Nombre Código % Participación del

trabajo

Alix Xiomara Sierra 20132015171 50

Contreras

Lina Marcela Blandon 20141015103 50

Lombana

1. Contenido

Contenido 1
SISTEMA LOGÍSTICO DE UN PUERTO 3
PROBLEMA: 3
Descripción del problema: 4
Supuestos: 5
Características: 5
ANALISIS DE ENTRADA 6
PRUEBAS DE INDEPENDENCIA INTRAVARIABLES 7
Diagramas de Dispersión y Gráficos de Correlación 9
Pruebas de Corridas 12
PRUEBAS DE INDEPENDENCIA INTERVARIABLES 14
Pruebas de Correlación de Pearson, Tau de Kendall, Rho de Spearman 16
PRUEBAS DE HOMOGENEIDAD INTERVARIABLE 29
Pruebas Anova, HSD Tukey, Scheffe, Waller Duncan 31
PRUEBAS DE BONDAD Y AJUSTE 32
Pruebas de Kolmogorov-Smirnov, Anderson Darling y Chi Cuadrado 35
MODELO DE SIMULACIÓN 43
ANÁLISIS DE SALIDA 45
Corridas de la simulación 45
Cálculo de la longitud de la réplica de la simulación 46
Validación del modelo 46
Escenarios de Simulación 48
 2. SISTEMA LOGÍSTICO DE UN PUERTO

2.1 PROBLEMA:

En un pequeño puerto alterno a la Central portuaria llegan buques de pequeño calado

con diferentes mercancías de diversas procedencias, por restricciones de orden legal, los
contenedores que llegan en un día dado, comienzan el proceso de aforo en la oficina de
Aduanas Nacionales y los procesos de legalización y trámites administrativos y en
cualquier caso se descargan al día siguiente.
Aunque la diversidad de mercancías es tal, para efectos del manejo de los materiales, se
consideran tres tipos de mercancía: Tipo 1, que representan contendores de forma
rectangular, Tipo 2, que son de productos en canecas, rollos o tambores y Tipo 3 que es
mercancía empacada en bultos. Estos diferentes tipos obliga a utilizar medios de
descargue diferentes como los montacargas de uñas, bandas transportadoras portátiles,
transportadoras neumáticas móviles, polipastos, etc. Toda la mercancía se afora en Kilos.
Una vez la mercancía es descargada del Buque, debe ir a la Central de almacenamiento,
para luego distribuirse por vía terrestre. El número de contendores varía en cada día, así
como la carga que trae, por razones de costos y de contratación, los contendores deben
ser desempacados al menor tiempo posible, la mercancía no descargada debe pagar
costos de arriendo de la bodega, pero no es una política aceptada por parte de la
administración.
La Gerencia del Puerto tiene como política de trabajo operar por cuadrillas, cada cuadrilla
está compuesta por un monta-carguista y dos auxiliares que realizan actividades de pre-
montaje, cargue, descargue, almacenaje, etc. Los salarios en jornada regular son de USD
$4 por hora de monta-carguista y USD $2.5 por hora por auxiliar.
El Sindicato ha negociado que cualquier hora extra o fracción tiene un recargo del 35%
si esta después del primer turno y 65% para extras después del segundo turno: Si se
trabaja los días dominicales se tiene un recargo del 100%. Si en un día no se labora, o la
jornada es reducida, por cada hora o fracción se da un costo de compensación del 35%
de valor de la hora en jornada regular. Otro acuerdo sindical es que cuando se trabaja
más de 16 horas, al día siguiente la cuadrilla descansa con un salario de compensación
y se debe trabajar con otra cuadrilla extra con un sobre costo del 40% en el tiempo regular
y lo mismo sucede con las extras que tiene un sobre cargo adicional del 40%.
En el caso que se decida no trabajar horas extras o que, al trabajarlas, no se logra la
descarga de la totalidad de la mercancía cada Kilo de mercancía no desempacada tiene
una penalización de USD $0.1x kilo no descargado. En el sistema no hay restricciones
de personal (se puede contratar fácilmente los conductores para el montacargas o
auxiliares); sin embargo, sólo se dispone de un montacargas, pero se puede adquirir
hasta dos más ya que hay restricciones de espacio de maniobra en el puerto, el costo de
esta máquina es de USD $ 50.000.
La jornada laboral arranca a las 6:00 a.m., para el proceso de descargue se efectúan
ajustes al monta-carga y otras herramientas de descargue, en algunas oportunidades no
se han llegado los documentos que habilitan el descargue lo cual retrasa el inicio de la
jornada de trabajo. En el archivo de “Datos Caso Final TCS-2019-1.xlsx” aparecen las
estadísticas compiladas, algunos valores aparecen en rojo y quiere decir que
corresponden al día siguiente.
La gerencia del Puerto ha decidido que ustedes presenten una propuesta de un proyecto
para la mejora de las operaciones del puerto, y para esto su equipo debe emplear un
modelo de simulación que le permita analizar el sistema actual y plantear algunas
alternativas de mejora al mismo. Entonces el gerente quisiera responderse a las
siguientes preguntas:
1. ¿Cómo debe ser la asignación de cuadrillas de trabajo a fin de minimizar los tiempos
y costos de desembarque en el puerto?
2. ¿Cuántas cuadrillas se necesitan?
3. ¿Vale la pena comprar uno o dos montacargas, más?
4. ¿Qué otras formas de pago se podrían proponer en las negociaciones laborales y que
se le podría sugerir a la gerencia del puerto a fin de pactar un nuevo acuerdo sindical?
Finalmente, el gerente desea tomar una decisión de que equipo contratar, entonces
ustedes deben presentar una que incluya aspectos como:
1. Costo del estudio de simulación propuesto.
2. Alternativas de mejora y aspectos relevantes para su implementación.
3. Resultados esperados.
4. Cómo podría ser el beneficio para el puerto con la utilización de sus resultados, y el
posible costo.
2.2 Descripción del problema:
Este problema presenta un sistema de un puerto en el que llegan buques pequeños con
contenedores que tienen tres tipos de mercancía, la misión de los trabajadores es
descargar cada uno de los contenedores que llegan al siguiente día (por los trámites
aduaneros no pueden ser procesados el mismo día que llegan). Los trabajadores tienen
diferentes acuerdos a través del sindicato para el pago de las horas trabajadas, los turnos,
turnos extra, entre otras. Se requiere conocer la mejor asignación de las cuadrillas para
minimizar los costos y el tiempo de descargue de los contenedores.

2.3 Supuestos:
Para desarrollar este problema se tuvieron en cuenta los siguientes supuestos:
● El horario laboral inicia a las 6 am todos los días (incluyendo sábados y días
festivos)
● Todos los buques que llegan el día anterior deberán ser procesados el día
siguiente
● El tiempo que deben esperar los buques siempre será de un día antes de poderse
procesar
● Hay tiempos de alistamiento entre cada descargue de buques
● Los trabajadores no tienen tiempo de descanso
● Se realiza alistamiento de cada contenedor antes de ser procesado
● No se tiene en cuenta el día de arribo en la simulación, solo el día de
procesamiento

2.4 Características:

● Sistema: Puerto de llegada de buques pequeños

● Entidades: Contenedores que llegan al puerto
● Atributos: Número de contenedores que llegan al día, tiempo de alistamiento de
buques, tiempo de descargue de buques
● Actividades: Embarque y desembarque
● Demoras: Tiempo de alistamiento de contenedor, tiempo en fila
● Variables de Estado: Número de contenedores que llegan al día
● Evento: Llegada de buques al puerto, traslado al descargue de buques, salida del
puerto
● Recursos: Cuadrillas compuestas por un montacarguista y dos auxiliares cada
una, montacargas, instalaciones del puerto
Teniendo en cuenta estas características, se defina el objetivo y las medidas de
desempeño:
 ● Objetivo: Obtener una visualización del sistema para diferentes configuraciones
de cuadrillas, con el propósito de comparar los costos y obtener una propuesta
que se ajuste a las necesidades de la compañía y a la realidad del sistema.
● Medidas de desempeño: Tiempo de ocio de las cuadrillas, Número de
contenedores procesados al día, Número de contenedores que quedan por
procesar al día

3. ANALISIS DE ENTRADA
Para realizar el análisis de entrada se tuvo en cuenta el siguiente diagrama:

Fuente: Méndez, Centeno, Álvarez (2005)

A partir de lo anterior, se definen:
● Variables: Número de contenedores que llegan al día, tiempo de descargue,
tiempo de alistamiento.
 ● Parámetros: Peso, hora de inicio del descargue
● Atributos: día de arribo, tipo de carga, día de descargue

3.1 PRUEBAS DE INDEPENDENCIA INTRAVARIABLES

Una de las propiedades que deben cumplir un conjunto determinado de números

aleatorios es la propiedad de independencia, la cual establece que los números no tienen
relación entre sí. Para ello, primero es preciso formular las siguientes hipótesis:
Ho: los números del conjunto r, son independientes
H1: los números del conjunto r no son independientes
Las pruebas estadísticas utilizadas para comprobar esta propiedad fueron:

● Diagrama de dispersión
Esta gráfica en la que cada par (Xi, Xi+1) para i= 1, 2...n-1 está representado con un
punto en un sistema de coordenadas bidimensional. Si existe correlación entre los datos
seguramente los puntos tenderán a ubicarse como una línea recta, si por el contrario
presentan independencia se mostrará una gráfica con puntos dispersos.
● Diagrama de correlación
La correlación es una cantidad sin dimensiones que puede emplearse para comparar las
relaciones lineales entre pares de variables que tienen unidades distintas. Si en la
observación de una variable arroja resultados de pj en la cual difiere significativamente
de 0, es una fuerte evidencia de que los datos no son independientes.

● Prueba de corridas arriba y abajo de la media

El procedimiento de esta prueba consiste en determinar una secuencia de unos y ceros,
de acuerdo con una comparación entre los números del conjunto r¡ y 0.5. Después se
determina el número de corridas observadas, Co y los valores de no y n1. Co es el número
de corridas en la secuencia, el cual está determinado de la misma manera que en la
prueba de corridas arriba y abajo; nQ es igual a la cantidad de ceros en la secuencia, y n
es igual a la cantidad de unos en la secuencia, y se cumple que no+ n1 }= .Luego se
calcula el valor esperado, la varianza del número de corridas, y el estadístico Zo con las
siguientes ecuaciones:
Si el estadístico Zo está fuera del intervalo: - Z alfa/2 Zo Z alfa/2 se concluye que los
números del conjunto r no son independientes. De lo contrario no se puede rechazar que
el conjunto de ri es independiente.
A continuación, se presenta una tabla resumen de las pruebas realizadas y sus
respectivos resultados:

1. El tiempo de alistamiento es un cálculo que depende concretamente de la hora de

fin del descargue del contenedor anterior y la hora de inicio del descargue del
contenedor actual.
 2. Fue necesario realizar pruebas de independencia para el tiempo de descargue por
tipo de carga debido a que el análisis de independencia intravariable dio
dependiente.
3. Fue necesario realizar pruebas de independencia para el número de contenedores
por tipo de carga debido a que el análisis de independencia intravariable dio
dependiente.

3.1.1 Diagramas de Dispersión y Gráficos de Correlación

A continuación, se presenta las gráficas realizadas del diagrama de dispersión y el

gráfico de correlación de las variables:

NÙMERO DE CONTENEDORES

Diagrama de dispersión Gráfico de correlación

PESO (Kg)

Diagrama de dispersión Gráfico de correlación

 TIEMPO DE ALISTAMIENTO

Diagrama de dispersión Gráfico de correlación

TIEMPO DE DESCARGUE

Diagrama de dispersión Gráfico de correlación

TIEMPO DE DESCARGUE POR TIPO DE CARGA – TIPO 1

Diagrama de dispersión Gráfico de correlación

TIEMPO DE DESCARGUE POR TIPO DE CARGA – TIPO 2

Diagrama de dispersión Gráfico de correlación

 TIEMPO DE DESCARGUE POR TIPO DE CARGA – TIPO 3

Diagrama de dispersión Gráfico de correlación

NÚMERO DE CONTENEDORES QUE LLEGAN POR TIPOS DE CARGA - TIPO

1

Diagrama de dispersión Gráfico de correlación

NÚMERO DE CONTENEDORES QUE LLEGAN POR TIPOS DE CARGA - TIPO

2

Diagrama de dispersión Gráfico de correlación

 NÚMERO DE CONTENEDORES QUE LLEGAN POR TIPOS DE CARGA - TIPO
3

Diagrama de dispersión Gráfico de correlación

3.1.2 Pruebas de Corridas

A continuación, se presentan las pruebas de corridas por encima y por debajo de la media
de las variables:
● NÚMERO DE CONTENEDORES QUE LLEGAN POR TIPOS DE CARGA
 ● TIEMPO DE DESCARGUE POR TIPOS DE CARGA

3.2 PRUEBAS DE INDEPENDENCIA INTERVARIABLES

Las pruebas de independencia intervariables permiten conocer si existe una relación

estrecha entre las variables a tener en cuenta en el modelo de simulación, es decir si los
valores de las variables están en función de otra. Se evalúan las siguientes hipótesis:
➔ Ho: Las variables Xi y Yi son independientes entre sí
➔ H1: Las variables Xi y Yi son dependientes entre sí

Las pruebas aplicadas para comprobar la hipótesis nula de las variables del modelo de
simulación fueron las siguientes:
● Coeficiente de Correlación de Pearson: Esta prueba establece la relación lineal
que existe entre dos variables, es decir, establece si hay alguna posibilidad en que
una variable aumenta o decrece de acuerdo al comportamiento de la otra variable.
● Tau de Kendall: Es una prueba bivariada que evalúa la existencia de concordancia,
es decir, si los dos miembros de la pareja ordenada son mayores que los de la otra
pareja, entre las posibles combinaciones.
 ● Rho de Spearman: Es una prueba bivariada en la que se ordenan las parejas
ordenadas y se les asigna un puesto de acuerdo a la cantidad de datos, si estos
obtienen el mismo puesto de manera repetitiva, se consideran dependientes.
Estas pruebas fueron realizadas en el Software SPSS, donde se compara con la
significancia de 0,05 para una confianza del 95%. Si la significancia de la prueba es
menor a 0,05 se rechaza la hipótesis nula.
A continuación, se presenta la tabla resumen de las pruebas:

DATOS CORRELACIÓN TAU DE RHO DE

CONCLUSIÓN
EVALUADOS DE SPEARMAN KENDALL SPEARMAN

Tipo de Carga VS
Se rechaza la hipótesis
Tiempo de Dependiente Dependiente Dependiente
nula
Descargue

Tiempo de
Se acepta la hipótesis
alistamiento VS Día Independiente Independiente Independiente
nula
de Descargue

Tiempo de
Se acepta la hipótesis
alistamiento VS Independiente Independiente Independiente
nula
Peso

Tipo de carga VS
Se acepta la hipótesis
Tiempo de Independiente Independiente Independiente
nula
alistamiento

Día de arribo VS Se acepta la hipótesis

Independiente Independiente Independiente
Tipo de carga nula

Número de
contenedores que Se acepta la hipótesis
Independiente Independiente Independiente
arriban VS Día de nula
arribo

Tiempo de
Se rechaza la hipótesis
Descargue VS Dependiente Dependiente Dependiente
nula
Peso

Tiempo de
Se acepta la hipótesis
descargue VS Hora Independiente Independiente Independiente
nula
de Inicio
 Tiempo de
Se acepta la hipótesis
descargue VS Día Independiente Independiente Independiente
nula
de descargue

Tiempo de
Se acepta la hipótesis
alistamiento VS Independiente Independiente Independiente
nula
Tipo de carga

Se acepta la hipótesis
Tipo de Carga 1 VS nula (Omitiendo los días
Independiente Independiente Independiente
Día de descargue en los que no llegaban
carga tipo 1)

Tipo de Carga 2 VS Se acepta la hipótesis

Independiente Independiente Independiente
Día de Descargue nula

Tipo de Carga 3 VS Se acepta la hipótesis

Independiente Independiente Independiente
Día de Descargue nula

3.2.1 Pruebas de Correlación de Pearson, Tau de Kendall, Rho de

Spearman
A continuación, se presentan las pruebas realizadas de independencia intervariable:

● Tipo de carga Vs Tiempo de Descargue (Dependiente)

● Tipo de Carga 1 VS Día de descargue
● Tipo de carga 2 vs día de descargue
● Tipo de carga 3 vs día de descargue
● Tiempo de alistamiento Vs Dia de arribo (independientes)
● Tiempo de alistamiento Vs Peso (independientes)
● Tipo de Carga Vs Tiempo de Alistamiento (Independiente)
● Día de arribo VS Tipo de Carga (Independiente)
● Número de Contenedores que arriban en un día VS Día de arribo
(Independiente)
● Tiempo de Descargue VS Peso (Dependiente)
● Tiempo de descargue VS Hora de inicio (Independiente)
● Tiempo de descargue VS Día de descargue
● Tiempo de alistamiento VS Tipo de Carga (independientes)
3.3 PRUEBAS DE HOMOGENEIDAD INTERVARIABLE
Las pruebas de homogeneidad intervariables, permiten establecer los grupos de la
variable que depende de otra variable, estas pruebas fueron realizadas a las variables
que rechazaron la hipótesis nula de las pruebas de independencia intervariables, las
cuales fueron:
● Tipo de carga vs Tiempo de descargue
● Tiempo de descargue VS Peso
Se evaluaron las siguientes hipótesis:
➔ Ho: No existe diferencia entre las medias de los subconjuntos de la variable
➔ H1: Existe diferencia entre las medias de los subconjuntos de la variable
Las pruebas realizadas fueron las siguientes:
● Anova de un factor: Esta prueba señala si dos variables (una dependiente y otra
independiente) están relacionadas con base a la diferencia de las medias entre los
grupos que hayan dentro de la variable dependiente.
● HSD Tukey: Permite comparar las medias de los t niveles de un factor después de
haber rechazado la Hipótesis nula de igualdad de medias mediante la técnica
ANOVA.
● Scheffé: Permite comparar, cómo los demás contrastes de este tipo, las medias
de los t niveles de un factor después de haber rechazado la Hipótesis nula de
igualdad de medias mediante la técnica ANOVA.
● Waller-Duncan: La prueba t de Waller-Duncan utiliza un enfoque Bayesiano. Esta
prueba de rango emplea la media armónica del tamaño de la muestra cuando los
tamaños muestrales no son iguales.
Estas pruebas fueron realizadas con el software SPSS, con un nivel de significancia del
0.05 para una confianza del 95%. En este software se evalúa la significancia bilateral, es
decir que para este caso si las pruebas arrojan una significancia menor a 0,05 se rechaza
la hipótesis nula.
A continuación, se muestra el resultado de las pruebas:

DATOS HSD WALLER-

ANOVA SCHEFFÉ CONCLUSIÓN
EVALUADOS TUKEY DUNCAN
 Se debe agrupar el
Tipo de carga Vs
Existen 3 Existen 3 Existen 3 tiempo de
Tiempo de Diferentes
grupos grupos grupos descargue en 3
Descargue
grupos

No es posible
establecer una
relación de
Tiempo de Existen Existen Existen agrupación entre
Descarga VS Diferentes más de 50 más de 50 más de 50 las variables, por lo
Peso grupos grupos grupos cual se
despreciará el
peso para la
simulación

3.3.1 Pruebas Anova, HSD Tukey, Scheffe, Waller Duncan

A continuación, se muestra el resultado de las pruebas de homogeneidad de los
subconjuntos de las variables:
● Tipo de carga Vs Tiempo de Descargue

● Peso Vs Tiempo de Descargue

● Tiempo de descargue VS Día de arribo

3.4 PRUEBAS DE BONDAD Y AJUSTE

Las pruebas de bondad de ajuste miden la compatibilidad de una muestra aleatoria con
una función teorética de distribución de probabilidades. En otras palabras, estas pruebas
demuestran qué bien la distribución seleccionada se ajusta a los datos.
Las hipótesis realizadas son las siguientes:
→ Ho: Se ajusta a la distribución teórica
→ H1: Otra distribución
Las pruebas estadísticas usadas fueron las siguientes:
● Prueba Kolmogorov - Smirnov
Desarrollada en la década de los treinta del siglo XX, determinar la distribución de
probabilidad de una serie de datos. Una limitante de la prueba de Kolmogorov-Smirnov
estriba en que solamente se puede aplicar al análisis de variables continuas.
La estadística de la Prueba Kolmogorov - Smirnov se ocupa de la distancia vertical
máxima entre la función de distribución acumulada de la distribución ajustada y la
distribución acumulada de los datos. La siguiente figura ilustra el concepto de datos
ajustados a una distribución uniforme (0,1).

FUENTE: https://www.vosesoftware.com/riskwiki/KolmogorovSmirnoffKSStatistic.php

● Prueba Anderson-Darling
La estadística de Anderson-Darling es una versión más eficiente de la prueba
Kolmogorov-Smirnoff por las siguientes razones:
● F(x) compensa el aumento de la varianza de las distancias verticales entre las
distribuciones s de K-S 2
● f (x) pesa las distancias observadas por la probabilidad de que se genere un valor
en esos valores x
● Las distancias verticales se integran sobre todos los valores de x para hacer un
uso máximo de los datos observados (la estadística KS solo mira la distancia
vertical máxima).

La principal desventaja de la prueba de Anderson-Darling estriba en que es necesario

calcular los valores críticos para cada distribución. La prueba es muy sensible en los
extremos de la distribución, por lo que debe usarse con mucho cuidado en distribuciones
con límite inferior acotado, y no es confiable para distribuciones de tipo discreto. En la
actualidad es posible encontrar tablas de valores críticos para las distribuciones normal,
lognormal, exponencial, log-logística, de Weibull y valor extremo tipo I.

● Prueba Chi Cuadrado

El estadístico Chi-cuadrado mide qué tan bien la frecuencia esperada de la distribución
ajustada se compara con la frecuencia observada de un histograma de los datos
observados. La prueba de Chi cuadrado hace las siguientes suposiciones:
● Los datos observados consisten en una muestra aleatoria de n puntos de datos
independientes
● La escala de medición puede ser nominal (es decir, no numérica) o numérica
● Los n puntos de datos pueden organizarse en forma de histograma con N clases
o barras no superpuestas que cubren todo el rango posible de la variable.
A continuación, se muestra una tabla resumen de los resultados de las pruebas
realizadas:

DATOS EVALUADOS DISTRIBUCIÓN AJUSTADA CONCLUSIÓN

TIEMPO DE DESCARGUE Es aceptada la hipótesis nula

BETA
PARA CARGA TIPO 1 con una puntuación de 90.22
 Es aceptada la hipótesis nula
con una puntuación de 96,7.
Entre sus usos más comunes
TIEMPO DE DESCARGUE
LOGLOGISTIC es la duración de un evento
PARA CARGA TIPO 2
que depende de otra variable
y es utilizada para variables
aleatoria no negativa.

Es aceptada la hipótesis nula

con una puntuación de 49,5.
Entre sus usos más comunes
TIEMPO DE DESCARGUE
LOGLOGISTIC es la duración de un evento
PARA CARGA TIPO 3
que depende de otra variable
y es utilizada para variables
aleatoria no negativa.

Es aceptada la hipótesis nula

con una puntuación de 12.8.
TIEMPO DE ALISTAMIENTO GAMMA Entre sus usos más comunes
modela el tiempo requerido
para que ocurra un evento.

NÚMERO DE
CONTENEDORES TIPO 1 POISSON
QUE LLEGAN EN EL DÍA

NÚMERO DE
CONTENEDORES TIPO 2 POISSON
QUE LLEGAN EN EL DÍA

NÚMERO DE
CONTENEDORES TIPO 3 POISSON
QUE LLEGAN EN EL DÍA

3.4.1 Pruebas de Kolmogorov-Smirnov, Anderson Darling y Chi

Cuadrado

A continuación, se presentan las pruebas realizadas para las variables de la simulación,

estas fueron realizadas en StatFit de Promodel y ExperFit de FlexSim:

● TIEMPO DE DESCARGUE PARA CARGA TIPO 1

Selección Beta :Los gerentes de proyectos utilizan por lo general un método llamado
PERT (Program Evoluation and Review Technique) para coordinar las diversas
actividades que conforman un gran proyecto (Una aplicacion exitosa fue la construccion
de la nave espacial Apolo). Una suposicion estándar en el análisis PERT, es que el tiempo
necesario para completar cualquier actividad particular, una vez que se haya iniciado,
tiene una distribucion Beta con A= tiempo optimista (Si todo va bien) y B= Tiempo
pesimista (Si todo sale mal).

La distribucion beta estandar se utiliza por lo comun para modelar la variación en la

proporcion o porcentaje de una cantidad que se presenta en muestras diferentes, tales
como la proporción de horas que duerme un individuo o la proporcion de cierto elemento
de un compuesto químico.

● TIEMPO DE DESCARGUE PARA CARGA TIPO 2

● TIEMPO DE DESCARGUE PARA CARGA TIPO 3
● TIEMPO DE ALISTAMIENTO
● NÚMERO DE CONTENEDORES TIPO 1 QUE LLEGAN EN EL DÍA
● NÚMERO DE CONTENEDORES TIPO 2 QUE LLEGAN EN EL DÍA

● NÚMERO DE CONTENEDORES TIPO 3 QUE LLEGAN EN EL DÍA

 4. MODELO DE SIMULACIÓN

El modelo de simulación fue realizado en el software FlexSim, a continuación, se

presentan los objetos utilizados en el modelo para simular el sistema:
● Fuentes: Estos objetos modelan la llegada de los contenedores a procesar de
acuerdo al tipo de carga, es decir que se utilizaron tres fuentes distintas, con
parámetros distintos. La carga tipo 1 se modeló como cajas, el tipo 2 como cilindros
y el tipo 3 como totes, para así diferenciarlos visualmente.

● Filas: Estos objetos modelan la espera de los contenedores antes de ser

procesados, se utilizó una sola fila para todos los tipos de carga, ya que es una
característica del sistema.
● Procesadores: Estos objetos modelan el descargue de los contenedores de
acuerdo a los parámetros de la simulación, en el sistema esto se tomó como los
operarios de la cuadrilla.

● Transportadores: Estos objetos simulan la ejecución de tareas de transporte, con

este se simuló el montacarguista de la cuadrilla.

● Sifón: Simula la salida de los objetos del descargue.

El modelado del sistema total en FlexSim, tal como se presenta el sistema en la
actualidad se encuentra a continuación:

● Las fuentes están conectadas a la fila como su puerto de salida

● La fila está conectada al procesador como su puerto de salida
● El transportador está conectado como puerto central, ya que actúa como ejecutor
de tareas
● Finalmente, el procesador se conecta a la salida para que los contenedores salgan
de la simulación

5. ANÁLISIS DE SALIDA
5.1 Corridas de la simulación
Dado que la simulación es una simulación no terminante, la longitud de la simulación
debe ser lo suficientemente amplia, para conocer el estado de las variables en estado
estable, se decidió tomar 1 día para validar el modelo y comparar las medias de
desempeño.
 5.2 Cálculo de la longitud de la réplica de la simulación
Se asume que las medidas de desempeño son normales, estas medidas son:
-Ociosidad de la cuadrilla
-Contenedores descargados
Por lo cual, se realiza una premuestra de 30 réplicas para una simulación de 180 días. A
continuación, se muestra la fórmula de la longitud de réplicas:
2
𝜎𝑍𝛼
2
𝑛=( )
𝜖

Para la ociosidad de la cuadrilla utilizando el Experimenter de Flexsim se obtuvo el

siguiente intervalo de confianza al 95% con su respectiva desviación:

Reemplazando los valores de la fórmula se obtiene

0.251(1.96) 2
𝑛=( ) = 97
0.05

En la medida de desempeño de los contenedores procesados en 1 día, se obtuvo los

siguientes datos:

Reemplazando los valores de la fórmula se obtiene:

1.59(1.96) 2
𝑛=( ) = 3884
0.05

5.3 Validación del modelo

Las medidas de desempeño a comparar son las siguientes:
-% Ocio
-Número de contenedores procesados en el día
En la medida de desempeño del % Ocio por día, se obtuvieron los siguientes resultados
para

En la medida de desempeño del Número de contenedores procesados por día, se

obtuvieron los siguientes resultados para 3884 réplicas:

Para realizar esta comparación el intervalo de confianza si el valor de la data simulada

se encuentra entre estos valores, entonces se acepta la hipótesis nula de que los
sistemas representan el mismo comportamiento y población.
Prueba Z
Media 2.96
Desv Estándar 5.87
Z 1.96
Límite inferior 1.80
Límite superior 4.11

Teniendo en cuenta que la media de la simulación se encuentra dentro del intervalo de

confianza existe evidencia estadística suficiente para aceptar la hipótesis nula.
En la medida de desempeño del % Ocio por día, se obtuvieron los siguientes resultados
para 97 réplicas:

Para realizar esta comparación el intervalo de confianza si el valor de la data simulada

se encuentra entre estos valores, entonces se acepta la hipótesis nula de que los
sistemas representan el mismo comportamiento y población.
Prueba Z
Media 0.64
Desv Estándar 0.23
Z 1.96
Límite inferior 0.60
 Límite superior 0.69
Teniendo en cuenta que la media de la simulación se encuentra dentro del intervalo de
confianza existe evidencia estadística suficiente para aceptar la hipótesis nula.
Costo del sistema real
A continuación se presenta los costos en promedio del sistema real para 100 días:

5.4 Escenarios de Simulación

Escenario en el que se evalúan diferentes cantidades de cuadrillas para una

disponibilidad de un día completo.Las medidas de desempeño se encuentran a
continuación:

Escenario Número de cuadrillas

1 1

2 2

3 3

4 4

5 5
En el análisis de costos se tiene en cuenta lo siguiente:
-Se escogió el primer escenario, el cual tiene las mejores medidas de desempeño.
-El promedio de horas trabajadas son 14.4 horas de acuerdo al % de ocio que es 60,66%.
-Dado que se simuló un día 100 veces, se tuvo en cuenta que se trabajaron 14 domingos.
-El turno normal de trabajo es de 8 horas, por lo cual en promedio hay 6.4 horas extras
de trabajo, desde las 2 pm hasta las 8:30 pm.
A continuación se presenta el costo promedio para el escenario escogido:
El segundo escenario de simulación evaluado se da en tres turnos de trabajo, el primero
que va de 6 am a 2 pm, el segundo de 2pm a 10 pm, y el tercero de 10 pm a 6 am. A
continuación se presenta los escenarios propuestos y las medidas de desempeño
obtenidas:
Según las medidas de desempeño, el mejor escenario en cuanto a % de ocio y
contenedores procesados es en el que se tienen 1 cuadrilla en el turno de 6 am a 2pm y
otra en el turno de 10pm a 6 am, con un promedio de 16% de ocio y 2.5 contenedores
procesados al día.
Al realizar el análisis de costos se tiene en cuanto lo siguiente:
-Las horas trabajadas en promedio son 6.72 horas en cada turno de cada cuadrilla
A continuación se presentan los costos del escenario escogido.
SOLUCIÓN DE INTERROGANTES
Con los datos de la simulación y los escenarios que se revisaron, se solucionan las
siguientes preguntas:
1. ¿Cómo debe ser la asignación de cuadrillas de trabajo a fin de minimizar los tiempos
y costos de desembarque en el puerto?
La asignación de las cuadrillas debería ser 1 cuadrilla en el turno de 6 am a 2pm y otra
en el turno de 10pm a 6 am, con un promedio de 16% de ocio y 2.5 contenedores
procesados al día. A continuación se presenta el costo promedio de esta configuración:

2. ¿Cuántas cuadrillas se necesitan?

Se necesitan 2 cuadrillas para dos turnos de trabajo de 8 horas.
3. ¿Vale la pena comprar uno o dos montacargas, más?
No, no es necesario ya que cada cuadrilla trabaja en turnos diferentes.
4. ¿Qué otras formas de pago se podría proponer en las negociaciones laborales y que
se le podría sugerir a la gerencia del puerto a fin de pactar un nuevo acuerdo sindical?
Se pueden tener diferentes alternativas como:
-Rotación de turnos para las cuadrillas
-