PASSION FOR IMPROVEMENT Consultores: EDGAR ERNESTO VILLAMIZAR DELGADO Cod 1611981577 DILIA FARLEY BERNAL RUIZ Cod 1421989251 HECTOR FABIO HERRERA DIAZ CARLOS ENRIQUE CAÑON HENAO JAIME ENRIQUE TENORIO QUIÑONES
Cod 1611982300 Cod 1521980802 Cod 1611981748
PASSION FOR IMPROVEMENT (pasión por la mejora) es una compañía comprometida con la mejora continua de los procesos de la cadena logística, optimizando procesos y haciendo cada eslabón más fuerte y sólido, optimizando espacios y recursos. Para satisfacer las necesidades de nuestros clientes.
Modelo Conceptual de la Situación Planteada
La compañía de autopartes McQueen desde sus inicios muestra falencias en la ubicaciones de sus estaciones ya que las maquinas con las que cuentan realizan una función específica, es por eso que cuando una parte sale de una estación debe volver a pasar por esta para que se le realice otro proceso. La compañía tiene dos opciones de mejora de su operación pero hay que analizar tiempos y movimientos al igual que un presupuesto que se nos adapte a la operación requerida. Debido al comportamiento de este sistema en específico, podemos denominar este como un modelo estocástico, debido a que sus variables proporcionan un grado de incertidumbre la cual nos somete a utilizar algunas de sus variables de forma aleatoria, debido a que cada variable depende de otra como por ejemplo (El tiempo total del proceso completo para un pedido, depende de la cantidad demandada que se tenga) es por esta razón que el tiempo total de proceso se denomina aleatorio o promediado. Datos como los que nos genera la tabla anexa nos brindan dentro de él margen de incertidumbre un cierto grado de confiabilidad, pues se vuelve altamente relevante para estos casos, tener muestras significativas y que simulen la operación real del sistema.
Página 1
Nombre del Grupo
Representación Gráfica
este recuadro el diagrama conceptual de la situación descrita relacionada con el Gráfico 1. Representación gráfica del proceso productivo de la la compañía de autopartes funcionamiento de la compañía de autopartes. Emplee simbología adecuada de un diagrama de flujo.
Análisis de datos de entrada ARRIBOS
Página 2
Nombre del Grupo
Tiempo Entre llegadas Histograma:
100 50 0
39814 39817,6… 39821,2… 39824,9… 39828,5… 39832,1… 39835,8… 39839,4… 39843,0… 39846,7… 39850,3… 39853,9…
Frecuencia
Histograma 150,00% 100,00% 50,00% 0,00%
Frecuencia % acumulado
Clase
Gráfico 2. Histograma del tiempo entre llegadas
Página 3
Nombre del Grupo
Pruebas de Bondad de Ajuste
Tiempo entre Llegadas Número de datos analizados Mínimo Máximo Promedio Desviación Estándar Hipótesis Nula Nivel de significancia (a) Grados de libertad (g.l) P-value Parámetros de la distribución Conclusión
5000 3.98e+004 3.99e+004 1.04 1.06 LOS DATOS TIENEN DISTRIBUCION BETA 5% (0.05) 37 < 0.005 3.98e+004 + 43 * BETA(1.04, 1.06) La distribución que mejor se ajusta a los datos de entrada es la distribución BETA, pero como el p-value es menor al nivel de significancia debemos rechazar la hipótesis nula
Tabla 1. Resumen planteamiento prueba de bondad de ajuste para tiempo entre llegadas
Referencias Miguel Muñoz, 19 jun. 2014, En Este video se muestra un ejemplo pequeño de cómo analizar valores numéricos a través del Input Analyzer del software Arena, recupero de https://www.youtube.com/watch?v=s6shb0bYss4 Carlos Andres Perez Vargas, 14 mar. 2011, Anàlisis de datos por medio de Arena, recuperado de https://www.youtube.com/watch?v=GmyvK6Rx8xM
Página 4
