4. Valor de Estadstico 2 2
1
2,1 2,1
de Prueba

5. Datos = (0.195666850.0313067), : 15

6. Calcular lmites de
=1( )
2
() = =0.00611123
Prueba: 1

2
2,1
() = 12(1)= 0.13220845
2
1
2,1
() = = 0.03906367
12( 1)

7. Lmites crticos () < () < ()

0.03906367 < 0.00611123 < 0.13220845

8. Decisin Rechazar Ho si () < () () > ()

9. Conclusin Se rechaza la Ho dado que el valor de V(r) est fuera los lmites
de aceptacin

Tabla 5 Prueba de varianza

1.Parmetro Uniformidad de datos aleatorios

2. Plantear conjunto de 0 : (0,1)

hiptesis
1 :

3. Nivel de significancia = 0.05

Pgina 19
 4. Estadstico de Prueba 02 ,1
2

5. Datos = (0.0317 .0.9365), = 20

m =

6. Calcular estadstico ( )
02 =
=1 =10.6

de Prueba:

2 2
7. Valor Crtico ,1 = 0.05,41 =7.8147279

8. Decisin Rechazar Ho si 02 > ,1

2

9. Conclusin El estadstico 02 = 10.6 es mayor al estadstico correspondiente

2
de la chi- cuadrada 0.05,101 = 7.81477279. En consecuencia,
se rechaza que los nmeros ri siguen una distribucin uniforme

Logstica Normal Triangular Uniforme Weibull

Chi-Cuadrada 3.29167 2.64167 4.05 2.64167 3.94167
G.l. 3 3 2 3 3
Valor-P 0.3488 0.450228 0.131994 0.450228 0.267829
Tabla 6 Pruebas de Bondad-de-Ajuste para nmeros aleatorios

Recoleccin de datos.

Durante la jornada de 8 horas se realiza el roscado a un promedio de 12,000 piezas n cada

tarima de entrada se encuentran 4 cajas con 15,000 bisagras para que se realice el roscado estos
lotes llegan semanalmente, cada taladro perfora 15,000 piezas que posterior mente se van a
inspeccin donde el trabajo es manual, la probabilidad de que la pieza sea rechazada es de 35%.

Pgina 20
DATOS VALORES

Cantidad de entidades
1

Cantidad de localizaciones
5
Cantidad de recursos 8

Cantidad de variables
2
Tiempo promedio de
roscado por pieza 9 Segundos
Tiempo promedio de
inspeccin por pieza 13.5 segundos
Piezas por lote 15,000
Piezas producidas por
jornada 12,000 100
Piezas inspeccionadas por
jornada 12,000 50
Tabla 7 Datos del sistema

Implementacin del modelo en la computadora.

El software utilizado para la simulacin tiene algunas restricciones las cuales no me permite
poner todo el recurso utilizado en la realidad, se ajust el sistema a como se muestra en la
ilustracin 3

Ilustracin 3 Esquema de simulacin

Pgina 21
 CONCLUSION
Con el presente proyecto se pudo observar la importancia de tener que implementar un sistema
capaz de realizar la simulacin de un proceso productivo mediante la aplicacin de un mtodo
estadstico, el cual solicita obtener variables aleatorias discretas con la cual se puede realizar la
simulacin de dicho proceso de produccin.

Al no contar con todas las variables por falta de tiempo y limitantes por parte de la empresa, no
se pudo obtener los resultados ptimos que se plantearon en un principio. por lo tanto solo se
qued como aprendizaje practico en materia de simulacin

BIBLIOGRAFIA

1. Azarang, M. R. y Garca Dunna, E., Simulacin y Anlisis de Modelos Estocsticos. Mc

Graw Hill (1998)

2. Banks, J. y Carson, J. S. Discrete Event System Simulation. Prentice Hall (2001)

3. Law A. y Kelton W., Simulation Modelling and Anlisis, Mc Graw Hill (2000)

4. Garca Dunna Eduardo, Garca Reyes Heriberto, Crdenas Barrn Leopoldo. Simulacin y
Anlisis de Sistemas con Promodel. Pearson (2006)

5. Garca F., Sierra J., y Guzmn V., Simulacin de Sistemas para Administracin e Ingeniera.
CECSA (2005)

6. Harrell Ch., Ghosh B., y Borden Royce., Simulation Using Promodel. Mc Graw Hill (2004)

7. Kelton W David., Sadowski Randall P., Sturrock David T., Simulacin con software Arena.
4a Edicion. Mxico. McGraw Hill

Pgina 22
ANEXOS

Ilustracin 4 Bisagra automotriz

Pgina 23