Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1
APLICACIÓN DE TEORÍA DE COLAS EN UNA EMPRESA DE MANUFACTURA
DE PLÁSTICOS PARA DETERMINAR TIEMPOS DE ENTREGA DE PEDIDOS Y
PLANEACIÓN DE LOS MANTENIMIENTOS DE EQUIPOS
TRABAJO DE GRADO
ASESOR TÉCNICO
FABIÁN PRÉSIGA
2
Nota de aceptación
Firma del
Jurado 1
Firma del
Jurado 2
3
AGRADECIMIENTOS
4
DEDICATORIA
Este trabajo se dedica de ante mano a Dios, por sus bendiciones he podido
culminarlo, también a mi familia gracias a ellos. Para mi mamá, mi hermano, mis
hijos, por su apoyo, consejos, comprensión, amor, ayuda en los momentos difíciles.
Gracias a su apoyo incondicional en este proceso no solo desde el nivel profesional
sino personal, ya logrado cumplir el objetivo.
5
CONTENIDO
1. INTRODUCCIÓN ............................................................................................. 11
3. JUSTIFICACIÓN ........................................................................................... 14
6
12.2. Análisis económico del sistema de colas (propuesta) ..................................... 60
7
INDICE DE TABLAS
8
ÍNDICE GRÁFICOS
Figura 2 Estructura (red) procesos de extrusión Golden Flex. Fuente: propia ...... 38
y refilado. .............................................................................................................. 57
9
1. LISTA DE ABREVIATURAS
2.
Lq = N° ordenes en cola
Wq = Tiempo espera
r = Repeticiones
𝐏=Probabilidad
𝐇𝟏 =Hipótesis alternativa
n= Tamaño muestra
p= Proporción esperada
q= Incertidumbre
e= Error esperado
i= Interacciones
J= Probabilidad
3.
4.
5.
6.
7.
8.
9.
10
1. INTRODUCCIÓN
Golden Flex, es una empresa que fabrica empaques flexibles de alta calidad y en
diferentes tipos, en la actualidad se ve reflejado problemas de saturación,
ineficiencia y falta de planeación por lo que con lleva atrasos en pedidos, fallas y
paradas de máquinas, afectando entrega de los pedidos. Lo que implica un estudio
basado en medidas de desempeño que se ven afectadas constantemente por
muchas variables dentro del sistema.
En las variables cada una de estas impacta de alguna forma el modo como el
sistema se comporta y como es capaz de satisfacer las necesidades del cliente
eficientemente. Especialmente los pedidos que entran tienen mayor impacto en las
medidas de evaluación y por lo tanto representan el mejor punto de partida para
aplicar las mejoras, su estudio y análisis solo es posible mediante pruebas
estadísticas que evidencien su efecto en indicadores alrededor de factores que dan
inicio a un modelo de colas.
Este estudio se encarga de realizar dichos análisis con diferentes factores que
intervienen en el proceso tales como tasas de atención, llegada de un pedido,
mantenimientos con distribuciones de probabilidad, numero de servidores y
capacidad del sistema para modelar problemas de colas en diferentes aplicaciones
con resultados que sean relevantes y diferentes a los actuales en la empresa.
11
De esta manera se tiene presente un estudio de investigación a la aplicación de
teoría de colas en la empresa para determinar tiempos de entrega de pedidos y la
planeación de mantenimientos de equipos que brinden criterios de mejora y
eficiencia con los pedidos dentro de la empresa.
12
atrasos en los pedidos y además perdidas de dinero. Hay que tener en cuenta que
con una buena planeación en los mantenimientos de la impresora de 4 tintas y la
refiladora, permite programar los trabajos a mediano y largo plazo generando
acciones que dan la dirección a producción. Muchos beneficios alcanzados al llevar
un programa establecido de modelos de mantenimiento, programación y control,
optimizaría el consumo de horas hombre, menor tiempo de parada de equipos,
mejora la productividad (Eficiencia x Eficacia) y también se presentaría un ahorro
en costos, esto no implica saber exactamente cuándo y cómo puede ocurrir una
falla, si no reducir la posibilidad que de falle y aumentar el lapso de tiempo entre
una falla y otra.
¿Cuáles son las características del modelo de líneas en espera como herramienta
de planeación en los mantenimientos y en el flujo de producción de GOLDEN FLEX?
13
3. JUSTIFICACIÓN
A la luz de estas cifras, es posible ver que el sector está en uno de sus mejores
momentos. Es de analizar su comportamiento con el ánimo de generar ideas
14
innovadoras que permitan mantener o potencializar su crecimiento, generar
bienestar a la comunidad y consolidar la economía Colombiana.
Sin embargo existe un problema común que impide la gestión eficiente de una
organización, sus procesos y la evidencia física del servicio y son precisamente las
colas la espera es fatal para aquel que espera un producto o servicio. De acuerdo
con Michael Fortino, de Priority Management en Pittsburgh, la mayoría de las
personas pasan alrededor de cinco años de su vida en filas de espera, fenómeno
que se vuelve más frecuente en la medida que la demanda por un servicio se
incrementa más que proporcionalmente con respecto a su capacidad para ofrecerlo,
causando incomodidad, insatisfacción y sobrecostos. Ninguna organización es
ajena a este problema, de hecho toda solicitud, pago, asesoría, reclamación o
adquisición de productos son sólo ejemplos de cómo a diario consumidores deben
esperar formando cola frente a un servicio o producto.
Adicional a los beneficios percibidos por las organizaciones, este desarrollo será un
aporte investigativo a la teoría de colas, al trabajar, analizar y comprender sistemas
15
complejos que pueden usarse en un sin número de aplicaciones empresariales,
dadas unas variables y una metodología estandarizada de solución.
16
multidisciplinar hace que las soluciones abarquen aspectos tecnológicos,
organizacionales, comerciales, económicos, financieros y operativos que son
indispensables para alcanzar la rentabilidad y la productividad.
17
En cualquier caso, para poder tomar decisiones se debe contemplar datos que la
teoría de colas presenta en los siguientes aspectos:
4. OBJETIVOS DE LA INVESTIGACIÓN
18
4.1 Objetivo General
5. MARCO DE REFERENCIA
19
Es el estudio matemático de las líneas de espera (o colas) permitiendo el análisis
de varios procesos relacionados como: la llegada al final de la cola, la espera en la
cola, o también matemática etc. Un sistema de colas se puede describir como:
“clientes” que llegan buscando un servicio, esperan si este no es inmediato, y
abandonan el sistema una vez han sido atendidos. En algunos casos se puede
admitir que los clientes abandonan el sistema si se cansan de esperar. El término
“cliente” se usa con un sentido general y no implica que sea un ser humano, puede
significar piezas esperando su turno para ser procesadas o una lista de trabajo
esperando para imprimir en una impresora en red.
Las colas y la simulación estudian las líneas de espera. Son técnicas que permite
optimizar de mejor manera el tiempo de espera para un servicio determinado;
determinan medidas de desempeño de las líneas de espera, como tiempo de espera
promedio en la cola, tiempo de espera promedio para el servicio, y el uso de las
instalaciones de servicio. Los modelos de colas utilizan modelos probabilísticos y
estocásticos para analizar líneas de espera, y la simulación estima las medidas de
desempeño al imitar el comportamiento del sistema real. De cierto modo, la
simulación tiene ventajas para observar un sistema real, ya que la diferencia
principal entre las colas y la simulación es que los modelos de colas son puramente
matemáticos y en consecuencia, están sujetos a hipótesis específicas que limitan el
alcance de su aplicación. La simulación, por otra parte, es flexible y puede utilizarse
para analizar prácticamente cualquier situación.
20
modelos realistas determinado la demanda y la producción a través del proceso
estocástico. El objetivo que consiste en analizar el proceso de aplicación de una
teoría puramente estadística en la modelización de las estructuras de mercado
tradicionales1.
5.1 Antecedentes
A pesar de que la idea de la teoría de colas surgió de una red, solo fue concebida,
trabajada y determinada como tal en los estudios realizados por Jackson cincuenta
años después, en donde se analizaron las redes abiertas y cerradas de colas y se
evidenció que las tasas de llegada que siguen la propiedad markoviana son
independientes del estado de la red. Bajo una demostración matemática el estudio
concluyó que dada esta propiedad era posible analizar la red como un conjunto de
sistemas de esperas individuales e independientes de la tasa de llegada.
1
Tesis doctoral dirigida por Joaquín Aranda Gallego. Universidad de Murcia (2000).
2
2NAHMIAS, Steven. Análisis de la producción y las operaciones. Primera edición. México: CECSA, 1999.
p. 425
21
modelos de telecomunicaciones y determinar la capacidad máxima de estos
sistemas antes de que colapsaran. A su vez, P. J. Burke en 1976 estudió el
comportamiento de colas M/M/1 al interior de una red de Jackson y analizó cómo
las salidas de un proceso a otro se comportaban equivalentemente con la
distribución de llegada cuyas llegadas se ajustaban a distribuciones de probabilidad
clásicas.
22
Para encontrar el número óptimo de servidores al variarlos a lo largo del tiempo. Por
su parte, Ann Van Mieghem en su aplicación orientada a los servicios, se concentró
en el uso de la teoría de colas como insumo de la misma optimización de costos
para determinar si se debía o no aumentar la capacidad del sistema, pues se sabía
que independientemente del servicio, las colas resultaban más costosas en
términos de calidad si en ellas había personas que necesitaban atención.
- Simulación:
Una técnica para ejecutar estudios piloto, con resultados rápidos y a un costo
relativamente bajo, están basadas en la modelación de escenarios a través de la
simulación. Proceso para diseñar un modelo del sistema real y llevar a término
experiencias para determinar y comprender el comportamiento del sistema a
evaluar, teniendo en cuenta nuevas estrategias, que sean positivas para el estudio
basado dentro de los límites impuestos así tener un criterio o un conjunto de ellos y
optar por el mejor funcionamiento del sistema.
23
Con esta herramienta se maneja canales de servicio, con un elemento poblacional
potencial que puede llegar de forma independiente y/o de forma aleatoria, en
intervalos constantes. Para establecer el proceso, es necesario conocer la situación
actual frente a las pautas requeridas, desarrollando un modelo lógico-matemático
del sistema, de tal forma que se obtiene una imitación de la operación de un proceso
de la vida real o de un sistema a través del tiempo.
6. MARCO HISTÓRICO
24
excesivos. Estos modelos pueden ser útiles para encontrar la relación entre costos
del servicio o sistema y tiempo en las líneas de espera.
25
6.1 Teoría de Colas3
3
Scientia et Technica Año XVII, No 46, Diciembre 2010. Universidad Tecnológica de Pereira. Análisis de
líneas de espera a través de teoría de colas y simulación. Recuperado:
http://www.redalyc.org/pdf/849/84920977012.pdf
26
Con base a lo anterior en necesario tener en cuenta algunos componentes claves
para ser analizados, los cuales son:
Es por eso que en la Teoría de Colas se utiliza una notación generalizada para
indicar el tipo de sistema que se presenta. Esta notación tiene la siguiente forma:
A/B/C
En donde:
27
De esta manera un sistema de Líneas de Espera donde el patrón de llegadas siga
una distribución exponencial, el patrón de servicio sea otra distribución exponencial
y se cuente con un servidor, tendrá la siguiente notación: M/M/1.
Por otro lado, también es necesario identificar cuáles son las características
operativas del sistema que se van a medir para evaluar la eficiencia respectiva.
Entre las más utilizadas se tiene:
7. MARCO CONCEPTUAL
4
Investigación de operaciones, teoría de colas o línea de espera. Recuperado de
http://invoperacioneslu.blogspot.com.co/p/teoria-de-colas-o-linea-de-espera.html
28
El sistema de la cola: es el conjunto formado por la cola y el mecanismo de
servicio. Un modelo de sistema de colas debe especificar la distribución de
probabilidad de los tiempos de servicio para cada servidor.
29
8. ESTADO ACTUAL
vuelve en una necesidad latente en el primer instante para el área productiva, donde
para su mantenimiento, al no ser programados las paradas son cada vez más
30
maquinaria, controlando en gran parte la fallas, al no realizar estos mantenimientos
repercute constante mente en paradas de emergencia, como es actualmente el
estado de la compañía, por otro lado si se deja de hacer estos mantenimientos en
la impresora de 4 tintas y la refiladora surgen fallas continuas y salen a relucir piezas
averiadas por la falta de mantenimiento, es de tener presente que esto es un factor
relevante a la hora de procesar los productos por la compañía, el ingreso o margen
de los productos afectan directamente y a gran escala en el proceso de fabricación,
teniendo en cuenta que este es un factor donde las investigaciones realizadas en
este proyecto nos centra para determinar donde es el punto de partida, como
objetivo de la investigación se busca cumplimiento en las entregas, buscando la
eficiencia de la maquinaria a utilizar para cumplir con pedidos, aumentando la
producción y estimar tiempos programados en la elaboración de productos.
31
Tipo de averías
32
9. MÉTODO CIENTÍFICO Y TECNOLÓGICO
Hipótesis.
Identificar los factores más influyentes para mejorar calidad del servicio y tiempos
de respuesta en la entrega final de un pedido, la probabilidad de respuesta de la
impresora de 4 tintas en su paso a la refiladora contemplando tiempos de
alistamiento y mantenimientos no programados, vislumbrando las posibles averías
presentadas, que afectan la planeación de dicho proceso. Por lo tanto el tiempo de
espera de pedidos seguirá aumentando presentándose acumulación e
incumplimiento con el cliente.
Diseño experimental.
33
desde que ingresa hasta la salida del sistema, alistamientos de la maquinaria,
siguiendo el proceso de forma paulatina y obtener resultados de la implementación.
Tipo de investigación
Investigación descriptiva
34
Dadas las características del proyecto, el tipo de investigación a utilizar es
descriptiva, partiendo de los tiempos de llegada y salida de pedidos del sistema. Se
determinará el desempeño de las diferentes rutas que se generan al combinar
características de las líneas de espera, determinando la probabilidad de arribos y
tiempos entre llegadas, cantidad de pedidos, servidores en el sistema
(mantenimiento), y capacidad del sistema. Adicionalmente, analizar las
simulaciones del sistema generado, buscando encontrar valores para mejorar el
desempeño del proceso.
Metodología.
35
comportamiento y evaluando los resultados sobre la probabilidad equivalente al
tiempo promedio del flujo tanto en el proceso, al igual verificar el número de pedidos
en cola, equivalente al tiempo promedio de espera, valorando la probabilidad de
respuesta de la impresora de 4 tintas a la refiladora y tiempos de realización.
Factor de ensayo
Variable de análisis
Las suposiciones mencionadas suelen ser complejas y muy desacertadas, por ello,
vale en una aproximación, haciendo uso de la herramienta de simulación, definiendo
36
φ y v1, según el número de nodos como se ve en la figura 1, estableciendo el grado
de significancia del 95%, con un criterio de “precisión estadística deseado”, donde
la probabilidad de ocurrencia de los valores del estadístico se observaría en la
región de rechazo. El procedimiento es el siguiente:
Las llegadas desde el exterior al nodo (i) que siguen un proceso de Poisson
de media i
37
Tiempos de servicio en cada nodo (maquina), que son independientes y
siguen una distribución negativa exponencial con parámetro i.
La probabilidad de que la orden de producción haya completado su servicio
en el nodo (i) y vaya al nodo j, es rij con i=1, y j=0, donde indica la probabilidad
de que el pedido abandone o salga de la red del proceso de fabricación.
El Modelo de redes por nodos permite conocer las características físicas de las
instalaciones:
Antes de iniciar con el software e iniciar las pruebas, es ingresar los nudos, ingresar
las distancias y costos entre nodos, así mismo se determina el número de pasadas
y el nodo de inicio, después se muestra la ruta óptima, considerando los ciclos, es
decir solo muestra los resultados posibles con el nodo que se ingresó,
seguidamente se muestra las iteraciones o combinaciones, aquí se incluyen las que
cumplen las condiciones y las que no y la última se muestra las rutas óptimas y las
rutas alternas, considerando todos los nodos (sí es que necesario).
38
Toma de Datos, Procedimiento y Software Usados
Se optó por adquirir un software especializado en medición de las rutas entre nodos,
llamado Promodel, los nodos fueron ubicados por diseño de la planta de producción
de GOLDEN FLEX entre la impresora de 4 tintas y de la refiladora.
Configuración de la simulación
Tipo de mediciones/observaciones
39
Población – muestra
𝑧2 ∗ 𝑝 ∗ 𝑞
𝑛= (𝐸1)
𝑒2
40
n= Tamaño muestra
Plan de análisis
Para obtener la eficiencia del diseño y aumentarla precisión, existen técnicas que
buscan reducir la varianza y dan un mejor uso a la información disponible 5. Dichas
técnicas son usadas en estudios estadísticos donde es necesario llegar a resultados
5
CAO Ricardo, ABAD Ricardo, Introducción a la Simulación y a la Teoría de Colas. Editor Net biblo, (2002).
P.103 -110
41
con la menor variabilidad posible para hacer comparaciones precisas y concluir
acertadamente. Una de dichas técnicas aplicables a este estudio es el método de
Monte Carlo, ya que posibilita la realización de experimentos con el uso de números
pseudo-aleatorios6. Se tratará de buscar la distribución de la variable aleatoria que
representa el número de servicios en cola.
Nota: toma de tiempos del proceso de 4 tintas y del paso a la refiladora, en la fabricación de bolsa
plástica. Fuente: propia
Variables de respuesta
Las medidas claves de desempeño del sistema de colas son el número esperado
de cliente (L), el número de pedidos en cola (Lq), el tiempo esperado en el sistema
(W) y el tiempo esperado en cola (Wq)7. De estas medidas de desempeño, se
6
EVANS, Michael J. Probabilidad y estadística Editor Reverte, (2005) .p.675.
7
HILLIER y LIEBERMAN. Op. cit., p. 770
42
seleccionan como variable respuesta Lq y Wq, son las que muestran como tal el
comportamiento de las colas. Debido a la ausencia de fórmulas acotadas que
permitan calcular fácilmente las medidas de productividad de las líneas de espera
es necesario recurrir a técnicas avanzadas de cálculo. Para esto se hará uso de la
simulación en el software PROMODEL, el cual genera reportes consolidados para
todas las corridas y reportes de las simulaciones.
Manejo de Resultados
43
11. DESARROLLO
44
por supuesto se presentan los detalles del diseño de experimentos que orientaron
las pruebas efectuadas.
4
100%
4
Porcentaje acumulado
3 80%
Ocurrencias
3
60%
2
2 40%
1
20%
1
- 0%
.004Mante .002Recurs .002Almac .001Tiemp .001Tecnol .001Materi Otros
nimientos o Humano enamiento os ogia a Prima
Cantidad 4 2 2 1 1 1 2
Cum % 31% 46% 62% 69% 77% 85% 100%
% deTotal 31% 15% 15% 8% 8% 8% 15%
45
De igual manera es útil visualizar áreas de almacenamiento temporal o permanente,
estaciones de inspección y puntos de trabajo, además facilita el desarrollo de una
distribución de planta y así contemplar las posibles fallas del proceso, como lo
podemos observar en la figura 4.
TIEMPO STD
CANTIDAD
DISTANCIA
(unid)
SIMBOLO
(mts)
(min)
ELEMENTOS OBSERVACIONES
1 Recepcion de MP 120 O
2 Descargue y traslado 20 30 O Descargue materia prima
3 Almacenamiento 15 O Apilado y almacenamiento
4 Orden de pedido 20 O
5 Mezcla material 15 O
6 Arranque maquina 90 O Preparación maquina
7 Extrusión 150 O
8 Traslado material 15 10 O
9 Montaje rollos impresión 15 O Preparación
10 Impresión (4 Tintas) 110 O
11 Montajes rollos impresos 15 O
12 Alistamiento maquina 60 O Preparación maquina
13 Refilado 120 O
14 Alistamiento 10 O
15 Empaque 15 O
16 Almacenamiento 10 15 O
45 810
Nota: La Figura muestra el flujo del proceso de producción de bolsas plásticas. Fuente: Elaboración
propia.
11.1. Análisis
46
intervalos por 15 días); la primera semana: Lunes, martes, miércoles, jueves y
viernes, 5 intervalos en horas; en la segunda semana: Lunes, martes, miércoles,
jueves y viernes, 5 intervalos en horas y en la tercera semana: cinco días, cinco
intervalos, entre el paso de la 4 tintas a la refiladora, para un total de muestras de
73, dos más que el tamaño de muestra determinado a causa del número de
intervalos propuestos, realizando las siguientes observaciones:
47
En la figura 5, se puede observar el comportamiento y la disminución de tiempos de
un pedido, de acuerdo al proceso actual que presentaba Golden Flex contra la
propuesta a implementar una mejora de un 5%.
810,00
800,00
790,00 810,00
780,00
770,00
760,00 775,00
750,00
ACTUAL PROPUESTA
48
El tiempo de servicio se establece entonces desde que el pedido llega a la máquina,
hasta que termina por completo y sale para alistamiento como producto final. Dichos
datos se tomaron del sistema de la impresora de 4 tintas a la refiladora de GOLDEN
FLEX en donde se mide la hora en la cual comienza cada proceso, se realiza la
toma de tiempo de duración en el sistema (proceso fabricación), que por
conveniencia será manejado en minutos. Para tomar el tiempo de llegada de los
pedidos, al ser una tarea tan laboriosa se decido tomar intervalos de la llegada y
duración en el sistema de los pedidos, con esta información se podrá obtener el
comportamiento del tiempo de llegada.
El software utilizado para analizar los datos estadísticos fue Promodel; inicialmente
se realiza una simulación con Montecarlo y luego se efectúa con Promodel, con el
fin de obtener un comparativo del comportamiento en el sistema desde que el
pedido entra a proceso de ejecución pasando por la maquina 4 tintas a la refiladora,
hasta que termina por completo y sale para alistamiento.
49
Tabla 4 Ingreso ordenes semanales
Pedidos 73
Pedidos Frecuencia
semanales relativa (probabilidad)
18 0,25
19 0,26
25 0,34
11 0,15
Total 1
Nota: Son los pedidos que ingresan a la planta de producción de Golden Flex, para iniciar
proceso de programación. Fuente: Propia
1 0.651519168 8
2 0.429370494 8
3 0.646034822 8
4 0.124300165 7
Nota: Probabilidad estadística de capacidad en procesar ordenes de producción. Fuente:
Propia
50
Tabla 7 Beneficio, varianza e intervalo generado a partir del nº de pedidos
PEDIDOS 5 6 7 8 9
Nota: A partir de los beneficios simulados para cada cantidad de pedidos, obtenemos la
variable aleatoria beneficios esperados calculando la media de las 73 muestras, y además
obtenemos el intervalo de confianza a un nivel del 95 %.
51
Tabla 9 Medidas de rendimiento con diferentes tamaños de personal de
mantenimiento.
Data Resultados
Numero de servidores 2 Punto 95% Intervalo de confianza
estimación Bajo Alto
Tiempo de arrivo L = 0.62039352 0.396651904 0.844135128
Distribucion= Exponential Lq = 0.03518801 -0.014402064 0.084778077
Valor minimo = 4 W = 2.66849081 1.924257681 3.412723932
5 Wq = 0.15135373 -0.049214966 0.351922424
52
Tabla 10 Datos históricos de la simulación y recolección de datos (Tiempos de servicio y mantenimientos)
N° DE SERV ICO
TIEMPO N° DE TIEMPO TIEMPO PEDIDOS PEDIDOS
ALEATORI HORA HORA ALEATORIO TIEMPO DE HORA DE TIEMPO TIEMPO EN EN ELSISTEMA
ID PEDIDO ENTRE PEDIDOS EN PROMEDIO EN PROMEDIO EN PROMEDIO EN PROMEDIO EN
O LLEGADA INICIO 2 SERV ICO SALIDA EN FILA EL SISTEMA CUANDO LLEGO
LLEGADAS EL SISTEMA ESPERA EL SISTEMA ESPERA EL SISTEMA
EL PEDIDO
0 0,7943 0,1152 0,1152 0,1152 0,3686 0,9980 1,1132 0,0000 0,9980 0 1 0,0000 0,9980 0,0000 1,0000
1 0,0504 1,4939 1,6091 1,6091 0,0610 2,7976 4,4067 0,0000 2,7976 0 1 0,0000 1,8978 0,0000 1,0000
2 0,1581 0,9224 2,5315 4,4067 0,6177 0,4818 4,8885 1,8752 2,3570 1 2 0,6251 2,0509 0,3333 1,3333
3 0,2671 0,6600 3,1915 4,8885 0,4563 0,7846 5,6730 1,6970 2,4815 2 3 0,8930 2,1585 0,7500 1,7500
4 0,6745 0,1969 3,3884 5,6730 0,4616 0,7730 6,4460 2,2846 3,0576 3 4 1,1714 2,3383 1,2000 2,2000
5 0,2915 0,6164 4,0048 6,4460 0,9498 0,0516 6,4976 2,4412 2,4927 4 5 1,3830 2,3641 1,6667 2,6667
6 0,0110 2,2530 6,2578 6,4976 0,3018 1,1981 7,6957 0,2398 1,4379 2 3 1,2197 2,2318 1,7143 2,7143
7 0,0290 1,7697 8,0275 8,0275 0,8513 0,1610 8,1885 0,0000 0,1610 0 1 1,0672 1,9729 1,5000 2,5000
8 0,7151 0,1677 8,1952 8,1952 0,5011 0,6910 8,8862 0,0000 0,6910 0 1 0,9486 1,8305 1,3333 2,3333
9 0,5232 0,3239 8,5191 8,8862 0,7415 0,2991 9,1852 0,3671 0,6661 1 2 0,8905 1,7140 1,3000 2,3000
10 0,2092 0,7822 9,3013 9,3013 0,1629 1,8145 11,1159 0,0000 1,8145 0 1 0,8095 1,7232 1,1818 2,1818
11 0,8993 0,0531 9,3544 11,1159 0,7869 0,2396 11,3555 1,7615 2,0011 1 2 0,8889 1,7463 1,1667 2,1667
12 0,2242 0,7477 10,1021 11,3555 0,6956 0,3630 11,7184 1,2534 1,6163 2 3 0,9169 1,7363 1,2308 2,2308
13 0,8537 0,0791 10,1812 11,7184 0,3625 1,0147 12,7332 1,5372 2,5520 3 4 0,9612 1,7946 1,3571 2,3571
14 0,4517 0,3974 10,5785 12,7332 0,1621 1,8195 14,5527 2,1546 3,9741 4 5 1,0408 1,9399 1,5333 2,5333
15 0,8603 0,0753 10,6538 14,5527 0,7965 0,2276 14,7803 3,8989 4,1265 5 6 1,2194 2,0766 1,7500 2,7500
16 0,9471 0,0272 10,6810 14,7803 0,5557 0,5875 15,3677 4,0993 4,6868 6 7 1,3888 2,2301 2,0000 3,0000
17 0,8000 0,1116 10,7925 15,3677 0,7772 0,2521 15,6198 4,5752 4,8273 7 8 1,5658 2,3744 2,2778 3,2778
18 0,3340 0,5483 11,3408 15,6198 0,7805 0,2478 15,8676 4,2790 4,5268 7 8 1,7086 2,4877 2,5263 3,5263
19 0,7621 0,1359 11,4767 15,8676 0,0669 2,7048 18,5724 4,3910 7,0957 7 8 1,8427 2,7181 2,7500 3,7500
20 0,1074 1,1158 12,5925 18,5724 0,1018 2,2844 20,8568 5,9799 8,2643 7 8 2,0397 2,9822 2,9524 3,9524
21 0,1807 0,8555 13,4480 20,8568 0,1728 1,7556 22,6124 7,4088 9,1644 7 8 2,2838 3,2632 3,1364 4,1364
22 0,8779 0,0651 13,5132 22,6124 0,5842 0,5375 23,1499 9,0992 9,6368 8 9 2,5801 3,5403 3,3478 4,3478
23 0,8648 0,0727 13,5858 23,1499 0,6834 0,3806 23,5305 9,5641 9,9447 9 10 2,8711 3,8072 3,5833 4,5833
24 0,8825 0,0625 13,6483 23,5305 0,2715 1,3037 24,8343 9,8822 11,1859 10 11 3,1516 4,1023 3,8400 4,8400
25 0,1691 0,8885 14,5368 24,8343 0,2117 1,5525 26,3867 ###### 11,8499 11 12 3,4264 4,4003 4,1154 5,1154
26 0,2691 0,6563 15,1931 26,3867 0,1292 2,0464 28,4331 ###### 13,2400 10 11 3,7141 4,7277 4,3333 5,3333
27 0,1235 1,0456 16,2388 28,4331 0,3338 1,0971 29,5302 ###### 13,2915 8 9 4,0169 5,0335 4,4643 5,4643
28 0,4405 0,4099 16,6487 29,5302 0,4048 0,9043 30,4345 ###### 13,7858 9 10 4,3226 5,3353 4,6207 5,6207
29 0,2382 0,7174 17,3661 30,4345 0,0599 2,8158 33,2503 ###### 15,8842 10 11 4,6141 5,6870 4,8000 5,8000
30 0,6161 0,2421 17,6082 33,2503 0,8251 0,1923 33,4425 ###### 15,8343 11 12 4,9699 6,0143 5,0000 6,0000
31 0,4435 0,4066 18,0148 33,4425 0,8504 0,1621 33,6046 ###### 15,5898 12 13 5,2967 6,3135 5,2188 6,2188
32 0,1943 0,8192 18,8340 33,6046 0,7906 0,2350 33,8396 ###### 15,0056 12 13 5,5838 6,5769 5,4242 6,4242
33 0,6739 0,1973 19,0314 33,8396 0,7194 0,3294 34,1690 ###### 15,1376 13 14 5,8551 6,8287 5,6471 6,6471
34 0,7478 0,1453 19,1767 34,1690 0,1010 2,2928 36,4618 ###### 17,2851 14 15 6,1161 7,1275 5,8857 6,8857
35 0,9178 0,0429 19,2196 36,4618 0,6705 0,3997 36,8615 ###### 17,6419 15 16 6,4252 7,4195 6,1389 7,1389
36 0,6763 0,1956 19,4152 36,8615 0,3931 0,9336 37,7951 ###### 18,3800 16 17 6,7231 7,7158 6,4054 7,4054
37 0,3653 0,5035 19,9187 37,7951 0,2369 1,4403 39,2355 ###### 19,3168 17 18 7,0166 8,0211 6,6842 7,6842
38 0,3486 0,5269 20,4456 39,2355 0,1988 1,6153 40,8508 ###### 20,4052 18 19 7,3185 8,3386 6,9744 7,9744
39 0,4287 0,4235 20,8690 40,8508 0,4563 0,7846 41,6353 ###### 20,7663 18 19 7,6350 8,6493 7,2500 8,2500
40 0,8056 0,1081 20,9772 41,6353 0,3128 1,1623 42,7976 ###### 21,8205 19 20 7,9527 8,9705 7,5366 8,5366
41 0,9355 0,0334 21,0105 42,7976 0,3781 0,9725 43,7701 ###### 22,7596 20 21 8,2821 9,2988 7,8333 8,8333
42 0,0026 2,9743 23,9848 43,7701 0,5656 0,5699 44,3400 ###### 20,3551 18 19 8,5496 9,5560 8,0698 9,0698
43 0,9866 0,0068 23,9916 44,3400 0,0796 2,5302 46,8702 ###### 22,8786 19 20 8,8177 9,8588 8,3182 9,3182
44 0,8167 0,1012 24,0928 46,8702 0,0407 3,2024 50,0726 ###### 25,9797 20 21 9,1280 10,2170 8,5778 9,5778
45 0,2564 0,6806 24,7734 50,0726 0,7383 0,3034 50,3760 ###### 25,6026 21 22 9,4795 10,5515 8,8478 9,8478
46 0,5277 0,3196 25,0930 50,3760 0,5183 0,6572 51,0332 ###### 25,9402 21 22 9,8157 10,8789 9,1064 10,1064
47 0,7558 0,1400 25,2330 51,0332 0,5608 0,5784 51,6116 ###### 26,3785 22 23 10,1488 11,2018 9,3750 10,3750
48 0,4805 0,3665 25,5995 51,6116 0,5462 0,6047 52,2163 ###### 26,6168 23 24 10,4725 11,5164 9,6531 10,6531
49 0,1848 0,8443 26,4438 52,2163 0,4597 0,7772 52,9935 ###### 26,5497 23 24 10,7785 11,8171 9,9200 10,9200
50 0,0142 2,1276 28,5714 52,9935 0,9670 0,0336 53,0271 ###### 24,4557 23 24 11,0460 12,0649 10,1765 11,1765
51 0,2275 0,7404 29,3118 53,0271 0,0538 2,9231 55,9502 ###### 26,6384 24 25 11,2897 12,3451 10,4423 11,4423
52 0,8280 0,0944 29,4061 55,9502 0,4671 0,7612 56,7114 ###### 27,3052 25 26 11,5775 12,6274 10,7170 11,7170
53 0,1935 0,8214 30,2275 56,7114 0,2868 1,2489 57,9603 ###### 27,7328 25 26 11,8535 12,9071 10,9815 11,9815
54 0,2471 0,6989 30,9264 57,9603 0,8042 0,2179 58,1781 ###### 27,2517 25 26 12,1295 13,1679 11,2364 12,2364
55 0,8777 0,0652 30,9916 58,1781 0,9955 0,0045 58,1826 ###### 27,1910 26 27 12,3984 13,4184 11,5000 12,5000
56 0,3203 0,5693 31,5609 58,1826 0,3745 0,9822 59,1648 ###### 27,6039 27 28 12,6479 13,6672 11,7719 12,7719
57 0,3278 0,5576 32,1185 59,1648 0,8331 0,1826 59,3474 ###### 27,2289 28 29 12,8962 13,9010 12,0517 13,0517
58 0,6502 0,2153 32,3338 59,3474 0,4090 0,8940 60,2414 ###### 27,9076 29 30 13,1355 14,1384 12,3390 13,3390
59 0,8432 0,0853 32,4191 60,2414 0,0473 3,0511 63,2925 ###### 30,8735 30 31 13,3802 14,4174 12,6333 13,6333
60 0,8020 0,1103 32,5294 63,2925 0,6594 0,4165 63,7090 ###### 31,1796 31 32 13,6652 14,6921 12,9344 13,9344
61 0,0937 1,1836 33,7130 63,7090 0,6102 0,4940 64,2030 ###### 30,4900 29 30 13,9286 14,9470 13,1935 14,1935
62 0,0923 1,1912 34,9042 64,2030 0,2696 1,3109 65,5140 ###### 30,6097 28 29 14,1726 15,1956 13,4286 14,4286
63 0,8876 0,0596 34,9639 65,5140 0,6531 0,4261 65,9400 ###### 30,9762 29 30 14,4285 15,4421 13,6719 14,6719
64 0,3799 0,4839 35,4478 65,9400 0,1146 2,1659 68,1060 ###### 32,6582 30 31 14,6756 15,7070 13,9231 14,9231
65 0,7644 0,1343 35,5822 68,1060 0,7476 0,2908 68,3968 ###### 32,8146 31 32 14,9460 15,9662 14,1818 15,1818
66 0,0803 1,2612 36,8434 68,3968 0,8251 0,1923 68,5891 ###### 31,7457 31 32 15,1939 16,2017 14,4328 15,4328
67 0,5778 0,2742 37,1176 68,5891 0,8015 0,2212 68,8103 ###### 31,6927 31 32 15,4333 16,4295 14,6765 15,6765
53
Aunque cada parámetro individualmente no pueda parecer muy significativo, se
evaluó el mantenimiento, donde la eficiencia general de los equipos tan sólo es del
70,9% y con una eficiencia individual del 61,8% en la 4 Tintas y un 80% en la
refiladora. La producción de empaques flexibles se encuentra en 41 pedidos, de ahí
la importancia de este dato reside en lo que subyace del mismo, ya que ahora se
conoce que la disponibilidad de la maquinaria con un servidor es de un 54,7% (Ver
tabla 10).
Con esta información, se puede acometer acciones de mejora. Por ejemplo, para
aumentar la disponibilidad se dispone de un segundo servidor, buscando así
disminuir las pérdidas de tiempo no productivo debidas a arranques de máquinas,
cambios, averías, esperas, etc., lo que aumentaría el indicador OEE.
54
Tabla 11 Sistemas de Información OEE, el tiempo de inactividad de la máquina y de fabricación
Fecha
Servidor 1
Máquina Residuos Residuos Total Tiempo Tiempo de tiempo de Tiempo de Tiempo Disponibilidad Tasa de Tasa OEE
(metros) ( metros ) Producción total inactividad inactividad funcionamiento Ideal de rendimiento de
( metros ) disponible programado no (min) ejecución Calidad
(min) (min) programado (metro por
(min) min.)
1 4 Tintas 495 270 480 90 160 230 45,00 59,0% 108,7% 96,5% 61,8%
21600
2 Refiladora 450 225 480 120 180 180 46.87 50,0% 166,7% 97,0% 80,8%
22500
3 0 0,0%
4 0 0,0%
5 0 0,0%
6 0 0,0%
7 0 0,0%
8 0 0,0%
9 0 0,0%
10 0 0,0%
1050 550 49000 960 210 340 410 51,04 54,7% 134,1% 96,7% 70,9%
Nota: 24000 unds., equivalente a 73 pedidos. 1 unidad se elabora con 0.9 metros de plástico, para un total de 21600 metros de material. Fuente:
Elaboración propia.
55
12. RESULTADOS
56
Se realiza simulación en Promodel (Ver Figura 4), generando el comportamiento deseado en el sistema de la planta de
producción basada en los tiempos tomados, realizado como soporte del rendimiento mostrado en la simulación realizada
con Montecarlo.
Figura 6 Planta Golden Flex, Simulación Promodel - Proceso de maquinaria 4 tintas y refilado. Fuente: propia
57
Con la simulación se plantea la reducción de los tiempos muertos, buscando optimizar el proceso de circulación, planeando desde
mantenimientos, alistamiento de maquinaria y el tiempo ingreso de la orden hasta su finalización, teniendo en cuenta en esa planeación
las esperas en líneas del pedido.
58
Con la simulación se quiere reducir el tiempo ocio o en el que no se está procesando una orden de producción, como se
observa en la Figura 6., con una tasa de rendimiento esperada del 72%
59
12.2. Análisis económico del sistema de colas (propuesta)
VALOR TOTAL
ELEMENTO DEL PORCENTAJE
MANO OBRA UNITARIO ES TANDAR ($) CIFRAS ES TÁNDAR
COS TO UTILIZACIÓN
HORA DIA
MANO DE OBRA
1 100% $ 3.222 $ 25.776 8 HORAS /DIA
DIRECTA
Nota: Valores estándar de acuerdo a metro día y desglosado por hora. Fuente: Propia
60
Tabla 15 Flujo caja Golden Flex
ene-16 feb-16 mar-16 abr-16 may-16 jun-16 jul-16 ago-16 sep-16 oct-16 nov-16 dic-16
Efectivo 0 48.306.800 53.964.760 57.925.332 60.697.732 62.638.413 63.996.889 64.947.822 65.613.476 66.079.433 66.405.603 66.633.922
disponible al
inicio del mes
Ventas $160.724.000 $120.500.000 $120.500.000 $120.500.000 $120.500.000 $120.500.000 $120.500.000 $120.500.000 $120.500.000 $120.500.000 $120.500.000 $120.500.000
(efectivo)
Total Ingresos $160.724.000 $120.500.000 $120.500.000 $120.500.000 $120.500.000 $120.500.000 $120.500.000 $120.500.000 $120.500.000 $120.500.000 $120.500.000 $120.500.000
en efectivo
Efectivo Total $160.724.000 $168.806.800 $174.464.760 $178.425.332 $181.197.732 $183.138.413 $184.496.889 $185.447.822 $186.113.476 $186.579.433 $186.905.603 $187.133.922
Disponible
(antes de los
retiros)
Compra de 60.000.000 60.000.000 60.000.000 60.000.000 60.000.000 60.000.000 60.000.000 60.000.000 60.000.000 60.000.000 60.000.000 60.000.000
mercancía
Compras
(especificar)
Sueldos brutos 1.600.000 1.600.000 1.600.000 1.600.000 1.600.000 1.600.000 1.600.000 1.600.000 1.600.000 1.600.000 1.600.000 1.600.000
Otros gastos de 600.000 600.000 600.000 600.000 600.000 600.000 600.000 600.000 600.000 600.000 600.000 600.000
nómina
Mantenimiento 2.000.000 2.000.000 2.000.000 2.000.000 2.000.000 2.000.000 2.000.000 2.000.000 2.000.000 2.000.000 2.000.000 2.000.000
Otros gastos 48.217.200 50.642.040 52.339.428 53.527.600 54.359.320 54.941.524 55.349.067 55.634.347 55.834.043 55.973.830 56.071.681 56.140.177
(especificar)
SUBTOTAL $112.417.200 $114.842.040 $116.539.428 $117.727.600 $118.559.320 $119.141.524 $119.549.067 $119.834.347 $120.034.043 $120.173.830 $120.271.681 $120.340.177
Reserva y/o en
depósito
Total Egresos $112.417.200 $114.842.040 $116.539.428 $117.727.600 $118.559.320 $119.141.524 $119.549.067 $119.834.347 $120.034.043 $120.173.830 $120.271.681 $120.340.177
en efectivo
Posición de $48.306.800 $53.964.760 $57.925.332 $60.697.732 $62.638.413 $63.996.889 $64.947.822 $65.613.476 $66.079.433 $66.405.603 $66.633.922 $66.793.745
Efectivo (fin de
mes)
Nota: Flujo de fondo de acuerdo a ventas proyectadas en el año 2016. Fuente: Propia
61
Se sabe financieramente que la TIR, desde el punto de vista matemático, es la tasa
que hace el VPN igual a 0. Aplicando esto al proyecto tenemos. Ver
Períodos 0 1 2 3 4
-
Flujo
48.306.800,00 60.697.732,40 65.613.475,55 60.697.732,40 66.793.745,48
TIR 123,78%
VPN 152.323.101
Nota: la tasa interna de rendimiento y el valor presente, se asumen a una tasa de costo de capital del
10,00%. Fuente: Elaboración propia
62
12.3. Análisis de costos
La red de colas como fueron modeladas en este proyecto habrán de ser optimizadas
en busca de dos objetivos definidos: minimización del costo total y minimización de
wq (Ver tabla 16).
Previsión del beneficio que obtendrá GOLDEN FLEX con el la incorporacion de otro servidor (Total dos servidores) en base a modelo montecarlo y a
información histórica que establece las diversas distribuciones de probabilidad de las variables que intervienen.
B=I-G
I=pq
G=CF+CV
CV=cq
Bº Esperado $ 377.727
El precio se distribuye como una normal de media 100 y desviación típica 20 Desv. Tip. $ 249.976 $ 249.976
Los coste fijos son una uniforme entre 52000 y 53000 pesos und.
El coste unitario se distribuye según una triangular de entre 50 y 70, con media en 60. Iteración 100
La cantidad vendida es una logonormal de media 45 pedidos semanal y desviación típica 1,2.
Lanzar Macro
Precio $ 100,22 64,39
Coste Fijos $ 52.612,00
6
Coste Unitario 63,34 0,77792386
Cantidad (q) 46 13.042 5
4
CV $ 826.080,28
3
G $ 878.692,28
I 1307069,24 2
B $ 428.376,96
1
Max Bº $ 945.611,22
0
19…
73…
12…
18…
78…
83…
89…
94…
23…
29…
34…
40…
45…
50…
56…
61…
67…
72…
-…
-…
-…
Min Bº -$ 144.316,48
Barras 100
Se puede presentar el conflicto entre los dos objetivos, que hará que la mejora en
una función empeore la otra, es decir, que la mejora en el indicador de desempeño
wq solo será posible con el aumento de los costos de funcionamiento del sistema.
Por lo tanto, se propone al interior del proceso una estrategia, en la que se presenta
un plan de acción, basado en los resultados de la simulación (utilización de dos
63
servidores) y el comportamiento dentro del sistema que permitirá a la empresa mayor
utilidad que en el proceso actual buscando incrementar los indicadores internos de
productividad al máximo, o bien mejorar los indicadores. Finalmente, se espera un
aporte del proceso (máquina de 4 tintas a la refiladora) una mejora de los indicadores
que rodeará el 5%.
Por esta razón, la mano de obra debe tenerse muy en cuenta a la hora de diseñar
un modelo ya que también se debe contemplar los tiempos ociosos y sobrecostos; y
si se excede en lo requerido, aumenta el tiempo de espera, las cargas de trabajo y
la eficiencia del proceso.
64
espera (costo de servicio); no obstante, si no existe un nivel de atención suficiente
para los pedidos que ingresan se generaría un pérdida en la calidad del proceso
(tiempo de espera) y una pérdida económica de oportunidad, denominadas costos
de espera. Se debe buscar un equilibrio que satisfaga las necesidades de los clientes
y se ajuste a las posibilidades de la empresa.
65
problema se presenta cuando alguna perturbación atípica aparece, que puede ser
causada por variaciones no contempladas en el sistema, o por falta de
mantenimiento, y en esas condiciones, los volúmenes y las variables que
normalmente se promedian, presentan alta varianza. Para determinar los
comportamientos del proceso en condiciones anormales, hace falta una simulación
con un nivel tecnológico más alto, el cual incurriría su implementación y estudio en
un costo más elevado.
66
13. CONCLUSIÓNES
Por lo anterior, la elección que se hizo del sistema de simulación abarco con los
requisitos mínimos de operación y criterio de programación, ya que para el análisis
de cada una de las pruebas se requería una recolección continua de datos y fuente
de visualización del proceso, garantizando así los procesos de fabricación de
empaque flexible. En el proceso de adaptación y empalme presento viabilidad
financiera de acuerdo al rendimiento de la planta obtenidas después de haber
realizado la programación y planeación con los esquemas propuestos de las líneas
de espera en los mantenimientos y alistamientos de la maquinaria.
67
14. BIBLIOGRAFÍA
2001s_7814.pdf
Recuperado de http://invoperacioneslu.blogspot.com.co/p/teoria-de-colas-o-linea-
de-espera.html
arbitrary initial processor available times”. Research memorandum No. 88-12. School
68
ANEXOS
69
Anexo 1 Ingreso de pedidos para fabricación
Semana Pedidos
entrantes Pedidos entrantes
1 8
2 10 12
3 9 10
4 11 8
5 9 Pedidos
6
6 8 entrantes
4
7 10
8 2
9
9 11 0
10 10 1 2 3 4 5 6 7 8 9 10 11 12
11 7
12 11
12
10
Pedidos entrantes
8
6
4 Pronóstico de Promedio
Móvil
2
0
1 3 5 7 9 11
70
Tabla 19 Suavización exponencial
Semana Pedidos entrantes Pronóstico de Suav Error del Error al
(Yt) Exponencial (Ft) Pronóstico (Yt- cuadrado
Ft)
1 8 17,00
2 10 15,20 -5,20 27,04
3 9 14,16 -5,16 26,63
4 11 13,13 -2,13 4,53
5 9 12,70 -3,70 13,71
6 8 11,96 -3,96 15,70
7 10 11,17 -1,17 1,37
8 9 10,94 -1,94 3,75
9 11 10,55 0,45 0,20
10 10 10,64 -0,64 0,41
11 7 10,51 -3,51 12,33
12 11 9,81 1,19 1,42
Totales -25,76 107,07
18
16
14
12 Pedidos entrantes (Yt)
10
8 Pronóstico de Suav
6 Exponncial (Ft)
4
2
0
1 2 3 4 5 6 7 8 9 10 11 12
71
Se considerarse en éste caso el promedio de una serie de tiempo con un mecanismo
de autocorrección buscando ajustar los pronósticos en dirección opuesta a las
desviaciones del pasado mediante una corrección que se ve afectada por un
coeficiente de suavización. Es así entonces, este modelo de pronóstico precisa tan
sólo de tres tipos de datos: el pronóstico del último período, la demanda del último
período y el coeficiente de suavización.
Esto con el fin de que la demanda aleatoria, en el cual se pretende eliminar los
elementos irregulares históricos mediante un enfoque de demanda reciente,
utilizando una gran cantidad de períodos y de ponderaciones para lograr así óptimos
resultados.
72