¿

UNIVERSIDAD NACIONAL DE
SAN AGUSTÍN DE AREQUIPA
FACULTAD DE INGENIERÍA DE
PRODUCCIÓN Y SERVICIOS
ESCUELA PROFESIONAL DE INGENIERIA
INDUSTRIAL
ASIGNATURA:

SIMULACIÓN DE SISTEMAS

TEMA: “MODELO DE SIMULACIÓN PARA LA

OPTIMIZACIÓN DEL PROCESO DE PRODUCCIÓN
EN LA EMPRESA ROBSOL E.I.R.L.”

DOCENTE:

ING. EFRAIN MURILLO QUISPE

INTEGRANTES:

• ARENAS MENESES, VICTOR HUGO

• CLEMENTE MAMANI, HOWAR ELARD
• ROMERO CALLA, LEONELLO FRANK
• MEDINA VARGAS, VICTOR RAI
• LLANOS LAURA, JOSHELYM SHEIDY
• PILLCO LLERENA, JEFRY EMERSON

AREQUIPA – PERÚ
2019
Contenido
INTRODUCCIÓN ....................................................................................................................... 5
RESUMEN ................................................................................................................................... 6
CAPITULO 1: FORMULACIÓN DEL PROYECTO DE INVESTIGACIÓN..................... 7
1.1. DESCRIPCIÓN DEL PROBLEMA .......................................................................... 7
1.2. OBJETIVOS DE LA INVESTIGACIÓN ................................................................. 7
1.2.1. Objetivo General.................................................................................................. 7
1.2.2. Objetivos Específicos ........................................................................................... 7
1.1. HIPÓTESIS...................................................................................................................... 7
1.1.1. Hipótesis General......................................................................................................... 7
1.1.2. Hipótesis Específicas.................................................................................................... 7
1.2. DELIMITACIÓN DEL PROBLEMA ........................................................................... 8
1.3. JUSTIFICACIÓN............................................................................................................ 8
2. CAPITULO 2 MARCO TEORICO ................................................................................... 9
2.1. DEFICICIONES RELEVANTES .............................................................................. 9
2.1.1. Simulación ............................................................................................................ 9
2.1.2. Etapas de la Simulación .................................................................................... 10
2.1.3. Tipos de Simulación........................................................................................... 12
2.1.4. Ventajas y Desventajas de la Simulación......................................................... 15
2.1.5. Errores de la Simulación ................................................................................... 15
2.2. SOFTWARE ARENA ............................................................................................... 16
2.3. ANTECEDENTES DE LA INVESTIGACIÓN ...................................................... 21
3. CAPITULO 3: DESCRIPCIÓN DEL SISTEMA ACTUAL ......................................... 25
3.1. DESCRIPCIÓN DE LA EMPRESA........................................................................ 25
3.1.1. NOMBRE DE LA EMPRESA.......................................................................... 25
3.1.2. UBICACIÓN O DOMICILIO. ......................................................................... 25
3.1.3. DATOS GENERALES. ..................................................................................... 25
3.1.4. DESCRIPCION DE LOS PRODUCTOS ........................................................ 26
3.1.5. PRINCIPALES PRODUCTOS ........................................................................ 26
3.2. PROCESO DE PRODUCCIÓN ............................................................................... 27
3.3. TECNICAS DE ANALISIS DEL PROCESO ......................................................... 28
3.3.1. DIAGRAMA DE ANALISIS DEL PROCESO (DAP)................................... 28
3.3.2. DIAGRAMA DE OPERACIONES DEL PROCESO (DOP) ........................ 32
3.3.3. FLUJOGRAMA.................................................... Error! Bookmark not defined.
3.3.4. FLOWSHEET....................................................... Error! Bookmark not defined.
3.3.5. LAYOUT ............................................................... Error! Bookmark not defined.
 3.4. VARIABLES EXOGENAS ......................................... Error! Bookmark not defined.
3.5. PROBLEMAS POTENCIALES ................................. Error! Bookmark not defined.
4. CAPITULO 4: RECOPILACION DE DATOS DE ENTRADA ................................... 39
4.1. NUMERO DE VARIABLES EXOGENAS ............................................................. 39
4.2. PLAN DE RECOPILACION DE DATOS .............................................................. 40
4.2.1. PROCEDIMIENTO PARA LA RECOLECCIÓN DE DATOS ................... 40
4.2.2. FUENTES DE INFORMACIÓN ..................................................................... 42
4.2.3. PERIODO DE ESTUDIO ................................................................................. 42
4.3. ANALISIS DE DATOS DE ENTRADA .................................................................. 43
4.3.1. X1: Intervalo que demora en sacar dos planchas de acero inoxidable de almacén
Error! Bookmark not defined.
4.3.2. Y1: Tiempo de corte en el CNC para tapa y base.Error! Bookmark not defined.
4.3.3. Y2: Tiempo de corte en el CNC para cuerpo. .... Error! Bookmark not defined.
4.3.4. X2: Intervalo de llegada de tapa y base a la zona de prensado.Error! Bookmark not
defined.
4.3.5. Y3: Tiempo de prensado tapa superior .............. Error! Bookmark not defined.
4.3.6. Y4: Tiempo de prensado base del tanque ........... Error! Bookmark not defined.
4.3.7. X3: Intervalo de llegada del cuerpo de la terma a la zona de rolado. ..... Error!
Bookmark not defined.
4.3.8. Y5: Tiempo de rolado de plancha del cuerpo .... Error! Bookmark not defined.
4.3.9. X4: Intervalo de llegada del cuerpo de la terma a la zona de soldado. ......... 43
4.3.10. Y6: Tiempo de soldado de plancha rolada ...................................................... 45
4.3.11. Y7: Tiempo de soldado tapa y base. ................................................................. 48
4.3.12. X5: Intervalo de llegadas hacia área de perforado. ........................................ 51
4.3.13. Y8: Tiempo de perforado de la base del tanque. ............................................ 54
4.3.14. X6: Intervalo que demora en sacar un tubo. ................................................... 57
4.3.15. Y9: Tiempo de cortado de tubo. ....................................................................... 60
4.3.16. X7: Intervalo de llegada de los tubos hacia el área de soldado...................... 63
4.3.17. Y10: Tiempo de roscado de tubo al tanque. .................................................... 66
4.3.18. Y11: Tiempo de soldado del tubo al tanque. ................................................... 68
4.3.19. X8: Intervalo de llegada al área de acabado. .................................................. 71
4.3.20. Y11: Tiempo de inyección de la fibra de vidrio. ............................................. 74
4.3.21. X9: Intervalo de llegada de la esponja al área de acabado. ........................... 77
4.3.22. Y12: Tiempo de cortado de la esponja. ............................................................ 81
4.3.23. Y13: Tiempo de cubierta de esponja. ............................................................... 84
4.3.24. X10: Intervalo de llegada de armadura ........................................................... 87
4.3.25. Y14: Tiempo de ensamblado de armadura ..................................................... 66
 4.3.26. Y15: Tiempo de pegado de stiker del logo. ...................................................... 93
4.3.27. X11: Intervalo de llegada hacia el área de soldado......................................... 96
4.3.28. X12: Intervalo de llegada tubo de patas al área de cortado........................... 99
4.3.29. Y17: Tiempo de cortado de tubo .................................................................... 102
4.3.30. X12: Intervalo de llegada de tubo de patas al área de soldado.................... 105
4.3.31. Y18: Tiempo de soldado de tubos al tanque .................................................. 108
4.3.32. X14: Intervalo de llegada de tanque al almacén. .......................................... 111
4.4. TAMAÑO DE LA MUESTRA .................................... Error! Bookmark not defined.
4.5. PRUEBA DE BONDAD DE AJUSTE ........................ Error! Bookmark not defined.
4.6. DATOS .......................................................................... Error! Bookmark not defined.
4.6.1. TAMAÑO Y CRECIMIENTO ............................ Error! Bookmark not defined.
5. BIBLIOGRAFIA ............................................................................................................. 117
 INTRODUCCIÓN

El presente trabajo se realizará en la empresa “Robsol E.I.R.L..”, con el objetivo de

optimizar el proceso de fabricación de termas solares que se lleva a cabo en el propio taller de

la empresa, abarcando todo el proceso desde la llegada de materia prima, pasando por todas las

áreas de fabricación hasta pasar al almacén de productos terminados. Para lo cual se empleará

conceptos y modelos de simulación.

En este trabajo se realizará un análisis del proceso de producción, conociendo primero las

condiciones, tiempos y la infraestructura bajo la cual se elaboran las termas solares, y observar

en que parte del proceso se encuentran cuellos de botella existentes y tiempos ociosos, los cuales

retrasan la producción y disminuyen la productividad de la planta.

La finalidad es eliminar dichos cuellos de botella y disminuir los tiempos ociosos, teniendo

en consideración que el proceso de elaboración de termas solares es considerablemente largo,

de tal manera que se pueda maximizar la utilidad de la empresa reduciendo costos y poder

cumplir siempre a tiempo con los pedidos.

 RESUMEN

En la actualidad, las empresas de termas solares, han aumentado su producción dado la creciente

popularidad de dicho producto, por ofrecer una solución a bajo costo para calentar el agua para

las duchas en los baños de cada casa, y en la ciudad de Arequipa existe un mercado muy

competitivo de empresas fabricadoras de termas solares, por lo que una empresa que desea ser

competitiva, no puede tener tiempos muertos o cuellos de botella en su proceso de producción,

porque eso solo perjudicaría la imagen de la empresa con respecto a sus tiempo de entrega y

asimismo también eleva sus costos de producción. En el presente trabajo se busca eliminar

dichos cuellos de botella y reducir al máximo posible los tiempos ociosos, para optimizar el

proceso de producción de termas solares en la empresa ROBSOL E.I.R.L.. , mediante la

implantación de un modelo de simulación, utilizando el software ARENA, software apropiado

para este tipo de situaciones.

PALABRAS CLAVE: Modelo de simulación, Optimización, Software Arena.

 CAPITULO 1: FORMULACIÓN DEL PROYECTO DE INVESTIGACIÓN

1.1. DESCRIPCIÓN DEL PROBLEMA

1.2. OBJETIVOS DE LA INVESTIGACIÓN
1.2.1. Objetivo General
Diseñar y desarrollar una metodología de análisis de la línea de producción de paneles
y termas solares, de diferentes capacidades de almacenamiento de la empresa “ROBSOL
E.I.R.L.” por medio de la simulación, con el fin de conocer dicho proceso productivo y a la
vez lograr optimizar y analizar los tiempos en los que incurre el funcionamiento,
reduciendo tiempos tanto de espera como los tiempos ociosos, eliminando todo cuello de
botella que se presenta en las operaciones de los diferentes subprocesos.

1.2.2. Objetivos Específicos

 Desarrollar la simulación con datos reales, y recrear en distintas realidades para sacar
un diagnostico actual del proceso productivo de paneles y termas solares
 Identificar mediante la simulación, la propuesta óptima para que el proceso de
producción del producto bandera de ROBSOL, reduzca sus cuellos de botella y
tiempos ociosos y pueda brindar dicho producto en el tiempo requerido por el cliente.
 Obtener la mayor utilización posible de las máquinas y el desempeño de los
trabajadores en el proceso de producción de las termas y paneles.
 Hallar la capacidad de producción máxima en tiempos óptimos.

1.1.HIPÓTESIS

1.1.1. Hipótesis General

Mediante la aplicación del modelo de simulación del proceso productivo de la empresa
productora y comercializadora ROBSOL E.I.R.L., se optimizará la producción de termas
solares.

1.1.2. Hipótesis Específicas

H1. Se mejorará el cumplimiento de pedidos, optimizando los tiempos de entrega
H0. No se mejorará el cumplimiento de pedidos, optimizando los tiempos de entrega.
H1. Se conseguirá la mayor utilización de los equipos, maquinarias y trabajadores, para
lograr optimizar el proceso productivo.
H0. No se conseguirá la mayor utilización de los equipos, maquinarias y trabajadores, para
lograr optimizar el proceso productivo.
 H1. La optimización de las operaciones mediante el modelo de simulación planteado
permitirá reducir costos en el sistema.
H0. La optimización de las operaciones mediante el modelo de simulación planteado no
permitirá reducir costos en el sistema.
H1. Con la optimización del proceso se eliminarán cuellos de botella existentes y se
reducirá el tiempo de ciclo y los tiempos ociosos.

H0. Con la optimización del proceso no se eliminarán cuellos de botella existentes y no se

reducirá el tiempo de ciclo y los tiempos ociosos.

1.2.DELIMITACIÓN DEL PROBLEMA

La presente investigación se centrará en el análisis para la optimización de ciertos
procesos y tiempos del área de producción de la empresa ROBSOLE.I.R.L., ubicado en
Augusto Salazar Bondy MZ. G lote 10 distrito de Alto Selva Alegre
La investigación durará un tiempo aproximado de dos meses y este comprenderá: la
recolección de los datos, la cual se obtendrá por estudio directo y personal con la empresa
“Robsol”; además, será importante analizar los tiempos para el estudio más detallado de
los procesos, así como tiempos muertos y cuellos de botella. Procederemos posteriormente
al análisis de la información recolectada y el planteamiento del problema. Finalmente
lograremos la simulación del sistema y se obtendrá resultados simulados, ya que para esto
las variables, información, datos, serán parámetros reales.

1.3. JUSTIFICACIÓN
Debido a los constantes cambios que presentan las empresas a nivel global, es importante
que las organizaciones tengan buenas prácticas de producción, ya que de esta manera se
vuelven más competitivas y flexibles ante las diferentes exigencias, tanto a nivel externo
como interno. Actualmente las empresas presentan varios problemas que solucionan por
medio de métodos poco eficientes. Lo anterior se debe a que desconocen o no implementan
varias herramientas que evalúan las diferentes variables y puntos críticos de los procesos,
como son las plataformas de simulación y distintos software.
Por lo anterior es importante para nuestro campo profesional impulsar y fomentar el
desarrollo y uso de estos sistemas en las compañías, logrando identificar diferentes
soluciones para los problemas que se presentan en las industrias. Finalmente, la simulación
es una herramienta muy ventajosa, pues no es necesario implementar las soluciones en
 físico o en el piso para saber si van a tener resultados positivos o se van a comportar como
se visualizaba, lo cual es una gran ventaja para las empresas por costos y tiempo.
1.3.1. JUSTIFICACIÓN ECONÓMICA

La presente investigación permitirá a empresa Robsol conseguir ahorros económicos por

medio de la optimización de sus procesos.

1.3.2. JUSTIFICACIÓN SOCIAL

La presente investigación CONTRIBUIRÁ a permitir que los productos y servicios de la

empresa Robsol sean de mejor calidad, buscando alcanzar los niveles de competitividad
internacional. Así mismo la comunidad se beneficiará al tener productos y servicios de mejor
calidad.

2. CAPITULO 2 MARCO TEORICO

2.1. DEFICICIONES RELEVANTES
2.1.1. Simulación
La simulación de sistemas es la representación analítica apoyada en herramientas matemáticas
y computacionales que permiten evaluar el impacto que producen cambios en las distintas
variables, también nos permite la elección de recursos óptimos para el proceso analizado.
(Ingenium FI, 2018)
  A través de un estudio de simulación, se puede estudiar el efecto de cambios internos y
externos del sistema, al hacer alteraciones en el modelo del sistema y observando los
efectos de esas alteraciones en el comportamiento del sistema.
 Una observación detallada del sistema que se está simulando puede conducir a un mejor
entendimiento del sistema y por consiguiente a sugerir estrategias que mejoren la
operación y eficiencia del sistema.
 La simulación de sistemas complejos puede ayudar a entender mejor la operación del
sistema, a detectar las variables más importantes que interactuan en el sistema y a
entender mejor las interrelaciones entre estas variables.
 La técnica de simulación puede ser utilizada para experimentar con nuevas situaciones,
sobre las cuales tiene poca o ninguna información. A través de esta experimentación se
puede anticipar mejor a posibles resultados no previstos.
 Cuando nuevos elementos son introducidos en un sistema, la simulación puede ser usada
para anticipar cuellos de botella o algún otro problema que puede surgir en el
comportamiento del sistema.
 En simulación cada variable puede sostenerse constante excepto algunas cuya influencia
está siendo estudiada. Como resultado el posible efecto de descontrol de las variables
en el comportamiento del sistema necesitan no ser tomados en cuenta. Como
frecuentemente debe ser hecho cuando el experimento está desarrollado sobre un
sistema real. (Ingenium FI, 2018)

2.1.2. Etapas de la Simulación

2.1.2.1. Formulación del problema: En esta etapa debe quedar establecido el objetivo de la
simulación, los resultados que se esperan del simulador el plan de experimentación,
el tiempo disponible, las variables de interés, el tipo de perturbaciones a estudiar,
el tratamiento estadístico de los resultados, la complejidad de la interfaz del
simulador, etc. (Simupano, 2016)
2.1.2.2. Definición del sistema: Se define el sistema a estudiar. Se define los límites del
sistema, sus alcances y limitaciones (restricciones de la abstracción). (Simupano,
2016)
2.1.2.3. Formulación del modelo: En esta etapa es necesario definir todas las variables que

forman parte del modelo, sus relaciones lógicas. Se especifica el diagrama de flujo

lógico. (Simupano, 2016)

2.1.2.4. Colección de datos: Se recopila datos de la realidad con la finalidad de estimar las

variables y parámetros de entrada. (Simupano, 2016)

Se debe decidir:

 Cómo recopilar la información

 Qué datos se necesita y si son importantes.

En caso de tener variables aleatorias:

 Identificar la distribución de frecuencias

 Verificar si la distribución no cambia en el tiempo.

 Validar la sensibilidad del modelo ante diferentes distribuciones de

probabilidad.

2.1.2.5. Implementación del método en la computadora: El modelo es implementado

utilizando algún lenguaje de computación. Existen lenguajes específicos de

simulación que facilitan esta tarea; también, existen programas que ya cuentan con

modelos implementados para casos especiales. (Simupano, 2016)

2.1.2.6. Verificación: Para asegurar que el modelo se comporta de la manera que el

experimentador desea. Se verificar si el modelo está correctamente construido. Se

verifica si el modelo se ha construido de acuerdo a las especificaciones. Se realiza

por inspección a lo largo del proyecto. (Simupano, 2016)

2.1.2.7. Validación: Prueba la concordancia entre el desempeño del modelo y el desempeño

del sistema real. Examina el ajuste del modelo a cierto dato empírico. Un bueno

modelo es aquel que se ajusta mejor a los datos y por lo tanto se puede usar para

predecir la realidad. Todos los modelos de simulación corresponden a hipótesis

sujeta a validación. (Simupano, 2016)

2.1.2.8. Diseño de experimentos: En esta etapa se decide las características de los

experimentos a realizar: el tiempo de arranque, el tiempo de simulación y el número

de simulaciones. (Simupano, 2016)

2.1.2.9. Experimentación: Una vez validado el modelo se realiza la experimentación que

consiste en generar los datos deseados y realizar el análisis de sensibilidad de los

índices requeridos. El análisis de sensibilidad consiste en variar los parámetros del

sistema y la observación del efecto en la variable de interés. En esta etapa se realizan

las simulaciones de acuerdo el diseño previo. Los resultados obtenidos son

debidamente recolectados y procesados. (Simupano, 2016)

2.1.2.10. Interpretación: En esta etapa se realiza la interpretación de los resultados que arroja

la simulación y basándose en esto se toma una decisión. Se determina si el modelo

de simulación es útil para resolver el problema planteado al inicio de la

investigación. Se analiza la sensibilidad del modelo con respecto a los parámetros

que tienen asociados la mayor incertidumbre. (Simupano, 2016)

2.1.2.11. Implementación: En esta etapa se debe evitar el mal manejo del simulador o el mal

empleo de los resultados del mismo. (Simupano, 2016)

2.1.2.12. Documentación: Ayuda a incrementar la vida útil del modelo. Se relaciona al

proceso de desarrollo, operación e implantación del modelo de simulación. Ayuda

al modelador a reconocer sus propios errores y mejorar para un siguiente proyecto

de simulación. Modelo de Informe Final. (Simupano, 2016)

2.1.3. Tipos de Simulación

2.1.3.1. Simulación Discreta:

Modelación de un sistema por medio de una representación en la cual el estado de las variables

cambian instantáneamente en instante de tiempo separados. (En términos matemáticos el

sistema solo puede cambiar en instante de tiempo contables). (IUPSM Simulacion, 2018)

2.1.3.2. Simulación Continua:

Modelación de un sistema por medio de una representación en la cual las variables de estado

cambian continuamente en el tiempo. Típicamente, los modelos de simulación continua

involucran ecuaciones diferenciales que determinan las relaciones de las tasas de cambios de

las variables de estado en el tiempo. (IUPSM Simulacion, 2018)

2.1.3.3. Simulación Combinada Discreta-Continua:

Modelación de un sistema por medio de una representación en la cual unas variables de estado

cambian continuamente con respecto al tiempo y otras cambian instantáneamente en instante

de tiempo separados.

Es una simulación en la cual interactúan variables de estado discretas y continuas. (IUPSM

Simulacion, 2018)

Existen tres tipos de interacciones entre las variables de estado de este tipo de simulaciones:

 Un evento discreto puede causar un cambio discreto en el valor de una variable de estado

continua.

 Un evento discreto puede causar que la relación que gobierna una variable de estado

continua cambie en un instante de tiempo en particular.

 Una variable de estado continua de punto de partida puede causar que un evento discreto

ocurra, o sea, programado.

2.1.3.4. Simulación Determinística y/o Estocástica:

Una simulación determinística es aquella que utiliza únicamente datos de entra determinísticos,

no utiliza ningún dato de entrada azaroso. En cambio un modelo de simulación estocástico

incorpora algunos datos de entrada azarosos al utilizar distribuciones de probabilidad. (IUPSM

Simulacion, 2018)

2.1.3.5. Simulación estática y dinámica:

La simulación estática es aquella en la cual el tiempo no juega un papel importante, en contraste

con la dinámica en la cual si es muy importante. (IUPSM Simulacion, 2018)

2.1.3.6. Simulación con Orientación hacia los eventos:

Modelaje con un enfoque hacia los eventos, en el cual la lógica del modelo gira alrededor de

los eventos que ocurren instante a instante, registrando el estado de todos los eventos, entidades,

atributos y variables del modelo en todo momento. (IUPSM Simulacion, 2018)

2.1.3.7. Simulación con Orientación hacia procesos:

Modelaje con un enfoque de procesos, en el cual la lógica del modelo gira alrededor de los

procesos que deben seguir las entidades. Es cierta forma, es un modelaje basado en un esquema

de flujo grama de procesos, el cual se hace es un seguimiento a la entidad a través de la

secuencia de procesos que debe seguir. (IUPSM Simulacion, 2018)

2.1.4. Ventajas y Desventajas de la Simulación

VENTAJAS DESVENTAJAS

No es aplicable cuando
Permite adquirir experiencia de
existan técnicas analíticas que
manera rápida con un bajo costo y sin poner en
permitan corregir u optimizar el
riesgo la productividad del sistema.
sistema.

Permite identificar áreas con problemas en un En ocasiones no es posible asegurar

proceso complejo. que el modelo sea válido.

Es posible querer utilizar el modelo

Permite realizar un estudio sistemático de fuera de los imites para los que

alternativas aplicables al sistema. fue construido causando una

falsa apreciación del problema.

No importa que tan complejo sea el sistema ya No existe ninguna

que todo sistema puede ser modelado y de esta criterio científico sobre las posibles

manera poder atacar el problema alternativas a ser simuladas

Puede ser aplicada en cualquier punto de la vida

La simulación es imprecisa y en
de un sistema, ya sea durante el diseño o
ocasiones no proveen soluciones
la producción planteando alternativas para el
óptimas.
mejoramiento del mismo.

2.1.5. Errores de la Simulación

 Nivel de detalle inapropiado

  Lenguaje inapropiado

 Modelos no verificados

 Modelos inválidos

 Tratamientos incorrectos de las condiciones iniciales

 Simulaciones muy cortas

 Generadores de números aleatorios inadecuados

 Selección de semillas inadecuadas

2.2. SOFTWARE ARENA

“Arena es un potente software de modelado y simulación de diferentes áreas de negocio. Se
ha diseñado para analizar el impacto de los cambios que suponen los complejos y
significativos rediseños asociados a la cadena de suministros, procesos, logística, distribución
y almacenaje y sistemas de servicio. Tiene gran flexibilidad y cubre gran cantidad de
aplicaciones a modelar con cualquier nivel de detalle o complejidad. (Bradley, 2007)
Un escenario típico incluye:
 Análisis detallado del tipo de sistema de manufactura, incluyendo el transporte manual
de componentes.
 Análisis de servicio al cliente y sistemas de dirección orientados al cliente.
 Análisis de cadenas de suministro globales que incluyen almacenamiento, transporte y
sistemas logísticos.
 Predicción del funcionamiento de sistemas en función de medidas clave como costes,
tasa de salida de piezas, tiempos de ciclo y utilización.
 Identificación de los procesos cuello de botella como colas construidas con
sobreutilización de recursos.
 Planificación del personal, equipos y requerimientos de material.”
Arena Software es un simulador intuitivo gracias a que la programación está basada en la
colocación y unión gráfica de distintos módulos de proceso.
El entorno de modelado de Arena consta de tres zonas diferenciadas.
 Figura.Interfaz de Arena Rockwell Software.
A. Ventana del diagrama de flujo del modelo (Model window flowchart view)
En este espacio se construye el diagrama de bloques que conforman el modelo de
simulación del proceso. En esta ventana pueden observarse también los elementos
gráficos y animaciones de las simulaciones.
B. Ventana de hoja de cálculo (Model window spreadsheet view)
En esta ventana se pueden comprobar y modificar los parámetros correspondientes a
los bloques (procesos) y a las entidades.
C. Barra de Proyectos (Project Bar)
Este espacio tiene varios paneles desplegables que permiten diseñar el modelo.
Dichos paneles contienen los módulos necesarios para construir el modelo, así como
otros elementos como los informes estadísticos de las simulaciones o un panel de
navegación que facilita la localización del modelo de la ventana A.
La construcción de un modelo es relativamente fácil pues una vez diseñado el diagrama de
flujos y la secuenciación de los eventos discretos del proceso, basta con “arrastrar” módulos
de la zona C a la zona A y darle valores a los parámetros correspondientes.
1.3.3. Descripción de los módulos de proceso.
A continuación se realiza una descripción de los principales módulos de flujo y de datos del
software según la guía de (Bradley, 2007)
1.3.3.1. Módulos de flujo. Basic Process
 Módulo Create
Este módulo representa la llegada de entidades al modelo de simulación. Las
entidades se crean usando una planificación o basándose en el tiempo entre
llegadas. En este módulo se especifica también el tipo de entidad de que se trata.
Una vez se incluye en el modelo a la derecha del símbolo aparece bajo una línea el número
de entidades creadas.
 Módulo Dispose
Este módulo representa el punto final de entidades en un modelo de simulación.
Las estadísticas de la entidad se registrarán antes de que la entidad se elimine del
modelo.
 Módulo Process
Este módulo corresponde a la principal forma de procesamiento en simulación.
Se dispone de opciones para ocupar y liberar un recurso. Adicionalmente, existe
la opción de especificar un “submodelo” y especificar jerárquicamente la lógica
definida por el usuario. El tiempo de proceso se le añade a la entidad y se puede considerar
como valor añadido, valor no-añadido, transferencia, espera u otros.
Una vez se introduce en el modelo, aparece un número en la parte inferior del símbolo que
indica el número de entidades que actualmente están procesándose.
 Módulo Decide
Este módulo permite a los procesos tomar decisiones en el sistema. Incluye la
opción de tomar decisiones basándose en una o más condiciones (por ejemplo, si
el tipo de la entidad es Gold Car) o basándose en una o más probabilidades (por
ejemplo, 75% verdadero, 25% falso). Las condiciones se pueden basar en valores de
atributos (por ejemplo, prioridad), valores de variables (por ejemplo, número de
rechazados), el tipo de entidad o una expresión.
Hay dos puntos de salida del módulo Decide cuando se especifica el tipo 2-way chance o 2-
way condition. Hay un punto de salida para las entidades “verdaderas” y una para las
entidades “falsas”. Cuando se especifica el tipo Nway chance o condition, aparecen
múltiples puntos de salida para cada condición o probabilidad y una única salida “else”.
Una vez incluido en el modelo, cerca de cada una de las ramas que salen del símbolo que
representa el módulo, aparece un número. En la rama “True” corresponde al número de
entidades que toman la rama de verdadero y el de la rama “False” el número de entidades
que toman la rama de falso.
 Módulo Assign
Este módulo se usa para asignar valores nuevos a las variables, a los atributos
de las entidades, tipos de entidades, figuras de las entidades, u otras variables
del sistema. Se pueden hacer múltiples asignaciones con un único módulo
Assign. Para añadir una nueva variable al modelo, simplemente se selecciona
Add, Type: Entity, el nombre de la variable y el valor que se desea tome a partir de ese
momento.
 Módulo Batch
Este módulo funciona como un mecanismo de agrupamiento dentro del modelo
de simulación. Los lotes pueden estar agrupados permanente o temporalmente.
Los lotes temporales deben ser divididos posteriormente usando el módulo
Separate.
Los lotes se pueden realizar con un número específico de entidades de entrada o se pueden
unir a partir del valor de un determinado atributo. Las entidades que llegan a un módulo
Batch se coloca en una cola hasta que se ha acumulado el número necesario de entidades.
Una vez acumuladas, se crea una nueva entidad representativa. Cuando se incluye en el
modelo, en la parte inferior del símbolo se representa el Número de entidades en espera de
ser agrupadas.
 Módulo Separate
Este módulo se puede usar para replicar la entidad entrante en múltiples
entidades o para dividir una entidad previamente agrupada. Se especifican
también las reglas de asignación de atributos para las entidades miembro.
Cuando se segmentan lotes existentes, la entidad temporal que se formó se
destruye y las entidades que originalmente formaron el grupo se recuperan. Las entidades
saldrán del sistema secuencialmente en el mismo orden en que originalmente se agregaron
al lote.
Cuando se duplican entidades, se hacen el número de copias especificado.
En el símbolo que representa este módulo, el original sale por la rama superior y el
duplicado por la rama inferior.
 Módulo Record
 Este módulo representa el final de entidades en un modelo de simulación.
Las estadísticas de la entidad se registrarán antes de que la entidad se elimine del
modelo.

1.3.3.2.Módulos de datos. Basic Process

 Módulo Entity
Este módulo de datos define los diversos tipos de entidades y su valor de imagen
inicial en la simulación.

 Módulo Queue
Este módulo de datos se puede usar para cambiar la regla para una determinada
cola. La regla de la cola por defecto es First In, First Out salvo que se indique otra cosa en
este módulo. Hay un campo adicional que permite definir la cola como compartida.
 Módulo Resource
Este módulo de datos define los recursos en un sistema de simulación,
incluyendo información de costes y disponibilidad del recurso. Los recursos
pueden tener una capacidad fija que no varía durante la simulación o pueden operar
basándose en una planificación. Los fallos y estados del recurso se pueden definir también
en este módulo.
 Módulo Schedule
Este módulo de datos se puede usar en conjunción con el módulo Resource para
definir una operación de planificación para un recurso o con el módulo Create
para definir una planificación de llegada. Además, una planificación se puede
usar y referir a factores de retardos de tiempo basados en el tiempo de simulación.
 Módulo Set
Este módulo de datos define varios tipos de conjuntos, incluyendo recursos,
contadores, cuentas, tipos de entidad, y figuras de entidad. Los conjuntos de
recursos se pueden usar en los módulos Process (Seize, Release, Enter y Leave
en el panel Advanced Transfer). Los conjuntos counter y tally se pueden usar
en el módulo Record. Los conjuntos queue se pueden utilizar con Seize, Hold, Access,
Request, Leave, y Allocate de los paneles Advanced Process y Advanced Transfer.
  Módulo Variable
Este módulo de datos se utiliza para definir una dimensión de la variable y su
valor(es) inicial(es). Las variables se pueden referenciar en otros módulos, se
les puede reasignar un valor nuevo y se pueden emplear en cualquier
expresión.

1.3.3.3. Módulos de flujo. Advanced Process

En este panel se podemos encontrar módulos adicionales de flujo y datos para la
construcción del modelo, se describen exclusivamente los módulos empleados en el
presente trabajo. (Bradley, 2007)
 Módulo Hold
Este módulo retendrá una entidad en una cola para esperar a una señal o que
una condición llegue a ser verdadera (scan) o sea detenida infinitamente, para
que sea removida después con el módulo Remove.
Si la entidad está detenida esperando una señal, el módulo Signal se utiliza en
otro lugar en el modelo para permitir que la entidad pase al siguiente módulo. Si la entidad
está esperando que una condición dada sea verdadera, la entidad permanecerá en el
módulo, hasta que la condición/es llegue a ser verdadera.
Cuando la entidad es un Hold infinito, el módulo Remove se utiliza en algún lugar del
modelo para permitir que la entidad continue procesandose.
 Módulo Signal
El módulo de señal o módulo “Signal” envía un valor de señal a cada
módulo de retención (Hold) en el modelo que figura en “Wait for Signal” y
libera la cantidad máxima especificada de las entidades.
Cuando una entidad llega a un módulo de señal, se evalúa la señal y el código de señal se
envía. En este momento, las entidades que están en espera en el módulo Hold de la misma
señal son liberadas de las colas del citado módulo. La entidad que envía la señal a su paso
por el módulo continuará hasta que encuentra un retardo, entre en una cola, o en un módulo
“disposed”.
2.3. ANTECEDENTES DE LA INVESTIGACIÓN
 CONSTRUCCIÓN DE UN MODELO DE SIMULACIÓN PARA DETERMINAR
LA SECUENCIA DE PRODUCCIÓN (CASO: EMPRESA I D’SOL: THERMAS
SOLARES). “UNIVERSIDAD DE CARABOBO - FACULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA INDUSTRIAL”
La simulación de situaciones facilita la toma de decisiones. En el presente caso de estudio
se utiliza como herramienta el simulador Arena, para determinar la regla de prioridad o
criterio de decisión que se debe utilizar para determinar la secuencia de producción en la
empresa. La regla de decisión que se adecue al sistema será aquella con la cual se obtenga
el mayor nivel de servicio y el menor costo por incumplimiento de fechas de entrega.

Un modelo de simulación por medio del cual la empresa D’SOL: THERMAS SOLARES
pueda determinar la secuencia de producción que proporcione un nivel de servicio
satisfactorio”, esto se logró haciendo uso del paquete de simulación Arena. Después de
observar el sistema, sus partes y funcionamiento y determinar las variables que determinan
su comportamiento, se procedió a la realizar la representación del mismo, mediante la
construcción del modelo. Luego de realizar la validación del modelo y probar cuatro reglas
de decisión distintas, se concluyó que el criterio de decisión para determinar secuencias de
producción en el taller, es el de Menor Fecha de Entrega, ya que con esta regla se obtuvo el
mayor nivel de servicio 30% y el menor costo total por incumplimiento de fechas de entrega.

 SIMULADOR UTILIZADO

El programa de simulación Arena fue el simulador utilizado en el presente estudio. Este

programa fue utilizado debido a la facilidad que presenta en cuanto a la construcción de
modelos y visualización dinámica de corridas y de resultados. A continuación se nombran
algunas ventajas que presenta el programa:

 Permite modelar procesos, documentar e informar.

 Tiene la opción de modificar variables, atributos, parámetros y expresiones
antes y después de construido el modelo.
 Simula las respuestas futuras del sistema, con el objeto de poder comprender
relaciones complejas e identificar posibilidades de mejora.
 Permite visualizar las operaciones con gráficos dinámicos animados.
 El usuario puede analizar como el sistema funcionará “tal cual” como en la
actualidad y bajo un conjunto de posibles alternativas, de manera de poder
elegir de forma segura la mejor entre ellas.
 Es el programa de simulación utilizado y a la disposición en la escuela de
Ingeniería Industrial de la Universidad de Carabobo.
  OPTIMIZACIÓN DE PROCESOS EN LA FABRICACIÓN DE TERMAS
ELÉCTRICAS UTILIZANDO HERRAMIENTAS DE LEAN
MANUFACTURING

El caso de estudio presenta los principales problemas que padece una empresa del sector metal
mecánico (dedicado a la fabricación de termas eléctricas y comercialización de calentadores
instantáneos), así como las propuestas de mejora utilizando las herramientas del Lean
Manufacturing.

El objetivo del trabajo es de optimizar los procesos productivos que se traduzcan en rentabilidad
para la empresa, a partir de la implementación de las herramientas Lean Manufacturing. Y para
la implementación de las propuestas de mejora consideraron importante que:

 La línea de fabricación de tanques de termas eléctricas se encuentra en un

proceso de implementación de las 5 S’s, por lo que esta herramienta no se
utilizará como propuesta de mejora.
 Es necesario que antes de implementar las propuestas de mejora se concluya la
implementación de las 5 S’s, para que de esta manera exista orden, limpieza y
se pueda eliminar los desperdicios que atenten contra el flujo óptimo de los
materiales.

 APLICACIÓN UTILIZADA

Para controlar el tipo de desperdicio de sobreproducción se realizará un balance de línea, de

esta manera se creará un flujo continuo de proceso entre las áreas de línea de tanque, habilitado,
soldado y probado. Para balancear el número de operarios de los procesos, se sumará el tiempo
ciclo total actual para cada proceso.
Para la asignación de las tareas de estos operarios se realizará un análisis de precedencias de
actividades, luego se organizará estas actividades con la finalidad de que se aproximen al tiempo
objetivo.

 IMPLEMENTACION

CONTROL VISUAL: Se utilizarán marcas en el suelo o señales que indiquen a simple vista
cuándo reponer un elemento. Este control visual se utilizará para las planchas roladas, los
tanques habilitados, tanques soldados y tanques probados.

TARJETAS DE KANBAN: Se implementarán tarjetas Kanban de tal manera que ayuden a

visualizar y ordenar el Kanban, estas tarjetas se colocarán en una pizarra. De esta manera, se
podrán identificar todos los componentes entre los procesos de línea de tanques, habilitado,
soldado y probado. En la tabla 19 se muestra la descripción de los elementos de la tarjeta y en
la figura 32 se muestra una tarjeta Kanban a utilizar.

PIZARRA DE KANBAN: Se implementará una pizarra con el objetivo de visualizar el Kanban

propuesto. En esta pizarra Kanban se visualizará los nombres de los componentes de un tanque
de terma eléctrica y las tarjetas Kanban.

IMPLEMENTACION DEL SMED: Con el objetivo de reducir los tiempos de set up, y de esa
manera, los niveles de inventario se procederá a implementar el SMED en el proceso de
prensado o bombeado
 3. CAPITULO 3: DESCRIPCIÓN DEL SISTEMA ACTUAL

3.1. DESCRIPCIÓN DE LA EMPRESA

3.1.1. NOMBRE DE LA EMPRESA.

Fábrica de Termas Solares, Eléctricas, Electro Solares ROBSOL E.I.R.L.

3.1.2. UBICACIÓN O

DOMICILIO.

ASOC. Augusto Salazar Bondy MZ. G lote 10 distrito de Alto Selva Alegre

provincia de Arequipa.

3.1.3. DATOS GENERALES.

 La empresa ROBSOL E.I.R.L. pertenece al sector de manufactura, entre sus

productos que fabrica son termas solares, eléctricas, electro solares, entre otros.

 Número de trabajadores: Cuenta con 3 trabajadores de turno completo de 8

horas, y un trabajador de medio turno.

 Gerente General: Ing. Irvins Rodriguez Borda

 RUC de la Empresa: 20601242266

 Teléfonos de Contacto: 976 301 809 / 976 301 808

  El alcance del mercado de las termas solares llega a todo el sur del país, a los

departamentos de Tacna, Moquegua, Cusco, Puno y Arequipa.

3.1.4. DESCRIPCION DE LOS PRODUCTOS

La empresa de termas Robsol contribuyendo con el uso de energías limpias,

renovables y, por cierto, inagotables como la solar, se ha dedicado al diseño de un

producto al que se denominara terma solar el cual contribuye al hecho de conservar el

medio ambiente.

Para esto la empresa de termas Robsol diseña, fabrica, comercializa e instala la

terma solar, que consta de su tanque térmico y panel solar.

Las termas solares fabricadas por la empresa Robsol son de muy buena calidad,

pero en este análisis nos enfocaremos más a la parte del tanque ya que esta es la que

almacenara el agua caliente producto del calentamiento debido a la energía solar.

3.1.5. PRINCIPALES PRODUCTOS

 Tanque Térmico Galvanizado de 90 L

 Tanque Térmico Galvanizado de 120 l

 Tanque Térmico Galvanizado de 150 l

 Tanque Térmico INOX de 90 L

 Tanque Térmico INOX de 120 l

 Tanque Térmico INOX de 150 l

 Panel Solar de 7 tubos

 Panel Solar de 9 tubos

 Panel Solar de 10 tubos

 Panel Solar de 12 tubos

3.2. PROCESO DE PRODUCCIÓN

A continuación, se describe detalladamente el proceso de producción del taque térmico,

se escoge este proceso porque es el producto que genera mayor cantidad de cuellos de botella,

la materia prima principal de este producto son las planchas de acero inoxidable o

galvanizadas, dependiendo de la que escoja el cliente.

El proceso de fabricación del tanque térmico es el siguiente:

 CORTADO DE PLANCHAS

Las materias primas: las planchas de acero inoxidable o las planchas de acero

galvanizadas (tanque externo) y entre otros, estos son apilados en planta, después son llevados

hacia la máquina de cortado, la cual es una máquina de control numérico, donde se hacen los

trazos respectivos según la capacidad del tanque, simultáneamente se cota la plancha para las

tapas del tanque.

 ROLADO DE PLANCHAS

La plancha para el cilindro es enviada a la maquina roladora donde será rolada, las tapas

son transportadas hacia la prensa hidráulica que está ubicada a 9m. Aquí se llevará el

embutido de las tapas.

 SOLDADURA DE PLANCHAS

La plancha rolada es transportada hacia el área de soldadura que se encuentra a 8m. Aquí

se unen las tapas y el cilindro con soldadura.

Terminado la operación de soldar el tanque este es pulido por las zonas donde se han

unido para después pasar por una inspección de grietas.

 FABRICACIÓN Y SOLDADO DE TUBOS

 Los tubos son traídos del almacén de materia prima, para luego ser cortados, roscados y

una vez que se perfora la base del tanque se procede a soldar los tubos a la base del tanque.

 CUBIERTA DEL TANQUE

Después es cubierto con aislantes térmicos que permitan que no escape el calor del

tanque, luego se ensambla en tanque externo que el proceso es el siguiente, la plancha de

acero inoxidable es trazada y cortada según a medidas luego es transportada a hacia la

pestañadora que se encuentra ubicada a 8m donde aquí se procede al cilindrado,

posteriormente se ensamblan las tapas de aluminio y después el llevado hacia el área de

ensamblado ubicada a 7m.

 SOLDADO DE PATAS DE TANQUES

De los tubos que se cortaron al inicio se debe cortar para las patas, de ahí se suelda a la

cubierta externa, se pule y se envía al área de embalado.

 EMBALADO DEL TANQUE

Aquí se etiqueta y embala el tanque que posteriormente es trasportado hacia el almacén

de productos terminados ubicado a 10m.

3.3. TECNICAS DE ANALISIS DEL PROCESO

3.3.1. DIAGRAMA DE ANALISIS DEL PROCESO (DAP)
 DIAGRAMA DE ANALISIS DE PROCESO
EMPRESA: Termas ELECTROSOL PÁGINA: 1/3

DEPARTAMENTO: PRODUCCION FECHA: 28/05/2018

PRODUCTO: Tanque Térmico MÉTODO DE TRABAJO:

DIAGRAMA HECHO
APROBADO POR: Ing, Oswaldo Rodriguez
POR:
BASE DEL TANQUE TAPA SUPERIOR TANQUE

3 Almacén de materia 2 Almacén de materia 1 Almacén de materia

prima prima prima

7 Hacia área de cortado 4 Hacia área de cortado 1 Hacia área de cortado

Cortar Plancha, verificar Cortar Plancha, verificar Cortar planchas , verificar

6,4 4,2 1,1 medidas
medidas medidas

8 Hacia área de prensado 5 Hacia área de prensado 2 Hacia área de rolado

Molde Molde
2 Rolar Plancha

7,5 Prensar, verificar 5,3 Prensar, verificar

3 Hacia área de soldado

9 Hacia área de soldado 6 Hacia área de soldado

3 Soldar por punteo plancha
rolada

8 Soldar tapas
CUBIERTA ESPONJA TUBOS

4 Almacén de materia 9 Soldar tapa superior

prima
9 Marcar plancha de esponja

Verificar consistencia de
12 Hacia área de cortado 6
soldadura

13 Cortar plancha de esponja

8 Medir tubo
10 Pulir soldadura

10 Verificar corte
12 Cortar tubo 10 Hacia área de PERFORADO

Moldes
13 Hacia área de soldado
4 veces 11 Perforar base del tanque

11 Hacia área de soldado

7 Inspeccionar soldadura

Π β
α
 DIAGRAMA DE ANALISIS DE PROCESO
EMPRESA: Termas ELECTROSOL PÁGINA: 2/3

DEPARTAMENTO: PRODUCCION FECHA: 28/05/2018

PRODUCTO: Tanque Térmico MÉTODO DE TRABAJO:

DIAGRAMA HECHO
APROBADO POR: Ing, Oswaldo Rodriguez
POR:

Π α
β

14 Roscar tubos al tanque

15 Soldar tubos al tanque

14 Hacia el área de acabado

Siliciona

16 Inyectar fibra de vidrio

17 Cubrir tanque con la esponja

Siliciona

Cubrir bordes de esponja con

18
silicona

19 Pegar bordes de la esponja

TUBOS DE PATAS

5 Verificar consistencia del

Almacén de materia 11
pegado
prima
Armadura

16 Hacia área de cortado

20
Ensamblar armadura
23,12 Medir, cortar tubo
1 remache

17 Hacia área de soldado 8 veces 21

Remachar armadura

Letra con adhesivo

22 Pegar letras

15 Hacia área de Soldado

 DIAGRAMA DE ANALISIS DE PROCESO
EMPRESA: Termas ELECTROSOL PÁGINA: 3/3

DEPARTAMENTO: PRODUCCION FECHA: 28/05/2018

PRODUCTO: Tanque Térmico MÉTODO DE TRABAJO:

DIAGRAMA HECHO
APROBADO POR: Ing, Oswaldo Rodriguez
POR:

24 Soldar patas al tanque

13 Inspección final

18 Llevar al área de almacenaje

6
Almacén

Símbolo Resumen Cantidad

Operaciones 24

Inspecciones 13

18
Transportes

Demoras 0

Almacenes 6
3.3.2. DIAGRAMA DE OPERACIONES DEL PROCESO (DOP)

DIAGRAMA DE OPERACIONES DEL PROCESO

EMPRESA: Termas ROBSOL PÁGINA: 1/2
DEPARTAMENTO: PRODUCCION FECHA: 11/11/2019
PRODUCTO: Tanque Térmico METODO DE TRABAJO: ACTUAL
DIAGRAMA HECHO POR: APROBADO POR:

BASE DEL TANQUE TAPA SUPERIOR TANQUE

Cortar Plancha, verificar Cortar Plancha, verificar Cortar planchas , verificar

6,4 4,2 1,1 medidas
medidas medidas

Molde Molde
2 Rolar Plancha

7,5 Prensar, verificar 5,3 Prensar, verificar

Soldar por punteo plancha

3
rolada

CUBIERTA ESPONJA TUBOS 8 Soldar tapa superior

Medir tubo
8
9 Marcar plancha de esponja
9 Soldar base del tanque

Cortar tubo
14
15 Cortar plancha de esponja Verificar consistencia de
6
soldadura

10 Verificar corte 10 Pulir soldadura

Moldes

4 veces 11 Perforar base del tanque

7 Inspeccionar soldadura

12 Soldar tubos al tanque

Siliciona

13 Inyectar fibra de vidrio

16 Cubrir tanque con la esponja

Siliciona

Cubrir bordes de esponja con

17
silicona

α
 DIAGRAMA DE OPERACIONES DEL PROCESO
EMPRESA: Termas ROBSOL PÁGINA: 2/2
DEPARTAMENTO: PRODUCCION FECHA: 11/11/2019
PRODUCTO: Tanque Térmico METODO DE TRABAJO: ACTUAL
DIAGRAMA HECHO POR: APROBADO POR:
TUBOS DE PATAS α

18 Pegar bordes de la esponja

22,12 Medir, cortar tubo

Verificar consistencia del

11
pegado

Armadura

19
Ensamblar armadura

1 remache

8 veces
20
Remachar armadura

Letra con adhesivo

21 Pegar letras

23 Soldar patas al tanque

13 Inspección final
3.3.3. FLUJOGRAMA

Tanque Inicio Panel Inicio

Taladrar
Cortar las
tubos de
planchas
cobre

Soldar los
Rolar las
tubos de
planchas del
cobre a los
interior y
de acero
exterior del
formando
tanque
un panel

Prensar la Prensar la
tapa y la tapa y la Arreglar
Si
base del base del fugas
interior exterior
Soldar la
tapa y la
base al ¿Existen fugas al
tanque insertar el aire
en el tubo?

¿Existen No
Si fugas en el
tanque? Cortar las
planchas en la
plegadora

Verificar fugas Ensamblar al

en el tanque
panel con
nudos de
No cobre

Envolver el tanque
con espuma Unir el panel con
un tablero de
MDF con tornillos

Ensamblar la parte
interior con la
exterior

Instalar

Ensamblar
No Reparar fugas y
verificar flujo de
agua

¿Existe fugas?

Fin
3.3.4. FLOWSHEET

FLOWSHEET
EMPRESA: ROBSOL E.I.R.L. PAGINA: 1/1
DEPARTAMENTO: PRODUCCIÓN FECHA: 11-11-20
PRODUCTO: Tanque Té rmico METODO DE TRABAJO: Actual
DIAGRAMA HECHO: Grupo 1 APROBADO POR: Ing. Efraín Murillo
Almacen de 1. Corte de 2. Rolado de las 4. S oldado del Perforar S oldar
Materia Prima planchas planchas tanque base del conexiones
Cuerp o
tanque al tanque
del
Tanque

Planchas 3.Presado de
de Acero las tapas
Tap as del
Tanque

Almacen de
Materia Prima Inyectar fibra de
Corte de vidrio y colocar
Tubos esponja termica Cubrir tanque
Roscar
tubos con poliuretano Hacia el
Conexiones
almacen de
Productos
Terminados

Tubos de
Acero Ensamblado
S oldado del
tanque con
Tanque Externo las patas

Patas
3.3.5. LAYOUT

SIMULACIÓN DE SISTEMAS
ING. EFRAIN MURILLO
3.3.6. PROBLEMAS POTENCIALES

El principal problema que enfrenta la empresa son los cuellos de botella, que

retrasan considerablemente la producción, lo que retrasa los pedidos y aumenta los

costos de producción aumentando la cantidad de inventarios de productos en proceso,

esto significa menos rentabilidad para la empresa, y posible descontento con los

clientes, por las demoras en la entrega de su pedido.

4. CAPITULO 4: RECOPILACION DE DATOS DE ENTRADA

La entrada de datos es el proceso de transcribir información en un medio electrónico tal

como una computadora u otro dispositivo electrónico. Puede realizarse manual o

automáticamente utilizando una máquina o un ordenador. La mayoría de las tareas de entrada de

datos consumen mucho tiempo; sin embargo, la entrada de datos se considera una tarea básica y

necesaria para la mayoría de investigaciones de análisis de procesos y así poder simularlos.

4.1. NUMERO DE VARIABLES EXOGENAS

A continuación, se presentan las variables exógenas para el modelo de simulación en la

Empresa ROBSOL E.I.R.L.

X1: Intervalo que demora en sacar dos planchas de acero inoxidable de almacén.

Y1: Tiempo de corte en el CNC para tapa y base.

Y2: Tiempo de corte en el CNC para cuerpo.

X2: Intervalo de llegada de tapa y base a la zona de prensado.

Y3: Tiempo de prensado tapa superior

Y4: Tiempo de prensado base del tanque

X3: Intervalo de llegada del cuerpo de la terma a la zona de rolado.

Y5: Tiempo de rolado de plancha del cuerpo

X4: Intervalo de llegada del cuerpo de la terma a la zona de soldado.

Y6: Tiempo de soldado de plancha rolada

Y7: Tiempo de soldado tapa y base.

X5: Intervalo de llegadas hacia área de perforado.

Y8: Tiempo de perforado de la base del tanque.

X6: Intervalo que demora en sacar un tubo.

Y9: Tiempo de cortado de tubo.

X7: Intervalo de llegada de los tubos hacia el área de soldado.

Y10: Tiempo de roscado de tubo al tanque.

Y11: Tiempo de soldado del tubo al tanque.

 X8: Intervalo de llegada al área de acabado.

Y12: Tiempo de inyección de la fibra de vidrio.

X9: Intervalo de llegada de la esponja al área de acabado.

Y13: Tiempo de cortado de la esponja.

Y14: Tiempo de cubierta de esponja.

X10: Intervalo de llegada de armadura

Y15: Tiempo de ensamblado de armadura

Y16: Tiempo de pegado de stiker del logo.

X11: Intervalo de llegada hacia el área de soldado

X12: Intervalo de llegada tubo de patas al área de cortado

Y17: Tiempo de cortado de tubo

X12: Intervalo de llegada de tubo de patas al área de soldado

Y18: Tiempo de soldado de tubos al tanque

X14: Intervalo de llegada de tanque al almacén.

4.2. PLAN DE RECOPILACION DE DATOS

En esta etapa se recopiló información necesaria para poder simular los diferentes

procesos para la producción de tanques de termas solares en la empresa ROBSOL E.I.R.L.

4.2.1. PROCEDIMIENTO PARA LA RECOLECCIÓN DE DATOS

El proceso de recopilación de datos fue realizado en la empresa ROBSOL E.I.R.L.

ubicada en ASOC. Augusto Salazar Bondy MZ. G lote 10 distrito de Alto Selva Alegre

provincia de Arequipa.

Para proceder a tomar los datos nos distribuimos en los diferentes procesos para

cronometrar las actividades que se realizan. Los datos fueron tomados durante el horario

de jornada de trabajo.

También, se obtuvieron datos que fueron proporcionados por el dueño de la empresa el

Sr. Irvins.
 El procedimiento para la recolección de datos del proceso de producción de de tanques

de termas solares en la empresa ROBSOL E.I.R.L. es el siguiente.

 Se presentó una solicitud al señor Irvins Rodriguez Borda de la empresa

ROBSOL E.I.R.L., solicitándole nos autorice el ingreso a sus instalaciones,

permiso para levantar información en el proceso de producción de los tanques

de termas solares. Para un total de 6 alumnos de nuestro equipo de trabajo.

 Se elaboró un formato inicial de toma de datos con los encabezados de todas

las variables exógenas y para 60 datos de cada variable.

 Se delegó a cada integrante del grupo de variables, siendo 6 integrantes y

haciendo un total de 30 variables.

 Cada integrante se hizo responsable de tomar su muestra de 30 datos de cada

variable.

 La toma de datos se realizó los días lunes 14, martes 15, miércoles 16, lunes

21, martes 22, miércoles 23, lunes 28, martes 29, miércoles 30 de octubre del

presente año.

 Posteriormente luego de establecer el tamaño de muestra de cada una de

nuestras variables, se continuará con la toma de datos según la misma

metodología establecida para las 20 variables, en los siguientes días del

presente mes, caso que sea necesario.

Para la toma de tiempos se utilizó las siguientes herramientas:

Formato para la recolección de datos

 Cronómetros digitales

 Reloj

 Laptop

 Lápiz y borrador

 Celulares
4.2.2. FUENTES DE INFORMACIÓN

La información se recolectó de dos formas:

Datos tomados por observación directa a lo largo del proceso productivo de tanques de

termas solares en la empresa ROBSOL E.I.R.L.

Datos obtenidos por los dueños de la fábrica, teniendo conocimiento de los tiempos que

conllevan cada uno de sus procesos.

4.2.3. PERIODO DE ESTUDIO

Debido a las limitaciones de tiempo para realizar el estudio de la toma de tiempos, se

determinó un plazo de recolección de datos de 2 semanas, con una frecuencia de tres

días (Lunes, Martes y Miercoles).

El horario establecido para la toma de datos fue de 8:00 am hasta las 12:00 pm. Todos

los integrantes del grupo fueron, logrando tomar datos durante el transcurso del proceso

productivo.

Como se observa en el siguiente cuadro del mes de octubre del presente año, los días

marcados de color rojo, fueron las fechas establecidas para la toma de datos iniciales de

cada variable.
4.3. ANALISIS DE DATOS DE ENTRADA

4.3.1. X4: Intervalo de llegada del cuerpo de la terma a la zona de soldado.

a) Datos
Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 1.483 16 2.000
2 2.767 17 2.367
3 1.967 18 2.650
4 2.517 19 3.017
5 2.850 20 1.583
6 0.867 21 2.267
7 3.000 22 1.867
8 1.583 23 2.983
9 2.383 24 1.917
10 1.567 25 1.967
11 1.850 26 2.200
12 2.883 27 1.833
13 1.200 28 1.667
14 1.333 29 1.550
15 2.367 30 1.350

b) Tamaño de muestra

Realizamos la determinación de tamaño de muestra Variable X4

Supuesto Población infinita

Media muestral 2.06
Varianza muestral 0.351021711
Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual (e') 8.00%
Z1-/2 1.65
Error máximo permitido ( e ) 0.164888889
No 35.14949458
N 1600
no(no-1) 1200.337475
Es N > no(no-1) no
N 34.39391415
Tamaño de muestra 35

Muestra final de los 35 datos de Variable X4

 1 1.483 16 2.000
2 2.767 17 2.367
3 1.967 18 2.650
4 2.517 19 3.017
5 2.850 20 1.583
6 0.867 21 2.267
7 3.000 22 1.867
8 1.583 23 2.983
9 2.383 24 1.917
10 1.567 25 1.967
11 1.850 26 2.200
12 2.883 27 1.833
13 1.200 28 1.667
14 1.333 29 1.550
15 2.367 30 1.350
31 1.900
32 3.100
33 3.083
34 3.100
35 2.917

c) Análisis estadísticos de datos

Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.

d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION BETA
EXPRESION 0.64 + 2.69 * BETA(1.93, 1.46)
 ERROR CUADRADO 0.016709

e) Pruebas de bondad de ajuste

Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta

PRUEBAS DE BONDAD DE AJUSTE

CHI
NUMERO DE INTERVALOS 4
GRADOS DE LIBERTAD 1
TEST STATISTIC 1.47
p-value 0.2234

K-S
TEST STATISTIC 0.115
p-value 0.15

5. En nuestra variable INTERVALO ENTRE LLEGADAS DEL CUERPO DE LA TERMA A

LA ZONA DE SOLDADO; la distribución de probabilidad que mejor representa nuestros
datos es la 0.64 + 2.69 * BETA(1.93, 1.46) presentando el mínimo error cuadrático de
0.016709, esto queda demostrado por las pruebas de bondad de ajuste (Chi-cuadrado y K-S),
ya que:
PRUEBA CHI
P-value > 0.05

0.2234>0.05 Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > 0.15

0.15<0.5 Cumple

4.3.10. Y6: Tiempo de soldado de plancha rolada

a) Datos
 Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 42.250 16 63.183
2 21.883 17 61.367
3 60.217 18 66.900
4 53.533 19 18.750
5 50.567 20 29.150
6 46.250 21 26.283
7 58.083 22 65.000
8 50.033 23 35.567
9 44.433 24 28.533
10 65.883 25 39.567
11 57.817 26 52.900
12 66.500 27 43.067
13 55.100 28 27.583
14 73.317 29 67.217
15 45.583 30 38.783

b) Tamaño de muestra

Realizamos la determinación de tamaño de muestra Variable Y6

Supuesto Población infinita

Media muestral 48.51
Varianza muestral 232.1718506
Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual (e') 8.00%
Z1-/2 1.65
Error máximo permitido ( e ) 3.8808
No 41.96960948
N 1600
no(no-1) 1719.478511
Es N > no(no-1) No
N 40.89684412
Tamaño de muestra 41

Muestra final de los 35 datos de Variable Y6

1 42.250 16 63.183
2 21.883 17 61.367
3 60.217 18 66.900
4 53.533 19 18.750
 5 50.567 20 29.150
6 46.250 21 26.283
7 58.083 22 65.000
8 50.033 23 35.567
9 44.433 24 28.533
10 65.883 25 39.567
11 57.817 26 52.900
12 66.500 27 43.067
13 55.100 28 27.583
14 73.317 29 67.217
15 45.583 30 38.783
31 44.950
32 63.767
33 49.983
34 66.650
35 58.367
36 31.633
37 22.583
38 30.867
39 56.483
40 56.867
41 53.417

c) Análisis estadísticos de datos

Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.

d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION BETA
 EXPRESION 18 + 56 * BETA(1.38, 1.15)
ERROR CUADRADO 0.000687

e) Pruebas de bondad de ajuste

Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta

PRUEBAS DE BONDAD DE AJUSTE

CHI
NUMERO DE INTERVALOS 5
GRADOS DE LIBERTAD 2
TEST STATISTIC 0.144
p-value 0.75

K-S
TEST STATISTIC 0.112
p-value 0.15

6. En nuestra variable TIEMPO DE SOLDADO DE PLANCHA ROLADA; la distribución de

probabilidad que mejor representa nuestros datos es la 18 + 56 * BETA(1.38, 1.15)
presentando el mínimo error cuadrático de 0.000687, esto queda demostrado por las pruebas
de bondad de ajuste (Chi-cuadrado y K-S), ya que:
PRUEBA CHI
P-value > 0.05

0.75>0.05 Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > 0.15

0.15<0.5 Cumple

4.3.11. Y7: Tiempo de soldado tapa y base.

a) Datos
 Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 39.050 16 39.783
2 21.867 17 27.883
3 20.417 18 17.250
4 39.200 19 24.467
5 31.233 20 23.733
6 34.817 21 23.000
7 39.883 22 21.967
8 39.950 23 24.817
9 38.300 24 25.033
10 23.733 25 38.867
11 22.683 26 31.483
12 22.550 27 17.750
13 36.017 28 29.367
14 27.367 29 24.700
15 41.617 30 41.983

b) Tamaño de muestra

Realizamos la determinación de tamaño de muestra Variable Y7

Supuesto Población infinita

Media muestral 29.69
Varianza muestral 63.41591443
Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual (e') 8.00%
Z1-/2 1.65
Error máximo permitido ( e ) 2.375377778
No 30.59854454
N 1600
no(no-1) 905.6723833
Es N > no(no-1) no
N 30.02435604
Tamaño de muestra 31

Muestra final de los 31 datos de Variable Y7

1 39.050 16 39.783
2 21.867 17 27.883
3 20.417 18 17.250
4 39.200 19 24.467
5 31.233 20 23.733
 6 34.817 21 23.000
7 39.883 22 21.967
8 39.950 23 24.817
9 38.300 24 25.033
10 23.733 25 38.867
11 22.683 26 31.483
12 22.550 27 17.750
13 36.017 28 29.367
14 27.367 29 24.700
15 41.617 30 41.983
31 33.827

c) Análisis estadísticos de datos

Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.

d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION BETA
EXPRESION 17 + 25 * BETA(0.842, 0.739)
ERROR CUADRADO 0.024625

e) Pruebas de bondad de ajuste

Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta

PRUEBAS DE BONDAD DE AJUSTE

 CHI
NUMERO DE INTERVALOS 5
GRADOS DE LIBERTAD 2
TEST STATISTIC 4.21
p-value 0.132

K-S
TEST STATISTIC 0.142
p-value 0.15

7. En nuestra variable TIEMPO DE SOLDADO TAPA Y BASE.; la distribución de

probabilidad que mejor representa nuestros datos es la 17 + 25 * BETA(0.842, 0.739)
presentando el mínimo error cuadrático de 0.024625, esto queda demostrado por las pruebas
de bondad de ajuste (Chi-cuadrado y K-S), ya que:
PRUEBA CHI
P-value > 0.05

0.132>0.05 Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > 0.15

0.15<0.5 Cumple

4.3.12. X5: Intervalo de llegadas hacia área de perforado.

a) Datos
Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 1.117 16 0.900
2 1.167 17 1.183
3 0.867 18 1.117
4 1.417 19 0.883
5 0.650 20 1.000
6 1.450 21 0.933
7 1.400 22 1.100
8 1.450 23 0.550
9 1.367 24 1.033
 10 1.417 25 0.633
11 0.933 26 1.217
12 0.683 27 0.517
13 0.917 28 0.517
14 0.700 29 0.500
15 0.733 30 1.133

b) Tamaño de muestra

Realizamos la determinación de tamaño de muestra Variable X5

Supuesto Población infinita

Media muestral 0.98
Varianza muestral 0.09301692
Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual (e') 8.00%
Z1-/2 1.65
Error máximo permitido ( e ) 0.07862222
No 40.9674775
N 1600
no(no-1) 1637.36673
Es N > no(no-1) No
N 39.9447063
Tamaño de muestra 40

Muestra final de los 40 datos de Variable X5

1 1.117 16 0.900
2 1.167 17 1.183
3 0.867 18 1.117
4 1.417 19 0.883
5 0.650 20 1.000
6 1.450 21 0.933
7 1.400 22 1.100
8 1.450 23 0.550
9 1.367 24 1.033
10 1.417 25 0.633
11 0.933 26 1.217
12 0.683 27 0.517
13 0.917 28 0.517
14 0.700 29 0.500
15 0.733 30 1.133
31 1.283
32 0.733
 33 0.767
34 0.583
35 0.517
36 1.233
37 0.933
38 1.450
39 0.917
40 0.767

c) Análisis estadísticos de datos

Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.

d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION UNIF
EXPRESION UNIF(0.4, 1.55)
ERROR CUADRADO 0.004583

e) Pruebas de bondad de ajuste

Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta

PRUEBAS DE BONDAD DE AJUSTE

CHI
NUMERO DE INTERVALOS 6
 GRADOS DE LIBERTAD 5
TEST STATISTIC 1.1
p-value 0.75

K-S
TEST STATISTIC 0.087
p-value 0.15

8. En nuestra variable INTERVALO ENTRE LLEGADAS AL AREA DE PERFORADO ; la

distribución de probabilidad que mejor representa nuestros datos es la UNIF(0.4, 1.55)
presentando el mínimo error cuadrático de 0.004583, esto queda demostrado por las pruebas
de bondad de ajuste (Chi-cuadrado y K-S), ya que:
PRUEBA CHI
P-value > 0.05

0.75>0.05 Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > 0.15

0.15<0.5 Cumple

4.3.13. Y8: Tiempo de perforado de la base del tanque.

a) Datos
Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 3.833 16 2.650
2 2.417 17 2.467
3 4.233 18 2.067
4 2.517 19 2.933
5 2.617 20 2.900
6 2.283 21 4.200
7 2.167 22 4.283
8 1.817 23 3.450
9 3.000 24 4.083
10 2.617 25 4.217
11 3.033 26 3.750
 12 1.750 27 2.767
13 2.283 28 2.500
14 1.700 29 4.033
15 3.083 30 3.417

b) Tamaño de muestra

Realizamos la determinación de tamaño de muestra Variable Y8

Supuesto Población infinita

Media muestral 2.97
Varianza muestral 0.647619413
Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual (e') 8.00%
Z1-/2 1.65
Error máximo permitido ( e ) 0.237511111
No 31.25502741
N 1600
no(no-1) 945.6217108
Es N > no(no-1) No
N 30.65617761
Tamaño de muestra 31

Muestra final de los 31 datos de Variable Y8

1 3.833 16 2.650
2 2.417 17 2.467
3 4.233 18 2.067
4 2.517 19 2.933
5 2.617 20 2.900
6 2.283 21 4.200
7 2.167 22 4.283
8 1.817 23 3.450
9 3.000 24 4.083
10 2.617 25 4.217
11 3.033 26 3.750
12 1.750 27 2.767
13 2.283 28 2.500
14 1.700 29 4.033
15 3.083 30 3.417
31 3.233

c) Análisis estadísticos de datos

Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.

d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION LOGNORMAL
EXPRESION 1.44 + LOGN(1.59, 1.11)
ERROR CUADRADO 0.016548

e) Pruebas de bondad de ajuste

Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta

PRUEBAS DE BONDAD DE AJUSTE

CHI
NUMERO DE INTERVALOS 3
GRADOS DE LIBERTAD 0
TEST STATISTIC 2.37
p-value 0.005

K-S
TEST STATISTIC 0.108
p-value 0.15
9. En nuestra variable TIEMPO DE PERFORADO DE LA BASE DEL TANQUE; la
distribución de probabilidad que mejor representa nuestros datos es la 1.44 + LOGN(1.59,
1.11) presentando el mínimo error cuadrático de 0.016548, esto queda demostrado por las
pruebas de bondad de ajuste (Chi-cuadrado y K-S), ya que:
PRUEBA CHI
P-value > 0.05

0.005<0.05 No Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > 0.15

0.15<0.5 Cumple

4.3.14. X6: Intervalo que demora en sacar un tubo

a) Datos
Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 0.967 16 1.500
2 0.950 17 0.950
3 1.217 18 0.917
4 1.000 19 1.450
5 0.617 20 0.517
6 0.617 21 0.950
7 0.700 22 1.483
8 1.033 23 0.783
9 0.667 24 0.633
10 1.450 25 1.233
11 0.533 26 1.017
12 0.717 27 1.350
13 1.450 28 1.083
14 0.783 29 0.567
15 0.950 30 0.633

b) Tamaño de muestra

Realizamos la determinación de tamaño de muestra Variable X6

Supuesto Población infinita

Media muestral 0.96
 Varianza muestral 0.098748723
Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual (e') 8.00%
Z1-/2 1.65
Error máximo permitido ( e ) 0.076577778
No 45.84519848
N 1600
no(no-1) 2055.937025
Es N > no(no-1) no
N 44.56817545
Tamaño de muestra 45

Muestra final de los 45 datos de Variable X6

1 0.967 16 1.500
2 0.950 17 0.950
3 1.217 18 0.917
4 1.000 19 1.450
5 0.617 20 0.517
6 0.617 21 0.950
7 0.700 22 1.483
8 1.033 23 0.783
9 0.667 24 0.633
10 1.450 25 1.233
11 0.533 26 1.017
12 0.717 27 1.350
13 1.450 28 1.083
14 0.783 29 0.567
15 0.950 30 0.633
31 1.083
32 0.550
33 0.667
34 1.350
35 0.700
36 0.500
37 1.267
38 1.333
39 0.783
40 1.300
41 0.600
42 0.967
43 0.683
44 1.050
45 0.500
 c) Análisis estadísticos de datos
Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.

d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION BETA
EXPRESION 0.4 + 1.2 * BETA(1.16, 1.45)
ERROR CUADRADO 0.013534

e) Pruebas de bondad de ajuste

Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta

PRUEBAS DE BONDAD DE AJUSTE

CHI
NUMERO DE INTERVALOS 5
GRADOS DE LIBERTAD 2
TEST STATISTIC 3.26
p-value 0.21

K-S
TEST STATISTIC 0.0834
p-value >0.15
10. En nuestra variable INTERVALO QUE DEMORA EN SACAR UN TUBO; la distribución
de probabilidad que mejor representa nuestros datos es la 0.4 + 1.2 * BETA(1.16, 1.45)
presentando el mínimo error cuadrático de 0.013534, esto queda demostrado por las
pruebas de bondad de ajuste (Chi-cuadrado y K-S), ya que:
PRUEBA CHI
P-value > 0.05

0.21>0.05 Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > 0.15

0.15<=0.15 Cumple

4.3.15. Y9: Tiempo de cortado de tubo.

a) Datos
Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 2.300 16 2.750
2 3.650 17 2.300
3 3.750 18 4.250
4 4.150 19 3.917
5 3.417 20 4.117
6 2.600 21 1.700
7 2.717 22 2.767
8 2.283 23 3.583
9 3.817 24 2.717
10 4.217 25 2.283
11 4.100 26 2.067
12 3.750 27 3.550
13 3.667 28 3.600
14 2.417 29 3.867
15 4.100 30 2.450

b) Tamaño de muestra

Realizamos la determinación de tamaño de muestra Variable X6

Supuesto Población infinita

 Media muestral 3.23
Varianza muestral 0.6049454
Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual (e') 8.00%
Z1-/2 1.65
Error máximo permitido ( e ) 0.25826667
No 24.6914932
N 1600
no(no-1) 584.978343
Es N > no(no-1) no
N 24.3162405
Tamaño de muestra 25

Muestra final de los 25 datos de Variable Y9

1 2.300 16 2.750
2 3.650 17 2.300
3 3.750 18 4.250
4 4.150 19 3.917
5 3.417 20 4.117
6 2.600 21 1.700
7 2.717 22 2.767
8 2.283 23 3.583
9 3.817 24 2.717
10 4.217 25 2.283
11 4.100
12 3.750
13 3.667
14 2.417
15 4.100

c) Análisis estadísticos de datos

Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.
 d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION BETA
EXPRESION 1.44 + 3.07 * BETA(1.57, 1.09)
ERROR CUADRADO 0.012069

e) Pruebas de bondad de ajuste

Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta

PRUEBAS DE BONDAD DE AJUSTE

CHI
NUMERO DE INTERVALOS 4
GRADOS DE LIBERTAD 1
TEST STATISTIC 0.578
p-value 0.465

K-S
TEST STATISTIC 0.153
p-value 0.15

11. En nuestra variable TIEMPO DE CORTADO DE TUBO; la distribución de probabilidad

que mejor representa nuestros datos es la 1.44 + 3.07 * BETA(1.57, 1.09) presentando el
mínimo error cuadrático de 0.012069, esto queda demostrado por las pruebas de bondad de
ajuste (Chi-cuadrado y K-S), ya que:
 PRUEBA CHI
P-value > 0.05

0.465 > 0.05 Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > 0.15

0.15<0.5 Cumple

4.3.16. X7: Intervalo de llegada de los tubos hacia el área de soldado.

a) Datos
Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 1.117 16 0.517
2 0.750 17 0.717
3 1.267 18 0.850
4 1.400 19 0.900
5 1.300 20 1.033
6 0.900 21 0.650
7 1.350 22 0.683
8 0.917 23 0.783
9 1.450 24 0.800
10 0.533 25 1.300
11 1.300 26 0.767
12 0.633 27 0.783
13 0.883 28 1.133
14 1.217 29 1.283
15 1.417 30 0.583

b) Tamaño de muestra

Realizamos la determinación de tamaño de muestra Variable X7

Supuesto Población infinita

Media muestral 0.97
Varianza muestral 0.08673723
Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual (e') 8.00%
 Z1-/2 1.65
Error máximo permitido ( e ) 0.07791111
No 38.9022423
N 1600
no(no-1) 1474.48221
Es N > no(no-1) no
N 37.9788288
Tamaño de muestra 38

Muestra final de los 38 datos de Variable X7

1 1.117 16 0.517
2 0.750 17 0.717
3 1.267 18 0.850
4 1.400 19 0.900
5 1.300 20 1.033
6 0.900 21 0.650
7 1.350 22 0.683
8 0.917 23 0.783
9 1.450 24 0.800
10 0.533 25 1.300
11 1.300 26 0.767
12 0.633 27 0.783
13 0.883 28 1.133
14 1.217 29 1.283
15 1.417 30 0.583
31 0.533
32 1.050
33 1.067
34 0.717
35 1.267
36 0.700
37 1.017
38 0.767

c) Análisis estadísticos de datos

Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.
 d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION BETA
EXPRESION 0.42 + 1.13 * BETA(1.4, 1.55)
ERROR CUADRADO 0.016159

e) Pruebas de bondad de ajuste

Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta

PRUEBAS DE BONDAD DE AJUSTE

CHI
NUMERO DE INTERVALOS 5
GRADOS DE LIBERTAD 2
TEST STATISTIC 3.39
p-value 0.2

K-S
TEST STATISTIC 0.0938
p-value 0.15

12. En nuestra variable INTERVALO DE LLEGADA DE LOS TUBOS HACIA EL AREA

DE SOLDADO; la distribución de probabilidad que mejor representa nuestros datos es la
0.42 + 1.13 * BETA(1.4, 1.55) presentando el mínimo error cuadrático de 0.016159, esto
queda demostrado por las pruebas de bondad de ajuste (Chi-cuadrado y K-S), ya que:
PRUEBA CHI
P-value > 0.05

0.2 > 0.05 Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > 0.15

0.15<0.5 Cumple

4.3.17. Y10: Tiempo de roscado de tubo al tanque.

a) Datos
Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 3.580 16 6.003
2 3.789 17 3.450
3 6.002 18 3.208
4 5.998 19 5.212
5 3.235 20 5.190
6 4.569 21 5.080
7 3.597 22 5.287
8 4.875 23 5.157
9 6.003 24 4.980
10 3.206 25 3.982
11 4.568 26 4.178
12 4.896 27 4.128
13 3.265 28 4.124
14 6.135 29 4.770
15 3.256 30 3.005

b) Tamaño de muestra

Realizamos la determinación de tamaño de muestra Variable Y10

Supuesto Población infinita

Media muestral 4.49
Varianza muestral 0.994575237
 Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual (e') 8.00%
Z1-/2 1.65
Error máximo permitido ( e ) 0.359274667
No 20.97743287
N 1600
no(no-1) 419.075257
Es N > no(no-1) no
N 20.7059592
Tamaño de muestra 21

Muestra final de los 21 datos de Variable Y10

1 3.580 11 4.568
2 3.789 12 4.896
3 6.002 13 3.265
4 5.998 14 6.135
5 3.235 15 3.256
6 4.569 16 6.003
7 3.597 17 3.450
8 4.875 18 3.208
9 6.003 19 5.212
10 3.206 20 5.190
21 5.080

c) Análisis estadísticos de datos

Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.

d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION Beta
 EXPRESION 3 + 3.43*BETA(0.608, 0756)
ERROR CUADRADO 0.019901

e) Pruebas de bondad de ajuste

Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta

PRUEBAS DE BONDAD DE AJUSTE

CHI
NUMERO DE INTERVALOS 3
GRADOS DE LIBERTAD 0
TEST STATISTIC 0.656
p-value < 0.005

K-S
TEST STATISTIC 0.167
p-value >0.15

En nuestra variable TIEMPO DE ROSCADO DE TUBO AL TANQUE; la distribución

de probabilidad que mejor representa nuestros datos es la BETA presentando el mínimo
error cuadrático de 0.019901, esto queda demostrado por las pruebas de bondad de ajuste
(Chi-cuadrado y K-S), ya que:
PRUEBA CHI
P-value > 0.05

0.005 < 0.05 No Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > 0.15

Mayor a 0.15 > 0.15 Cumple

4.3.18. Y11: Tiempo de soldado del tubo al tanque.

a) Datos
Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 6.214 16 7.895
2 6.355 17 4.458
3 5.224 18 3.250
4 5.758 19 6.582
5 6.850 20 4.256
6 7.650 21 5.255
7 7.563 22 7.856
8 8.525 23 7.892
9 5.268 24 5.236
10 4.856 25 8.506
11 6.758 26 4.560
12 6.580 27 6.598
13 8.256 28 5.123
14 4.589 29 6.784
15 7.586 30 4.789

b) Tamaño de muestra

Realizamos la determinación de tamaño de muestra Variable Y10

Supuesto Población infinita

Media muestral 6.24
Varianza muestral 2.083332478
Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual (e') 8.00%
Z1-/2 1.65
Error máximo permitido ( e ) 0.498858667
no 22.79142237
N 1600
no(no-1) 496.6575113
Es N > no(no-1) no
n 22.47132644
Tamaño de muestra 22

Muestra final de los 22 datos de Variable Y11

1 6.850 12 4.256
2 7.650 13 5.255
3 7.896 14 7.856
4 8.525 15 7.892
5 5.268 16 5.236
 6 4.856 17 8.506
7 6.758 18 4.560
8 7.459 19 5.123
9 4.589 20 6.784
10 7.586 21 4.789
11 5.758 22 6.582

c) Análisis estadísticos de datos

Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.

d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION UNIFORME
EXPRESION UNIF(4, 8.96)
ERROR CUADRADO 0.019008

e) Pruebas de bondad de ajuste

Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta

PRUEBAS DE BONDAD DE AJUSTE

CHI
NUMERO DE INTERVALOS 2
 GRADOS DE LIBERTAD 1
TEST STATISTIC 0.436
p-value 0.513

K-S
TEST STATISTIC 0.153
p-value >0.15

13. En nuestra variable TIEMPO DE SOLDADO DEL TUBO AL TANQUE la distribución de

probabilidad que mejor representa nuestros datos es la UNIFORME presentando el mínimo
error cuadrático de 0.019008, esto queda demostrado por las pruebas de bondad de ajuste
(Chi-cuadrado y K-S), ya que:
PRUEBA CHI
P-value > 0.05

0.513 > 0.05 Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > 0.15

Mayor a 0.15 > 0.15 Si Cumple

4.3.19. X8: Intervalo de llegada al área de acabado.

a) Datos
Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 2.569 16 3.257
2 1.256 17 3.259
3 3.569 18 2.845
4 2.156 19 2.791
5 2.158 20 2.356
6 2.148 21 1.598
7 3.265 22 1.993
8 1.598 23 2.001
9 1.458 24 2.008
10 1.578 25 2.154
11 1.235 26 2.156
 12 1.986 27 2.146
13 1.456 28 3.160
14 2.359 29 1.456
15 2.879 30 1.999

b) Tamaño de muestra

Realizamos la determinación de tamaño de muestra Variable X8

Supuesto Población infinita

Media muestral 2.23
Varianza muestral 0.426438398
Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual (e') 8.00%
Z1-/2 1.65
Error máximo permitido ( e ) 0.1782624
no 36.5346283
N 1600
no(no-1) 1298.244437
Es N > no(no-1) no
n 35.71901521
Tamaño de muestra 36

Muestra final de los 36 datos de Variable Y5

1 2.156 19 3.256
2 2.164 20 3.254
3 3.45 21 3.258
4 2.569 22 3.257
5 1.256 23 3.259
6 3.569 24 2.845
7 2.156 25 2.791
8 2.158 26 2.356
9 2.148 27 1.598
10 3.265 28 1.993
11 1.598 29 2.001
12 1.458 30 2.008
13 1.578 31 2.154
14 1.235 32 2.156
15 1.986 33 2.146
16 1.456 34 3.160
17 2.359 35 1.456
18 2.879 36 1.999
 c) Análisis estadísticos de datos
Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.

d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION TRIANGULAR
EXPRESION TRIA (1, 2.17, 3.81)
ERROR CUADRADO 0.061663

e) Pruebas de bondad de ajuste

Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta
 PRUEBAS DE BONDAD DE AJUSTE

CHI
NUMERO DE INTERVALOS 4
GRADOS DE LIBERTAD 2
TEST STATISTIC 8.4
p-value 0.0167

K-S
TEST STATISTIC 0.153
p-value >0.15

14. En nuestra variable INTERVALO DE LLEGADA AL ÁREA DE ACABADO la

distribución de probabilidad que mejor representa nuestros datos es la UNIFORME
presentando el mínimo error cuadrático de 0.061663, esto queda demostrado por las pruebas
de bondad de ajuste (Chi-cuadrado y K-S), ya que:
PRUEBA CHI
P-value > 0.05

0.0167 < 0.05 No Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > 0.15

MAYOR A 0.15 > 0.15 Si Cumple

4.3.20. Y12: Tiempo de inyección de la fibra de vidrio.

a) Datos
Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 21.317 16 13.256
2 17.667 17 20.667
3 10.733 18 22.590
4 10.283 19 14.667
5 14.589 20 11.533
6 14.750 21 10.467
7 11.236 22 21.217
 8 16.250 23 10.817
9 21.000 24 14.717
10 14.800 25 12.933
11 10.900 26 12.350
12 10.583 27 15.283
13 14.900 28 20.217
14 19.900 29 11.850
15 12.350 30 21.250

b) Tamaño de muestra

Realizamos la determinación de tamaño de muestra Variable Y12

Supuesto Población infinita

Media muestral 15.17
Varianza muestral 16.38665023
Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual (e') 8.00%
Z1-/2 1.65
Error máximo permitido ( e ) 1.213520131
no 30.29452184
N 1600
no(no-1) 887.4635316
Es N > no(no-1) no
n 29.73158181
Tamaño de muestra 30

Muestra final de los 30 datos de Variable Y12

1 21.317 16 13.256
2 17.667 17 20.667
3 10.733 18 22.590
4 10.283 19 14.667
5 14.589 20 11.533
6 14.750 21 10.467
7 11.236 22 21.217
8 16.250 23 10.817
9 21.000 24 14.717
10 14.800 25 12.933
11 10.900 26 12.350
12 10.583 27 15.283
13 14.900 28 20.217
14 19.900 29 11.850
15 12.350 30 21.250
 c) Análisis estadísticos de datos
Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.

d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION BETA
EXPRESION 10 + 13*BETA(0.585, 0.886)
ERROR CUADRADO 0.019801

e) Pruebas de bondad de ajuste

Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta

PRUEBAS DE BONDAD DE AJUSTE

 CHI
NUMERO DE INTERVALOS 3
GRADOS DE LIBERTAD 0
TEST STATISTIC 3.52
p-value < 0.005

K-S
TEST STATISTIC 0.103
p-value >0.15

15. En nuestra variable TIEMPO DE INYECCIÓN DE LA FIBRA DE VIDRIO. La distribución

de probabilidad que mejor representa nuestros datos es la BETA presentando el mínimo error
cuadrático de 0.019801, esto queda demostrado por las pruebas de bondad de ajuste (Chi-
cuadrado y K-S), ya que:
PRUEBA CHI
P-value > 0.05

Menor a 0.05 < 0.05 No Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > 0.15

Mayor a 0.15 > 0.15 Cumple

4.3.21. X9: Intervalo de llegada de la esponja al área de acabado.

a) Datos
Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 2.400 16 1.850
2 1.367 17 2.400
3 2.933 18 1.500
4 2.283 19 1.250
5 1.117 20 2.467
6 1.567 21 2.167
7 1.367 22 2.550
8 1.267 23 1.283
9 1.950 24 1.067
 10 2.150 25 2.467
11 1.200 26 2.917
12 2.317 27 2.433
13 2.233 28 1.300
14 1.983 29 1.867
15 1.550 30 1.733

b) Tamaño de muestra

Realizamos la determinación de tamaño de muestra Variable X9

Supuesto Población infinita

Media muestral 1.90
Varianza muestral 0.306240102
Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual (e') 8.00%
Z1-/2 1.65
Error máximo permitido ( e ) 0.151822222
no 36.17089556
N 1600
no(no-1) 1272.16279
Es N > no(no-1) no
n 35.37126412
Tamaño de muestra 36

Muestra final de los 36 datos de Variable X9

1 0.999 19 0.965
2 3.789 20 1.256
3 2.400 21 1.850
4 1.367 22 2.400
5 2.933 23 1.500
6 2.283 24 1.250
7 1.117 25 2.467
8 1.567 26 2.167
9 1.367 27 2.550
10 1.267 28 1.283
11 1.950 29 1.067
12 2.150 30 2.467
13 1.200 31 2.917
14 2.317 32 2.433
15 2.233 33 1.300
16 1.983 34 1.867
17 1.550 35 1.733
 18 1.120 36 1.120

c) Análisis estadísticos de datos

Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.

d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION WEIBULL
EXPRESION 0.68 + WEIB(1.31, 1.87)
ERROR CUADRADO 0.002390

e) Pruebas de bondad de ajuste

Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta
 PRUEBAS DE BONDAD DE AJUSTE

CHI
NUMERO DE INTERVALOS 4
GRADOS DE LIBERTAD 1
TEST STATISTIC 0.664
p-value 0.44

K-S
TEST STATISTIC 0.114
p-value >0.15

16. En nuestra variable INTERVALO DE LLEGADA DE LA ESPONJA AL ÁREA DE

ACABADO la distribución de probabilidad que mejor representa nuestros datos es la
WEIBULL presentando el mínimo error cuadrático de 0.002390, esto queda demostrado por
las pruebas de bondad de ajuste (Chi-cuadrado y K-S), ya que:
PRUEBA CHI
P-value > 0.05

0.44 > 0.05 Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > 0.15

Mayor a 0.15 > 0.15 Cumple

 4.3.22. Y13: Tiempo de cortado de la esponja.

a) Datos
Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 3.258 16 4.323
2 3.287 17 4.638
3 3.325 18 4.790
4 3.466 19 4.963
5 3.540 20 5.166
6 3.655 21 5.789
7 3.389 22 5.879
8 3.259 23 7.890
9 4.233 24 7.569
10 2.771 25 6.580
11 3.335 26 4.265
12 3.698 27 4.999
13 3.265 28 6.968
14 4.589 29 5.368
15 4.700 30 4.569

b) Tamaño de muestra

Realizamos la determinación de tamaño de muestra Variable X9

Supuesto Población infinita

Media muestral 4.58
Varianza muestral 1.829004632
Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual (e') 8.00%
Z1-/2 1.65
Error máximo permitido ( e ) 0.366733147
no 37.02391703
N 1600
no(no-1) 1333.746515
Es N > no(no-1) no
n 36.18656186
Tamaño de muestra 37

Muestra final de los 37 datos de Variable X9

1 3.258 16 4.323
2 3.287 17 4.638
 3 3.325 18 4.790
4 3.466 19 4.963
5 3.540 20 5.166
6 3.655 21 5.789
7 3.389 22 5.879
8 3.259 23 7.890
9 4.233 24 7.569
10 2.771 25 6.580
11 3.335 26 4.265
12 3.698 27 4.999
13 3.265 28 6.968
14 4.589 29 5.368
15 4.700 30 4.569
16 3.148 34 5.093
17 4.895 35 3.068
18 3.383 36 4.719
37 5.155

c) Análisis estadísticos de datos

Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.
d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION TRIANGULAR
EXPRESION TRIA (0.3, 3.05, 8)
ERROR CUADRADO 0.010699

e) Pruebas de bondad de ajuste

Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta

PRUEBAS DE BONDAD DE AJUSTE

CHI
NUMERO DE INTERVALOS 5
GRADOS DE LIBERTAD 3
TEST STATISTIC 1.08
p-value 0.75
 K-S
TEST STATISTIC 0.0831
p-value >0.15

17. En nuestra variable TIEMPO DE CORTADO DE LA ESPONJA la distribución de

probabilidad que mejor representa nuestros datos es la TRIANGULAR presentando el
mínimo error cuadrático de 0.010699, esto queda demostrado por las pruebas de bondad de
ajuste (Chi-cuadrado y K-S), ya que:
PRUEBA CHI
P-value > 0.05

0.75 > 0.05 Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > 0.15

Mayor a 0.15 > 0.15 Cumple

4.3.23. Y14: Tiempo de cubierta de esponja

a) Datos
Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 23.783 16 11.800
2 21.050 17 14.283
3 13.933 18 14.950
4 10.333 19 22.167
5 20.133 20 12.367
6 15.183 21 12.833
7 18.650 22 21.133
8 24.767 23 24.450
9 9.683 24 10.267
10 22.167 25 11.750
11 16.883 26 10.317
12 12.917 27 22.983
13 16.367 28 23.683
14 18.033 29 10.667
15 16.267 30 18.283
 b) Tamaño de muestra

Realizamos la determinación de tamaño de muestra Variable Y14

Supuesto Población infinita

Media muestral 16.74
Varianza muestral 24.33741539
Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual (e') 8.00%
Z1-/2 1.65
Error máximo permitido ( e ) 1.338888889
no 36.96181323
N 1600
no(no-1) 1329.213824
Es N > no(no-1) No
n 36.1272332
Tamaño de muestra 37

Muestra final de los 37 datos de Variable Y14

1 23.783 19 11.800
2 21.050 20 14.283
3 13.933 21 14.950
4 10.333 22 22.167
5 20.133 23 12.367
6 15.183 24 12.833
7 18.650 25 21.133
8 24.767 26 24.450
9 9.683 27 10.267
10 22.167 28 11.750
11 16.883 29 10.317
12 12.917 30 22.983
13 16.367 31 23.683
14 18.033 32 10.667
15 16.267 33 18.283
16 13.617 34 15.283
17 11.633 35 14.783
18 21.883 36 12.617
37 19.133

c) Análisis estadísticos de datos

Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.

d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION BETA
EXPRESION 9 + 16*BETA(1.07, 1.14)
ERROR CUADRADO 0.008779

e) Pruebas de bondad de ajuste

Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta

PRUEBAS DE BONDAD DE AJUSTE

 CHI
NUMERO DE INTERVALOS 6
GRADOS DE LIBERTAD 3
TEST STATISTIC 1.87
p-value 0.606

K-S
TEST STATISTIC 0.111
p-value >0.15

18. En nuestra variable TIEMPO DE CUBIERTA DE ESPONJA la distribución de probabilidad

que mejor representa nuestros datos es la BETA presentando el mínimo error cuadrático de
0.008779, esto queda demostrado por las pruebas de bondad de ajuste (Chi-cuadrado y K-S),
ya que:
PRUEBA CHI
P-value > 0.05

0.606 > 0.05 Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > 0.15

Mayor a 0.15 > 0.15 Cumple

4.3.24. X10: Intervalo de llegada de armadura

a) Datos
Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 1.483 20 1.333
2 0.750 21 1.417
3 1.167 22 0.617
4 1.500 23 1.067
5 0.633 24 0.700
6 1.100 25 0.650
7 1.233 26 0.600
8 1.283 27 0.517
9 1.317 28 1.250
 10 0.833 29 1.067
11 0.817 30 0.667
12 1.267 31 0.850
13 1.167 32 0.833
14 1.200 33 0.833
15 0.700 34 1.333
16 0.983 35 1.267
17 0.600 36 1.267
18 1.217 37 0.800
19 1.356 38 1.150

b) Tamaño de muestra

Realizamos la determinación de tamaño de muestra Variable Y14

Supuesto Población infinita

Media muestral 1.01
Varianza muestral 0.091446041
Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual (e') 8.00%
Z1-/2 1.65
Error máximo permitido ( e ) 0.080488889
no 38.42916354
N 1600
no(no-1) 1438.371447
Es N > no(no-1) no
n 37.52781202
Tamaño de muestra 38

Muestra final de los 38 datos de Variable X10

1 1.483 20 1.333
2 0.750 21 1.417
3 1.167 22 0.617
4 1.500 23 1.067
5 0.633 24 0.700
6 1.100 25 0.650
7 1.233 26 0.600
8 1.283 27 0.517
9 1.317 28 1.250
10 0.833 29 1.067
11 0.817 30 0.667
12 1.267 31 0.850
13 1.167 32 0.833
 14 1.200 33 0.833
15 0.700 34 1.333
16 0.983 35 1.267
17 0.600 36 1.267
18 1.217 37 0.800
19 1.356 38 1.150

c) Análisis estadísticos de datos

Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.

d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION BETA
EXPRESION 0.41 + 1.19*BETA(1.62, 1.52)
ERROR CUADRADO 0.015950

e) Pruebas de bondad de ajuste

 Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta

PRUEBAS DE BONDAD DE AJUSTE

CHI
NUMERO DE INTERVALOS 4
GRADOS DE LIBERTAD 1
TEST STATISTIC 2.9
p-value 0.0916

K-S
TEST STATISTIC 0.12
p-value >0.15

19. En nuestra variable INTERVALO DE LLEGADA DE ARMADURA la distribución de

probabilidad que mejor representa nuestros datos es la BETA presentando el mínimo error
cuadrático de 0.015950, esto queda demostrado por las pruebas de bondad de ajuste (Chi-
cuadrado y K-S), ya que:
PRUEBA CHI
P-value > 0.05

0.0916 > 0.05 Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > 0.15

Mayor a 0.15 > 0.15 Cumple

4.3.25. Y14: Tiempo de ensamblado de armadura

a) Datos
Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 41.300 16 37.600
2 43.383 17 25.617
3 34.100 18 26.900
4 47.017 19 26.583
 5 46.950 20 30.200
6 23.650 21 27.150
7 25.700 22 43.133
8 28.767 23 46.050
9 37.883 24 31.350
10 42.517 25 49.883
11 32.483 26 25.900
12 25.250 27 28.767
13 49.317 28 40.333
14 34.683 29 33.850
15 23.517 30 48.933

b) Tamaño de muestra

Realizamos la determinación de tamaño de muestra Variable Y14

Población
Supuesto infinita
Media muestral 35.29
Varianza muestral 77.1486539
Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual
(e') 8.00%
Z1-/2 1.65
Error máximo permitido (
e) 2.823377778
no 26.34864323
N 1600
no(no-1) 667.9023566
Es N > no(no-1) no
n 25.92176612
Tamaño de muestra 26

Muestra final de los 38 datos de Variable Y14

1 41.300 16 37.600
2 43.383 17 25.617
3 34.100 18 26.900
4 47.017 19 26.583
5 46.950 20 30.200
6 23.650 21 27.150
7 25.700 22 43.133
8 28.767 23 46.050
9 37.883 24 31.350
 10 42.517 25 49.883
11 32.483 26 25.900
12 25.250
13 49.317
14 34.683
15 23.517

c) Análisis estadísticos de datos

Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.

d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION GAMMA
EXPRESION 23 + GAMM(9.16, 1.3)
ERROR CUADRADO 0.032213

e) Pruebas de bondad de ajuste

Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta

PRUEBAS DE BONDAD DE AJUSTE

CHI
 NUMERO DE INTERVALOS 3
GRADOS DE LIBERTAD 0
TEST STATISTIC 3.46
p-value 0.005

K-S
TEST STATISTIC 0.134
p-value 0.15

20. En nuestra variable TIEMPO DE ENSAMBLADO DE ARMADURA.; la distribución de

probabilidad que mejor representa nuestros datos es 23 + GAMMA(9.16, 1.3) presentando el
mínimo error cuadrático de 0.032213, esto queda demostrado por las pruebas de bondad de
ajuste (Chi-cuadrado y K-S), ya que:
PRUEBA CHI
P-value > 0.05

0.005> 0.05 Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > Test estadistico

0.15<0.5 Cumple

4.3.26. Y15: Tiempo de pegado de stiker del logo.

a) Datos
Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 2.083 16 2.000
2 1.700 17 2.083
3 2.517 18 2.067
4 2.283 19 1.683
5 2.633 20 2.450
6 1.333 21 2.983
7 3.117 22 1.350
8 1.417 23 2.917
9 2.917 24 2.883
 10 1.433 25 2.800
11 2.833 26 1.567
12 1.950 27 1.583
13 1.800 28 3.067
14 2.333 29 3.133
15 1.633 30 1.850

b) Tamaño de muestra

Realizamos la determinación de tamaño de muestra Variable Y15

Población
Supuesto infinita
Media muestral 2.21
Varianza muestral 0.359509579
Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual
(e') 8.00%
Z1-/2 1.65
Error máximo permitido (
e) 0.177066667
no 31.21797519
N 1600
no(no-1) 943.3439996
Es N > no(no-1) no
n 30.62053083
Tamaño de muestra 31

Muestra final de los 38 datos de Variable Y15

1 2.083 16 2.000
2 1.700 17 2.083
3 2.517 18 2.067
4 2.283 19 1.683
5 2.633 20 2.450
6 1.333 21 2.983
7 3.117 22 1.350
8 1.417 23 2.917
9 2.917 24 2.883
10 1.433 25 2.800
11 2.833 26 1.567
12 1.950 27 1.583
13 1.800 28 3.067
14 2.333 29 3.133
 15 1.633 30 1.850
31 2.849

c) Análisis estadísticos de datos

Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.

d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION BETA
EXPRESION 1.15 + 2.17 * BETA(1.13, 1.13)
ERROR CUADRADO 0.001291

e) Pruebas de bondad de ajuste

Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta

PRUEBAS DE BONDAD DE AJUSTE

CHI
NUMERO DE INTERVALOS 5
GRADOS DE LIBERTAD 2
TEST STATISTIC 0.203
 p-value 0.75

K-S
TEST STATISTIC 0.0873
p-value 0.15

21. En nuestra variable TIEMPO DE PEGADO DE STIKER DEL LOGO.; la distribución de

probabilidad que mejor representa nuestros datos es 1.15 + 2.17 * BETA(1.13, 1.13)
presentando el mínimo error cuadrático de 0.012, esto queda demostrado por las pruebas de
bondad de ajuste (Chi-cuadrado y K-S), ya que:
PRUEBA CHI
P-value > 0.05

0.75> 0.05 Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > Test estadistico

0.15<0.5 Cumple

4.3.27. X11: Intervalo de llegada hacia el área de soldado

a) Datos
Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 2.117 16 2.667
2 1.483 17 1.583
3 2.433 18 1.767
4 1.833 19 2.000
5 2.317 20 2.300
6 1.533 21 0.950
7 1.350 22 1.900
8 1.883 23 2.183
9 2.117 24 2.433
10 2.433 25 2.100
11 1.100 26 1.100
12 1.450 27 1.750
13 0.900 28 1.133
 14 1.467 29 1.817
15 2.350 30 1.217

b) Tamaño de muestra

Realizamos la determinación de tamaño de muestra Variable X11

Población
Supuesto infinita
Media muestral 1.79
Varianza muestral 0.249010217
Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual
(e') 8.00%
Z1-/2 1.65
Error máximo permitido (
e) 0.143111111
no 33.10078918
N 1600
no(no-1) 1062.561455
Es N > no(no-1) no
n 32.42988004
Tamaño de muestra 33

Muestra final de los 38 datos de Variable X11

1 2.117 16 2.667
2 1.483 17 1.583
3 2.433 18 1.767
4 1.833 19 2.000
5 2.317 20 2.300
6 1.533 21 0.950
7 1.350 22 1.900
8 1.883 23 2.183
9 2.117 24 2.433
10 2.433 25 2.100
11 1.100 26 1.100
12 1.450 27 1.750
13 0.900 28 1.133
14 1.467 29 1.817
15 2.350 30 1.217
31 1.845
32 2.103
33 1.486
c) Análisis estadísticos de datos

Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.

d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION GAMMA
EXPRESION 0.72 + GAMM(0.186, 2.74)
ERROR CUADRADO 0.015269

e) Pruebas de bondad de ajuste

Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta

PRUEBAS DE BONDAD DE AJUSTE

CHI
NUMERO DE INTERVALOS 4
GRADOS DE LIBERTAD 1
TEST STATISTIC 4.32
p-value 0.0398
 K-S
TEST STATISTIC 0.131
p-value 0.15

22. En nuestra variable INTERVALO DE LLEGADA HACIA EL ÁREA DE SOLDADO; la

distribución de probabilidad que mejor representa nuestros datos es 0.72 + GAMM(0.186,
2.74) presentando el mínimo error cuadrático de 0.015, esto queda demostrado por las
pruebas de bondad de ajuste (Chi-cuadrado y K-S), ya que:
PRUEBA CHI
P-value > 0.05

0.0398> 0.05 Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > Test estadistico

0.15<0.5 Cumple

4.3.28. X12: Intervalo de llegada tubo de patas al área de cortado

a) Datos
Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 0.750 16 1.500
2 1.367 17 1.067
3 0.900 18 0.617
4 0.950 19 1.400
5 0.650 20 0.617
6 1.467 21 1.250
7 0.950 22 1.050
8 0.867 23 0.883
9 1.217 24 1.317
10 1.417 25 0.867
11 1.333 26 1.067
12 0.783 27 0.633
13 0.700 28 1.500
14 0.750 29 1.300
15 0.883 30 0.850
 b) Tamaño de muestra

Realizamos la determinación de tamaño de muestra Variable X12

Población
Supuesto infinita
Media muestral 1.03
Varianza muestral 0.086003831
Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual
(e') 8.00%
Z1-/2 1.65
Error máximo permitido (
e) 0.0824
no 34.4850821
N 1600
no(no-1) 1154.735805
Es N > no(no-1) no
n 33.75750073
Tamaño de muestra 34

Muestra final de los 38 datos de Variable X12

1 0.750 16 1.500
2 1.367 17 1.067
3 0.900 18 0.617
4 0.950 19 1.400
5 0.650 20 0.617
6 1.467 21 1.250
7 0.950 22 1.050
8 0.867 23 0.883
9 1.217 24 1.317
10 1.417 25 0.867
11 1.333 26 1.067
12 0.783 27 0.633
13 0.700 28 1.500
14 0.750 29 1.300
15 0.883 30 0.850
31 1.154
32 0.872
33 1.251
34 0.812
 c) Análisis estadísticos de datos

Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.

d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION GAMMA
EXPRESION 0.52 + GAMM(0.186, 2.74)
ERROR CUADRADO 0.015269

e) Pruebas de bondad de ajuste

Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta

PRUEBAS DE BONDAD DE AJUSTE

CHI
NUMERO DE INTERVALOS 4
GRADOS DE LIBERTAD 1
TEST STATISTIC 4.32
p-value 0.0398
 K-S
TEST STATISTIC 0.131
p-value 0.15

23. En nuestra variable INTERVALO DE LLEGADA TUBO DE PATAS AL ÁREA DE

CORTADO; la distribución de probabilidad que mejor representa nuestros datos es 0.52 +
GAMM(0.186, 2.74) presentando el mínimo error cuadrático de 0.015, esto queda
demostrado por las pruebas de bondad de ajuste (Chi-cuadrado y K-S), ya que:
PRUEBA CHI
P-value > 0.05

0.0398> 0.05 Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > Test estadistico

0.15<0.5 Cumple

4.3.29. Y17: Tiempo de cortado de tubo

a) Datos
Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 8.200 16 11.367
2 7.383 17 8.217
3 9.667 18 13.033
4 9.600 19 8.400
5 7.033 20 9.417
6 11.850 21 9.100
7 7.650 22 12.433
8 9.617 23 7.983
9 6.883 24 13.317
10 7.100 25 6.950
11 6.833 26 13.250
12 11.683 27 12.717
13 7.800 28 7.283
14 11.700 29 10.033
15 7.933 30 8.300
 b) Tamaño de muestra

Realizamos la determinación de tamaño de muestra Variable Y17

Población
Supuesto infinita
Media muestral 9.42
Varianza muestral 4.750473819
Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual
(e') 8.00%
Z1-/2 1.65
Error máximo permitido (
e) 0.753955556
no 22.75167241
N 1600
no(no-1) 494.8869252
Es N > no(no-1) no
n 22.43268424
Tamaño de muestra 23

Muestra final de los 38 datos de Variable Y17

1 8.200 16 11.367
2 7.383 17 8.217
3 9.667 18 13.033
4 9.600 19 8.400
5 7.033 20 9.417
6 11.850 21 9.100
7 7.650 22 12.433
8 9.617 23 7.983
9 6.883
10 7.100
11 6.833
12 11.683
13 7.800
14 11.700
15 7.933

c) Análisis estadísticos de datos

Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.

d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION Beta
EXPRESION 6.21 + 7.45 * BETA(0.997, 1.51)
ERROR CUADRADO 0.005085

e) Pruebas de bondad de ajuste

Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta

PRUEBAS DE BONDAD DE AJUSTE

CHI
NUMERO DE INTERVALOS 3
GRADOS DE LIBERTAD 0
TEST STATISTIC 0.398
p-value 0.005

K-S
TEST STATISTIC 0.126
p-value 0.15
24. En nuestra variable TIEMPO DE CORTADO DE TUBO; la distribución de probabilidad
que mejor representa nuestros datos es 6.21 + 7.45 * BETA(0.997, 1.51) presentando el
mínimo error cuadrático de 0.005, esto queda demostrado por las pruebas de bondad de
ajuste (Chi-cuadrado y K-S), ya que:
PRUEBA CHI
P-value > 0.05

0.005 > 0.05 No Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > Test estadistico

0.15<0.5 Cumple

4.3.30. X13: Intervalo de llegada de tubo de patas al área de soldado

a) Datos
Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 0.861 16 0.587
2 1.184 17 0.917
3 1.317 18 0.698
4 1.383 19 1.283
5 1.100 20 0.900
6 0.950 21 0.983
7 0.933 22 1.067
8 1.038 23 1.117
9 1.125 24 1.547
10 1.217 25 1.133
11 0.583 26 1.250
12 1.167 27 1.267
13 1.233 28 1.083
14 1.017 29 0.617
15 0.529 30 0.783

b) Tamaño de muestra

Realizamos la determinación de tamaño de muestra Variable X13

 Población
Supuesto infinita
Media muestral 1.03
Varianza muestral 0.064243295
Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual
(e') 8.00%
Z1-/2 1.65
Error máximo permitido (
e) 0.082318222
no 25.81093442
N 1600
no(no-1) 640.3934011
Es N > no(no-1) no
n 25.40116701
Tamaño de muestra 26

Muestra final de los 38 datos de Variable X13

1 0.861 16 0.587
2 1.184 17 0.917
3 1.317 18 0.698
4 1.383 19 1.283
5 1.100 20 0.900
6 0.950 21 0.983
7 0.933 22 1.067
8 1.038 23 1.117
9 1.125 24 1.547
10 1.217 25 1.133
11 0.583 26 1.250
12 1.167
13 1.233
14 1.017
15 0.529

c) Análisis estadísticos de datos

 Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.

d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION NORMAL
EXPRESION NORM(1.04, 0.246)
ERROR CUADRADO 0.023290

e) Pruebas de bondad de ajuste

Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta

PRUEBAS DE BONDAD DE AJUSTE

CHI
NUMERO DE INTERVALOS 3
GRADOS DE LIBERTAD 0
TEST STATISTIC 0.883
p-value 0.005

K-S
TEST STATISTIC 0.0898
 p-value 0.15

25. En nuestra variable INTERVALO DE LLEGADA DE TUBO DE PATAS AL ÁREA DE

SOLDADO; la distribución de probabilidad que mejor representa nuestros datos es NORM
(1.04, 0.246) presentando el mínimo error cuadrático de 0.023, esto queda demostrado por
las pruebas de bondad de ajuste (Chi-cuadrado y K-S), ya que:
PRUEBA CHI
P-value > 0.05

0.005 > 0.05 No Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > Test estadistico

0.15<0.5 Cumple

4.3.31. Y18: Tiempo de soldado de tubos al tanque

a) Datos
Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 13,667 16 22,200
2 19,617 17 24,583
3 27,883 18 26,017
4 17,417 19 19,367
5 16,200 20 27,450
6 21,733 21 25,733
7 20,650 22 14,550
8 20,983 23 24,950
9 21,183 24 14,267
10 17,817 25 20,750
11 20,917 26 27,950
12 25,067 27 27,817
13 13,400 28 16,633
14 13,583 29 23,450
15 14,050 30 14,250

b) Tamaño de muestra
Realizamos la determinación de tamaño de muestra Variable X14

Población
Supuesto infinita
Media muestral 20,47
Varianza muestral 23,90109068
Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual
(e') 8,00%
Z1-/2 1,65
Error máximo permitido (
e) 1,637688889
no 24,26178797
N 1600
no(no-1) 564,3725674
Es N > no(no-1) no
n 23,89938681
Tamaño de muestra 24

Muestra final de los 38 datos de Variable Y18

1 13,667 16 22,200
2 19,617 17 24,583
3 27,883 18 26,017
4 17,417 19 19,367
5 16,200 20 27,450
6 21,733 21 25,733
7 20,650 22 14,550
8 20,983 23 24,950
9 21,183 24 14,267
10 17,817
11 20,917
12 25,067
13 13,400
14 13,583
15 14,050

c) Análisis estadísticos de datos

Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.
 d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION UNIFORM
EXPRESION UNIF(13, 28)
ERROR CUADRADO 0.022222

e) Pruebas de bondad de ajuste

Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta

PRUEBAS DE BONDAD DE AJUSTE

CHI
NUMERO DE INTERVALOS 2
GRADOS DE LIBERTAD 1
TEST STATISTIC 0.0792
p-value 0.75

K-S
TEST STATISTIC 0.147
p-value 0.15

26. En nuestra variable TIEMPO DE SOLDADO DE TUBOS AL TANQUE; la distribución de

probabilidad que mejor representa nuestros datos es UNIF(13, 28) presentando el mínimo
error cuadrático de 0.02222, esto queda demostrado por las pruebas de bondad de ajuste
(Chi-cuadrado y K-S), ya que:
PRUEBA CHI
P-value > 0.05

0.75 > 0.05 Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > Test estadistico

0.15<0.5 Cumple

4.3.32. X14: Intervalo de llegada de tanque al almacén.

a) Datos
Se muestran los 30 datos iniciales de la muestra piloto para la variable y las hojas restantes
contienen los tiempos tomados para la nueva n de cada variable.

1 3,689 16 3,367
2 3,568 17 2,683
3 2,068 18 2,627
4 3,414 19 2,465
5 3,389 20 4,383
6 2,724 21 4,217
7 2,267 22 2,034
8 2,568 23 2,134
9 2,365 24 2,287
10 2,989 25 2,163
11 2,833 26 4,248
12 2,233 27 2,317
13 3,400 28 2,157
14 2,645 29 3,533
15 3,578 30 3,128

b) Tamaño de muestra

Realizamos la determinación de tamaño de muestra Variable X14

Población
Supuesto infinita
Media muestral 2,92
Varianza muestral 0,489548812
 Nivel de significancia ( 10%
Nivel de confianza (1-α) 90%
Máximo error porcentual
(e') 8,00%
Z1-/2 1,65
Error máximo permitido (
e) 0,233261609
no 24,49499502
N 1600
no(no-1) 575,5097862
Es N > no(no-1) no
n 24,12564653
Tamaño de muestra 25

Muestra final de los 38 datos de Variable X7

1 3,689 16 3,367
2 3,568 17 2,683
3 2,068 18 2,627
4 3,414 19 2,465
5 3,389 20 4,383
6 2,724 21 4,217
7 2,267 22 2,034
8 2,568 23 2,134
9 2,365 24 2,287
10 2,989 25 2,163
11 2,833
12 2,233
13 3,400
14 2,645
15 3,578
c) Análisis estadísticos de datos
Para el análisis estadístico de cada variable del estudio se utilizó la herramienta INPUT
ANALIZER del software Arena.

d) Distribuciones de Probabilidad
DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION TRIANGULAR
EXPRESION TRIA(2, 2.03, 4.62)
ERROR CUADRADO 0.003353

e) Pruebas de bondad de ajuste

Ho: Los datos siguen una distribución
Hi: La variable aleatoria no se ajusta

PRUEBAS DE BONDAD DE AJUSTE

CHI
NUMERO DE INTERVALOS 3
GRADOS DE LIBERTAD 1
TEST STATISTIC 0.00705
p-value 0.75

K-S
TEST STATISTIC 0.129
 p-value 0.15

27. En nuestra variable INTERVALO DE LLEGADA DE TANQUE AL ALMACÉN; la

distribución de probabilidad que mejor representa nuestros datos es TRIA (2, 2.03, 4.62)
presentando el mínimo error cuadrático de 0.003353, esto queda demostrado por las
pruebas de bondad de ajuste (Chi-cuadrado y K-S), ya que:
PRUEBA CHI
P-value > 0.05

0.75 > 0.05 Cumple

PRUEBA KOLMOGOROV-SMIRNOV

p-value > Test estadistico

0.15<0.5 Cumple
28. RESUMEN DE ANALISIS ESTADISTICO DE LAS VARIABLES EXOGENAS

CHI CUADRADO KS
VARIABLE n DISTRIBUCION DE PROBABILIDAD Test Statistic p-value Test Statistic p-value
X1 42 1.44 + GAMM(0.628, 2.33) 4.22 0.132 0.132 0.15
Y1 34 TRIA(0.68, 1.59, 2.85) 4.34 0.0394 0.131 0.15
Y2 35 1 + WEIB(1.21, 1.95) 0.558 0.47 0.102 0.15
X2 34 1.03 + 1.97 * BETA(0.925, 0.733) 1.58 0.464 0.0886 0.15
Y3 23 11 + 13 * BETA(0.856, 0.995) 1.64 0.145 0.093 0.15
Y4 22 11 + 14 * BETA(0.868, 1.1) 1.85 0.124 0.108 0.15
X3 32 30 + EXPO(12.5) 0.491 0.49 0.0894 0.15
Y5 24 34 + WEIB(18.6, 1.27) 1.13 0.005 0.0957 0.15
X4 35 0.64 + 2.69 * BETA(1.93, 1.46) 1.47 0.2234 0.115 0.15
Y6 41 18 + 56 * BETA(1.38, 1.15) 0.144 0.75 0.112 0.15
Y7 31 17 + 25 * BETA(0.842, 0.739) 4.21 0.132 0.142 0.15
X5 40 UNIF(0.4, 1.55) 1.1 0.75 0.087 0.15
Y8 31 1.44 + LOGN(1.59, 1.11) 2.37 0.005 0.108 0.15
X6 45 1.44 + GAMM(0.483, 3.18) 1.26 0.0897 0.0897 0.15
Y9 25 1.44 + 3.07 * BETA(1.57, 1.09) 0.578 0.465 0.153 0.15
X7 38 0.42 + 1.13 * BETA(1.4, 1.55) 3.39 0.2 0.0938 0.15
Y10 21 3 + 3.43*BETA(0.608, 0756) 0.656 0.005 0.167 0.15
Y11 22 UNIF(4, 8.96) 0.436 0.513 0.153 0.15
X8 36 TRIA (1, 2.17, 3.81) 8.4 0.0167 0.153 0.15
Y12 30 10 + 13*BETA(0.585, 0.886) 3.52 0.005 0.103 0.15
X9 36 0.68 + WEIB(1.31, 1.87) 0.664 0.44 0.114 0.15
Y13 37 TRIA (0.3, 3.05, 8) 1.08 0.75 0.0831 0.15
Y14 37 9 + 16*BETA(1.07, 1.14) 3 1.87 0.111 0.15
X10 38 0.41 + 1.19*BETA(1.62, 1.52) 2.9 0.0916 0.12 0.15
Y15 26 0.15
Y16 31 0.15
X11 33 0.15
X12 34 0.15
Y18 23 0.15
X12 26 0.15
Y19 24 0.15
X14 25 0.15
 5. BIBLIOGRAFIA

Espinoza, P. ; Alexis, M. (2012) Aplicación de herramientas de lean manufacturing en las líneas

de envasado de una planta envasadora de lubricantes.Lima: PUCP pp.58

Recuperado de:
http://tesis.pucp.edu.pe/repositorio/bitstream/handle/20.500.12404/5001/BALUIS_CARLOS_O
PTIMIZACION_PROCESOS_FABRICACION_TERMAS_ELECTRICAS_LEAN_MANUFA
CTURING.pdf?sequence=1&isAllowed=y