Curso:

Gestión por procesos y manejo

de Riesgos en el Marco de la
Modernización de la Gestión
Pública

Mag. Carlos Puell Palma

18 de Marzo de 2017
Docente Ingeniero Industrial (UNAC), Maestría en Finanzas (UNFV),
Candidato a Doctor en Ingeniería Industrial ©(UNMSM). Programa
Internacional Lean Six Sigma Black Belt (PUCP), Especialización
en Gerencia de Proyectos y Calidad (PMI – PUCP), Programa
Internacional de Gestión de Calidad (SEBRAE – Brasil), Programa
Internacional Six Sigma Black Belt (ASQ - PUCP),
Especialización en Gestión de la Calidad ISO 9001 (PUCP),
Especialización en Sistema de Gestión Ambiental ISO 14001
(URP), Especialización en Seguridad y Salud en el Trabajo
OHSAS 18001 (PUCP). Auditor líder IRCA ISO 9001, Postgrado
en Gerencia Social (PUCP), Experto en Gestión de Riesgo,
Amplia experiencia en implementar proyectos de Mejora y
Rediseño de Procesos .
Consultor en Productividad para el BID. Juez Evaluador para el
Premio “Competencia de Equipos Líderes de la Excelencia” de la
Carlos Puell Palma ASQ-PUCP

Actualmente Jefe de Proyectos Instituto para la Calidad - PUCP.

Docente de post grado de la PUCP y ESAN, docente de la
Escuela Nacional de Administración Publica (SERVIR).

Cuenta con 16 años de experiencia en labor de consultoría en los

sectores de: Construcción, Minería, Hidrocarburos, Salud,
Servicios, Producción y Entidades Públicas.
Reconoce la importancia de la simulación de
procesos para la toma de decisiones

Sesión 6 – ¿Qué es la simulación de

(virtual) procesos?
– Beneficios de la simulación de
procesos.
– Metodología de la simulación de
procesos.
– Caso aplicativo de simulación de
procesos.
– Cuantificación de los resultados.
Simulación de procesos

La Simulación de Procesos es una herramienta que

permite disminuir los riesgos y optimizar la toma de
decisiones a través de sustituir situaciones reales por
otras creadas en diseño y que necesitan ser
recreadas sin afectar, ni detener los actuales
procesos, permitiendo la evaluación de inversiones
en tecnología, personal o instalaciones.
Los Modelos de Simulación

Los modelos de simulación permiten profundizar en

las variables que afectan más significativamente al
funcionamiento de la organización, analizar sus
interacciones y evaluar su impacto, constituyendo
una ayuda inestimable para optimizar los procesos.

file:///D:/Users/cpuell/Downloads/guia-simulacion-procesos-industriales-
cetem.pdf
Etapas de la Simulación

1. Definición del problema.

2. Formulación de un objetivo y definición de las medidas de
acción del sistema.
3. Descripción del sistema y establecimiento de todas las
suposiciones posibles.
4. Enumeración de las posibles soluciones alternativas.
5. Recopilación de datos e información necesaria.
6. Diseño del modelo.
7. Verificación y validación del modelo.
8. Experimentación de alternativas: simulación propiamente
dicha de posibilidades y búsqueda de la solución óptima.
9. Análisis de las diferentes soluciones.
1. Definir el problema.

Antes de realizar una simulación, primero se debe

definir el problema y formular su objetivo que permita
diseñar el modelo que permita solucionar el problema.
Se debe tener cuidado en no definir causas como
problemas.
2. Formular un objetivo y definir las medidas de
acción al sistema.

La descripción del sistema se irá definiendo en base al

objetivo perseguido con el proyecto. El objetivo
determina qué suposiciones pueden ser hechas, qué
tipo de información y qué cantidad de datos deben ser
recopilados.

El modelo está basado y es validado específicamente

para cumplir con dichos objetivos. Y, por supuesto, los
resultados obtenidos en la ejecución de la simulación
serán para satisfacer los objetivos. El objetivo debe
ser claro, inequívoco y factible.
3. Descripción del sistema y establecimiento de
todas las suposiciones posibles.

La correcta representación del sistema en un

modelo siempre nos dará una adecuada
interpretación de realidad. A menudo existirá la
necesidad de controlar el flujo de artículos en el
modelo. Por ejemplo, se puede forzar un artículo a
pararse hasta que se dé una determinada
condición o transcurra un determinado tiempo, y
luego vuelvan a seguir su curso dependiendo de
otro tipo de funciones.
3. Descripción del sistema y establecimiento de
todas las suposiciones posibles.

Todas las funciones del proceso pueden ser

definidas; incluso cuando son dependientes del
colaborador y además sean automáticas. La
duración de los recursos puede ser planificada e
incluso sus demoras o tiempos de parada, como
pueden ser los almuerzos, roturas o el
mantenimiento preventivo. Por lo tanto, para el
caso de la rotura y su posterior reparación se
podrán especificar con un tiempo siguiendo una
distribución estadística ya que, en la realidad, estos
tiempos vienen definidos por una tolerancia de
error de los recursos.
4. Enumeración de las posibles soluciones
alternativas

Es importante determinar al principio del

estudio de simulación las posibles alternativas
de solución que se presenten para que el
modelo comience a funcionar. Esto tendrá una
influencia en cómo se diseña el modelo.

Al tomar alternativas al principio de la

simulación, el modelo puede ser diseñado de
tal modo que fácilmente puede ser
transformado en otro sistema alternativo.
5. Recopilación de datos e información necesaria.

Consiste en recoger los datos necesarios para

introducir los parámetros de entrada al modelo, es
preciso validarlo y poder comparar datos reales
con los resultados de aplicar el modelo. Los datos
podemos encontrarlos de registros históricos,
informes, estadísticas.

Si van a usar estimaciones por parte de los actores

de cada actividad, se recomienda identificar un
valor mínimo, un valor máximo y el valor más
probable en vez de, simplemente, el uso de un
valor medio.
6. Diseño del modelo

El modelo de simulación se diseña teniendo

principalmente el objetivo de partida en mente.
También se incorpora a los flujos de procesos los
cambios realizados en el proyecto de mejora o
rediseño de procesos.

Se ingresa al modelo todos los datos por cada

actividad y se utiliza un software que ayude a la
simulación y que permita plantear diversos
escenarios para quedarse con el escenario
optimista y que logró maximizar la eficiencia.
7. Verificación y validación del modelo

La verificación determina si el modelo funciona

como queremos.
¿Coincide el modelo con el modelo que se
quería diseñar? ¿Están siendo procesados los
productos en el espacio de tiempo correcto,
siguen el flujo de proceso correcto,…?

La validación Implica la determinación de si el

modelo es una representación correcta de
realidad y la determinación del nivel de
confianza que puede ser establecida en los
resultados del modelo.
8. Experimentación de alternativas

Cuando se realizan simulaciones múltiples

siempre se requiere el uso de estadísticas, por lo
tanto, los intervalos de confianza se deben
calcular para cada una de las medidas de
funcionamiento definidas en el paso 2 (definición
del objetivo), si es posible.

Los escenarios alternativos pueden ser

establecidos de manera manual, como simulados
usando algún software estadístico (podría ser el
minitab), utilizando el módulo “Diseño de
Experimentos” el optimizador (ver ejemplo).
8. Experimentación de alternativas

Para ejecutar una optimización se tiene que

definir una variable objetivo (Y) para ser
maximizada o minimizada y tantas variables de
decisión como se quiera experimentar (x), con
todas las exigencias e imposiciones que sea
necesarias para cumplir los objetivos iniciales.
9. Analizar las diferentes soluciones.

Toda la información recogida procedente de los

informes, las gráficas y los argumentos de los
intervalos de confianza, formarán parte del análisis
de datos de salida del modelo.

Las técnicas estadísticas se usan para analizar los

datos de salida de cada una de las simulaciones
alternativas del escenario. Al analizar resultados y
conclusiones del modelo, se interpretan los
resultados relacionándolos con los objetivos
iniciales. Una utilidad de ayuda es generar una
matriz de resultados y alternativas para facilitar la
comprensión de los datos de salida.
 Caso: Asesoría para el incremento de
rendimiento en la industria farmacéutica
Problema presentado: Pegado de tabletas.

En los últimos tres (03) años, se han producido

cincuenta (50) lotes, mostrado un rendimiento promedio
cercano al 95%, con re-trabajos asociados a los
eventos de calidad y muchos defectos asociados con la
apariencia de la tableta tales como el pegado de
tabletas.
El producto clasificado con defecto es rechazado
durante la inspección visual, generando desperdicios
ocasionando costos extras.

Caso: Asesoría para el MINSA ejecutada por el Mag. Carlos Puell.

Objetivo: Incrementar el rendimiento en pegado de tabletas de la industria farmacéutica.
Objetivo General

Incrementar el rendimiento en pegado de tabletas de

la industria farmacéutica.

Desarrollo:
El caso se presentará de manera muy resumida a
manera que se entienda la simulación estadística.

La variable “Y” es el rendimiento, la meta 98%

Se debe encontrar las causas que influencia a la “Y”.
 Análisis de causas

Mano de Obra Máquinaria Materiales

Calibración de instrumentos Diseño Cantidad

de equipo
Punzones Excipientes
Seguimiento de MI’s Granulador
LOD de la mezcla
Condiciones de
Calificación de almacenamiento
Seguimiento de Parámetros equipo (humedad y temperatura) Cambio en especificación
de Materias Primas
Manipuleo Tableteadora
incorrecto de No. de malla
los núcleos Agitador
Documentación adecuado Cambio de proveedores
errónea
Parámetros de granulación
No adecuados Activo
Efecto:
Presencia de pegado de tabletas
Aire atomizado Vel de Dureza Friabilidad Durante la etapa de compresión
Vel. de aspersión
Aplicación Temperatura
Tamaño de carga Compresión
Proceso de Desintegración Área
Recubrimiento Grosor Peso Humedad
Distancia Velocidad Flujo de Humedad
Temperatura Tiempo de Contenido
de pistolas bombo aire
calentamiento de humedad (KF) Condiciones de
Almacenamiento
Tiempo Tamaño de Secado
Torque aspersión carga Temperatura
Temperatura Tamaño de carga Condiciones
Tiiempo de retención
de trabajo
Granulación
Velocidad
Cantidad
de aglutinante Mezclado
Velocidad

Métodos Tiempo Adición de Medio Ambiente

materiales
 Matriz de priorización de causas
Variables de Pérdida en Pérdida por
Total
Variables Salida compresión Inspección
Peso 10 8
Lubricación 9 8 154
Mezclado 8 5 120
Velocidad de Rotor 9 8 154
Programación de la
Variables de Tableteadora
8 8 144
entrada
Tiempo de espera 9 9 162
Diseño del
5 5 90
herramental
Mantenimiento 5 5 90
Granulación y Tiempo
8 5 120
de Secado
Tamaño de Partícula 10 3 124
Pérdida al Secado 5 7 106
Variables del
Variación de Peso 10 1 108
proceso
Dureza 10 1 108
Grosor 10 1 108
Friabilidad 8 3 104
Ajustes 5 5 90
Análisis de resultado

De acuerdo a la matriz de priorización, se resaltan las

siguientes variables:
Tiempo de espera, lubricación y velocidad de motor.

Estas tres (03) causas probablemente son las causas

raíz , por lo que es necesario realizar las pruebas
experimentales correspondientes.

Se procede a realizar el análisis de diseño de

experimentos (DOE) de tres factores y dos niveles.
Análisis de resultado

Tiempo de espera: 24 horas y 72 horas.

Lubricación: Lubricante 1 y Lubricante 2
Velocidad de Rotor: 1000 rpm y 2500 rpm

# de corridas: 2 n
2= numero de niveles
n= numero de factores

Por lo tanto:
# corridas = 2 3
# corridas = 8
Diseño de experimentos

Nivel
Factor
Alto Bajo
Tiempo de espera >72 horas <24 horas
Velocidad de Rotor 2500 1000
Lubricante Lote 1 Lote 2

• Diseño factorial completo de dos niveles.

• No hubo replicas debido al alto costo de manufactura
Resultados obtenidos del experimento

Tiempo de
StdOrder Lubricante Velocidad Rendimiento
espera
1 Lote 1 24 1000 98.4
2 Lote 2 24 1000 98.0
8 Lote 2 72 2500 90.8
3 Lote 1 72 1000 93.2
6 Lote 2 24 2500 96.9
5 Lote 1 24 2500 96.9
7 Lote 1 72 2500 90.8
4 Lote 2 72 1000 93.8
Ingresar a Minitab

Estadística / DOE / factorial / crear diseño factorial

Estadística / DOE / factorial / crear diseño factorial
Estadística / DOE / factorial / crear diseño factorial
 Factores significativos
B (tiempo de espera) y
C (velocidad)
Realizamos regresión lineal múltiple
Ecuación de regresión lineal múltiple
Se observa que a un tiempo de espera de 24 minutos se obtiene un
rendimiento mayor a 97%. A una velocidad del 1000 rpm, se obtiene un
rendimiento de 96%.
Gráfica de optimización
 Caso de
simulación de
procesos
Muchas Gracias !!!