UNIVERSIDAD PRIVADA ANTENOR ORREGO

FACULTAD DE INGENIERIA

ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL

PROYECTO:

SIMULACION DEL TIEMPO DE ATENCION EN EL RESTAURANTE

TORO MARINO

 CACERES CHAMORRO, ALDO

ASESOR: Dr. Terrones Romero Julio Milto

TRUJILLO, NOVIEMBRE DE 2019

 INDICE

CAPITULO I: PRESENTACIÓN DE LA EMPRESA Y REALIDAD PROBLEMÁTICA 3

1.1. Reseña de la Empresa 3

1.2. Datos Generales 3

1.3. Misión 3

1.4. Visión 4

1.5. Organigrama 4

1.6. Realidad Problemática 4

CAPITULO II: DEFINICIÓN DE LA VARIABLE DE INTERÉS Y DIAGRAMA DEL

PROCESO 5

2.1. Variables del proyecto 5

2.2. Objetivos 5

2.3. Análisis del Sistemas de Atención al Cliente 5

a) Entidades Entrantes 5

b) Controles 5

c) Recursos 5

d) Actividades 6

e) Localización 6

f) Atributos 6

g) Variables 6

h) Entidades Salientes 6

2.4. Diagrama de procesos 6

2.5. Diagrama de flujo 7

CAPITULO III: CÁLCULO DE TAMAÑO DE MUESTRA Y DETERMINACIÓN DE

DISTRIBUCIÓN DE PROBABILIDAD DE LAS ACTIVIDADES 7

3.1. Muestra piloto 7

3.2. Calculo del Tamaño de Muestra de los Procesos 8

3.2.1. Muestra del Procesos de Recepción del Pedido 9

3.2.2. Muestra del Proceso de Preparación del Plato 10

3.2.3. Muestreo del Proceso de Entrega del Pedido 11

1
3.3. Análisis de los Tamaños de Muestra 11

3.4. Toma de los nuevos datos según el Tamaño de Muestra 12

3.5. Análisis de la distribución por cada Proceso 13

3.5.1. Análisis de la distribución del Proceso de Recepción del Pedido 14

3.5.2. Análisis de la distribución del Proceso de Preparación del Plato 16

3.5.3. Análisis de la distribución del Proceso de Entrega del Pedido 18

CAPITULO IV: GENERACIÓN Y PRUEBAS DE LOS NÚMEROS

PSEUDOALEATORIOS 20

4.1. Generación de Pseudoaleatorio para el Proceso de Recepción del Pedido 20

4.2. Generación de Pseudoaleatorio para el Proceso de Preparación del Plato 24

4.3. Generación de Pseudoaleatorio para el Proceso de Entrega del Pedido 28

4.4. Generación de Pseudoaleatorios para Monte Carlo 33

CAPITULO V: GENERACIÓN DE VARIABLES ALEATORIA 37

5.1. Generación de Variables Aleatorias del Proceso de Recepción del Pedido 37

5.2. Generación de Variables Aleatorias del Proceso de Preparación del Plato 39

5.3. Generación de Variables Aleatorias del Proceso de Entrega del Pedido 41

CAPITULO VI: SIMULACION MONTE CARLO 44

CAPITULO VII: INTERPRETACION DE LA SIMULACION 49

ANEXO 50

2
CAPITULO I: PRESENTACIÓN DE LA EMPRESA Y REALIDAD
PROBLEMÁTICA

1.1. Reseña de la Empresa

La Cevichería Toro Mario empezó en el año 2013 con representada por la pareja
de esposos Andrés Arturo Ore Córdova y Rut Noemí Rubio Bernuy donde se
encontraba inicialmente frente a la Universidad Privada del Norte, cuya
población especifica radicaba en los universitarios donde ofrecían menús para
los estudiantes. Al ver que el restaurante no crecía por la baja demanda y los
precios cómodos que daban para competir en la zona decidieron salir a la Av.
Metropolitana, donde actualmente se encuentra ubicada. Hoy en dia la empresa
tiene idea de expandirse, pero antes deben dejar la actual empresa en un buen
funcionamiento y que sea auto sostenible.

1.2. Datos generales

 Razón social: Cevichera Toro Marino
 RUC: 10806226331
 Dueños: Andrés Arturo Ore Córdova / Rut Noemí Rubio Bernuy
 Dirección: Av. Metropolitana Mz. J Lote 10 – Urb. San Isidro II Etapa
 Años de Actividad: 2013-2019 (6 años)
 Ciudad / Departamento: Trujillo – La Libertad

1.3. Misión
La misión de la empresa Toro Marino es brindar a nuestros clientes y público en
general un servicio diferencial que le haga sentir importante. Llegar al
consumidor con una gran variedad de productos distribuidos con compromiso,
dedicación y una amplia experiencia de nuestros trabajadores que logran
satisfacer y superar las expectativas de nuestros clientes.

3
1.4. Visión
Al año 2024…
La visión de Toro Marino es ser la empresa líder en el rubro de gastronomía
marina sobresaliente en la innovación, eficiencia y eficacia con respecto al uso
de sus recursos.

1.5. Organigrama

1.6. Realidad problemática

Debido a la insatisfacción de los clientes de la Cevichería Toro Marino, en la
demora de atención de su plato principal “ceviche de marucha”. La empresa nos
permitió realizar el análisis correspondiente para simular el comportamiento del
tiempo de demora de las futuras atenciones y verificar como es que se estará
desarrollando. Puesto que este problema le está generando una mala
reputación en la atención de sus clientes.

4
CAPITULO II: DEFINICIÓN DE LA VARIABLE DE INTERÉS Y DIAGRAMA DEL
PROCESO

2.1. Variables del proyecto

 Variable Dependiente: Simulación

 Variable Independiente: Tiempo de atención

2.2. Objetivos
 Objetivo general: Desarrollar la simulación del tiempo de atención del
plato ceviche de marucha en la Cevicheria Toro Marino.
 Objetivos Específicos:
o Identificar el tamaño de muestra necesaria para la simulación
o Determinar el tipo de distribución que presentan los datos
o Generar los pseudoaleatorios correspondientes a cada
distribución
o Calcular las variables aleatorias para el método Monte Carlo
o Resolver e interpretar el método Monte Carlo

2.3. Análisis del sistema de Atención al cliente

a) Entidades de Entrada:
 Cliente
 Mesero
 Mesa
b) Controles:
 Supervisión diaria del dueño para ver cómo está el servicio
c) Recursos:
 Mesas
 Mesero
 Carta
 Block de pedidos
 Lapicero
 Sillas

5
 d) Actividades:
 Ir a la mesa a tomar el pedido
 Tomar el pedido del cliente
 Llevar el pedido a la cocina
 Preparar el plato
 Llevar el lato a la mesa del cliente
 Servir el plato
e) Localización:
 Restaurante Toro Marino
f) Atributos:
 Cantidad
 Variedad
g) Variables:
 Tiempo de tomar el pedido
 Tiempo de preparar el plato
 Tiempo de servir la comida
 Cantidad de platos a pedir
 Costo de los platos
h) Entidad Saliente:
 Cliente atendido
2.4. Diagrama de procesos

En el diagrama de procesos podemos observar que separamos 3 estaciones o

procesos que consideramos para este proyecto.

6
  P1: Recepción del pedido
 P2: Preparación del plato
 P3: Entrega del pedido

2.5. Diagrama de flujo

CAPITULO III: CÁLCULO DE TAMAÑO DE MUESTRA Y DETERMINACIÓN DE

DISTRIBUCIÓN DE PROBABILIDAD DE LAS ACTIVIDADES

3.1. Muestra piloto

En esta parte tomamos una muestra piloto de 16 tiempos de atención en

segundos, separados en los 3 procesos ya mencionados (Recepción del pedido,
Preparación del plato y Entrega del pedido), con la intención de poder
determinar después la mínima muestra que se deberá tomar para este proyecto
de simulación. Cabe recalcar que si para medir estos tiempos usamos la ayuda
del cronometro del celular.

7
 PROCESOS
TIEMPO PREPARACION DEL ENTREGA DEL
RECEPCION DEL PEDIDO
PLATO PEDIDO
T1 32.45 464.34 10.54
T2 38.69 447.07 12.34
T3 33.23 620.78 12.12
T4 42.87 642.72 10.19
T5 28.09 443.98 12.94
T6 31.48 613.16 12.17
T7 28.65 480.31 12.37
T8 38.15 531.07 11.07
T9 38.32 445.87 10.49
T10 40.73 420.38 12.87
T11 33.27 644.76 10.28
T12 28.09 571.12 11.94
T13 42.47 501.8 12.42
T14 30.82 670.14 11.33
T15 34.37 490.53 12.34
T16 41.76 527.37 10.71

Según los datos tomados procederemos a realizar los respectivos cálculos para
determinar las muestras mínimas de cada proceso.

3.2. Calculo del Tamaño de Muestra de los Procesos

En la siguiente tabla se mostrará los tiempos de la muestra piloto y sus
respectivos datos para la elaboración de tamaño de muestra según el método
de la T de student por no conocer la desviación poblacional y tener una muestra
menor a 30.

8
3.2.1. Muestreo del Proceso de Recepción del Pedido

Según los cálculos del tamaño de muestra en el proceso de Recepción de

Pedido, nos indica que la mínima cantidad de datos que se debe tomar como
muestra es de 54 y que a partir de ahí se debería de realizar el análisis.

9
3.2.2. Muestreo del Proceso de Preparación del Plato

Después de realizar los cálculos del tamaño de muestra en el proceso de

Preparación del Plato, se determinó que la mínima cantidad de datos para la
muestra seria de 61 y que a partir de ahí se debería de optar para el proyecto

10
 3.2.3. Muestreo del Proceso de Entrega del Pedido

Una vez realizado los cálculos del tamaño de muestra en el Proceso de Entrega
del Pedido, se determinó que la mínima cantidad de datos que se debería de
tomar para este proceso es de 17.

3.3. Análisis de los Tamaños de Muestra

Una vez determinado el tamaño de muestra de cada proceso, procedemos a

realizar una tabla de comparación para así verificar el mayor tamaño de muestra
y tomarlo como referencia para los procesos

11
Después de comparar todos los tamaños de muestras de los procesos, podemos
observar que el proceso de Preparación del Plato posee la muestra mayor de 61;
esto nos indica que lo recomendable es de que todos los procesos tengan el mismo
tamaño de muestra para que estén estables.

3.4. Toma de los nuevos datos según el Tamaño de Muestra

Después de calcular el tamaño muestra por medio de la t de student procedemos

a tomar nuevos datos, como se indica en la tabla.

PROCESOS
N°
RECEPCION DEL PEDIDO PREPARACION DEL PLATO ENTREGA DEL PEDIDO
1 47.84 626.67 13.12
2 46.27 504.56 14.42
3 45.96 616.63 13.79
4 41.87 552.18 15.91
5 49.1 457.37 14.4
6 42.5 666.83 12.92
7 37.16 495.56 14.73
8 48.16 518.29 14.49
9 50.36 606.08 14.68
10 38.73 481.5 14.66
11 48.47 527.4 12.52
12 34.33 545.67 13.85
13 31.5 560.82 12.53
14 34.96 451.1 14.12
15 39.67 552.27 13.25
16 40.61 490.7 15.93
17 32.76 618.64 14.11
18 51.3 667.07 14.11
19 50.99 540.97 15.67
20 46.9 548.53 15.28
21 34.01 643.86 12.03
22 47.53 581.47 13.29
23 42.19 549.54 15.97
24 42.57 464.79 15.31
25 35.27 593.16 12.04
26 43.76 566.58 15.69
27 33.39 527.91 13.55
28 39.36 451.05 12.27
29 36.53 608.86 12.72
30 39.99 562.11 14.26
31 44.7 630.19 12.92
32 45.64 645.34 14.99
33 37.79 639.08 14.51

12
 34 36.21 551.75 13.93
35 35.9 568.64 14.91
36 31.81 485.36 12.75
37 39.04 667.33 14.34
38 32.44 538.77 13.36
39 47.21 536.97 12.85
40 43.21 641.93 13.41
41 40.3 558.62 12.18
42 48.79 578.4 13.57
43 38.41 486.43 14.69
44 44.39 466.9 13.26
45 41.56 544.01 13.84
46 45.01 480.07 14.74
47 49.73 636.23 12.28
48 50.67 468.22 14.79
49 42.81 478.47 15.99
50 47.53 645.76 13.53
51 42.19 596.65 14.19
52 33.07 584.99 15.55
53 35.27 670.81 15.11
54 43.76 530.36 14.42
55 33.39 453.15 14.55
56 39.36 570.28 14.55
57 36.53 509.64 12.33
58 39.99 656.45 13.42
59 44.7 453.49 13.78
60 45.64 593.52 13.64
61 37.79 612.61 15.38

Con estos nuevos datos medidos podremos desarrollar la simulación que

deseamos obtener.

3.5. Análisis de la distribución por cada proceso

Después de tener los 61 datos pasaremos a analizarlos para determinar si
realmente son aceptables para usarlos en la simulación.

13
 3.5.1. Análisis de la distribución del Proceso de Recepción del pedido

Según los tiempos medidos hacemos los análisis para poder determinar los
datos que usaremos para realizar los cálculos correspondientes y confirmar si
los tiempos medidos son aceptables para la simulación.

según los datos generados deberíamos tener 8 intervalos, pero usaremos 10 para
precisar mejor la distribución.

Meteremos los tiempos de nuestra muestra en el software Arena para poder

determinar qué tipo de distribución poseen, con el tamaño de intervalos que
usaremos.

Podemos observar que el software nos indica que la mejor distribución es

Uniforme Continua. Por ello pasaremos a la demostración de la prueba de
Kolgomorov – Smirnov para determinar si nuestros datos son aceptables para la
simulación.

14
Podemos observar que según la prueba de Kolgomorov – Smirnov, según su
factor crítico de la tabla en un NS de 10% se puede tomar los datos para la
simulación. Podemos verificar también que la gráfica de distribución realiza es
semejante a la que nos proporciona el software Arena.

DIAGRAMA DE DISTRIBUCION DEL

PROCESO DE RECEPCION DE PEDIDO
9
8
7
6
5
4
3
2
1
0
1 2 3 4 5 6 7 8 9 10

15
 3.5.2. Análisis de la distribución del Proceso de Preparación del Plato

Según los tiempos medidos hacemos los análisis para poder determinar los
datos que usaremos para realizar los cálculos correspondientes y confirmar si
los tiempos medidos son aceptables para la simulación.

según los datos generados deberíamos tener 8 intervalos, pero usaremos 10 para
precisar mejor la distribución.

Meteremos los tiempos de nuestra muestra en el software Arena para poder

determinar qué tipo de distribución poseen, con el tamaño de intervalos que
usaremos

Podemos observar que el software nos indica que la mejor distribución es Beta
pero optaremos por trabajar con la segunda opción que es Uniforme Continua, por

16
el hecho de que el error es mínimo. Por ello pasaremos a la demostración de la
prueba de Kolgomorov – Smirnov para determinar si nuestros datos son

aceptables para la simulación.

Podemos observar que según la prueba de Kolgomorov – Smirnov, según su

factor crítico de la tabla en un NS de 10% se puede tomar los datos para la

DIAGRAMA DE DISTRIBUCION DEL

PROCESO DE PREPARACION DEL
PLATO
12

10

0
1 2 3 4 5 6 7 8 9 10

17
 simulación. Podemos verificar también que la gráfica de distribución realiza es
semejante a la que nos proporciona el software Arena.

3.5.3. Análisis de la distribución del Proceso de Entrega del Pedido

Según los tiempos medidos hacemos los análisis para poder determinar los
datos que usaremos para realizar los cálculos correspondientes y confirmar si
los tiempos medidos son aceptables para la simulación.

según los datos generados deberíamos tener 8 intervalos, pero usaremos 10 para
precisar mejor la distribución.

Meteremos los tiempos de nuestra muestra en el software Arena para poder

determinar qué tipo de distribución poseen, con el tamaño de intervalos que
usaremos

18
 Podemos observar que el software nos indica que la mejor distribución es Beta
pero optaremos por trabajar con la segunda opción que es Uniforme Continua, por
el hecho de que el error es mínimo. Por ello pasaremos a la demostración de la

prueba de Kolgomorov – Smirnov para determinar si nuestros datos son

aceptables para la simulación.

Podemos observar que según la prueba de Kolgomorov – Smirnov, según su factor

crítico de la tabla en un NS de 10% se puede tomar los datos para la simulación.

DIAGRAMA DE DISTRIBUCION DEL

PROCESO DE ENTREGA DEL PEDIDO
12

10

0
1 2 3 4 5 6 7 8 9 10

19
Podemos verificar también que la gráfica de distribución realiza es semejante a la
que nos proporciona el software Arena.

Finalmente podemos concluir que los datos medidos en muestra son aceptables
para el proceso de simulación. Y con esta ayuda del Software Arena sabemos con
mayor exactitud qué tipo de distribución posee. Además, nos permitirá determinar
que formula de variables aleatorias usaremos y con ello veremos cuantos ri
usaremos

CAPITULO IV: GENERACIÓN Y PRUEBAS DE LOS NÚMEROS

PSEUDOALEATORIOS

En este capítulo se generará los pseudoaleatorios correspondiente para cada

proceso y para Monte Carlo con la intención de que cumplan las cantidades de ri
que requieren y que pasen todas las pruebas que se estudió en clase

4.1. Generación de Pseudoaleatorios para el Proceso de Recepción de

Pedido

Para este primer proceso usamos la generación de pseudoaleatorio por el

Algoritmo Lineal Optimizado. Por ello pasaremos a mostrar las formulas
correspondientes a dicho Algoritmo.

Luego pondremos los criterios que creamos convenientes.

20
Después pasamos a la generación de los 61 ri correspondientes

i Xi ri Promedio PROMEDIO MOVIL CO

1 103 0.81102 0.50819672 1
2 80 0.62992 0.50819672 0.72047 1
3 89 0.70079 0.50819672 0.71391 1
4 2 0.01575 0.50819672 0.53937 2
5 75 0.59055 0.50819672 0.549606 3
6 52 0.40945 0.50819672 0.526246667 4
7 61 0.48031 0.50819672 0.519684286 4
8 102 0.80315 0.50819672 0.5551175 5
9 47 0.37008 0.50819672 0.534557778 6
10 24 0.18898 0.50819672 0.5 6
11 33 0.25984 0.50819672 0.478167273 6
12 74 0.58268 0.50819672 0.486876667 7
13 19 0.14961 0.50819672 0.460933077 8
14 124 0.97638 0.50819672 0.497750714 9
15 5 0.03937 0.50819672 0.467192 10
16 46 0.3622 0.50819672 0.46063 10
17 119 0.93701 0.50819672 0.488652353 11
18 96 0.75591 0.50819672 0.5035 11
19 105 0.82677 0.50819672 0.520514211 11
20 18 0.14173 0.50819672 0.501575 12
21 91 0.71654 0.50819672 0.511811429 13
22 68 0.53543 0.50819672 0.512885 13
23 77 0.6063 0.50819672 0.516946522 13
24 118 0.92913 0.50819672 0.534120833 13
25 63 0.49606 0.50819672 0.5325984 14
26 40 0.31496 0.50819672 0.524227692 14
27 49 0.38583 0.50819672 0.519101852 14
28 90 0.70866 0.50819672 0.525871786 15
29 35 0.27559 0.50819672 0.517241379 16
30 12 0.09449 0.50819672 0.503149667 16
31 21 0.16535 0.50819672 0.492252903 16
32 62 0.48819 0.50819672 0.492125938 16
33 7 0.05512 0.50819672 0.478883333 16
34 112 0.88189 0.50819672 0.490736471 17
35 121 0.95276 0.50819672 0.503937143 17
36 34 0.26772 0.50819672 0.497375556 18
37 107 0.84252 0.50819672 0.506703784 19
38 84 0.66142 0.50819672 0.510775263 19
39 93 0.73228 0.50819672 0.516454872 19
40 6 0.04724 0.50819672 0.5047245 20
41 79 0.62205 0.50819672 0.507586098 21
42 56 0.44094 0.50819672 0.505999286 22
43 65 0.51181 0.50819672 0.506134419 23
44 106 0.83465 0.50819672 0.513600682 23

21
 45 51 0.40157 0.50819672 0.511111111 24
46 28 0.22047 0.50819672 0.504792826 24
47 37 0.29134 0.50819672 0.500251277 24
48 78 0.61417 0.50819672 0.502624583 25
49 23 0.1811 0.50819672 0.496062857 26
50 0 0 0.50819672 0.4861416 26
51 9 0.07087 0.50819672 0.47799902 26
52 50 0.3937 0.50819672 0.476377885 26
53 123 0.9685 0.50819672 0.485663208 27
54 100 0.7874 0.50819672 0.491250926 27
55 109 0.85827 0.50819672 0.497924 27
56 22 0.17323 0.50819672 0.492125893 28
57 95 0.74803 0.50819672 0.496615439 29
58 72 0.56693 0.50819672 0.497827759 29
59 81 0.6378 0.50819672 0.500200169 29
60 122 0.96063 0.50819672 0.507874 29
61 67 0.52756 0.50819672 0.508196721 29

Una vez generado los 61 ri verificamos su comportamiento de estacionalidad

Con esta grafica de estabilidad, nos demuestra que los ri se mantienen muy
cerca al promedio. Pasaremos a las 4 pruebas de aceptación para determinar si
los 61 ri son aceptados para la simulación.

22
 PRUEBA DE PSEUDOALEATORIO
PRUEBA DE MEDIAS
NC 95% NS 5%
DATOS
n 61 α 0.05
Z 1.64485363 α/2 0.025
CALCULO PARA LOS LIMITES
LIMITE SUPERIOR 0.560795539
CENTRAR (MEDIA) 0.508196721
LIMITEINFERIOR 0.439204461
Interpretación
Se acepta los pseudoaleatorios porque la media se encuentra
entre los limites deseados
PRUBA DE VARIANZA
NC 95% NS 5%
DATOS
n 61 α 0.05
α/2 0.025 (1-α)/2 0.475
CHI-CUADRADO 83.2976749 60.0197456
CALCULO DE LIMITES
LIMITE SUPERIOR 0.115691215
CENTRAR (VARIANZA) 0.084453693
LIMITEINFERIOR 0.083360758
Interpretación
Se acepta los pseudoaleatorios porque su varianza se
encuentra entre los limites deseados
PRUEBA DE UNIFORMIDAD CHI-CUADRADO
DATOS
MAX 0.97638 m 7
MIN 0 AMPLITUD 0.13948
n 61
INTERVALOS Oi Ei (Ei-Oi)^2/Ei
0 0.13948 7 8.71428571 0.337236534
0.13948 0.27896 10 8.71428571 0.18969555
0.27896 0.41844 8 8.71428571 0.058548009
0.41844 0.55792 7 8.71428571 0.337236534
0.55792 0.6974 9 8.71428571 0.009367681
0.6974 0.83688 11 8.71428571 0.599531616
0.83688 0.97639 9 8.71428571 0.009367681

23
 1.540983607
COMPARACION
CHI-CUADRADO 12.5915872 ESTADISTICO 1.54098361
Interpretación
Si pasa la prueba de Chi-Cuadrado porque el valor estadistico
es menor al de la distribucion de la tabla
PRUEBA DE INDEPENDENCIA CORRIDA ARRIBA Y ABAJO
DATOS
n0 29 CO 29
n1 32 n 61
CALCULOS
Uco 30.9262295 ơ²co 14.9221535
Zo -0.49864593
COMPARACION
-Zα Zo Zα
-1.644853627 -0.49864593 1.644853627
Interpretación
Si pasa la prueba Independencia (Corrida Arriba y Abajo)
porque el Zo está entre los límites de la Z con un NC de 95%

Al verificar que mis pseudoaleatorios pasan las 4 pruebas, podemos concluir que
son aceptables para usar.

4.2. Generación de Pseudoaleatorios para el Proceso de Recepción de

Pedido

Para este primer proceso usamos la generación de pseudoaleatorio por el

Algoritmo Multiplicativo Optimizado. Por ello pasaremos a mostrar las formulas
correspondientes a dicho Algoritmo.

24
Luego pondremos los criterios que creamos convenientes.

Después pasamos a la generación de los 61 ri correspondientes

i Xi ri Promedio PROMEDIO MOVIL Co

1 17 0.033268 0.50819672 1
2 491 0.960861 0.50819672 0.4970645 2
3 297 0.581213 0.50819672 0.525114 2
4 115 0.225049 0.50819672 0.45009775 3
5 129 0.252446 0.50819672 0.4105674 3
6 443 0.866928 0.50819672 0.4866275 4
7 25 0.048924 0.50819672 0.424098429 5
8 451 0.882583 0.50819672 0.481409 6
9 497 0.972603 0.50819672 0.535986111 6
10 139 0.272016 0.50819672 0.5095891 7
11 9 0.017613 0.50819672 0.464864 7
12 19 0.037182 0.50819672 0.429223833 7
13 97 0.189824 0.50819672 0.410808462 7
14 91 0.178082 0.50819672 0.394185143 7
15 249 0.48728 0.50819672 0.400391467 7
16 355 0.694716 0.50819672 0.41878675 8
17 465 0.90998 0.50819672 0.447680471 8
18 299 0.585127 0.50819672 0.455316389 8
19 233 0.455969 0.50819672 0.455350737 9
20 435 0.851272 0.50819672 0.4751468 10
21 65 0.127202 0.50819672 0.458578 11
22 251 0.491194 0.50819672 0.460060545 11
23 473 0.925636 0.50819672 0.480302957 12
24 259 0.506849 0.50819672 0.481409042 12
25 433 0.847358 0.50819672 0.496047 12
26 459 0.898239 0.50819672 0.511515923 12
27 457 0.894325 0.50819672 0.525694037 12
28 339 0.663405 0.50819672 0.530612286 12
29 33 0.064579 0.50819672 0.514542172 13
30 411 0.804305 0.50819672 0.524200933 14
31 185 0.362035 0.50819672 0.518969774 15
32 163 0.318982 0.50819672 0.512720156 15

25
 33 401 0.784736 0.50819672 0.520963061 16
34 107 0.209393 0.50819672 0.511799235 17
35 169 0.330724 0.50819672 0.506625657 17
36 243 0.475538 0.50819672 0.505762111 17
37 1 0.001957 0.50819672 0.492145757 17
38 59 0.11546 0.50819672 0.482232974 17
39 409 0.800391 0.50819672 0.490390872 18
40 67 0.131115 0.50819672 0.481408975 19
41 369 0.722114 0.50819672 0.487279829 20
42 267 0.522505 0.50819672 0.488118524 20
43 393 0.76908 0.50819672 0.494652512 20
44 147 0.287671 0.50819672 0.489948386 21
45 481 0.941292 0.50819672 0.499978244 22
46 219 0.428571 0.50819672 0.498425913 23
47 121 0.236791 0.50819672 0.492859213 23
48 483 0.945205 0.50819672 0.502283083 24
49 337 0.659491 0.50819672 0.505491408 24
50 427 0.835616 0.50819672 0.5120939 24
51 105 0.205479 0.50819672 0.506081843 25
52 51 0.099804 0.50819672 0.498268808 25
53 449 0.878669 0.50819672 0.50544617 26
54 379 0.741683 0.50819672 0.509820926 26
55 345 0.675147 0.50819672 0.512826855 26
56 387 0.757339 0.50819672 0.517193143 26
57 305 0.596869 0.50819672 0.518590965 26
58 75 0.146771 0.50819672 0.512180276 27
59 329 0.643836 0.50819672 0.514411729 28
60 467 0.913894 0.50819672 0.521069767 28
61 417 0.816047 0.50819672 0.525905459 28

Una vez que generamos los 61 ri pasamos a ver como es su grafica de

estabilidad.

26
 Con esta grafica de estabilidad, nos demuestra que los ri se mantienen muy
cerca al promedio. Pasaremos a las 4 pruebas de aceptación para determinar si
los 61 ri son aceptados para la simulación.

PRUEBA DE PSEUDOALEATORIO
PRUEBA DE MEDIAS
NC 95% NS 5%
DATOS
n 61 α 0.05
Z 1.644853627 α/2 0.025
CALCULO PARA LOS LIMITES
LIMITE SUPERIOR 0.560795539
CENTRAR (MEDIA) 0.508196721
LIMITEINFERIOR 0.439204461
Interpretación
Se acepta los pseudoaleatorios porque la media se encuentra entre
los limites deseados
PRUBA DE VARIANZA
NC 95% NS 5%
DATOS
n 61 α 0.05
α/2 0.025 (1-α)/2 0.475
CHI-CUADRADO 83.29767488 60.01974555
CALCULO DE LIMITES
LIMITE SUPERIOR 0.115691215
CENTRAR (VARIANZA) 0.09925231
LIMITEINFERIOR 0.083360758
Interpretación
Se acepta los pseudoaleatorios porque su varianza se encuentra
entre los limites deseados
PRUEBA DE UNIFORMIDAD CHI-CUADRADO
DATOS
MAX 0.972603 m 7
MIN 0.001957 AMPLITUD 0.13866
n 61
INTERVALOS Oi Ei (Ei-Oi)^2/Ei
0.001957 0.141437 10 8.714285714 0.18969555
0.141437 0.280917 9 8.714285714 0.00936768
0.280917 0.420397 4 8.714285714 2.55035129

27
 0.420397 0.559877 7 8.714285714 0.33723653
0.559877 0.699357 8 8.714285714 0.05854801
0.699357 0.838837 9 8.714285714 0.00936768
0.838837 0.978347 14 8.714285714 3.20608899
6.36065574
COMPARACION
CHI-CUADRADO 12.59158724 ESTADISTICO 6.360655738
Interpretación
Si pasa la prueba de Chi-Cuadrado porque el valor estadística es
menor al de la distribución de la tabla
PRUEBA DE INDEPENDENCIA CORRIDA ARRIBA Y ABAJO
DATOS
n0 28 CO 28
n1 33 n 61
CALCULOS
Uco 30.79508197 ơ²co 14.79161516
Zo -0.726752859
COMPARACION
-Zα Zo Zα
-1.644853627 -0.726752859 1.644853627
Interpretación
Si pasa la prueba Independencia (Corrida Arriba y Abajo) porque el
Zo está entre los límites de la Z con un NC de 95%

Al verificar que mis pseudoaleatorios pasan las 4 pruebas, podemos concluir que
son aceptables para usar.

4.3. Generación de Pseudoaleatorios para el Proceso de Entrega de

Pedido

Para este primer proceso usamos la generación de pseudoaleatorio por el

Algoritmo Cuadrático Optimizado. Por ello pasaremos a mostrar las formulas
correspondientes a dicho Algoritmo.

28
Luego pondremos los criterios que creamos convenientes.

Después pasamos a la generación de los 61 ri correspondientes

i Xi ri Promedio PROMEDIO MOVIL Co

1 161 0.631373 0.50819672 1
2 184 0.721569 0.50819672 0.676471 1
3 127 0.498039 0.50819672 0.616993667 2
4 134 0.52549 0.50819672 0.59411775 3
5 221 0.866667 0.50819672 0.6486276 3
6 20 0.078431 0.50819672 0.553594833 4
7 59 0.231373 0.50819672 0.507563143 4
8 226 0.886275 0.50819672 0.554902125 5
9 25 0.098039 0.50819672 0.504139556 6
10 112 0.439216 0.50819672 0.4976472 6
11 247 0.968627 0.50819672 0.540463545 7
12 62 0.243137 0.50819672 0.515686333 8
13 85 0.333333 0.50819672 0.501659154 8
14 204 0.8 0.50819672 0.522969214 9
15 179 0.701961 0.50819672 0.534902 9
16 154 0.603922 0.50819672 0.53921575 9
17 145 0.568627 0.50819672 0.540945824 9
18 40 0.156863 0.50819672 0.519607889 10
19 111 0.435294 0.50819672 0.515170316 10
20 246 0.964706 0.50819672 0.5376471 11
21 205 0.803922 0.50819672 0.550326857 11

29
 22 132 0.517647 0.50819672 0.548841409 11
23 43 0.168627 0.50819672 0.532310348 12
24 82 0.321569 0.50819672 0.523529458 12
25 9 0.035294 0.50819672 0.50400004 12
26 224 0.878431 0.50819672 0.518401231 13
27 231 0.905882 0.50819672 0.53275237 13
28 174 0.682353 0.50819672 0.53809525 13
29 69 0.270588 0.50819672 0.528870862 14
30 60 0.235294 0.50819672 0.519084967 14
31 163 0.639216 0.50819672 0.522960161 15
32 10 0.039216 0.50819672 0.507843156 16
33 129 0.505882 0.50819672 0.507783727 17
34 152 0.596078 0.50819672 0.510380618 17
35 95 0.372549 0.50819672 0.506442571 18
36 102 0.4 0.50819672 0.503485833 18
37 189 0.741176 0.50819672 0.509909892 19
38 244 0.956863 0.50819672 0.521671816 19
39 27 0.105882 0.50819672 0.511010538 20
40 194 0.760784 0.50819672 0.517254875 21
41 249 0.976471 0.50819672 0.528455268 21
42 80 0.313725 0.50819672 0.523342643 22
43 215 0.843137 0.50819672 0.530779721 23
44 30 0.117647 0.50819672 0.521390341 24
45 53 0.207843 0.50819672 0.514422622 24
46 172 0.67451 0.50819672 0.517902783 25
47 147 0.576471 0.50819672 0.519148915 25
48 122 0.478431 0.50819672 0.518300625 26
49 113 0.443137 0.50819672 0.516766673 26
50 8 0.031373 0.50819672 0.5070588 26
51 79 0.309804 0.50819672 0.503191059 26
52 214 0.839216 0.50819672 0.509653077 27
53 173 0.678431 0.50819672 0.512837566 27
54 100 0.392157 0.50819672 0.510602741 28
55 11 0.043137 0.50819672 0.502103364 28
56 50 0.196078 0.50819672 0.496638625 28
57 233 0.913725 0.50819672 0.50395593 29
58 192 0.752941 0.50819672 0.508248776 29
59 199 0.780392 0.50819672 0.512861373 29
60 142 0.556863 0.50819672 0.513594733 29
61 37 0.145098 0.50819672 0.507553803 30

Una vez que generamos los 61 ri pasamos a ver como es su grafica de

estabilidad.

30
 Con esta grafica de estabilidad, nos demuestra que los ri se mantienen muy
cerca al promedio. Pasaremos a las 4 pruebas de aceptación para determinar si
los 61 ri son aceptados para la simulación.

PRUEBA DE PSEUDOALEATORIO
PRUEBA DE MEDIAS
NC 95% NS 5%
DATOS
n 61 α 0.05
Z 1.644853627 α/2 0.025
CALCULO PARA LOS LIMITES
LIMITE SUPERIOR 0.560795539
CENTRAR (MEDIA) 0.508196721
LIMITEINFERIOR 0.439204461
Interpretación
Se acepta los pseudoaleatorios porque la media se encuentra entre
los limites deseados
PRUBA DE VARIANZA
NC 95% NS 5%
DATOS
n 61 α 0.05
α/2 0.025 (1-α)/2 0.475
CHI-CUADRADO 83.29767488 60.01974555
CALCULO DE LIMITES
LIMITE SUPERIOR 0.115691215
CENTRAR (VARIANZA) 0.08401461
LIMITEINFERIOR 0.083360758

31
 Interpretación
Se acepta los pseudoaleatorios porque su varianza se encuentra
entre los limites deseados
PRUEBA DE UNIFORMIDAD CHI-CUADRADO
DATOS
MAX 0.976471 m 7
MIN 0.031373 AMPLITUD 0.13501
n 61
INTERVALOS Oi Ei (Ei-Oi)^2/Ei
0.031373 0.170853 11 8.714285714 0.59953162
0.170853 0.310333 7 8.714285714 0.33723653
0.310333 0.449813 9 8.714285714 0.00936768
0.449813 0.589293 8 8.714285714 0.05854801
0.589293 0.728773 9 8.714285714 0.00936768
0.728773 0.868253 9 8.714285714 0.00936768
0.868253 1.024733 8 8.714285714 0.05854801
1.08196721
COMPARACION
CHI-CUADRADO 12.59158724 ESTADISTICO 1.081967213
Interpretación
Si pasa la prueba de Chi-Cuadrado porque el valor estadístico es
menor al de la distribución de la tabla
PRUEBA DE INDEPENDENCIA CORRIDA ARRIBA Y ABAJO
DATOS
n0 29 CO 30
n1 32 n 61
CALCULOS
Uco 30.92622951 ơ²co 14.92215354
Zo -0.239774426
COMPARACION
-Zα Zo Zα
-1.644853627 -0.239774426 1.644853627
Interpretación
Si pasa la prueba Independencia (Corrida Arriba y Abajo) porque el
Zo está entre los límites de la Z con un NC de 95%

Al verificar que mis pseudoaleatorios pasan las 4 pruebas, podemos concluir que
son aceptables para usar.

32
4.4. Generación de Pseudoaleatorios para Monte Carlo

Para este primer proceso usamos la generación de pseudoaleatorio por el

Algoritmo Cuadratico Optimizado. Por ello pasaremos a mostrar las formulas
correspondientes a dicho Algoritmo.

Luego pondremos los criterios que creamos convenientes.

Después pasamos a la generación de los 61 ri correspondientes

i Xi ri Promedio PROMEDIO MOVIL Co

1 286 0.559687 0.47749513 1
2 91 0.178082 0.47749513 0.3688845 2
3 208 0.407045 0.47749513 0.381604667 2
4 349 0.682975 0.47749513 0.45694725 3
5 226 0.44227 0.47749513 0.4540118 4
6 63 0.123288 0.47749513 0.398891167 4
7 84 0.164384 0.47749513 0.365390143 4
8 1 0.001957 0.47749513 0.319961 4
9 38 0.074364 0.47749513 0.292672444 4
10 419 0.819961 0.47749513 0.3454013 5
11 344 0.67319 0.47749513 0.375200273 5
12 37 0.072407 0.47749513 0.3499675 6
13 234 0.457926 0.47749513 0.358272 6
14 135 0.264188 0.47749513 0.351551714 6
15 476 0.931507 0.47749513 0.3902154 7
16 457 0.894325 0.47749513 0.42172225 7
17 302 0.590998 0.47749513 0.431679647 7

33
18 235 0.459883 0.47749513 0.4332465 8
19 480 0.939335 0.47749513 0.459882737 9
20 237 0.463796 0.47749513 0.4600784 10
21 242 0.473581 0.47749513 0.460721381 10
22 207 0.405088 0.47749513 0.458192591 10
23 356 0.696673 0.47749513 0.468561304 11
24 401 0.784736 0.47749513 0.48173525 11
25 54 0.105675 0.47749513 0.46669284 12
26 51 0.099804 0.47749513 0.452581731 12
27 104 0.203523 0.47749513 0.443357333 12
28 437 0.855186 0.47749513 0.4580655 13
29 250 0.489237 0.47749513 0.459140379 14
30 279 0.545988 0.47749513 0.4620353 15
31 236 0.46184 0.47749513 0.462029 16
32 345 0.675147 0.47749513 0.468688938 17
33 318 0.622309 0.47749513 0.473344091 17
34 379 0.741683 0.47749513 0.481236412 17
35 240 0.469667 0.47749513 0.480905857 18
36 125 0.244618 0.47749513 0.474342306 18
37 258 0.504892 0.47749513 0.475167973 19
38 351 0.686888 0.47749513 0.480739553 19
39 116 0.227006 0.47749513 0.474233564 20
40 289 0.565558 0.47749513 0.476516675 21
41 70 0.136986 0.47749513 0.468235439 22
42 195 0.381605 0.47749513 0.46617281 22
43 376 0.735812 0.47749513 0.472443488 23
44 325 0.636008 0.47749513 0.476160864 23
45 266 0.520548 0.47749513 0.477147244 23
46 423 0.827789 0.47749513 0.484769891 23
47 508 0.994129 0.47749513 0.495607319 23
48 233 0.455969 0.47749513 0.494781521 24
49 334 0.65362 0.47749513 0.498023122 25
50 11 0.021526 0.47749513 0.48849318 26
51 0 0 0.47749513 0.478914882 26
52 13 0.02544 0.47749513 0.470194212 26
53 274 0.536204 0.47749513 0.471439679 27
54 495 0.968689 0.47749513 0.480648 27
55 388 0.759295 0.47749513 0.485714309 27
56 177 0.34638 0.47749513 0.483226196 28
57 86 0.168297 0.47749513 0.477701123 28
58 339 0.663405 0.47749513 0.480902914 29
59 136 0.266145 0.47749513 0.477262949 30
60 213 0.41683 0.47749513 0.476255733 30
61 282 0.551859 0.47749513 0.477495131 31

34
 Una vez que generamos los 61 ri pasamos a ver como es su grafica de
estabilidad.

Con esta grafica de estabilidad, nos demuestra que los ri se mantienen muy
cerca al promedio. Pasaremos a las 4 pruebas de aceptación para determinar si
los 61 ri son aceptados para la simulación.

PRUEBA DE PSEUDOALEATORIO
PRUEBA DE MEDIAS
NC 95% NS 5%
DATOS
n 61 α 0.05
Z 1.644853627 α/2 0.025
CALCULO PARA LOS LIMITES
LIMITE SUPERIOR 0.560795539
CENTRAR (MEDIA) 0.477495131
LIMITEINFERIOR 0.439204461
Interpretación
Se acepta los pseudoaleatorios porque la media se encuentra entre
los limites deseados
PRUBA DE VARIANZA
NC 95% NS 5%
DATOS
n 61 α 0.05
α/2 0.025 (1-α)/2 0.475
CHI-CUADRADO 83.29767488 60.01974555
CALCULO DE LIMITES
LIMITE SUPERIOR 0.115691215

35
 CENTRAR (VARIANZA) 0.07475451
LIMITEINFERIOR 0.083360758
Interpretación
Se acepta los pseudoaleatorios porque su varianza se encuentra
entre los limites deseados
PRUEBA DE UNIFORMIDAD CHI-CUADRADO
DATOS
MAX 0.976471 m 7
MIN 0.031373 AMPLITUD 0.13501
n 61
INTERVALOS Oi Ei (Ei-Oi)^2/Ei
0.031373 0.170853 8 8.714285714 0.05854801
0.170853 0.310333 6 8.714285714 0.84543326
0.310333 0.449813 6 8.714285714 0.84543326
0.449813 0.589293 15 8.714285714 4.53395785
0.589293 0.728773 10 8.714285714 0.18969555
0.728773 0.868253 7 8.714285714 0.33723653
0.868253 1.024733 5 8.714285714 1.58313817
8.39344262
COMPARACION
CHI-CUADRADO 12.59158724 ESTADISTICO 8.393442623
Interpretación
Si pasa la prueba de Chi-Cuadrado porque el valor estadistico es
menor al de la distribucion de la tabla
PRUEBA DE INDEPENDENCIA CORRIDA ARRIBA Y ABAJO
DATOS
n0 32 CO 31
n1 29 n 61
CALCULOS
Uco 30.92622951 ơ²co 14.92215354
Zo 0.019097078
COMPARACION
-Zα Zo Zα
-1.644853627 0.019097078 1.644853627
Interpretación
Si pasa la prueba Independencia (Corrida Arriba y Abajo) porque el Zo
esta entre los limites de la Z con un NC de 95%

36
 Al verificar que mis pseudoaleatorios pasan las 4 pruebas, podemos concluir que
son aceptables para usar.

Después de haber generado todos los pseudoaleatorios correspondientes y

haber comprobado de que pasaron todas las pruebas, los usaremos para la
generación de variables aleatorias y para Monte Carlo. Pasamos a la etapa
siguiente.

CAPITULO V: GENERACIÓN DE VARIABLES ALEATORIA

En el presente capitulo desarrollaremos las variables aleatorias por cada proceso,

con la finalidad de usarlos para Monte Carlo. Cabe resaltar que la generación de
variables aleatorias dependerá del tipo de distribución que posean nuestros datos
de las muestras. A continuación, presentaremos las tablas de la generación de las
variables.

5.1. Generación de Variables Aleatorias del Proceso de Recepción del

Pedido

Al identificar que la distribución en este proceso es una Distribución Uniforme

Continua, podemos saber que formula usaremos para la generación de las
variables aleatorias. En la siguiente tabla se mostrara los datos de la muestra
medidos y los ri generados por los algoritmos y verificados por las 4 pruebas
para dar como resultado las variables aleatorias.

N° DATOS ri 𝑎 + 𝑟𝑖 ∗ (𝑏 − 𝑎)
1 47.84 0.81102 47.56
2 46.27 0.62992 43.97
3 45.96 0.70079 45.38
4 41.87 0.01575 31.81
5 49.1 0.59055 43.19
6 42.5 0.40945 39.61
7 37.16 0.48031 41.01
8 48.16 0.80315 47.4
9 50.36 0.37008 38.83
10 38.73 0.18898 35.24
11 48.47 0.25984 36.64
12 34.33 0.58268 43.04
13 31.5 0.14961 34.46
14 34.96 0.97638 50.83
15 39.67 0.03937 32.28

37
16 40.61 0.3622 38.67
17 32.76 0.93701 50.05
18 51.3 0.75591 46.47
19 50.99 0.82677 47.87
20 46.9 0.14173 34.31
21 34.01 0.71654 45.69
22 47.53 0.53543 42.1
23 42.19 0.6063 43.5
24 42.57 0.92913 49.9
25 35.27 0.49606 41.32
26 43.76 0.31496 37.74
27 33.39 0.38583 39.14
28 39.36 0.70866 45.53
29 36.53 0.27559 36.96
30 39.99 0.09449 33.37
31 44.7 0.16535 34.77
32 45.64 0.48819 41.17
33 37.79 0.05512 32.59
34 36.21 0.88189 48.96
35 35.9 0.95276 50.36
36 31.81 0.26772 36.8
37 39.04 0.84252 48.18
38 32.44 0.66142 44.6
39 47.21 0.73228 46
40 43.21 0.04724 32.44
41 40.3 0.62205 43.82
42 48.79 0.44094 40.23
43 38.41 0.51181 41.63
44 44.39 0.83465 48.03
45 41.56 0.40157 39.45
46 45.01 0.22047 35.87
47 49.73 0.29134 37.27
48 50.67 0.61417 43.66
49 42.81 0.1811 35.09
50 47.53 0 31.5
51 42.19 0.07087 32.9
52 33.07 0.3937 39.3
53 35.27 0.9685 50.68
54 43.76 0.7874 47.09
55 33.39 0.85827 48.49
56 39.36 0.17323 34.93
57 36.53 0.74803 46.31
58 39.99 0.56693 42.73
59 44.7 0.6378 44.13
60 45.64 0.96063 50.52
61 37.79 0.52756 41.95

38
Una vez generado las 61 variables aleatorias pasamos a verlo por medio de
una gráfica para reflejar como está el comportamiento.

GRAFICA DE CONTROL DEL PROCESO DE

RECEPCION DEL PEDIDO
60

50

40

30

20

10

0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61

VARIABLE L.I. MEDIA L.S.

En la gráfica podemos apreciar que las variables aleatorias generadas se

encuentran entre los limites, dando a entender que cumplen con los criterios para
ser usados en el Método de Monte Carlo. Cabe resaltar que el 21.31% de las
variables aleatorias se encuentran por encima del límite y el 18.03% están por
debajo del límite. Por ello el 60.66% de las variables se encuentran entre los
límites y se tomaría el bloque de variables aleatorias.

5.2. Generación de Variables Aleatorias del Proceso de Preparación de

Platos

Al identificar que la distribución en este proceso es una Distribución Uniforme

Continua, podemos saber que formula usaremos para la generación de las
variables aleatorias. En la siguiente tabla se mostrará los datos de la muestra
medidos y los ri generados por los algoritmos y verificados por las 4 pruebas
para dar como resultado las variables aleatorias.

N° DATOS ri 𝑎 + 𝑟𝑖 ∗ (𝑏 − 𝑎)
1 626.67 0.033268 458.36
2 504.56 0.960861 662.21
3 616.63 0.581213 578.78
4 552.18 0.225049 500.51
5 457.37 0.252446 506.53
6 666.83 0.866928 641.57

39
 7 495.56 0.048924 461.8
8 518.29 0.882583 645.01
9 606.08 0.972603 664.79
10 481.5 0.272016 510.83
11 527.4 0.017613 454.92
12 545.67 0.037182 459.22
13 560.82 0.189824 492.77
14 451.1 0.178082 490.19
15 552.27 0.48728 558.13
16 490.7 0.694716 603.72
17 618.64 0.90998 651.03
18 667.07 0.585127 579.64
19 540.97 0.455969 551.25
20 548.53 0.851272 638.13
21 643.86 0.127202 479
22 581.47 0.491194 558.99
23 549.54 0.925636 654.47
24 464.79 0.506849 562.44
25 593.16 0.847358 637.27
26 566.58 0.898239 648.45
27 527.91 0.894325 647.59
28 451.05 0.663405 596.84
29 608.86 0.064579 465.24
30 562.11 0.804305 627.8
31 630.19 0.362035 530.61
32 645.34 0.318982 521.15
33 639.08 0.784736 623.5
34 551.75 0.209393 497.07
35 568.64 0.330724 523.73
36 485.36 0.475538 555.55
37 667.33 0.001957 451.48
38 538.77 0.11546 476.42
39 536.97 0.800391 626.94
40 641.93 0.131115 479.86
41 558.62 0.722114 609.74
42 578.4 0.522505 565.88
43 486.43 0.76908 620.06
44 466.9 0.287671 514.27
45 544.01 0.941292 657.91
46 480.07 0.428571 545.23
47 636.23 0.236791 503.09
48 468.22 0.945205 658.77
49 478.47 0.659491 595.98
50 645.76 0.835616 634.68
51 596.65 0.205479 496.21
52 584.99 0.099804 472.98

40
 53 670.81 0.878669 644.15
54 530.36 0.741683 614.04
55 453.15 0.675147 599.42
56 570.28 0.757339 617.48
57 509.64 0.596869 582.22
58 656.45 0.146771 483.3
59 453.49 0.643836 592.54
60 593.52 0.913894 651.89
61 612.61 0.816047 630.38

Una vez generado las 61 variables aleatorias pasamos a verlo por medio de
una gráfica para reflejar como está el comportamiento.

GRAFICA DE CONTROL DEL PROCESO DE

PREPARACION DEL PLATO
700
600
500
400
300
200
100
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61

VARIABLES L.I. MEDIA L.S.

En la gráfica podemos apreciar que las variables aleatorias generadas se

encuentran entre los limites, dando a entender que cumplen con los criterios para
ser usados en el Método de Monte Carlo. Cabe resaltar que el 22.95% de las
variables aleatorias se encuentran por encima del límite y el 21.31% están por
debajo del límite. Por ello el 55.74% de las variables se encuentran entre los
límites y se tomaría el bloque de variables aleatorias.

5.3. Generación de Variables Aleatorias del Proceso de Entrega del Pedido

Al identificar que la distribución en este proceso es una Distribución Uniforme

Continua, podemos saber que formula usaremos para la generación de las
variables aleatorias. En la siguiente tabla se mostrará los datos de la muestra

41
medidos y los ri generados por los algoritmos y verificados por las 4 pruebas
para dar como resultado las variables aleatorias.

N° DATOS ri 𝑎 + 𝑟𝑖 ∗ (𝑏 − 𝑎)
1 13.12 0.631373 14.53
2 14.42 0.721569 14.89
3 13.79 0.498039 14
4 15.91 0.52549 14.11
5 14.4 0.866667 15.46
6 12.92 0.078431 12.34
7 14.73 0.231373 12.95
8 14.49 0.886275 15.54
9 14.68 0.098039 12.42
10 14.66 0.439216 13.77
11 12.52 0.968627 15.87
12 13.85 0.243137 12.99
13 12.53 0.333333 13.35
14 14.12 0.8 15.2
15 13.25 0.701961 14.81
16 15.93 0.603922 14.42
17 14.11 0.568627 14.28
18 14.11 0.156863 12.65
19 15.67 0.435294 13.75
20 15.28 0.964706 15.85
21 12.03 0.803922 15.21
22 13.29 0.517647 14.08
23 15.97 0.168627 12.7
24 15.31 0.321569 13.3
25 12.04 0.035294 12.17
26 15.69 0.878431 15.51
27 13.55 0.905882 15.62
28 12.27 0.682353 14.73
29 12.72 0.270588 13.1
30 14.26 0.235294 12.96
31 12.92 0.639216 14.56
32 14.99 0.039216 12.19
33 14.51 0.505882 14.03
34 13.93 0.596078 14.39
35 14.91 0.372549 13.51
36 12.75 0.4 13.61
37 14.34 0.741176 14.97
38 13.36 0.956863 15.82
39 12.85 0.105882 12.45
40 13.41 0.760784 15.04
41 12.18 0.976471 15.9

42
 42 13.57 0.313725 13.27
43 14.69 0.843137 15.37
44 13.26 0.117647 12.5
45 13.84 0.207843 12.85
46 14.74 0.67451 14.7
47 12.28 0.576471 14.31
48 14.79 0.478431 13.92
49 15.99 0.443137 13.78
50 13.53 0.031373 12.15
51 14.19 0.309804 13.26
52 15.55 0.839216 15.35
53 15.11 0.678431 14.72
54 14.42 0.392157 13.58
55 14.55 0.043137 12.2
56 14.55 0.196078 12.81
57 12.33 0.913725 15.65
58 13.42 0.752941 15.01
59 13.78 0.780392 15.12
60 13.64 0.556863 14.24
61 15.38 0.145098 12.6

Una vez generado las 61 variables aleatorias pasamos a verlo por medio de
una gráfica para reflejar como está el comportamiento.

GRAFICA DE CONTROL DEL PROCESO DE

ENTREGA DEL PEDIDO
18
16
14
12
10
8
6
4
2
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61

VARIABLES L.I MEDIA L.S.

En la gráfica podemos apreciar que las variables aleatorias generadas se

encuentran entre los limites, dando a entender que cumplen con los criterios para
ser usados en el Método de Monte Carlo. Cabe resaltar que el 16.39 % de las
variables aleatorias se encuentran por encima del límite y el 16.39% están por

43
 debajo del límite. Por ello el 67.22% de las variables se encuentran entre los
límites y se tomaría el bloque de variables aleatorias.

Concluida con la generación de variables aleatorias pasamos a la elaboración

del método monte carlo para dar como paso final a la simulación de los posibles
61 casos de atención al cliente en la Cevicheria Toro Marino.

CAPITULO VI: SIMULACION MONTE CARLO

En este capítulo se tratará de realizar el Método de Monte Carlo con la intención de

pronosticar el tiempo que se demorar en atender para los siguientes 61 clientes y
saber cómo estará a futuro la velocidad de atención para el sistema.

A continuación, se presentará la sumatoria de las variables aleatorias generadas

anteriormente para saber qué tiempo se demora todo el sistema de atención de
clientes

RECEPCION DEL PREPARACION DEL ENTREGA DEL TIEMPO DEL

N°
PEDIDO PLATO PEDIDO SISTEMA
1 47.56 458.36 14.53 520.45
2 43.97 662.21 14.89 721.07
3 45.38 578.78 14 638.16
4 31.81 500.51 14.11 546.43
5 43.19 506.53 15.46 565.18
6 39.61 641.57 12.34 693.52
7 41.01 461.8 12.95 515.76
8 47.4 645.01 15.54 707.95
9 38.83 664.79 12.42 716.04
10 35.24 510.83 13.77 559.84
11 36.64 454.92 15.87 507.43
12 43.04 459.22 12.99 515.25
13 34.46 492.77 13.35 540.58
14 50.83 490.19 15.2 556.22
15 32.28 558.13 14.81 605.22
16 38.67 603.72 14.42 656.81
17 50.05 651.03 14.28 715.36
18 46.47 579.64 12.65 638.76
19 47.87 551.25 13.75 612.87
20 34.31 638.13 15.85 688.29
21 45.69 479 15.21 539.9
22 42.1 558.99 14.08 615.17
23 43.5 654.47 12.7 710.67

44
24 49.9 562.44 13.3 625.64
25 41.32 637.27 12.17 690.76
26 37.74 648.45 15.51 701.7
27 39.14 647.59 15.62 702.35
28 45.53 596.84 14.73 657.1
29 36.96 465.24 13.1 515.3
30 33.37 627.8 12.96 674.13
31 34.77 530.61 14.56 579.94
32 41.17 521.15 12.19 574.51
33 32.59 623.5 14.03 670.12
34 48.96 497.07 14.39 560.42
35 50.36 523.73 13.51 587.6
36 36.8 555.55 13.61 605.96
37 48.18 451.48 14.97 514.63
38 44.6 476.42 15.82 536.84
39 46 626.94 12.45 685.39
40 32.44 479.86 15.04 527.34
41 43.82 609.74 15.9 669.46
42 40.23 565.88 13.27 619.38
43 41.63 620.06 15.37 677.06
44 48.03 514.27 12.5 574.8
45 39.45 657.91 12.85 710.21
46 35.87 545.23 14.7 595.8
47 37.27 503.09 14.31 554.67
48 43.66 658.77 13.92 716.35
49 35.09 595.98 13.78 644.85
50 31.5 634.68 12.15 678.33
51 32.9 496.21 13.26 542.37
52 39.3 472.98 15.35 527.63
53 50.68 644.15 14.72 709.55
54 47.09 614.04 13.58 674.71
55 48.49 599.42 12.2 660.11
56 34.93 617.48 12.81 665.22
57 46.31 582.22 15.65 644.18
58 42.73 483.3 15.01 541.04
59 44.13 592.54 15.12 651.79
60 50.52 651.89 14.24 716.65
61 41.95 630.38 12.6 684.93

45
 En este caso nosotros tomaremos una serie de intervalos de tiempos de atención
para tener una mayor referencia de las frecuencias y definir en promedio cuanto
se demorarían en atender a los siguientes 61 clientes.

Después analizaremos los intervalos de tiempos con sus respectivas frecuencias y

sacaremos la probabilidad con respecto a cada intervalo, para después compararlo
con los ri que generaremos.

Después de haber generado los intervalos y de tener los ri para el método de Monte
Carlo pasamos a usarlos.

RECEPCION DEL PREPARACION DEL ENTREGA DEL TIEMPO DEL

N° ri
PEDIDO PLATO PEDIDO SISTEMA
1 47.56 458.36 14.53 520.45 0.5597
2 43.97 662.21 14.89 721.07 0.1781
3 45.38 578.78 14 638.16 0.4070
4 31.81 500.51 14.11 546.43 0.6830
5 43.19 506.53 15.46 565.18 0.4423
6 39.61 641.57 12.34 693.52 0.1233
7 41.01 461.8 12.95 515.76 0.1644
8 47.4 645.01 15.54 707.95 0.0020
9 38.83 664.79 12.42 716.04 0.0744
10 35.24 510.83 13.77 559.84 0.8200

46
11 36.64 454.92 15.87 507.43 0.6732
12 43.04 459.22 12.99 515.25 0.0724
13 34.46 492.77 13.35 540.58 0.4579
14 50.83 490.19 15.2 556.22 0.2642
15 32.28 558.13 14.81 605.22 0.9315
16 38.67 603.72 14.42 656.81 0.8943
17 50.05 651.03 14.28 715.36 0.5910
18 46.47 579.64 12.65 638.76 0.4599
19 47.87 551.25 13.75 612.87 0.9393
20 34.31 638.13 15.85 688.29 0.4638
21 45.69 479 15.21 539.9 0.4736
22 42.1 558.99 14.08 615.17 0.4051
23 43.5 654.47 12.7 710.67 0.6967
24 49.9 562.44 13.3 625.64 0.7847
25 41.32 637.27 12.17 690.76 0.1057
26 37.74 648.45 15.51 701.7 0.0998
27 39.14 647.59 15.62 702.35 0.2035
28 45.53 596.84 14.73 657.1 0.8552
29 36.96 465.24 13.1 515.3 0.4892
30 33.37 627.8 12.96 674.13 0.5460
31 34.77 530.61 14.56 579.94 0.4618
32 41.17 521.15 12.19 574.51 0.6751
33 32.59 623.5 14.03 670.12 0.6223
34 48.96 497.07 14.39 560.42 0.7417
35 50.36 523.73 13.51 587.6 0.4697
36 36.8 555.55 13.61 605.96 0.2446
37 48.18 451.48 14.97 514.63 0.5049
38 44.6 476.42 15.82 536.84 0.6869
39 46 626.94 12.45 685.39 0.2270
40 32.44 479.86 15.04 527.34 0.5656
41 43.82 609.74 15.9 669.46 0.1370
42 40.23 565.88 13.27 619.38 0.3816
43 41.63 620.06 15.37 677.06 0.7358
44 48.03 514.27 12.5 574.8 0.6360
45 39.45 657.91 12.85 710.21 0.5205
46 35.87 545.23 14.7 595.8 0.8278
47 37.27 503.09 14.31 554.67 0.9941
48 43.66 658.77 13.92 716.35 0.4560
49 35.09 595.98 13.78 644.85 0.6536
50 31.5 634.68 12.15 678.33 0.0215
51 32.9 496.21 13.26 542.37 0.0000
52 39.3 472.98 15.35 527.63 0.0254
53 50.68 644.15 14.72 709.55 0.5362
54 47.09 614.04 13.58 674.71 0.9687
55 48.49 599.42 12.2 660.11 0.7593
56 34.93 617.48 12.81 665.22 0.3464

47
57 46.31 582.22 15.65 644.18 0.1683
58 42.73 483.3 15.01 541.04 0.6634
59 44.13 592.54 15.12 651.79 0.2661
60 50.52 651.89 14.24 716.65 0.4168
61 41.95 630.38 12.6 684.93 0.5519

Y generaremos una tabla donde compararemos los ri con los intervalos de

probabilidad obtenidos en la primera tabla con la finalidad de simular que cantidad
de los 61 clientes se demorara para los intervalos de tiempo.

Por lo tanto podemos concluir que de los próximos 61 clientes la el 18.03% serán
atendidos en un tiempo de 667.66 seg – 694.37 seg.

Como somos estudiantes de Ingeniería Industrial la mejor forma para apreciar estos
datos es por medio de una gráfica. Por ello pasamos a la siguiente grafica para su
mayor comprensión.

DISTRICION DE FUTUROS TIEMPOS DE

ATENCION
13% 15%
1
15% 2
3
18%
4
2%
5
6

13% 8% 7
8
16%

48
 N° INTERVALOS DE TIEMPOS
1 507.43 534.14
2 534.14 560.84
3 560.84 587.55
4 587.55 614.25
5 614.25 640.96
6 640.96 667.66
7 667.66 694.37
8 694.37 721.07

CAPITULO VII: INTERPRETACIÓN DE LA SIMULACION

Se puede concluir que por medio de la simulación y siguiendo los pasos

correspondientes llegaríamos al método de Monte Carlo, aquí nos muestra que
para las siguientes 61 atenciones el tiempo de atención seria mayor, nos indicó que
el 60.64% de dichas atenciones se demorarían en los intervalos de tiempo mayor
que están entre 614.25 seg – 721.07 seg y que cada vez que lleguen cliente esto
tiende a demora mas. Por ello se le recomendaría al restaurante tomar medidas
preventivas para corregir la demora de atención y poder satisfacer mejor a los
clientes.

Por otro lado es una ayuda fundamentar para las empresa porque nos permite
determinar el comportamiento futro y poder corregir o mantener la situación actual.

49
 AÑEXO

ANEXO 1: COMEDOR

ANEXO 2: COCINA

50
ANEXO 3: CARTA

ANEXO 4: BOLETA

51
ANEXO 5: LOCAL

52