Optimizacion Del Sistema de Produccion de La Empresa Dmaurus Aplicando Simulacion 1

UCSM
UNIVERSIDAD CAT
OPTIMIZACIN DEL SISTEMA DE PRODUCCIN DE LA

EMPRESA DMAURUS APLICANDO SIMULACIN
SECCION: B
OPTIMIZACIN DEL SISTEMA DE PRODUCCION DE LA EMPRESA DMAURUS

APLICANDO SIMULACIN
UNIVERSIDAD CATLICA DE SANTA

MARA
Faculta de Ciencias e Ingenieras
Fsicas y Formales
INGENIERIA INDUSTRIAL
Nombre
Berrios Pastor, Claudia
Gasco Cervantes, Jess
Puma Villasante, Katia
Silva Abuhadaba, Tarek
Villanueva Paredes, Luis Michael
Curso
Simulacin de Sistemas
Tema
OPTIMIZACIN DEL SISTEMA DE PRODUCCIN DE LA
EMPRESA DMAURUS APLICANDO SIMULACIN
Docente
Ing. Efran Murillo Quispe
Seccin:
B
AREQUIPA-PERU
2014
SIMULACIN DE SISTEMAS
INDICE
INTRODUCCIN ...................................................................................................................... 4
RESUMEN .................................................................................................................................. 5
I.
DATOS PREVIOS AL DESARROLLO DEL TRABAJO: ...................................................... 6

1.
TTULO DEL PROYECTO DE INVESTIGACIN:........................................................... 6
2.
DATOS DE LA EMPRESA: ............................................................................................... 6
3.
DESCRIPCIN DEL PROYECTO: ................................................................................... 6
II.
PLANTEAMIENTO DEL PROBLEMA: ............................................................................... 6
III.
OBJETIVOS: ...................................................................................................................... 8
1.
General: ............................................................................................................................ 8
2.
Especficos: ....................................................................................................................... 8
IV.
HIPTESIS: ....................................................................................................................... 8
1.
Hiptesis general: ........................................................................................................... 8
2.
Hiptesis especficas: ...................................................................................................... 9
V.
DELIMITACIN DE LA INVESTIGACIN: ........................................................................ 9
VI.
ESTADO DE ARTE: .......................................................................................................... 9
VII.
MARCO TERICO: ........................................................................................................ 10
1.
Descripcin del Sistema Actual: .................................................................................. 10
2.
Diagramas respectivos del sistema actual: ............................................................... 12

A.
DIAGRAMA DE OPERACIONES DEL PROCESO ................................................... 13
B.
DIAGRAMA DE ANALISIS DEL PROCESO .............................................................. 15
A.
FLOW SHEET ............................................................................................................. 18
B.
DIAGRAMA DE FLUJO: ............................................................................................ 19
C.
DIAGRAMA DE RECORRIDO: ................................................................................. 20
D.
LAYOUT DEL PROCESO: .......................................................................................... 22
VIII.
ANALISIS DE DATOS DEL SISTEMA: ............................................................................ 24
1.
Fuentes de Informacin: .............................................................................................. 24
2.
Periodo de Estudio con ayuda de la empresa: ......................................................... 24
3.
Caractersticas a considerar dentro del Sistema de Produccin:............................ 27
IX.
ANALISIS DE DATOS DEL MODELO: .......................................................................... 28
1.
Determinacin de productos, para la realizacin de Simulacin: ......................... 28

a)
CUARTO DE CORTE: .................................................................................................. 32
b)
AREA DE PINTADO: ................................................................................................... 36
c)
AREA DE DESBASTADO DE CUERO: ........................................................................ 36

APLICANDO SIMULACIN
d)
AREA DE APARADO: ................................................................................................. 37
e)
AREA DE ARMADO: ................................................................................................... 37
f)
AREA DE REMATADO: ............................................................................................... 38
2.
Variables Exgenas: ..................................................................................................... 38
3.
Plan para la recopilacin de muestras: ..................................................................... 41

a)
4.
X.
Descripcin del procedimiento:................................................................................... 41

Toma de datos:.............................................................................................................. 42
SIMULACIN DEL MODELO:......................................................................................... 184

1.
Identificacin de elementos de simulacin: ............................................................ 184

a)
Entidades: .................................................................................................................. 184
b)
Recursos: .................................................................................................................... 185
c)
Actividades: ............................................................................................................... 185
d)
Variables: ................................................................................................................... 186
2.
Supuestos necesarios para el modelo: ...................................................................... 189
3.
Simulacin del sistema actual usando el software arena: .................................... 190
XI.
LAYOUT DEL ALMACEN DE MATERIALES: ............................................................ 191
LAYOUT DE LA PLANTA DE PRODUCCION: ......................................................... 192

VALIDACIN DEL SISTEMA ACTUAL:...................................................................... 207
1.
Seleccin de Indicadores:............................................................................................ 207
2.
Determinacin de rplicas y su validacin por reas: ........................................... 207
XII.
OPTIMIZACION DEL MODELO-OPTQUEST ANALYZER: ...................................... 276
1.
AREA DE CORTADO, PINTADO, DESBASTADO Y APARADO: ............................ 276
2.
AREA DE ARMADO Y REMATADO: ......................................................................... 278
CONCLUSIONES .................................................................................................................. 279

RECOMENDACIONES ........................................................................................................ 280
INTRODUCCIN
Todos los das a lo largo del tiempo cualquier persona, siempre ha tenido que tomar
decisiones por cualquier motivo; ya sea en la vida diaria, en el desempeo de sus
labores o en otros aspectos de su vida. Estas decisiones siempre estn ligadas a las
acciones que va a realizar posteriormente; lo que se busca con tomar estas decisiones
es que las posteriores consecuencias sean las mejores para el desempeo mismo.
Adems indirectamente estas decisiones van ligadas a un sistema que se crea. Entonces
lo que se busca es responder a este sistema con una buena accin. Si queremos hablar
ms concretamente y para representar mejor eso podramos hablar del
funcionamiento de una empresa que va a representar un sistema; este sistema debe
responder ante diversas variaciones que se hagan, pero tambin deben tener un
sistema inicial que me permita comparar los resultados de mis variaciones. Las
variaciones del sistema que yo pueda tener se pueden realizar a travs de una
experimentacin con el mismo sistema con el que estoy trabajando ya sea por
seguridad o comodidad en los costos. Entonces para obtener los mejores resultados es
que nosotros vamos a experimentar con nuestro sistema.
A fin de que el sistema no sea daado por un mal movimiento es que se piensa
remplazar el sistema real por otro que represente una versin simplificada que me
permita tomar las mejores decisiones, este procesos de experimentar en un sistema ms
simplificado seria Simular porque no estoy trabajando con el sistema real y el procesos
de buscar las mejores soluciones al sistema es Optimizacin.
En el presente trabajo se busca explicar esta idea de lo que es simulacin de Sistemas
que nace de una investigacin o mejora que se quiere incluir.
La empresa que se presenta es una empresa de produccin de calzados de aventura,
es una mype, que al ser mype nos permite encontrar diversos problemas de los cuales
se busca su optimizacin a travs de las herramientas del software Arena 14.0, que nos
va a permitir determinar posibles soluciones trayendo consigo alguna optimizacin.

APLICANDO SIMULACIN
RESUMEN
El presente trabajo es un informe de simulacin de la empresa de calzados DMaurus;
esta es un MYPE arequipea que produce calzados de cuero de aventura.
En el presente informe se va a llevar a cabo el estudio de la empresa en toda el rea
de produccin propiamente dicha; para ello primero se debe pedir permiso a la
empresa para poder plantearle el proyecto e informarle de los posibles beneficios que
podra tener de realizarse el trabajo. Posteriormente se tuvo contacto con la empresa
concediendo el permiso para poder realizar el estudio. Despus de un primer contacto
con el sistema de produccin se localizaron los principales problemas dentro de la
misma y en base a ello se plantea el desarrollo del proyecto.
Posteriormente se encontraron los datos de tiempos de cada proceso con la finalidad
de plasmar estos datos en el Simulador a utilizar que es el Software Arena14.0. Esto nos
permitir tener el sistema de produccin de manera virtual y que en este software
tambin podamos ver plasmados los problemas.
Una vez obtenido el sistema, para resolver los problemas identificados primero
debemos validar el sistema ello se ha logrado a travs de datos obtenidos por parte de
la empresa que se est estudiando. Esta validacin la podemos lograr a travs de datos
brindados por la empresa y en algunos casos por experiencia propia del operario del
rea.
Despus de haber validado el sistema podemos presentar las mejoras dentro del
sistema simulado, de esa manera no se presenta daos en el sistema real ni se incurre
en costos innecesarios. Este simulador nos ayuda a obtener diversos escenarios en el que
se puede plasmar las mejoras necesarias.
Despus de encontrar las posibles mejoras lo que se busca es posible recomendarlas al
sistema real y verificar cuales son las mejores opciones de manera que el sistema real
sea la que se beneficia.
I.
DATOS PREVIOS AL DESARROLLO DEL TRABAJO:

1. TTULO DEL PROYECTO DE INVESTIGACIN:
Optimizacin del sistema de produccin de la Empresa DMaurus aplicando
simulacin
2. DATOS DE LA EMPRESA:
NOMBRE DE LA EMPRESA
RUC
FECHA DE FUNDACIN
TIPO DE SOCIEDAD
ESTADO DE LA EMPRESA
SECTOR
CIIU
POBLACIN
CORPCALZA IMPORT EXPORT S.R.L
20456106162
21/07/2011
EMPRESA INDIVIDUAL DE RESP. LTDA
ACTIVO
FABRICACION DE CALZADO ZAPATOS
19208
AREQUIPA / AREQUIPA / PAUCARPATA
3. DESCRIPCIN DEL PROYECTO:

Con casi 4 aos en el mercado, D Maurus cuenta con 120 trabajadores, 50 en planta
y 70 a distancia, y tiene una capacidad mxima de produccin de 50 docenas por
da, pero su produccin real vara entre 32 a 35 docenas.
Sus principales procesos de produccin son: Almacn, Pintado, Aparado, Alistado,
Armado y Rematado.
Con los datos anteriormente brindados, el presente proyecto de investigacin,
representa la simulacin del sistema de la empresa, donde buscamos identificar los
diferentes problemas como: los cuellos de botella que se generan en el proceso de
produccin, demoras durante carga y descarga de las materias primas como del
producto final e identificar la productividad de la empresa entre otros.
Esto lo realizaremos analizando los tiempos que afectan cada proceso del ciclo, el
nivel de ocupacin del personal entre otros.
Luego de identificar los factores indicados anteriormente se proceder a la
recoleccin de datos y se utilizara esta informacin para con la ayuda del software
ARENA 14.0 simular el sistema actual y proponer una mejora al sistema. Esto se
lograra procurando que las mquinas y el personal tenga el mayor nivel de
utilizacin. Se podr lograr adems una mejor planificacin en la disposicin del
personal que la empresa usa, as como proponer alternativas que mejoren la
productividad de la empresa. Con la simulacin realizada por el software ARENA
14.0 podremos recrear distintos escenarios que puedan ocurrir en la planta y
plantear una solucin para cada uno de ellos.
II.
PLANTEAMIENTO DEL PROBLEMA:

Como dijimos anteriormente, el problema principal de la empresa est en perder parte
de su demanda por no ocupar su capacidad total de produccin, para ello se ha
encontrado diversas variables que pueden explicarlo:
a) Variables no controlables:

APLICANDO SIMULACIN
Uno de las variables que ocasionan este problema que nos especific el
gerente de la empresa es por la informalidad que se tiene, porque los
trabajadores al no estar asegurados, o tener los beneficios de acuerdo a ley,
hace que el trabajador se sienta indispensable, y con la capacidad de decidir
si quiere continua o irse de la planta en el momento que l quiera. Esta
manera de actuar de los trabajadores, tambin se da porque los modelos
que la empresa presenta son los ms difciles dentro del mercado, y ellos
confan en que la empresa aceptara las faltas de disciplina porque no tiene
otra opcin, que es lo que pasa actualmente dentro de la empresa.
La escasa mano de obra, hace que la empresa invierta tiempo en capacitar
a nuevos trabajadores, y ello tambin repercute en la produccin.
La empresa para dos de sus reas como son el aparado y el rematado, tiene
trabajadores, pero estos trabajan en sus casas fuera de la planta, esto implica
que no se pueda tener un control sobre ellos, ni mejorar su productividad, y
muchas veces resultan ser el cuello de botella.
b) Variables controlables:
Optimizar el tiempo de produccin.
Determinar los cuellos de botella que encontramos en la empresa con la
finalidad de reducirlos o eliminarlos.
La produccin algunas veces se atrasa porque no hay insumos que no llegan
a tiempo porque esta empresa importa sus insumos de China y el problema
de eso es que para que los materiales llegan se demora 4 meses, entonces
hay tiempos donde la demanda aumenta y la empresa excede su capacidad
de produccin y se queda sin insumos, por lo que tiene que parar.
Cortado: Dentro del rea de cortado, encontramos un problema entre lo que
es el cortado manual y la troqueladora, porque la troqueladora como se
mencion anteriormente saca de 7 a 8 docenas, mientras que el corte manual
saca la mitad, el problema es que en la troqueladora se hacen los cortes que
son ms fciles de cortar, en cambio los cortadores hacen los cortes ms
difciles; entonces ello traera sin duda una prdida porque si esto fuese al
revs, los cortadores podran sacar ms docenas y estar casi a la par con la
mquina.
Pintado, desbastado y alistado de aparado; A veces se forma un cuello de
botella cuando los cortes no estn listos, este puesto queda sin cortes para
trabajar, generando ello una diminucin en su eficiencia. Lo cual generara
tambin un retraso para el rea de desbastado.
Aparado; En el aparado se puede tener una demora si es que los cortes no
son desbastados correctamente, porque esto hace que al momento de coser
el tiempo sea mayor retrasando as la produccin.
El aparado tambin se terciariza, es decir que lo realiza gente fuera de la

planta, entonces se tiene que ver que este trabajo lo hagan personas
confiables ya que los cortes salen fuera de la planta y podra ocurrir, que no
cumplan con el tiempo, o que ya no devuelvan los cortes.
Alistado de armado, raspado de planta; donde se encuentra que hay un

desperdicio de material en el caso de los remaches.
Armado y rematado; Uno de os problemas que se encontr fue que solo hay
una persona capacitada que puede manejar la maquinaria para el armado
en s, esto puede condicionar la produccin, porque si esa persona falta,
entonces se podra decir que la fbrica tiene que parar, lo que generara una
extensin de tiempo para cumplir con mis demandas.
III.
OBJETIVOS:
1. General:
Conseguir que la empresa trabaje con su capacidad mxima y de esa
manera buscar que no pierda ventas, hacer ello usando el programa de
simulacin que nos permita darnos cuenta de los problemas ms
resaltantes.
2. Especficos:
Mejorar la organizacin de la planta.
Identificar los cuellos de botella, determinando los procesos menos
efectivos.
Buscar desarrollar la mayor capacidad en las diferentes partes del proceso.
Validar las soluciones planteadas entre la simulacin y el sistema real.
IV.
HIPTESIS:
1. Hiptesis general:
Usando el simulador se podr realizar la simulacin del sistema de
produccin de calzados, observando as los cuellos de botella del sistema

APLICANDO SIMULACIN
para poder proponer optimizaciones de manera que la empresa llegue a

su produccin mxima.
2. Hiptesis especficas:
Los cuellos de botella sern eliminados del sistema, lo que permitir
incrementar las ventas
Eliminar los tiempos perdidos en el sistema de produccin, vindose
reflejado ello en la disminucin de los costos
A travs de las mejoras del sistema de produccin, los trabajadores
incrementaran su productividad, disminuyendo sus tiempos muertos.
El sistema de simulacin que se va a desarrollar servir de base para
plantear las mejores de manera efectiva en la empresa.
V.
DELIMITACIN DE LA INVESTIGACIN:
Nosotros nos vamos a dedicar a estudiar todo el sistema de produccin, el cual est
conformado por:
rea de cortado
rea de Pintado
rea de Aparado
rea de Alistado
rea de Armado
rea de Rematado
De estos cinco procesos, nosotros solo vamos a ver las reas de cortado, pintado,
alistado y rematado, porque las dems se dan generalmente fuera del rea de la
empresa.
VI.
ESTADO DE ARTE:
Dentro de la empresa no se ha encontrado ningn estudio de optimizacin o
simulacin del sistema de produccin.
Se tienen datos acerca de un estudio de tiempos que se hizo por un alumno de la
Universidad Nacional de San Agustn eso como fuente del Gerente, tambin nos
indic que no cuenta con el trabajo fsico, sin embargo es importante resaltar que
este estudio de tiempo tuvo el fin de una mejor distribucin de la planta tenindose
como resultado de este estudio se lleg a la conclusin que la empresa contaba con
una buena distribucin, que el problema de no emplear su mxima capacidad iba
por el lado de exceso de tiempos muertos y que el proceso de produccin deba ser
estudiado de otra manera.
Si hablamos de modelos de simulacin en el Per, por la bsqueda realizada se ha
encontrado que no hay muchas empresas que lo empleen, hay mucho
desconocimiento de la materia.
Este desconocimiento de la materia est limitando mucho a las empresas, ya que
podra ser utilizado de mejor manera por las mypes, ya que los resultados se veran
de manera directa en menos tiempo y los cambios que se pueden ver van a estar
ms resaltados que si lo aplicara una empresa grande.
VII.
MARCO TERICO:
1. Descripcin del Sistema Actual:
Primero debemos aclarar que la empresa es una MYPE que actualmente tiene
una capacidad mxima de 50 docenas por da, pero la produccin solo llega a
34 docenas diarias como mxima, ya que a veces producen solo 30 docenas,
esto debido a algunos problemas como:
Mano de obra escasa
Falta de organizacin
Desabastecimiento de material
Falta de compromiso con la empresa
Bajo rendimiento en los trabajadores.
Los modelos a realizarse son en su mayora complicados.
Tambin es justo aclarar que la empresa tiene cinco etapas bsicas para la
produccin del calzado:
Cortado.
Pintado, desbastado y alistado de aparado.
Aparado.
Alistado de armado, raspado de planta.
Armado y rematado.
De estos procesos se podra decir que la empresa terciariza en casi un 90% el

proceso de Aparado. Lo mismo sucede con el proceso de Rematado.
El proceso de la empresa DMaurus empieza con el pedido, como hemos visto
ellos tienen una produccin mxima de 40 docenas diarias, pero para entregar
un pedido se demoran un promedio de tiempo de 5 das, es vlido decir que
cada cliente debe esperar 5 das para que la empresa pueda cumplir con su
demanda.
Despus que se tiene el pedido, la empresa va al rea de logstica, para asegurar
la produccin mxima que realiza en una semana que seran de 240 docenas,
luego se realiza una clasificacin de acuerdo a las fechas ms prximas a
entregar.
Es vlido tambin aclarar que si a la empresa uno de sus clientes que demandan
ms le exige un pedido de 40 docenas, entonces la empresa le da prioridad a
este pedido, y retarda la produccin de los dems pedidos un da, pero solo lo
hace en casos muy singulares.
Para empezar la produccin, con el pedido que se tiene, se manda a tres sitios:
o Almacn de cueros
o Almacn de insumos
o Alimentadora, puesto de trabajo en el cual se organiza las docenas de
pedido para empezar el proceso de armado.
En el almacn de cueros, se va a alistar todo el material necesario para cumplir
con la produccin del da, el encargado es el que va abastecer a todos los

APLICANDO SIMULACIN
cortadores, de acuerdo al modelo que se tenga que producir, por docena

generalmente se ocupan de 22 a 24 pies. El cuero ms utilizado es el nobuck y
el de menos salida es el craisen.
Dentro de los tipos de cueros que se encuentran en el almacn son:
Ranger
Nobuck
Espuma
Craisen
Gamuzones
Tambin debemos aclarar que los cueros que se compran, las planchas no tienen
un piezaje exacto, algunos vienen con 18 pies pero pueden llegar hasta los 22pies.
Luego este cuero es llevado al rea de cortado, este cortado puede ser de
manera manual o en una troqueladora, que el cortado se haga a mano o en
maquina va a depender de los moldes que se tengan para los modelos, es decir
la maquina no puede realizar todos los modelos porque no tiene todos los
moldes, entonces los moldes con los que no se cuentan se realiza el cortado a
mano; debemos aclarar que el cortado a mano generalmente bota 4 docenas
diarias, mientras las troqueladoras botan de 7 a 8 docenas dependiendo de la
dificultad del producto. Tambin se debe considerar que en esta rea, hay
cierto cortes que van pasar a una zona de estampado de marca que se hace
en caliente con una estampadora.
Luego de los cortes son apilados en un recipiente y se llevan a la zona de
pintado, en esta rea se realiza un pintado manual a todos los bordes de los
cueros y de igual manera se apilan para pasar a la zona de desbastado, donde
se rebaja los bordes del cueros para que el proceso de cosido sea ms sencillo.
En el rea de aparado es donde se van a unir y se va dar la primera forma a
todos los cortes previamente ya pintados, en esta rea se pone tambin espuma
a los bordes y a la lengua. Se hace con una maquina cosedora.
Luego los cortes ya aparados son llevados a la siguiente rea que es el rea de
Armado. Esta rea cuenta con 9 sub-reas que son:
o Alimentado
o Armado de punta y taln.
o Recortado y marcado de plantas.
o Cardado.
o Alistado de cemento.
o Echado de cemento.
o Pegado.
o Cocinado / horneado.
o Remachado / colocacin de hileras
Luego pasa a una zona de alistado de armado, la cual consta de echar terokal
con el soplete a los cortes que vienen del aparado para unir algunas piezas que
no son cosidas.
Luego sigue al proceso de armado de punta y taln en la maquina formadora
de punta y taln que se hace en caliente y en frio.
Luego pasa a la alimentadora, que es en si el inicio del armado este puesto de
trabajo consta de una sola persona que prepara los cortes (lo que sale del
aparado) dependiendo del pedido que se tenga, ella es en s la que comienza
el proceso de armado, a travs del carril que se tiene, es ella quien ordena las
11
docenas que se van a preparar de acuerdo al pedido que le entrega ventas. Es

la que organiza el trabajo de todos los das. Junto con esta alimentadora trabaja
un preparador de hormas para las docenas que se van a trabajar, esta persona
se encarga de voltear las hormas y ponerlas en el carril y las pone con una
plantilla para que estas hormas se junten en el punto donde se encuentra la
alimentadora y es as que se tiene el inicio del armado y tambin hay un puesto
donde se ponen ojalillos para algunos modelos que requieran hacerlo antes del
armado en s.
Luego pasan a la zona de armado en s, se hace en su totalidad con mquina,
el operario primero pone los cortes en el vaporizador por un determinado
tiempo con la intencin de suavizar los bordes del cuero, luego saca este corte y
lo junta con las hormas que le van llegando a travs del carril y con ayuda de
la armadora fija la punta y el taln, para finalmente pasarlo a la maquina
CAMBORIA donde une el corte a la plantilla y de ah lo pasa a la siguiente
etapa.
Luego pasa al marcado de corte para las plantas, en esta zona el operario es el
encargado de encajar una planta que se usa para el modelo y marcarlo en el
cuero para pasar a la siguiente rea.
Luego el corte pasa a un rea donde se hecha cemento, pero previamente la
planta a pegarse recibe un proceso de desbastado. El corte al que se le hecha
cemento se hace en base a lo que anteriormente se ha marcado, el operario de
esta rea tambin es el que va a ponerlo en el horno el corte con la horma y la
planta correspondiente. El horno es el encargado de una preparacin previa
para el debido pegado de plantas.
Luego pasa al rea de pegado de planta en s, primero hay un operario que
fija la planta al corte y luego lo meten a la pegadora que lo hace con aire, de
la maquina ya sale el zapato prcticamente terminado, luego pasa a una
maquina enfriadora que tiene una faja interna tambin que es la encargada
de enfriar el zapato que sale caliente de la pegadora para que facilite el sacado
de hormas.
Y como ltimo paso es el sacado de hormas de los zapatos que ya
prcticamente estn terminados, separa las hormas y los productos semiterminados. Este puesto de trabajo es con el que se comenz al inicio el que
alistaba las hormas con la plantilla.
Y por ltimo pasa al rea de Rematado, se ponen los ganchos posteriores se
hace manual y tambin con una remachadora. Tambin en esta rea se
colocan los pasadores y se colocan en bolsas transparentes y finalmente en bolsas
de color. Y este producto terminado pasa al almacn de productos terminados
para ser encajonados y etiquetados con los debidos nombres de los clientes, pero
esto ya se realiza en el rea de ventas.
2. Diagramas respectivos del sistema actual:

APLICANDO SIMULACIN
A. DIAGRAMA DE OPERACIONES DEL PROCESO

EMPRESA: Corpcalza Import Export S.R.L.
DEPARTAMENTO: Produccin
PRODUCTO: Zapatos
DIAGRAMA HECHO POR: Katia Puma
PAGINA: 1/2
FECHA: 04/04/2014
METODO D TRABAJO: Actual
APROBADO POR: Grupo de trabajo
Hormas, plantilla
Planta
12
Desbastar
Cuero, moldes
Juntar
Cajas
Cortar
Verificar cortes
Tinte
2
Pintar
Desbastar bordes
Estampar marca
Hilo
Espuma
2.5
Aparar, verificar cosido
Alistar armado
Armar punta y taln
Terokal
Accesorios
Remaches
8
Remachar
3.10
Armar, verificar
11
Marcar corte
13
Aplicar
Planta de prueba
Cemento
13
DIAGRAMA DE OPERACIONES DEL PROCESO

PRODUCTO: Zapatos
PAGINA: 2/2
FECHA: 04/04/2014
14
4.15
16
17
18
Calentar
Fijar planta, verificar
Pegar
Verificar el pegado
Enfriar
Retirar horma
Horma
Verificar producto
Ojalillos
19
Colocar ojalillos
Pasadores
Bolsa transparente
Bolsa de color
7.20
tem
Cantidad
Operaciones
20
Inspecciones
Rematar
Inspeccin Final

APLICANDO SIMULACIN
B. DIAGRAMA DE ANALISIS DEL PROCESO

PRODUCTO: Zapatos
Planta
PAGINA: 1/3
FECHA: 04/04/2014
Hormas, plantilla
12
Almacn Insumos
Cuero, moldes
Almacn Insumos
9
Desbastar
Juntar
Almacn de MP
Cortar
Verificar cortes
Cajas
1
Apilar
Tinte
2
Pintar
Apilar
Desbastar bordes
Al rea de Estampado
4
2
Estampar marca
Al rea de Corte
Hilo
Espuma
2.5
Terokal
Aparar y verificar cosido

Al rea de Armado
Accesorios
6
Pegar forros
Armar punta y taln
15
DIAGRAMA DE ANALISIS DEL PROCESO

PRODUCTO: Zapatos
PAGINA: 2/3
FECHA: 04/04/2014
A zona de Remachado
4
Remaches
8
Remachar
3.10
Armar, verificar
11
Marcar corte
13
Aplicar
14
Calentar
Planta de prueba
Cemento
4.15
16
Fijar planta y verificar
Pegar
Verificar el pegado
17
Enfriar
18
Retirar horma
Horma
Verificar producto
19
Colocar ojalillos
Ojalillos

APLICANDO SIMULACIN
DIAGRAMA DE ANALISIS DEL PROCESO

PRODUCTO: Zapatos
PAGINA: 3/3
FECHA: 04/04/2014
Apilar Prod. ST.

rea Rematado.
Pasadores
Bolsa transparente
Bolsa de color
7.20
tem
Inspeccin Final
Almacn de PT
Cantidad
Operaciones
20
Inspecciones
Transporte
Demora
Almacn
Rematar, verificar
17
A. FLOW SHEET
PRODUCTO: Zapatos
PAGINA: 1/1
FECHA: 04/04/2014

APLICANDO SIMULACIN
B. DIAGRAMA DE FLUJO:
19
C. DIAGRAMA DE RECORRIDO:

APLICANDO SIMULACIN
21
D. LAYOUT DEL PROCESO:

APLICANDO SIMULACIN
23
VIII.
ANALISIS DE DATOS DEL SISTEMA:

1. Fuentes de Informacin:
Las fuentes de informacin primaria que se pretende usar es justamente
el trabajo que vamos a realiza dentro de la planta.
Lo que se pretende hacer es tomar los datos de la misma empresa, de
las siguientes reas, segn los problemas encontrados:
Datos de los procesos independientes dentro del rea de
produccin; dentro de las cuales tenemos el rea de corte,
pintado y desbastado, aparado, alistado de armado y armado
y el rea de rematado.
Daros de los costos de los insumos y mano de obra que interviene
en la produccin.
Datos de los productos de salida dentro de cada rea.
Las fuentes de informacin secundaria:
Seria las entrevistas que se tiene con el gerente y la informacin
que l toma dentro del sistema de produccin.
Experiencia del trabajador.
2. Periodo de Estudio con ayuda de la empresa:
El periodo de estudio depende de la cantidad de datos que se quiere tomar
para validar nuestro sistema, adems de ello tambin depende de la
disponibilidad de tiempo del encargado de produccin.
El periodo de estudio va a contar con las siguientes actividades:
Envi de solicitud para realizar el trabajo
Entrevista con el gerente, explicando el proyecto
Determinar el cronograma de fechas.
Envi de solicitud para las respectivas visitas
Visita de reconocimiento
Hablar con los jefes de rea
Conocimiento del proceso
Reconocer las reas de produccin
Toma de datos relevantes del proceso
Reconocimiento de variables exgenas
Visita para la toma de datos
Toma de tiempos de cada proceso
Comparacin de datos obtenidos con registros de la empresa.
Creacin del diagrama de mdulos en el simulador
Vaciar los datos obtenidos
Determinacin de las distribuciones

APLICANDO SIMULACIN
Animacin del modelo obtenido

Validacin de resultados.
Las actividades tomadas en consideracin son actividades que se hacen en conjunto
con la empresa, es decir es el periodo de tiempo que la empresa nos ha permitido usar
las instalaciones para poder hacer un mejor estudio.
Ahora de acuerdo a ello podemos tener el Gantt:
25
El diagrama de Gantt se ve en las siguientes figuras, en donde se especifica tambin el

tiempo que se ha tomado para trabajar en conjunto con la empresa como
mencionamos anteriormente:

APLICANDO SIMULACIN
3. Caractersticas a considerar dentro del Sistema de Produccin:

El proceso de produccin no tiene un flujo constante, por las siguientes
razones:
El plan de produccin es casi constante porque lo mnimo que
pueden producir es de 32 docenas.
Los procesos principales que tiene la empresa como son: corte,
pintado y desbastado, aparado, alistado de armado y armado y
el proceso de rematado, la caracterstica singular de estos
procesos es que cada proceso alista sus productos para el da
siguiente; es decir el corte produce la cantidad necesaria y estos
cortes se apilan para el da siguiente, para que el proceso
siguiente es pintado y desbastado que tambin demora un da;
y as sucesivamente por lo que si seguimos el proceso de un solo
modelo este va a demorar 5 das. Pero debemos decir que
nosotros hemos determinado la produccin en un da porque en
la empresa los procesos no se detienen sino siguen corriendo,
adems de ello se tiene como dato que los tiempos de los procesos
son muy similares para todos los modelos, por lo que se nos valida
determinar el tiempo de produccin en un da.
Para tomar los tiempos se va a realizar un estudio ABC para
elegir los modelos ms representativos de la empresa, ya que esta
cuenta con una amplia variedad. Adems de considerar que
produccin se est llevando acabo en la empresa en el periodo
de estudio.
Se debe tener en cuenta el tipo de unidad que se va a
contabilizar en cada proceso:
o Corte (nmero de cortes)
o Pintado y desbastado(nmero de cortes)
o Aparado (nmero de cortes, se llaman cortes pero en este
caso es la unin de los cortes por cada unidad individual
del par)
27
o Armado ( nmero de zapato semi-terminado, unidad

individual)
o Rematado (nmero de pares de pares de zapatos)
IX.
ANALISIS DE DATOS DEL MODELO:

1. Determinacin de productos, para la realizacin de Simulacin:
Como hemos sealando, nuestra empresa es una mype productora de calzado, la cual
cuenta con 100 modelos.
Sabemos que la empresa tiene una capacidad de 50 docenas pero solo son 32 docenas las
que procesan diaria. Si sacamos el total de produccin dentro del mes, nos vamos a dar
cuenta que:
PRODUCCION TOTAL
32 docenas
Produccin diaria
196 docenas
Produccin semanal
768 docenas
Produccin mensual
Actualmente la empresa exporta para Chile, Bolivia y dentro de todo el Per y durante
el mes de marzo, abril y mayo est produciendo solo para la demanda de Chile, porque
son clientes que traen una mayor rentabilidad. Los modelos que se estn exportando son:
Camalen
Camaleon II
Phaser peak
Turan
Gargo
Clorts
Mercurial
Taurus
Zapatilla Vams
Mercury
Botines de Seguridad
Retro
Entonces nosotros para determinar los productos que ms salen aplicamos la tcnica del
ABC.

APLICANDO SIMULACIN
MODELO
CONSUMO
MENSUAL
COSTO UNITARIO
29
10
125
85
121
98
113
102
50
23
24
36
59
59
65
63
62
58
62
60
50
55
53
55
Camalen
Camaleon II
Phaser peak
Turan
Gargo
Clorts
Mercurial
Taurus
Zapatilla Vams
Mercury
Botines de Seguridad
Retro
Entonces la participacin seria de:
MODELO
% PARTICIPACIN
Camalen
Camaleon II
Phaser peak
Turan
Gargo
Clorts
Mercurial
Taurus
Zapatilla Vams
Mercury
Mmm
Mmm
8.33
8.33
8.33
8.33
8.33
8.33
8.33
8.33
8.33
8.33
8.33
8.33
CONSUMO
MENSUAL
20532
7080
97500
64260
90024
68208
84072
73440
30000
15180
15264
23760
% DE CONSUMO
3%
1%
17%
11%
15%
12%
14%
12%
5%
3%
3%
4%
Ahora podemos reordenar los datos para tener la muestra:
MODELO
% Valorizacin
Phaser peak
Turan
Gargo
Taurus
Mercurial
Zapatilla Vams
Mmm
Camalen
Camaleon II
Mmm
Mercury
Clorts
16.46%
15.82%
15.19%
15.07%
14.44%
5.06%
4.01%
3.47%
2.99%
2.58%
2.56%
2.35%
%
Acumulado
16.46%
32.28%
47.47%
62.54%
76.98%
82.05%
86.06%
89.52%
92.51%
95.09%
97.65%
100.00%
Clase
A
B
B
B
B
C
C
C
C
C
C
C
29
Entonces con los datos encontrados podemos decir, que los productos ms importantes
son:
Phaser peak
MODELO PHEASER PEAK:

El modelo ms vendido para
exportar a Chile. Tiene una
demanda mensual de 125
docenas siendo este el que
ms utilidades le da a la
empresa.
Pero tambin hemos decidido estudiar los de la clase B ya que en realidad la empresa
produce ms modelos de zapatos, solo que estos doce modelos son representativos en estos
meses para abastecer la demanda. Entonces los modelos que tambin se han decidido
trabajar son:
Turan
Gargo
Taurus
Mercurial
TURAN

APLICANDO SIMULACIN
TAURUS
GARGO
MERCURIAL
Ahora para tomar las variables exgenas tenemos que considerar lo siguiente:
o Cada modelo requieren diferentes cortes, por lo que el tiempo de corte va a variar,
entonces lo que nosotros hemos decidido como grupo es considerar a cada corte por
modelo como una variable.
o Para considerar las variables de tiempo entre llegadas, hemos visto que no va a ser
necesario porque la capacidad es casi constante (32 docenas), entonces tomar el
tiempo entre llegadas no servira mucho.
Ahora despus de haber determinado los modelos a estudiar vamos a especificar un poco
el proceso de cada modelo dentro de la empresa, y ver como varan estos. Primero
debemos familiarizarnos con el proceso, este sigue el siguiente recorrido:
31
a) CUARTO DE CORTE:
En este caso encontramos que va haber dos tipos de corte a nivel general en toda la
empresa:
Uno es corte manual que est conformado por 5 operarios, cada operario tiene un
sueldo por destajo, es decir mientras ms docenas de corte hagan es ms ganancia
para ellos, generalmente ellos tienen una capacidad de 7docenas diarias.
El otro corte se hace en una troqueladora, en toda la empresa se tiene 2 mquinas
que son llamadas troqueladoras que son el corte con maquinaria y son 2 operarios los
necesarios, estos operarios pueden sacar hasta 10 docenas diarias.
De los modelos que nosotros estamos estudiando todas las docenas han sido tomadas con
corte de manera manual, a excepcin de GARGO que tiene un corte que se hace en la
troqueladora porque es un poco complejo porque tienen algunos adornos que tomara
ms tiempo hacerlo de manera manual.
Entonces para los tiempos de corte lo que vamos hacer es tomar cada variable por cada
corte por cada modelo, porque obviamente el tiempo es diferente de lo que las variables
serian:
VARIABLE
Y1PP
Y2PP
Y3PP
Y4PP
Y5PP
Y6PP
Y7PP
MODELO PHEASER PEAK (7 cortes)

DESCRIPCIN
Tiempo de corte del lateral externo
Tiempo de corte de la lengua
Tiempo de corte de la puntera.
Tiempo de corte de Lateral Interno
Tiempo de corte de la frentera.
Tiempo de corte de Forro 1 (puntera)
Tiempo de corte de Forro 2 (lengua)

APLICANDO SIMULACIN
VARIABLE
Y8T
Y9T
Y10T
Y11T
Y12T
Y13T
Y14T
Y15T
Y16T
Y17T
Y18T
Y19T
Y20T
MODELO TURAN (14 cortes)

DESCRIPCIN
Tiempo de corte del corte Frontal
Tiempo de corte de la Puntera
Tiempo de corte del lateral
Tiempo de corte del lado interno
Tiempo de corte del armazon
Tiempo de corte de la Tira lateral
Tiempo de corte del exterior.
Tiempo de corte de la puntera exterior
Tiempo de corte del Lateral interno
Tiempo de corte del forro 1
Tiempo de corte del forro de la puntera
Tiempo de corte del forro de la lengua
Tiempo de corte del forro de la lengeta
33
Y21T
Tiempo de corte del forro interno
VARIABLE
Y22A
Y23A
Y24A
Y25A
Y26A
MODELO TAURUS (5 cortes)

DESCRIPCIN
Tiempo de corte de lengua.
Tiempo de corte parte trasera.
Tiempo de corte parte lateral.
Tiempo de corte parte mayor.
VARIABLE
Y27M
Y28M
Y29M
Y30M
Y31M
Y32M
Y33M
Y34M
MODELO MERCURIAL (9 cortes)

DESCRIPCIN
Tiempo de corte de la parte delantera.
Tiempo de corte del exterior
Tiempo de corte del cuerpo
Tiempo de corte del forro de la puntera.
Tiempo de corte del forro de la lengua.
Tiempo de corte de la lengua.
Tiempo de corte de aplicaciones

APLICANDO SIMULACIN
Y35M
VARIABLE
Y36G
Y37G
Y38G
Y39G
Y40G
Y41G
Y42G
Y43G
Y44G
Y45G
Y46G

MODELO GARGO CAA ALTA (11 cortes)
DESCRIPCIN
Tiempo de corte de caa 1
Tiempo de corte de la puntera
Tiempo de corte de los ojalillos
Tiempo de corte del peto
Tiempo de corte del adorno
A los operarios de cortado el material se les da a la hora de entrada, obviamente el rea

de logstica sabe lo que cada operario tiene que cortar entonces ya se les da el material
necesario para todo el da. Entonces en este caso no hay tiempo entre llegadas al rea de
corte.
35
b) AREA DE PINTADO:
En este caso el pintado es alimentado por el rea de Cortado, esta rea solo cuenta con
un operario, diariamente este operario trabaja 22 docenas, aunque depende a veces del
modelo puede tener llegar a realizar 24 docenas.
El modelo de pintado lo hace de manera por unidad, y le da un ltimo retoque agarrando
por lotes de corte y lo hace para que tenga un buen acabado.
Para tomar tiempos del proceso solo se ha considerado 9 variables, porque los tiempos no
variaban entre algunos modelos de cortes, entonces las muestras ms significativas que
variaban eran por tamao, o porque tienen ms detalles en el cuero (por ejemplo que
tenga agujeros, entonces eso tomaba ms tiempo, aunque sea una pieza chica, entonces
donde se ha encontrado ms variabilidad se tomaron tiempos, lo que hizo que tengamos
un total de 9 variables exgenas en esta rea.
En este caso tambin vamos a tener tiempo entre llegadas.
c) AREA DE DESBASTADO DE CUERO:

El rea de desbastado es directamente alimentado por el rea de pintado directamente,
en este caso el rea de desbastado tiene dos operarios la capacidad que tienen es de 18 a
17 docenas. En este caso tambin hemos podido lograr medir el tiempo entre llegadas.

APLICANDO SIMULACIN
d) AREA DE APARADO:
En este caso, es la unin de todos los cortes, es el cocido que se le va a dar todas estas
piezas, dependiendo del modelo.
Debemos especificar que en el rea de aparado en la empresa solo se tienen dos puestos
significativos, pero que esta operacin tambin se terciariza, se tiene por fuera
aproximadamente 30 operarios.
Por informacin del experto nos dijo que para el cosido de los modelos que nosotros
seleccionamos se tienen los siguientes horarios:
MODELO
Turan
Phaser Peak
Mercurial
Taurus
Gargo
TIEMPO
9 horas
7 horas
7 horas
4 horas
8 horas
Pero en este caso, hemos visto que el tiempo de alimentacin es directamente despus de
haber sido desbastado por lo que tambin hemos podido considerar el tiempo entre
llegadas.
e) AREA DE ARMADO:
Es propiamente sacar el zapato ya terminado, es donde el zapato se va a armar, en este
caso se tenemos el carril de armado el cual est compuesto por 37 carros de los cuales en
cada carro se puede procesar hasta 4 pares de zapatos, pero en la planta solo usan la
capacidad de dos pares por carros pero en ciertas zonas.
Para hacerlo de una manera ms detallada vamos a ver que en la zona de armado se
tiene 7 puestos principales:
37
3
4
Estos siete puestos dependen del sistema de carriles, en este caso hemos medido el tiempo
en el que se demora dar toda una vuelta y el tiempo fue de 1 hora con 58 minutos y 32
segundos, si esto lo dividimos entre el nmero de carritos que son 37 podemos ver que el
tiempo que se demora en caminar un carrito una distancia es de:
Una vuelta
Tiempo por carrito
7112 segundos
192.22 seg.
Entonces nosotros para comprobar esto, hemos tomado el tiempo por cada puesto de
trabajo de los 7 que hemos tomado.
f) AREA DE REMATADO:
En este caso el rematado se terciariza afuera y dentro de la planta solo se tiene un puesto
significativo, el rea de rematado tiene una capacidad de 4 docenas diarias.
Esta operacin tambin se terciariza, afuera de la planta se tiene cuatro operarios y cada
uno diariamente remata 7 docenas.
Nosotros vamos a tomar un tiempo con el puesto significativo que tiene la empresa,
aunque en este caso teniendo la capacidad seria insignificante tomar el tiempo pero lo
hicimos de igual manera.
2. Variables Exgenas:
Entonces las nuevas variables exgenas a considerar serian:
VARIABLE
X1
X2
X3
X4
X5
X6
X7
DESCRIPCIN
Tiempo entre llegadas entre el rea de corte y el rea de pintado.
Tiempo entre llegadas entre el rea de pintado y el rea de desbastado.
Tiempo entre llegadas entre el rea de desbastado y el rea de aparado.
Tiempo entre llegadas entre rea de alimentado y rea de pegado punta
taln.
Tiempo entre llegadas entre rea de pegado punta taln y rea de
desbastado de planta.
Tiempo entre llegadas entre el rea de desbastado de planta y rea de
aplicacin de cemento.
Tiempo entre llegadas entre rea de sacado de hormas y rea de alimentado.

APLICANDO SIMULACIN
Y1PP
Y2PP
Y3PP
Y4PP
Y5PP
Y6PP
Y7PP
Y8T
Y9T
Y10T
Y11T
Y12T
Y13T
Y14T
Y15T
Y16T
Y17T
Y18T
Y19T
Y20T
Y21T
Y22A
Y23A
Y24A
Y25A
Y26A
Y27M
Y28M
Y29M
Y30M
Y31M
Y32M
Y33M
Y34M
Y35M
Y36G
Y37G
Y38G
Y39G
Y40G
Y41G
Y42G
Y43G
Y44G
Y45G
Y46G
Y47
Y48PA
Y49PB
Y50PC

Tiempo de corte del armazn
Tiempo de corte en el troquelado para el modelo Gargo, aplicaciones
especiales.
Tiempo de pintado de pieza de tipo A.
Tiempo de pintado de la pieza tipo B.
Tiempo de pintado de la pieza tipo C.
39
Y51PD
Y52PE
Y53PF
Y54PG
Y55PH
Y56PI
Y57
Y58
Y59
Y60
Y61APP
Y62AT
Y63AA
Y64AM
Y65AG
Y66
Y67
Y68
Y69
Y70
Y71
Y72
Y73
Y74
Y75
Y76
Y77
Y78
Y79
Y80
Y81
Y82
Y83
Y84
Tiempo de pintado de la pieza tipo D.

Tiempo de pintado de la pieza tipo E.
Tiempo de pintado de la pieza tipo F.
Tiempo de pintado de la pieza tipo G.
Tiempo de pintado de la pieza tipo H.
Tiempo de pintado de la pieza tipo I.
Tiempo de desbastado del corte.
Tiempo para estampar la marca en el cuero.
Tiempo para estampar la talla en la lengua.
Tiempo para estampar la marca en la plantilla.
Tiempo de aparado de una unidad de Pheaser Peak.
Tiempo de aparado de una unidad de Turan.
Tiempo de aparado de una unidad de Taurus.
Tiempo de aparado de una unidad Mercurial.
Tiempo de aparado de una unidad de Gargo.
Tiempo para alimentar una unidad de corte aparado al armado.
Tiempo para engrapar la plantilla de cartn a la horma.
Tiempo del corte aparado en el vaporizador.
Tiempo para fijar la punta y el taln a la horma.
Tiempo para pegar la plantilla de cartn al corte ya fijado a la horma.
Tiempo para marcar la planta en el corte.
Tiempo para desbastar la planta.
Tiempo para aplicar cemento a la planta.
Tiempo para aplicar cemento al corte con la horma.
Tiempo para fijar la planta al corte.
Tiempo de alistado de corte del aparado.
Tiempo para separar la horma del zapato semi terminado.
Tiempo para poner ganchos.
Tiempo para poner ojalillos.
Tiempo para poner la plantilla al zapato
Tiempo para poner peridico al zapato
Tiempo para poner pasador al zapato.
Tiempo para embolsar en una bolsa transparente.
Tiempo para embolsar en bolsa de color.
Ahora tambin podeos decir que se ha tomado el tiempo constante de las distintas
maquinarias que no son operadas por ningn operario, en cierta medida son solo maquinas
que tienen una faja transportadora y o dan calor o dan frio.
MQUINA
TIEMPO (Seg.)
Calentadora, del armado al marcado

Calentadora, de la aplicacin de cemento al
pegado de planta
Pegadora de planta
Enfriadora, del pegado de planta al sacado de
hormas.
50.72
291.58
235.17
101.38

APLICANDO SIMULACIN
3. Plan para la recopilacin de muestras:

Despus de haber realizado el anlisis ahora si podemos entrar a realizar el anlisis de las
variables que hemos encontrado, para determinar el nmero de datos necesario para
realizar el estudio:
a) Descripcin del procedimiento:

Anteriormente ya hemos demostrado como es que hemos decidido estudiar los cinco
modelos de la empresa, ahora al momento de hacer cada anlisis por variables va
estar justificado como se tom el tiempo en cada proceso.
Ahora para determinar el nmero de muestras hemos usado el siguiente mtodo:
Como la empresa va a producir siempre, entonces consideramos que nuestra
muestra es infinita.
Luego hemos procedido a tomar 30 muestras, para ver la variabilidad y
determinar el nmero de muestra. Esta muestra se ha tomado de manera d
observacin directa.
Luego determinamos el n0:
2
2
1
2
0 =
2
Asumimos que en N va a ser 5000 datos.
Ahora debemos comprobar que nuestro N debe ser mayor a 0 (0 + 1), si
es asi entonces quiere decir que mi muestra de datos a tomar es el 0 que ya
haba determinado.
41
Si no es as, entonces tengo que hacer la correccin de la muestra usando la

siguiente ecuacin:
1+ 0
Ese sera el mtodo para determinar nuestras muestras.

Luego de tener el tamao de la muestra complementamos tomando los datos
necesarios para completar la muestra requerida.
Luego vamos a guardar los datos con una extensin de texto delimitado por
tabulaciones para poder acceder a estos datos desde el programa Arena.
Abrimos el Arena y abrimos el documento que hemos guardado y contienen
nuestros datos, vamos al men File/Data File/Use Existing e inmediatamente
se creara el histograma.
Para saber el tipo de distribucin vamos a Fit/Fit All que es la que menos error
nos muestra.
Tambin podemos ver que en Windows/ Fit All Summary podemos ver todas
las distribuciones y el error, esto lo haramos con la intencin de comprobar.
4. Toma de datos:
1) Tiempo entre llegadas entre el rea de corte y el rea de pintado (X1):
El tiempo se toma, desde que el operario de corte le da los cortes para pintar, las piezas
generalmente se pasan por docena de cortes ya completos es decir todos los cortes
necesarios para la docena de zapatos, algunas veces se presenta el caso que hay mucha
exigencia de demanda y entonces el operario que corta debe pasar las piezas por
docena de piezas. Nosotros hemos obviado esas particularidades, y hemos tomado el
tiempo que generalmente se usa ese decir cuando los cortes son pasados
completamente por toda la docena.
El tiempo que se ha tomado es desde que el operario le pasa la primera docena de
cortes, Tambin se debe tener en cuenta que al operario de pintado generalmente
tiene 2 a 3 docenas o sea que podemos considerar el primer tiempo en el segundo cero.
MUESTRA INICIAL DE 30 MUESTRAS
1
11 1072,12 21 1559,43
0,00
2 1260,25 12 1200,64 22 1169,56
3 1359,10 13 1097,74 23 1462,65
4 1172,32 14 1426,21 24 1381,74
5 1416,35 15 955,32 25 1578,53
6 800,36 16 800,65 26 1111,42
7 1260,12 17 1007,32 27 1272,54
8
18
1116,15
1321,17 28 855,48
9 1378,31 19 1012,25 29 756,65
10 1493,65 20 1594,12 30 1090,36
Luego hemos pasado a determinar el nmero de muestra necesario para nuestra
variable:
Media Muestral
Varianza muestral
NC
1166.083667
104341.602114
0.950000

APLICANDO SIMULACIN
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
n
n
1.960000
0.050000
58.304183
117.915314
5000.000000
14021.936497
no cumple
no/(1+(no/N))
115.198578
DISTRIBUCIN BETA
-0.001 + 1.58e+003 + BETA(3.96, 1.25)
Expresin
0.024813
Error Cuadrtico
PRUEBA DE CHI CUADRADO
Nmero de Intervalo
=6
Grados de Freedon
=3
Prueba Estadstica
=15.2
p-valor correspondiente <0.005

PRUEBA DE KOLMOGOROV-SMIRNOV
Prueba Estadstica
=0.125
p-valor correspondiente
=0.0489
Comentario
Los datos de la variable tiempo entre llegadas rea de corte-rea de
pintado (X1) siguen una distribucin -0.001 + 1.58e+003 + BETA(3.96, 1.25)
con un nivel de confianza del 95% un error estimado del 5%, podemos ver
que no se acepta la hiptesis nula en ninguna de las dos, por ende se
trabaja con una distribucin emprica, previamente formulada. Con esta
43
informacin podemos concluir que los datos no siguen la distribucin

obtenida con el software Arena.
2) Tiempo entre llegadas entre el rea de pintado y el rea de desbastado (X2):

El tiempo se toma, desde que el operario de pintado le da los cortes para desbastar al
siguiente operarios, las piezas generalmente se pasan por docena de cortes ya
completos es decir todos los cortes necesarios para la docena de zapatos, algunas veces
se presenta el caso que hay mucha exigencia de demanda y entonces el operario que
corta debe pasar las piezas por docena de piezas. Nosotros hemos obviado esas
particularidades, y hemos tomado el tiempo que generalmente se usa ese decir cuando
los cortes son pasados completamente por toda la docena.
cortes. Tambin se debe tener en cuenta que al operario de desbastado generalmente
tiene 2 a 3 docenas o sea que podemos considerar el primer tiempo en el segundo cero.
1
0,00
11 1449,02 21 1981,65
2 1303,32 12 1539,35 22 1408,53
3 1995,54 13 1989,24 23 2022,45
4 1512,32 14 1332,38 24 1941,64
5 1374,53 15 1719,68 25 1260,76
6 1527,52 16 1458,85 26 1353,65
7 1712,52 17 1908,36 27 1336,67
8 1409,45 18 1964,45 28 1705,45
9 1319,17 19 1326,00 29 1705,36
10 1720,36 20 1852,35 30 1724,45
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
n
n
1561.834000
150955.461928
0.950000
1.960000
0.050000
78.091700
95.093585
5000.000000
9137.883462
no cumple
no/(1+(no/N))
93.318781

APLICANDO SIMULACIN
DISTRIBUCIN EXPONENCIAL
-0.001 + EXPO(3.5e+003)
Expresin
0.000186
Error Cuadrtico
Nmero de Intervalo
=1
Grados de Freedon
=-1
Prueba Estadstica
=0.00632
p-valor correspondiente <0.005

Prueba Estadstica
=0.55
p-valor correspondiente < 0.01

Comentario
Los datos de la variable tiempo entre llegadas rea de corte-rea de
pintado (X2) siguen una distribucin EXPO(3.5e+003) con un nivel de
confianza del 95% un error estimado del 5%, podemos ver que no se acepta
la hiptesis nula en ninguna de las dos, por ende se trabaja con una
distribucin emprica, previamente formulada. Con esta informacin
podemos concluir que los datos no siguen la distribucin obtenida con el
software Arena.
3) Tiempo entre llegadas entre el rea de desbastado y el rea de aparado (X3):

El tiempo se toma, desde que el operario de desbastado le da los cortes para aparar
al siguiente operario, las piezas generalmente se pasan por docena de cortes ya
completos es decir todos los cortes necesarios para la docena de zapatos.
cortes. Tambin se debe tener en cuenta que al operario de aparado generalmente
tiene 1 docena por da o sea que podemos. Como hemos dicho el operario de aparado
hace una docena por da, entonces el tiempo que se ha tomado es el tiempo de
desbastado por docena, ya que esa docena va a ir a un aparador desocupado, cuando
acaba otra docena el de desbastado, esa docena va a otro operario, entonces nuestros
tiempos a considerar serian lo que se demora el desbastado en una docena.
45

1
11 1449,02 21 1581,65
0,00
2 1203,32 12 1539,35 22 1408,53
3 1995,54 13 1389,24 23 2022,45
4 1512,32 14 1332,38 24 1941,64
5 1374,53 15 1719,68 25 1260,76
6 1527,52 16 1458,85 26 1353,65
7 1712,52 17 1708,36 27 1536,67
8 1209,45 18 1964,45 28 1705,45
9 1319,17 19 1326,00 29 1705,36
10 1720,36 20 1852,35 30 1524,45
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
E
No
N
no*(no-1)
N>no*(no-1)
N
N
1511.834000
136651.806756
0.950000
1.960000
0.050000
75.591700
91.871180
5000.000000
8532.184954
no cumple
no/(1+(no/N))
90.213575
DISTRIBUCIN NORMAL
NORM(1.52e+003, 326)
Expresin
0.016014
Error Cuadrtico
Nmero de Intervalo
=5
Grados de Freedon
=2
Prueba Estadstica
=10.3
p-valor correspondiente = 0.00606

APLICANDO SIMULACIN
Prueba Estadstica
=0.125

Comentario
Los datos de la variable tiempo entre llegadas rea de desbastado-rea
de aparado (X3) siguen una distribucin NORMAL(1.52e+003, 326) con un
nivel de confianza del 95% un error estimado del 5%, podemos ver que solo
se acepta la hiptesis nula de la prueba kolgomorov-smirnov (p>0.05), ya
que se trata de una muestra pequea de n datos. Con esta informacin
podemos concluir que los datos siguen la distribucin obtenida con el
software Arena.
4) Tiempo entre llegadas entre rea de alimentado y rea de pegado punta taln
(X4):
En este caso tenemos que considerar que ya se hace a travs de un carril, o sea la
velocidad es constante, la variacin que se puede encontrar y que de hecho hemos visto
es que los zapatos no llegan en todos los carriles, es decir a veces salta uno, entonces en
ese caso el tiempo va a variar, entonces esa es la razn por la que consideramos tomar
los tiempos en los siete puestos principales del armado.
En este caso la alimentacin para cada proceso se hace por unidad de calzado, o sea por
unidad, porque trabajan un zapato a la vez.
En este caso el tiempo de tomado de muestra tambin seria extenso, por lo que hay
datos que hemos tomado aleatoriamente.
1
11 384,43 21 384,43
0,00
2 384,43 12 384,43 22 768,86
3 384,43 13 384,43 23 384,43
4 384,43 14 576,64 24 384,43
5 384,43 15 384,43 25 384,43
6 384,43 16 384,43 26 384,43
7 576,64 17 384,43 27 384,43
8 384,43 18 576,64 28 576,64
9 384,43 19 384,43 29 384,43
10 384,43 20 384,43 30 384,43
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
E
No
N
410.058000
14608.543265
0.950000
1.960000
0.050000
20.502900
133.502214
5000.000000
47
no*(no-1)
N>no*(no-1)
N
N
17956.343253
no cumple
no/(1+(no/N))
130.030346
DISTRIBUCIN NORMAL
NORM(4.11, 97.2)
Expresin
0.502123
Error Cuadrtico
Nmero de Intervalo
=5
Grados de Freedon
=2
Prueba Estadstica
= 274

Prueba Estadstica
= 0.385

Comentario
Los datos de la variable tiempo entre llegadas rea de alimentado-rea
de pegado (X4) siguen una distribucin NORMAL(4.11, 97.2) con un nivel
de confianza del 95% un error estimado del 5%, podemos ver que no se
acepta la hiptesis nula en ninguna de las dos, por ende se trabaja con una
distribucin discreta, previamente formulada. Con esta informacin
software Arena.
5) Tiempo entre llegadas entre rea de pegado punta taln y rea de desbastado
de planta (X5):

APLICANDO SIMULACIN
En este caso la alimentacin para cada proceso se hace por unidad de calzado, o sea
por unidad, porque trabajan un zapato a la vez. En este caso la alimentacin casi
siempre deja dos carriles vacos, adems debemos considerar que estamos saltando el
puesto de marcado de planta
1
0,00
11 576,65 21 576,65
2 576,65 12 384,43 22 768,86
3 384,43 13 384,43 23 576,65
4 384,43 14 384,43 24 576,65
5 576,65 15 576,65 25 384,43
6 576,65 16 576,65 26 384,43
7 576,65 17 576,65 27 384,43
8 384,43 18 384,43 28 384,43
9 384,43 19 384,43 29 576,65
10 384,43 20 384,43 30 576,65
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
E
No
N
no*(no-1)
N>no*(no-1)
N
N
467.725333
19577.942840
0.950000
1.960000
0.050000
23.386267
137.517321
5000.000000
19048.530957
no cumple
no/(1+(no/N))
133.836358
DISTRIBUCIN BETA
-0.001 + 769 * BETA(3, 2.02)
Expresin
0.329765
Error Cuadrtico
49
Nmero de Intervalo
=7
Grados de Freedon
=4
Prueba Estadstica
= 338

Prueba Estadstica
= 0.313

Comentario
Los datos de la variable tiempo entre llegadas rea de pegado-rea de
desbastado (X5) siguen una distribucin BETA(3, 2.02) con un nivel de
confianza del 95% un error estimado del 5%, podemos ver que no se acepta
la hiptesis nula en ninguna de las dos, por ende se trabaja con una
distribucin emprica, previamente formulada. Con esta informacin
software Arena.
6) Tiempo entre llegadas entre el rea de desbastado de planta y rea de
aplicacin de cemento (X6):
por unidad, porque trabajan un zapato a la vez en este caso la alimentacin casi
siempre es carril tras carril.
1
11 192,22 21 192,22
0,00
2 192,22 12 192,22 22 192,22
3 192,22 13 192,22 23 192,22
4 192,22 14 192,22 24 192,22
5 192,22 15 192,22 25 192,22
6 192,22 16 192,22 26 192,22
7 192,22 17 192,22 27 192,22
8 192,22 18 192,22 28 192,22
9 192,22 19 192,22 29 192,22
10 192,22 20 384,43 30 192,22
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
192.215000
2548.041809
0.950000
1.960000

APLICANDO SIMULACIN
e
E
No
N
no*(no-1)
N>no*(no-1)
N
N
0.050000
9.610750
105.975172
5000.000000
11336.712341
no cumple
no/(1+(no/N))
103.775644
DISTRIBUCIN NORMAL
NORM(205, 55)
Expresin
0.607914
Error Cuadrtico
Nmero de Intervalo
=5
Grados de Freedon
=2
Prueba Estadstica
= 286

Prueba Estadstica
= 0.397

Comentario
Los datos de la variable tiempo entre llegadas rea de desbastado-rea
de aplicacin de cemento (X6) siguen una distribucin NORMAL(205, 55)
con un nivel de confianza del 95% un error estimado del 5%, podemos ver
que no se acepta la hiptesis nula en ninguna de las dos, por ende se
trabaja con una distribucin emprica, previamente formulada. Con esta
7) Tiempo entre llegadas entre rea de sacado de hormas y rea de alimentado
(X7):
51
por unidad, porque trabajan un zapato a la vez en este caso la alimentacin casi
siempre es carril tras carril.
1
0,00
11 192,22 21 192,22
2 192,22 12 192,22 22 192,22
3 192,22 13 192,22 23 192,22
4 192,22 14 192,22 24 192,22
5 192,22 15 192,22 25 192,22
6 192,22 16 192,22 26 192,22
7 192,22 17 192,22 27 192,22
8 192,22 18 192,22 28 192,22
9 192,22 19 192,22 29 192,22
10 384,43 20 384,43 30 192,22
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
n
n
198.622167
3779.595349
0.950000
1.960000
0.050000
9.931108
147.218372
5000.000000
21820.467328
no cumple
no/(1+(no/N))
143.007700

APLICANDO SIMULACIN
DISTRIBUCIN NORMAL
NORM(208, 57.8)
Expresin
0.636139
Error Cuadrtico
Nmero de Intervalo
=7
Grados de Freedon
=4
Prueba Estadstica
= 503

Prueba Estadstica
= 0.384

Comentario
Los datos de la variable tiempo entre llegadas rea de sacado de hormasrea de alimentado (X7) siguen una distribucin NORMAL(208, 57.8) con
un nivel de confianza del 95% un error estimado del 5%, podemos ver que
no se acepta la hiptesis nula en ninguna de las dos, por ende se trabaja
con una distribucin emprica, previamente formulada. Con esta
8) Tiempo de corte del lateral externo (Y1PP):
En esta operacin, lo que se realiza es cortar la pieza del lado exterior, se realiza con
ayuda de una cuchilla y una afiladora, el corte se realiza de forma manual.
Este operario produce generalmente entre 4 y 5 docenas en la jornada semanal por
cada modelo de zapato.
El tiempo se toma, desde que el operario coge el cuero, lo acomoda, coge el molde y
lo sita sobre el cuero y con la cuchilla empieza a cortarlo, posteriormente lo apila, es
ah donde se termina el cronometrado.
1
11
41,67
51,63 21 67,43
2 77,09 12 52,48 22 60,86
3
74,23 13 54,46 23 48,20
53
4
5
6
7
8
9
10
72,31
76,92
62,01
47,83
57,64
48,28
41,98
14
15
16
17
18
19
20
46,33
61,13
52,79
55,76
51,89
53,49
56,71
24
25
26
27
28
29
30
46,89
56,75
59,81
64,46
49,76
58,93
63,49

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
57.107
92.662
0.950
1.960
0.050
2.855
43.661
5000.000
1862.635
si cumple
DISTRIBUCIN BETA
41 + 37 * BETA(1.03, 1.18)
Expresin
0.009535
Error Cuadrtico
Nmero de Intervalo
=6
Grados de Freedon
=3
Prueba Estadstica
= 2.67


APLICANDO SIMULACIN
Prueba Estadstica
= 0.0891
p-valor correspondiente > 0.15

Comentario
Los datos de la variable tiempo de corte del lateral externo (Y1PP) siguen
una distribucin 37*BETA(1.03, 1.18) con un nivel de confianza del 95% un
error estimado del 5%, podemos ver que ambas pruebas de bondad se
cumplen (p>0.05). Con esta informacin podemos concluir que los datos
siguen la distribucin obtenida con el software Arena.
9) Tiempo de corte de la lengua (Y2PP):
En esta operacin, lo que se realiza es cortar la pieza de la lengua, se realiza con ayuda
de una cuchilla y una afiladora, el corte se realiza de forma manual.
1
27,28
11
24,28 21 25,76
2
12 27,96 22 28,57
25,14
3 34,08 13 33,08 23 31,39
4 44,34 14 29,46 24 29,34
5
15 36,25 25 36,99
33,88
6 38,07 16 31,69 26 34,48
7
17 26,56 27 30,81
31,09
8
35,79 18 28,82 28 27,57
9
32,83 19 29,58 29 33,98
10 34,50 20 35,79 30 32,59
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
31.732
19.401
0.950
1.960
55
e
e
no
N
no*(no-1)
N>no*(no-1)
0.050
1.587
29.608
5000.000
847.006
si cumple
DISTRIBUCIN NORMAL
NORM(31.7, 4.33)
Expresin
0.012654
Error Cuadrtico
Nmero de Intervalo
=3
Grados de Freedon
=0
Prueba Estadstica
= 1.34

Prueba Estadstica
= 0.0908

Comentario
Los datos de la variable Tiempo de corte de la lengua (Y2PP) siguen una
distribucin NORMAL(31.7, 4.33) con un nivel de confianza del 95% un error
estimado del 5%, podemos ver que solo se acepta la hiptesis nula de la
prueba kolgomorov-smirnov (p>0.05), ya que se trata de una muestra
pequea de n datos. Con esta informacin podemos concluir que los datos
10) Tiempo de corte de la puntera (Y3PP):

APLICANDO SIMULACIN
En esta operacin, lo que se realiza es cortar la pieza de la puntera, se realiza con

1
11
23,59
23,56 21
28,13
2
26,77 12 27,92 22 27,42
3
13 24,72 23 24,22
31,14
4 25,92 14 23,67 24 29,45
5
22,72 15 28,83 25 22,89
6 23,52 16 26,74 26 26,55
7
25,75 17 29,22 27 25,82
8
29,01 18 23,89 28 30,43
9 24,05 19 25,90 29 23,55
10 25,48 20 24,97 30 27,38
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
26.107
5.615
0.950
1.960
0.050
1.305
12.660
5000.000
147.611
si cumple
57
DISTRIBUCIN LOGNORMAL
22 + LOGN(3.78, 2.97)
Expresin
0.002848
Error Cuadrtico
Prueba Estadstica
= 0.129

Comentario
Los datos de la variable Tiempo de corte de la puntera (Y3PP) siguen
una distribucin 22 + LOGNORMAL3.78, 2.97) con un nivel de confianza del
95% un error estimado del 5%, podemos ver que solo se realiz la prueba
kolgomorov-smirnov y el resultado fue que se acepta la hiptesis nula
(p>0.05), ya que se trata de una muestra pequea de n datos. Con esta
informacin podemos concluir que los datos siguen la distribucin obtenida
con el software Arena.
11) Tiempo de corte de Lateral Interno (Y4PP):
En esta operacin, lo que se realiza es cortar la pieza de lateral interno, se realiza con
lo situa sobre el cuero y con la cuchilla empieza a cortarlo, posteriormente lo apila, es
ahi donde se termina el cronometrado.
1
21 36,43
31,00 11
32,13

APLICANDO SIMULACIN
2
3
4
5
6
7
8
9
10
29,91
33,25
34,45
37,46
29,79
33,63
36,58
31,06
41,51
12
13
14
15
16
17
18
19
20
37,13
28,13
34,90
36,75
37,68
31,50
38,61
35,38
30,19
22
23
24
25
26
27
28
29
30
30,62
34,15
39,12
33,13
38,31
31,90
30,60
38,16
32,85

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
34.210
11.647
0.950
1.960
0.050
1.710
15.293
5000.000
218.596
si cumple
DISTRIBUCIN BETA
28 + 14 * BETA(1.15, 1.5)
Expresin
0.021423
Error Cuadrtico
Prueba Estadstica
= 0.148

Comentario
Los datos de la variable Tiempo de corte de Lateral Interno (Y4PP)
siguen una distribucin 28 + 14*BETA(1.15, 1.5) con un nivel de confianza del
kolgomorov-smirnov y el resultado fue que se acepta la hiptesis nula
59

12) Tiempo de corte de la Frentera (Y5PP):
En esta operacin, lo que se realiza es cortar la pieza de la frentera, se realiza con

1
11
27,37
33,92 21 37,90
2
29,91
12 27,94 22 27,07
3
30,48 13 38,50 23 31,26
4 30,55 14 36,04 24 37,54
5
15 38,84 25 33,98
35,41
6 29,54 16 33,08 26 38,45
7
34,14
17 28,29 27 28,67
8 30,05 18 35,72 28 30,35
9 33,90 19
37,16 29 33,90
10 38,80 20 38,45 30 30,88
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
33.270
14.997
0.950
1.960
0.050
1.663
20.819
5000.000
412.607
si cumple

APLICANDO SIMULACIN
DISTRIBUCIN BETA
27 + 12 * BETA(0.899, 0.708)
Expresin
0.010462
Error Cuadrtico
Nmero de Intervalo
=3
Grados de Freedon
=0
Prueba Estadstica
= 0.211

Prueba Estadstica
= 0.124

Comentario
Los datos de la variable Tiempo de corte de la Frentera (Y5PP) siguen
una distribucin 27 + 12*BETA(0.899, 0.708) con un nivel de confianza del
95% un error estimado del 5%, podemos ver que solo se acepta la hiptesis
nula de la prueba kolgomorov-smirnov (p>0.05), ya que se trata de una
muestra pequea de n datos. Con esta informacin podemos concluir que
los datos siguen la distribucin obtenida con el software Arena.
13) Tiempo de corte de forro 1 (puntera) (Y6PP):
61
En esta operacin, lo que se realiza es cortar la pieza de forro, se realiza con ayuda de
una cuchilla y una afiladora, el corte se realiza de forma manual.
1
11
27,78
26,86 21 25,45
2 25,90 12 27,56 22 25,71
3
13 26,99 23 21,47
24,13
4
25,41
14 26,23 24 27,27
5
32,39 15 28,83 25 26,62
6
28,78 16 34,46 26 25,82
7
17 30,65 27 25,27
27,14
8 25,50 18 25,38 28 23,13
9 35,40 19
29 28,42
21,11
10 33,78 20 22,29 30 31,96
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
27.256
12.940
0.950
1.960
0.050
1.363
26.765
5000.000
689.601
si cumple
DISTRIBUCIN TRIANGULAR
TRIA(21, 24.6, 36)
Expresin
0.030124
Error Cuadrtico
Nmero de Intervalo
=3

APLICANDO SIMULACIN
Grados de Freedon
=1
Prueba Estadstica
= 0.465

Prueba Estadstica
= 0.18

Comentario
Los datos de la variable Tiempo de corte de forro 1 (Y6PP) siguen una
distribucin TRIANGULAR(21, 24.6, 36) con un nivel de confianza del 95%
un error estimado del 5%, podemos ver que en ambas pruebas de bondad
se aceptan las hiptesis nulas (p>0.05). Con esta informacin podemos
concluir que los datos siguen la distribucin obtenida con el software Arena.
14) Tiempo de corte de forro 2 (lengua) (Y7PP):
En esta operacin, lo que se realiza es cortar la pieza de forro, se realiza con ayuda de
1
11
21
16,36
16,23
14,93
2
18,53
12
14,18
22 16,52
3
13
18,26
15,94 23
16,81
4
14 19,05 24
17,23
19,17
5
16,79 15
16,36 25 18,79
6
14,59 16
15,82 26 15,09
7
15,82
17
15,29 27 16,29
8
19,14
18
17,26 28 19,86
9
19
17,68
17,89 29
14,12
10 18,85 20 18,25 30 18,63
variable:
63
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
16.991
2.651
0.950
1.960
0.050
0.850
14.108
5000.000
184.927
si cumple
DISTRIBUCIN BETA
14 + 5.64 * BETA(1.18, 1.04)
Expresin
0.013551
Error Cuadrtico
Prueba Estadstica
= 0.134

Comentario
Los datos de la variable Tiempo de corte de forro 2 (Y7PP) siguen una
distribucin 14 + 5.64*BETA(1.18, 1.04) con un nivel de confianza del 95% un
error estimado del 5%, podemos ver que solo se realiz la prueba
kolgomorov-smirnov, aceptando la hiptesis (p>0.05), ya que se trata de
una muestra pequea de n datos. Con esta informacin podemos concluir
que los datos siguen la distribucin obtenida con el software Arena.
15) Tiempo de corte del corte frontal (Y8T):

APLICANDO SIMULACIN
En esta operacin, lo que se realiza es cortar la pieza del lado frontal, se realiza con
1
11 26,49 21
26,75
31,17
2
23,46 12 25,47 22 23,79
3
13 27,36 23 26,54
22,87
4
14 25,75 24 25,93
25,41
5
22,79 15 27,69 25 22,92
6
16 23,61 26 24,83
28,51
7 24,30 17 26,38 27 27,75
8
21,98
18 24,27 28 26,75
9 22,69 19 22,89 29 21,94
10 28,27 20 24,58 30 22,81
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
25.198
5.121
0.950
1.960
0.050
1.260
12.394
5000.000
141.218
si cumple
65
DISTRIBUCIN BETA
21.3 + 7.68 * BETA(0.94, 0.968)
Expresin
0.006466
Error Cuadrtico
Prueba Estadstica
= 0.118

Comentario
Los datos de la variable Tiempo de corte del corte frontal (Y8T) siguen
una distribucin 21.3 + 7.68*BETA(0.94, 0.968) con un nivel de confianza
del 95% un error estimado del 5%, podemos ver que solo se realiz la
prueba kolgomorov-smirnov, aceptando la hiptesis nula (p>0.05), ya que
se trata de una muestra pequea de n datos. Con esta informacin
software Arena.
16) Tiempo de corte de la puntera (Y9T):
En esta operacin, lo que se realiza es cortar la pieza de la puntera, se realiza con

1
11
21
17,46
19,51
14,26
2
22 20,45
15,87 12
16,72
3
23
18,46 13
17,01
18,38
4 14,96 14 20,07 24 20,95

APLICANDO SIMULACIN
5
6
7
8
9
10
15,83
16,49
15,38
17,69
15,34
16,23
15
16
17
18
19
20
16,04
17,77
14,86
20,41
15,75
20,67
25
26
27
28
29
30
18,00
17,66
17,64
18,09
16,05
15,21

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
17.307
3.643
0.950
1.960
0.050
0.865
18.689
5000.000
330.587
si cumple
DISTRIBUCIN GAMMA
14.3 + GAMM(1.03, 2.56)
Expresin
0.004308
Error Cuadrtico
Prueba Estadstica
= 0.0832

Comentario
Los datos de la variable Tiempo de corte de la puntera (Y9T) siguen una
distribucin 14.3 + GAMMA(1.03, 2.56) con un nivel de confianza del 95% un
kolgomorov-smirnov, aceptando la hiptesis nula (p>0.05), ya que se trata
de una muestra pequea de n datos. Con esta informacin podemos
17) Tiempo de corte del lateral (Y10T):
67
En esta operacin, lo que se realiza es cortar la pieza del lateral, se realiza con ayuda
1
11
21
17,53
16,13
18,62
2
14,94 12 15,62 22 18,50
3
13
17,68
13,44 23
14,97
4 22,53 14 13,66 24
17,45
5
15,83
15
12,54 25 14,40
6
16
13,48
19,12 26 24,09
7
17 13,90 27
21,54
15,86
8
15,02 18
19,76 28
21,42
9
19
14,87
13,82 29 16,88
10 18,63 20 15,35 30 23,80
variable:
Media Muestral
Varianza
muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
17.163
10.121
0.950
1.960
0.050
0.858
52.798
5000.000
2734.810
si cumple

APLICANDO SIMULACIN
DISTRIBUCIN BETA
12 + 13 * BETA(1.26, 2.08)
Expresin
0.001256
Error Cuadrtico
Nmero de Intervalo
=5
Grados de Freedon
=2
Prueba Estadstica
= 0.338

Prueba Estadstica
= 0.0755

Comentario
Los datos de la variable Tiempo de corte del lateral (Y10T) siguen una
distribucin 12+13*BETA(1.26, 2.08) con un nivel de confianza del 95% un
error estimado del 5%, podemos ver que en ambas pruebas de bondad se
aceptan la hiptesis nulas (p>0.05. Con esta informacin podemos concluir
que los datos siguen la distribucin obtenida con el software Arena.
18) Tiempo de corte del lado Interno (Y11T):
69
En esta operacin, lo que se realiza es cortar la pieza del lado interno, se realiza con
1
17,93
11
16,13
21
13,18
2
22 14,89
12,42 12
21,34
3 14,02 13
23 16,77
13,04
4 15,60 14
24 14,39
18,57
5
25 16,43
17,80 15
18,97
6
15,95 16 20,06 26 14,06
7
17
27 18,72
14,28
19,39
8
28
13,54 18
13,70
13,31
9 19,63 19
20,10 29 19,81
10 18,63 20
30 15,95
12,14
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
16.358
7.320
0.950
1.960
0.050
0.818
42.035
5000.000
1724.895
si cumple
DISTRIBUCIN BETA
12 + 10 * BETA(1.14, 1.54)
Expresin
0.001947
Error Cuadrtico

APLICANDO SIMULACIN
Nmero de Intervalo
=5
Grados de Freedon
=2
Prueba Estadstica
= 0.338

Prueba Estadstica
= 0.0685

Comentario
Los datos de la variable Tiempo de corte del lado Interno (Y11T) siguen
una distribucin 12 + 10*BETA(1.14, 1.54) con un nivel de confianza del 95%
un error estimado del 5%, podemos ver en ambas pruebas de bondad de
ajuste se aceptan la hiptesis (p>0.05. Con esta informacin podemos
19) Tiempo de corte del armazn (Y12T):
En esta operacin, lo que se realiza es cortar la pieza del armazn, se realiza con ayuda
1
18,09
11
16,87
21
21,47
2
19,65
12
13,09 22 15,75
3
13
14,34
12,49 23 13,56
4
14
13,55
14,33 24 16,23
5
15
25 14,33
16,12
15,78
6
16
26
15,47
14,66
15,78
7
15,75
17
12,34 27 14,66
8
18
13,56
15,07 28 12,34
9
19
16,23
13,45 29 19,65
10 14,22 20 16,40 30 14,34
71

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
15.319
4.802
0.950
1.960
0.050
0.766
31.446
5000.000
957.375
si cumple
DISTRIBUCIN WEIBULL
12 + WEIB(3.89, 1.61)
Expresin
0.005825
Error Cuadrtico
Nmero de Intervalo
=3
Grados de Freedon
=0
Prueba Estadstica
= 0.516

Prueba Estadstica
= 0.0833

Comentario
Los datos de la variable Tiempo de corte del armazn (Y12T) siguen una
distribucin 12 + WEIBULL(3.89, 1.61) con un nivel de confianza del 95% un
error estimado del 5%, podemos ver que solo se acepta la hiptesis nula de
la prueba kolgomorov-smirnov (p>0.05), ya que se trata de una muestra

APLICANDO SIMULACIN
20) Tiempo de corte de la Tira lateral (Y13T):
En esta operacin, lo que se realiza es cortar la pieza de tira lateral, se realiza con
1
11
21 20,80
19,01
18,73
2
22
18,23 12
18,19
19,12
3 19,54 13
17,94 23
18,64
4 18,34 14
16,43 24
14,10
5 13,70 15 20,53 25 19,94
6 14,69 16 15,06 26 19,05
7
27
19,27 17
16,71
17,28
8
17,62 18 16,05 28 16,40
9 19,34 19
21,83 29
18,37
10 18,43 20 18,23 30 21,04
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
18.087
4.028
0.950
1.960
0.050
0.904
18.922
5000.000
339.132
si cumple
73
TRIA(13, 18.6, 22)
Expresin
0.002884
Error Cuadrtico
Prueba Estadstica
= 0.113

Comentario
Los datos de la variable Tiempo de corte de la Tira lateral (Y13T) siguen
una distribucin TRIANGULAR(13, 18.6, 22) con un nivel de confianza del
21) Tiempo del corte del exterior (Y14T):
En esta operacin, lo que se realiza es cortar la pieza del lado exterior, se realiza con

APLICANDO SIMULACIN

1
11
21
19,04
17,76
19,76
2
12
21,34
21,30 22 25,56
3 22,54 13 24,87 23 19,34
4 22,76 14
17,22 24 23,77
5 16,09 15
18,07 25 19,53
6
16 22,65 26 18,39
18,34
7
17
17,32
18,06 27
17,27
8
18
18,76
17,33 28 21,04
9 23,65 19
29 20,54
19,12
10 18,32 20 20,55 30 19,67
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
19.999
6.136
0.950
1.960
0.050
1.000
23.574
5000.000
532.144
si cumple
DISTRIBUCIN ERLANG
16 + ERLA(2.07, 2)
Expresin
0.021570
Error Cuadrtico
Nmero de Intervalo
=3
Grados de Freedon
=0
Prueba Estadstica
= 1.29

75
Prueba Estadstica
= 0.114

Comentario
Los datos de la variable Tiempo del corte del exterior (Y14T) siguen una
distribucin 16 + ERLANG(2.07, 2) con un nivel de confianza del 95% un
22) Tiempo de corte de la puntera exterior (Y15T):
En esta operacin, lo que se realiza es cortar la pieza de la puntera grande, se realiza

con ayuda de una cuchilla y una afiladora, el corte se realiza de forma manual.
1
11 24,95 21 25,10
25,35
2
12
21,89
23,12 22 24,78
3
23,58 13 26,58 23 21,20
4 27,02 14
21,32 24 23,05
5 24,20 15
25,17 25 24,09
6
26,78 16 23,41 26 26,65
7
17 27,30 27 23,48
23,12
8
18
26,18
22,85 28 24,69
9 22,95 19 24,18 29 27,15
10 25,05 20 28,36 30 21,23
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
24.493
3.731
0.950
1.960
0.050

APLICANDO SIMULACIN
e
no
N
no*(no-1)
N>no*(no-1)
1.225
9.558
5000.000
81.799
si cumple
DISTRIBUCIN BETA
22.5 + 4.89 * BETA(0.67, 0.664)
Expresin
0.011908
Error Cuadrtico
Prueba Estadstica
= 0.155

Comentario
Los datos de la variable Tiempo de corte de la puntera exterior (Y15T)
siguen una distribucin 22.5 + 4.89*BETA(0.67, 0.664) con un nivel de
confianza del 95% un error estimado del 5%, podemos ver que solo se
realiz la prueba kolgomorov-smirnov, aceptando la hiptesis nula
23) Tiempo de corte del Lateral Interno (Y16T):
En esta operacin, lo que se realiza es cortar la pieza de lateral interno, se realiza con
77

1
11
21,20
25,89 21 20,36
2
12
18,45
19,42 22 23,45
3 24,98 13
21,65 23 22,10
4 19..23 14
18,32 24
26,11
5 29,78 15
18,02 25 25,66
6
16
25,12
21,45 26 21,88
7
17 26,98 27
21,85
18,12
8
26,12
18 20,78 28 19,06
9 26,28 19
21,45 29 22,78
10 27,45 20
18,12 30 24,32
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
22.660
10.814
0.950
1.960
0.050
1.133
32.361
5000.000
1014.896
si cumple
TRIA(18, 18.9, 30)
Expresin
0.016739
Error Cuadrtico
Nmero de Intervalo
=4

APLICANDO SIMULACIN
Grados de Freedon
=2
Prueba Estadstica
= 2.37

Prueba Estadstica
= 0.133

Comentario
Los datos de la variable Tiempo de corte del Lateral Interno (Y16T)
siguen una distribucin TRIANGULAR(18, 18.9 ,30) con un nivel de
confianza del 95% un error estimado del 5%, podemos ver que en ambas
pruebas de bondad de ajuste se aceptan la hiptesis nulas (p>0.05. Con
esta informacin podemos concluir que los datos siguen la distribucin
24) Tiempo de corte del forro 1 (Y17T):
En esta operacin, lo que se realiza es cortar la pieza del forro, se realiza con ayuda de
1
32,67
11
38,61
21
33,23
2 40,15 12 38,64 22 29,22
3 28,49 13
31,43 23 38,39
4
35,61 14 36,74 24 39,67
5 36,28 15
29,18 25
41,45
6 38,92 16 40,81 26 40,04
7 37,29 17 33,29 27 42,59
8 35,42 18 39,85 28
31,27
9
36,18 19 33,69 29 41,63
10 41,09 20 35,10 30 34,66
79

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
36.386
16.148
0.950
1.960
0.050
1.819
18.741
5000.000
332.499
si cumple
DISTRIBUCIN BETA
28 +14 * BETA(1.46, 1.18)
Expresin
0.00.2847
Error Cuadrtico
Prueba Estadstica
= 0.132

Comentario
Los datos de la variable Tiempo de corte del forro 1 (Y17T) siguen
una distribucin 28+14*BETA(1.46, 1.18) con un nivel de confianza del
95% un error estimado del 5%, podemos ver que solo se realiz la
prueba kolgomorov-smirnov, aceptando la hiptesis nula (p>0.05), ya
que se trata de una muestra pequea de n datos. Con esta
informacin podemos concluir que los datos siguen la distribucin
25) Tiempo de corte del Forro de la puntera (Y18T):

APLICANDO SIMULACIN
1
20,11
11
31,74
21 30,71
2
12 25,66 22 27,38
22,17
3 28,08 13
26,15 23
21,91
4
14
19,33
21,67 24 22,73
5
15 23,40 25 26,13
19,99
6
38,14
16 28,32 26 23,45
7
26,73 17 24,45 27 27,72
8
26,68 18 25,29 28 25,05
9 24,05 19 25,40 29 24,28
10 27,33 20 28,13 30 25,18
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
E
No
N
no*(no-1)
N>no*(no-1)
25.579
14.490
0.950
1.960
0.050
1.279
34.032
5000.000
1124.175
si cumple
81
DISTRIBUCIN NORMAL
NORM(25.5, 3.57)
Expresin
0.009804
Error Cuadrtico
Nmero de Intervalo
=3
Grados de Freedon
=0
Prueba Estadstica
= 0.73

Prueba Estadstica
= 0.131

Comentario
Los datos de la variable Tiempo de corte del Forro de la puntera (Y18T)
siguen una distribucin NORMAL(25.5, 3.57) con un nivel de confianza del
26) Tiempo de corte del forro de la lengua (Y19T):

APLICANDO SIMULACIN
1
15,37
11
15,29
21
15,51
2
12
22
10,65
17,16
18,51
3
13
23 12,05
17,34
19,16
4
10,40 14
11,07 24 10,99
5
15
12,79
10,71 25
11,75
6
18,11
16
16,75 26 11,69
7
17
27 14,48
14,20
19,17
8
18 19,96 28 19,23
17,63
9
15,90 19
16,87 29 12,25
10 15,94 20 16,40 30 15,82
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
15.105
8.996
0.950
1.960
0.050
0.755
60.591
5000.000
3610.643
si cumple
DISTRIBUCIN BETA
10 + 10 * BETA(1.13, 1.03)
Expresin
0.007050
Error Cuadrtico
Nmero de Intervalo
=7
Grados de Freedon
=4
Prueba Estadstica
= 3.07

83
Prueba Estadstica
= 0.0821

Comentario
Los datos de la variable Tiempo de corte del forro de la lengua (Y19T)
siguen una distribucin 10 + 10*BETA(1.13, 1.03) con un nivel de confianza
del 95% un error estimado del 5%, podemos ver que se aceptan las hiptesis
nulas de ambas pruebas de bondad de ajuste(p>0.05. Con esta
27) Tiempo de corte del forro de lengeta (Y20T):
1
11
21
14,86
14,98
16,42
2
18,92
12
12,35 22
11,95
3
17,38
13
10,80 23
19,61
4
24 13,79
16,68 14
11,58
5
15
25 17,76
16,77
11,61
6
16 15,60 26 10,38
18,01
7
17
19,14
13,26 27 12,30
8
12,97
18
17,04 28 18,88
9
19
29 15,98
17,21
19,17
10 18,46 20
30 16,52
11,70
variable:

APLICANDO SIMULACIN
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
15.402
8.336
0.950
1.960
0.050
0.770
54.003
5000.000
2862.283
si cumple
DISTRIBUCIN BETA
10 + 10 * BETA(1.24, 0.964)
Expresin
0.004069
Error Cuadrtico
Nmero de Intervalo
=6
Grados de Freedon
=3
Prueba Estadstica
= 0.351

Prueba Estadstica
= 0.0677

Comentario
Los datos de la variable Tiempo de corte del forro de lengeta (Y20T)
del 95% un error estimado del 5%, podemos ver que se aceptan las dos
hiptesis nula de las pruebas de bondad de ajuste (p>0.05. Con esta
85
28) Tiempo de corte del forro interno (Y21T):
1
11
18,75
22,26 21 20,44
2
22 25,87
28,76 12
18,77
3
26,52 13 20,90 23
28,11
4
24,61 14 21,00 24 21,52
5
18,30 15
25,15 25 28,20
6 24,62 16
19,25 26 26,01
7 20,49 17
27 28,05
17,84
8
19,92
18 29,00 28 23,98
9
23,14 19 22,44 29 27,94
10 22,73 20 24,14 30 27,82
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
23.552
12.440
0.950
1.960
0.050
1.178
34.462
5000.000
1153.142
si cumple

APLICANDO SIMULACIN
DISTRIBUCIN BETA
17 + 12 * BETA(1.01, 0.853)
Expresin
0.001747
Error Cuadrtico
Nmero de Intervalo
=5
Grados de Freedon
=2
Prueba Estadstica
= 0.321

Prueba Estadstica
= 0.0742

Comentario
Los datos de la variable Tiempo de corte del forro interno (Y21T) siguen
una distribucin 17 + 12*BETA(1.01, 0.853) con un nivel de confianza del 95%
un error estimado del 5%, podemos ver quese aceptan las dos hiptesis nula
de las pruebas de bondad de ajuste(p>0.05. Con esta informacin
software Arena.
29) Tiempo de corte de la puntera (Y22A):
87
En este proceso el operario va realizar el corte del cuero de manera manual, y la

variacin del tiempo de va a dar de acuerdo a la pieza.
El tiempo que hemos tomado es desde que el operario toma sus instrumento de corte,
acomoda, el molde encima del cuero y pasa a cortar todo el molde, de ah saca el corte
de cuero y empieza a apilarlos.
En algunos tiempo se va a encontrar mucha diferencia, porque tiene una herramienta
para afilar sus instrumentos de corte entonces hay en algunas piezas donde afilan su
instrumento, este tiempo est considerado dentro del tiempo de corte porque lo hace
aleatoriamente.
1
11
10,91
10,35 21
9,35
2
12
11,14
12,68 22 10,54
3
10,93 13
11,84
23
11,24
4
14 12,65 24 11,07
11,43
5
15
12,16
12,37 25 13,02
6
10,56 16 14,23 26
11,54
7
17
27
10,54
11,01
11,32
8
13,56
18
2,03
28 10,62
9
13,85
19 12,36 29
9,34
10 10,24 20 13,85 30 10,23
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
11.232000
4.689210
0.950000
1.960000
0.050000
0.561600
57.115975
5000.000000
3319.350578
si cumple
DISTRIBUCIN NORMAL
NORM(11.1, 2.14)
Expresin
0.033422
Error Cuadrtico
Nmero de Intervalo
=4

APLICANDO SIMULACIN
Grados de Freedon
=1
Prueba Estadstica
= 6.92

Prueba Estadstica
= 0.171

Comentario
Los datos de la variable Tiempo de corte de la puntera (Y22A) siguen
una distribucin NORMAL (11.1, 2.14) con un nivel de confianza del 95% un
30) Tiempo de corte de lengua (Y23A):

El tiempo que hemos tomado es desde que el operario toma sus instrumento de corte,
acomoda, el molde encima del cuero y pasa a cortar todo el molde, de ahi saca el corte
instrumento, este tiempo esta considerado dentro del tiempo de corte porque lo hace
aleatoriamente.
1
11
21
11,26
9,54
9,35
2
12,53
12
9,35
22 10,35
3
9,95
13
9,27
23
11,23
4
14 12,24 24 12,42
12,10
5
15
13,36
12,57 25
11,34
6
16
26 12,37
8,68
11,75
7
27 10,25
20,01 17
11,24
8
7,50
18 10,25 28
9,27
9
19
29
7,13
8,35
8,75
89
10
10,36
20
8,94
30
10,92

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
n
n
10.754333
5.614081
0.950000
1.960000
0.050000
0.537717
74.590546
5000
5638.340162
no cumple
no/(1+(no/N))
73.494153
DISTRIBUCIN BETA
7 + 14 * BETA(3.37, 7.89)
Expresin
0.013485
Error Cuadrtico
Nmero de Intervalo
=3
Grados de Freedon
=0
Prueba Estadstica
= 3.19

Prueba Estadstica
= 0.0773

APLICANDO SIMULACIN
Comentario
Los datos de la variable Tiempo de corte de lengua (Y23A) siguen una
distribucin 7 + 14*BETA(3.37, 7.89) con un nivel de confianza del 95% un
31) Tiempo de corte parte trasera (Y24A):

El tiempo que hemos tomado es desde que el operario toma sus instrumentos de corte,
aleatoriamente.
1
11
16,35
16,58 21
15,37
2
12
13,15
11,98 22 12,45
3
13 10,35 23 13,27
23,95
4
10,00 14
14,27 24 14,57
5
14,96
15
15,34 25 13,62
6
10,18
16 13,26 26 11,35
7
17
11,78
12,54 27 12,35
8
18
12,26
15,74 28 10,25
9
19 16,34 29 13,01
8,85
10 10,58 20 14,02 30 12,32
variable:
Media Muestral
13.368000
91
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
n
n
8.308823
0.950000
1.960000
0.050000
0.668400
71.446143
5000
5175.997555
no cumple
no/(1+(no/N))
70.439616
DISTRIBUCIN NORMAL
NORM(14.7, 2.51)
Expresin
0.003693
Error Cuadrtico
Nmero de Intervalo
=4
Grados de Freedon
=1
Prueba Estadstica
= 1.02

Prueba Estadstica
= 0.057

Comentario
Los datos de la variable Tiempo de corte parte trasera (Y24A) siguen
una distribucin NORMAL(14.7, 2.51) con un nivel de confianza del 95% un
error estimado del 5%, podemos ver que solo se aceptan la hiptesis nula
de ambas pruebas de bondad de ajuste (p>0.05). Con esta informacin
software Arena.

APLICANDO SIMULACIN
32) Tiempo de corte parte lateral (Y25A):

El tiempo que hemos tomado es desde que el operario toma su instrumento de corte,
aleatoriamente.
1
11
21 13,09
21,26
14,88
2
12
19,93
16,10 22
13,31
3
10,94
13
9,91
23
9,84
4
10,95 14 10,93 24
11,13
5
15
9,79
11,06 25 12,08
6
16
26 11,24
13,24
12,13
7
17
27 12,03
13,41
9,91
8
13,00 18
9,86
28
9,54
9
14,96
19
9,41
29 11,46
10
20
30 13,84
11,29
9,25
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
12.325667
8.266515
0.950000
1.960000
0.050000
0.616283
83.612991
5000
7074.745216
no cumple
93
n
n
no/(1+(no/N))
82.237762
DISTRIBUCIN BETA
9 + 13 * BETA(1.13, 2.66)
Expresin
0.006505
Error Cuadrtico
Nmero de Intervalo
=6
Grados de Freedon
=3
Prueba Estadstica
= 1.05

Prueba Estadstica
= 0.0652

Comentario
Los datos de la variable Tiempo de corte parte lateral (Y25A) siguen una
error estimado del 5%, podemos ver que se aceptan la hiptesis nulas de
ambas pruebas de bondad de ajuste(p>0.05). Con esta informacin
software Arena.
33) Tiempo de corte parte mayor (Y26A):

APLICANDO SIMULACIN

aleatoriamente.
1
11
21
8,29
8,00
11,24
2
12
15,83
16,07 22
11,58
3
13
11,18
12,94 23 12,34
4
16,61
14
10,71
24 16,37
5
12,45
15
10,49 25 15,86
6
12,36 16
12,75 26 13,27
7
17
11,50
10,99 27 12,06
8
18 13,00 28
12,61
8,25
9
10,28 19
12,55 29
9,35
10 10,56 20 16,35 30 13,31
variable:
Media Muestral
Varianza
muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
12.305000
5.932309
0.950000
1.960000
0.050000
0.615250
60.205010
5000
3684.848267
si cumple
95
DISTRIBUCIN BETA
8 + 9 * BETA(0.967, 1.19)
Expresin
0.019620
Error Cuadrtico
Nmero de Intervalo
=6
Grados de Freedon
=3
Prueba Estadstica
= 7.34

Prueba Estadstica
= 0.0899

Comentario
Los datos de la variable Tiempo de corte parte mayor (Y26A) siguen una
error estimado del 5%, podemos ver quese aceptan la hiptesis nula de las
pruebas bondad de ajuste (p>0.05). Con esta informacin podemos
34) Tiempo de corte de la puntera (Y27M):

APLICANDO SIMULACIN

aleatoriamente.
1
11
21
11,08
14,82
8,86
2
12
22
9,28
11,70
9,97
3
13 14,40 23 16,08
11,32
4
11,33
14
9,89
24 12,10
5
8,00
15
11,13
25 14,46
6
16
8,51
12,86 26 12,70
7
17
27
14,39
11,86
9,52
8
28 13,09
10,26 18
10,21
9
19 12,50 29 15,52
15,47
10 18,04 20 12,47 30 10,01
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
n
n
12.059200
6.163982
0.950000
1.960000
0.050000
0.602960
65.132309
5000.000000
4177.085332
no cumple
no/(1+(no/N))
64.294775
97
DISTRIBUCIN WEIBULL
7 + WEIB(5.41, 2.15)
Expresin
0.003523
Error Cuadrtico
Nmero de Intervalo
=5
Grados de Freedon
=2
Prueba Estadstica
= 1.34

Prueba Estadstica
= 0.0642

Comentario
Los datos de la variable Tiempo de corte de la puntera (Y27M) siguen
una distribucin 7 + WEIBULL(5.41, 2.15) con un nivel de confianza del 95%
un error estimado del 5%, podemos ver que en ambas pruebas de bondad
de ajuste se aceptan la hiptesis nula (p>0.05). Con esta informacin
software Arena.
35) Tiempo de corte de la parte delantera (Y28M):


APLICANDO SIMULACIN
aleatoriamente.
1
7,84
11
5,17
21
9,93
2
12
22
8,77
9,13
6,19
3
13
23 10,84
7,08
8,78
4
24
10,87 14
8,75
8,10
5
25
10,47 15
8,01
7,11
6
6,91
16
9,95
26
7,98
7
17
27 10,06
8,05
7,39
8
18 10,03 28
7,77
11,67
9
19
9,44
9,04 29 8,00
10
20
30
8,14
8,80
9,49
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
n
n
8.657933
2.153156
0.950000
1.960000
0.050000
0.432897
44.138661
5000.000000
1904.082739
no cumple
no/(1+(no/N))
43.752426
DISTRIBUCIN WEIBULL
5 + WEIB(4.01, 2.79)
Expresin
0.004846
Error Cuadrtico
99

Nmero de Intervalo
=4
Grados de Freedon
=1
Prueba Estadstica
= 0.885

Prueba Estadstica
= 0.0737

Comentario
Los datos de la variable Tiempo de corte de la parte delantera (Y28M)
siguen una distribucin 5+WEIBULL(4.01, 2.79) con un nivel de confianza
del 95% un error estimado del 5%, podemos ver que en ambas pruebas de
bondad de ajuste se aceptan la hiptesis nula (p>0.05). Con esta
36) Tiempo de corte del lateral (Y29M):

aleatoriamente.
1
11
21
11,99
9,16
10,16
2
12
22 13,85
9,04
8,36
3
13
23
7,30
7,57
11,18
4
14
24
11,23
11,85
8,58
5
11,07
15
8,95
25
9,36
6
16
26 10,89
8,34
13,10
7
17
27
6,96
8,84
11,46
8
18
6,64
10,04 28
8,66

APLICANDO SIMULACIN
9
10
7,89
7,21
19
20
12,32
8,12
29
30
5,19
8,53

variable:
Media Muestral
Varianza
muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
n
n
9.459900
4.279673
0.950000
1.960000
0.050000
0.472995
73.486858
5000.000000
5326.831408
no cumple
no/(1+(no/N))
72.422438
DISTRIBUCIN WEIBULL
4 + WEIB(6.19, 2.76)
Expresin
0.007688
Error Cuadrtico
Nmero de Intervalo
=6
Grados de Freedon
=3
Prueba Estadstica
= 2.63

Prueba Estadstica
= 0.0694

Comentario
Los datos de la variable Tiempo de corte del lateral (Y29M) siguen una
distribucin 4+WEIBULL(6.19, 2.76) con un nivel de confianza del 95% un
error estimado del 5%, podemos ver que se aceptan ambas hiptesis nula
101
de las pruebas de bondad de ajuste (p>0.05. Con esta informacin

software Arena.
37) Tiempo de corte del exterior (Y30M):

aleatoriamente.
1
11
21
13,73
13,51
13,22
2
9,26
12
13,73 22
8,85
3
13
23 12,60
8,37
11,32
4
14
24
7,98
8,54
6,77
5
15
25
9,60
12,31
9,59
6
16
26 10,39
6,11
7,89
7
6,18
17
5,08
27
9,69
8
6,75
18
5,81
28
11,83
9
19
6,43
12,55 29 12,06
10 6,65 20
30
8,42
5,65
variable:
Media Muestral
Varianza
muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
9.360867
7.581081
0.950000
1.960000
0.050000
0.468043
132.944744
5000.000000
17541.360283
no cumple

APLICANDO SIMULACIN
n
n
no/(1+(no/N))
129.501437
DISTRIBUCIN NORMAL
NORM(9.32, 2.45)
Expresin
0.006494
Error Cuadrtico
Nmero de Intervalo
=8
Grados de Freedon
=5
Prueba Estadstica
= 8.44

Prueba Estadstica
= 0.0554

Comentario
Los datos de la variable Tiempo de corte del exterior (Y30M) siguen una
distribucin NORMAL(9.32, 2.45) con un nivel de confianza del 95% un
error estimado del 5%, podemos ver que se acepta la hiptesis nula de
ambas pruebas de bondad de ajuste (p>0.05. Con esta informacin
software Arena.
38) Tiempo de corte del cuerpo (Y31M):
103

aleatoriamente.
1
11
21 24,17
20,59
19,14
2
25,49 12
15,01 22 12,67
3
13
21,38
14,34 23 13,40
4
14 23,83 24 11,50
16,02
5
15
21,12
11,64 25 26,15
6
16
18,22
19,31 26 18,07
7
16,05
17
12,10 27
18,31
8
18 16,69 28 14,70
18,99
9
19
13,25
21,91 29 21,70
10 16,84 20 21,28 30 14,95
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
n
n
17.960533
17.557239
0.950000
1.960000
0.050000
0.898027
83.635353
5000.000000
6911.236981
no cumple
no/(1+(no/N))
82.259395

APLICANDO SIMULACIN
DISTRIBUCIN BETA
11 + 16 * BETA(1.29, 1.7)
Expresin
0.001792
Error Cuadrtico
Nmero de Intervalo
=4
Grados de Freedon
=1
Prueba Estadstica
= 0.187

Prueba Estadstica
= 0.0767

Comentario
Los datos de la variable Tiempo de corte del cuerpo (Y31M) siguen una
distribucin 11+16*BETA(1.29, 1.7) con un nivel de confianza del 95% un error
estimado del 5%, podemos ver que se acepta las hiptesis nula de ambas
pruebas de bondad de ajuste(p>0.05). Con esta informacin podemos
39) Tiempo de corte del forro de la puntera (Y32M):

aleatoriamente.
1 27,00 11 26,00 21 25,00
2 25,00 12 27,00 22 25,00
3 24,00 13 26,00 23 21,00
4 25,00 14 26,00 24 27,00
5 32,00 15 28,00 25 26,00
105
6
7
8
9
10
28,00
27,00
25,00
35,00
33,00
16
17
18
19
20
34,00
30,00
25,00
21,00
22,00
26
27
28
29
30
25,00
25,00
29,00
28,00
29,00

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
n
n
26.866667
11.567816
0.950000
1.960000
0.050000
1.343333
24.626117
5000.000000
581.819513
no cumple
no/(1+(no/N))
24.505422
DISTRIBUCIN BETA
20.5 + 14 * BETA(1.27, 1.36)
Expresin
0.020999
Error Cuadrtico
Nmero de Intervalo
=4
Grados de Freedon
=1
Prueba Estadstica
= 1.55

APLICANDO SIMULACIN
Comentario
Los datos de la variable Tiempo de corte del forro de la puntera (Y32M)
siguen una distribucin 20.5+14*BETA(1.27, 1.36) con un nivel de confianza
del 95% un error estimado del 5%, podemos ver que solo se realiza la
prueba de chi cuadrado (p>0.05), ya que se trata de una muestra grande
de n datos. Con esta informacin podemos concluir que los datos siguen la
distribucin obtenida con el software Arena.
40) Tiempo de corte del forro de la lengua (Y33M):

aleatoriamente.
1
11
21
15,15
13,29
12,18
2
12
22 16,59
10,31
12,81
3
13
17,62
15,60 23 14,93
4
10,35 14
13,43 24 14,53
5
15
25 16,41
12,47
8,49
6
16 15,09 26 10,19
18,12
7
17
14,65
14,50 27 17,93
8
18
17,15
14,45 28 13,37
9
15,15
19
13,22 29
11,71
10 15,64 20 16,45 30 13,17
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
14.165467
5.896586
0.950000
1.960000
0.050000
0.708273
45.155533
107
N
no*(no-1)
N>no*(no-1)
n
n
5000.000000
1993.866613
cumple
no/(1+(no/N))
44.751378
TRIA(8, 15, 20)
Expresin
0.001733
Error Cuadrtico
Nmero de Intervalo
=4
Grados de Freedon
=2
Prueba Estadstica
= 0.323

Prueba Estadstica
= 0.0969

Comentario
Los datos de la variable Tiempo de corte del forro de la lengua (Y33M)
siguen una distribucin TRIANGULAR (8, 15, 20) con un nivel de confianza
del 95% un error estimado del 5%, podemos ver que se acepta las hiptesis
nula de ambas pruebas de bondad de ajuste (p>0.05). Con esta
41) Tiempo de corte de la lengua (Y34M):

APLICANDO SIMULACIN

aleatoriamente.
1
11
21
5,90
6,87
6,20
2
12
22
7,82
5,81
6,21
3
13
23
7,42
7,86
7,72
4
5,98
14
6,72
24
6,93
5
7,98
15
7,16
25
6,07
6
16
26
6,97
6,79
7,27
7
17
27
7,82
6,96
7,54
8
18
28
5,66
6,94
6,63
9
19
29
7,35
6,77
5,55
10 5,07
20
5,83
30
6,62
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
n
n
6.747333
0.607206
0.950000
1.960000
0.050000
0.337367
20.494823
5000.000000
399.542942
no cumple
no/(1+(no/N))
20.411158
109
TRIA(5, 7.22, 8)
Expresin
0.003889
Error Cuadrtico
Nmero de Intervalo
=2
Grados de Freedon
=0
Prueba Estadstica
= 0.049

Prueba Estadstica
= 0.114

Comentario
Los datos de la variable Tiempo de corte de la lengua (Y34M) siguen una
distribucin TRIANGULAR(5, 7.22, 8) con un nivel de confianza del 95% un
42) Tiempo de corte de aplicaciones (Y35M):


APLICANDO SIMULACIN
aleatoriamente.
1
11
21
0,85
0,83
0,86
2
12
0,84
0,86 22
0,86
3
13
0,85
0,86 23
0,90
4
0,87
14
0,87
24
0,83
5
0,83
15
0,83
25
0,82
6
16
0,87
0,89 26
0,84
7
17
27
0,84
0,84
0,87
8
18
28
0,81
0,86
0,88
9
19
0,83
0,86 29
0,85
10 0,86 20 0,87 30
0,86
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
n
n
Expresin
0.853297
0.000411
0.950000
1.960000
0.050000
0.042665
0.866796
5000.000000
-0.115461
no cumple
no/(1+(no/N))
0.866646
DISTRIBUCIN GAMMA
0.8 + GAMM(0.00874, 6.1)
111
0.007419
Error Cuadrtico
Nmero de Intervalo
=3
Grados de Freedon
=0
Prueba Estadstica
= 0.726

Prueba Estadstica
= 0.174

Comentario
Los datos de la variable Tiempo de corte de aplicaciones (Y35M) siguen
una distribucin 0.8+GAMMA(0.00874, 6.1) con un nivel de confianza del
43) Tiempo de corte de caa 1 (Y36G):
En esta operacin, lo que se realiza es el cortado del cuero, en la cual el operario de

con ayuda de una herramienta de corte (cuchilla). Son varios operarios los que
efectan
esta
operacin.
Este operario produce generalmente entre 17 y 18 docenas en una jornada de 8 horas.
El tiempo se toma, desde que el operario toma la cuchilla y corta el cuero pasando
esta por todo el borde del molde y finaliza cuando el apila la pieza ya cortada, es ah
donde se termina el cronometrado.
1
11
21
9,04
6,89
5,12
2
12
22
8,85
4,74
5,49
3
4,99
13
4,97
23
4,68
4
4,48
14
5,44
24
5,03
5
15
25
5,67
5,83
5,67
6
16
26
5,60
5,01
5,21
7
17
27
5,20
5,61
4,92
8
18
28
6,32
7,35
6,10
9
4,64
19
5,15
29
5,32

APLICANDO SIMULACIN
10
5,31
20
4,37
30
5,19

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
5.606200
1.250179
0.950000
1.960000
0.050000
0.280310
61.123371
5000.000000
3674.943161
cumple
DISTRIBUCIN WEIBULL
4.19 + WEIB(1.25, 2.05)
Expresin
0.008506
Error Cuadrtico
Nmero de Intervalo
=5
Grados de Freedon
=2
Prueba Estadstica
= 2.64

Prueba Estadstica
= 0.0606

Comentario
Los datos de la variable Tiempo de corte de caa 1 (Y36G) siguen una
distribucin 4.19 +WEIBULL(1.25, 2.05) con un nivel de confianza del 95%
un error estimado del 5%, podemos ver que se aceptan las dos hiptesis
nula de las pruebas de bondad de ajuste (p>0.05). Con esta informacin
113

software Arena.

efectan
esta
operacin.
esta por todo el borde del molde y finaliza cuando el apila la pieza ya cortada, es ahi
1
11
21
13,87
13,93
13,77
2
12
16,11
12,23 22 15,40
3
13
13,78
15,99 23 12,85
4
14
12,88
16,28 24 12,29
5
14,08
15 16,07 25 12,07
6
15,36
16
13,58 26 15,03
7
17
13,84
12,94 27 15,49
8
18
14,56
12,36 28 15,06
9
12,60 19 14,99 29 13,96
10 14,39 20 12,28 30 14,28
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
14.077333
1.685448
0.950000
1.960000
0.050000
0.703867
13.069129
5000.000000
157.733012
cumple

APLICANDO SIMULACIN
DISTRIBUCIN BETA
13 + 2.96 * BETA(1.3, 0.998)
Expresin
0.019800
Error Cuadrtico
Prueba Estadstica
= 0.138

Comentario
distribucin 13+2.96*BETA(1.3, 0.998) con un nivel de confianza del 95% un
error estimado del 5%, podemos ver que solo se realiz la prueba de

efectan
esta
operacin.
1
11
21
9,53
6,36
7,47
2
12
22
8,39
6,57
7,17
3
13
23
7,60
4,78
6,16
4
14
24 6,30
8,71
5,11
5
9,14
15
6,50
25
7,84
6
7,84
16
7,78
26
7,36
115
7
8
9
10
7,71
6,22
6,39
5,23
17
18
19
20
6,29
7,16
7,12
7,44
27
28
29
30
6,94
6,69
6,11
6,65

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
7.018667
1.223977
0.950000
1.960000
0.050000
0.350933
38.180035
5000.000000
1419.535048
cumple
DISTRIBUCIN BETA
6 + 2 * BETA(1.17, 1.2)
Expresin
0.018257
Error Cuadrtico
Nmero de Intervalo
=6
Grados de Freedon
=3
Prueba Estadstica
= 4.21

Prueba Estadstica
= 0.0923

Comentario
distribucin 6 + 2*BETA(1.17, 1.2) con un nivel de confianza del 95% un error
estimado del 5%, podemos ver que se aceptan las dos hiptesis nula de las

APLICANDO SIMULACIN
pruebas de bondad de ajuste (p>0.05). Con esta informacin podemos


efectan
esta
operacin.
1
11
21
8,07
7,88
7,95
2
12
22
6,70
6,94
6,70
3
13
23
5,66
6,83
6,74
4
14
24
7,83
7,24
7,12
5
8,52
15
7,77
25
7,95
6
16
26
8,22
7,94
7,28
7
17
27
6,98
7,26
6,97
8
18
28
6,76
7,79
7,49
9
19
29
5,88
8,07
7,96
10
6,78
20 6,80 30 8,03
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
7.337067
0.481755
0.950000
1.960000
0.050000
0.366853
13.751597
5000.000000
175.354835
cumple
117
DISTRIBUCIN UNIFORME
UNIF(6, 8.53)
Expresin
0.004082
Error Cuadrtico
Prueba Estadstica
= 0.13

Comentario
distribucin UNIFORME(6, 8.53) con un nivel de confianza del 95% un error
estimado del 5%, podemos ver que solo se realiz la prueba kolgomorovsmirnov ,aceptando la hiptesis nula de (p>0.05), ya que se trata de una

efectuan
esta
operacin.
1
11
21
5,76
5,80
5,32
2
12
22
6,03
5,28
6,44
3
13
23
6,37
6,43
6,72

APLICANDO SIMULACIN
4
5
6
7
8
9
10
7,71
6,48
5,74
6,82
6,38
6,55
5,15
14
15
16
17
18
19
20
6,10
5,96
5,94
6,19
6,10
5,96
6,19
24
25
26
27
28
29
30
6,26
5,78
6,80
5,90
5,35
5,53
5,33

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
6.078900
0.308712
0.950000
1.960000
0.050000
0.303945
12.837365
5000.000000
151.960565
cumple
DISTRIBUCIN BETA
5.2 + 1.77 * BETA(1.68, 1.84)
Expresin
0.010289
Error Cuadrtico
Prueba Estadstica
= 0.184

Comentario
distribucin 5.2+1.77*BETA(1.68, 1.84) con un nivel de confianza del 95% un
48) Tiempo de corte de la puntera (Y41G):
119

efectan esta operacin. Este operario produce generalmente entre 17 y 18 docenas en
una jornada de 8 horas.
1
11
21 20,54
15,39
19,19
2
22,58 12
17,20 22 20,07
3
13
23 20,33
18,85
16,31
4
16,21
14
21,41
24 18,67
5
15,50
15 16,07 25 20,50
6 22,80 16 19,08 26 21,26
7
17
27 19,30
13,45
17,11
8 20,40 18 20,03 28 16,59
9
19
29 19,72
16,45
17,41
10 20,40 20 18,09 30 17,73
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
18.621333
5.205191
0.950000
1.960000
0.050000
0.931067
23.066796
5000.000000
509.010289
cumple

APLICANDO SIMULACIN
DISTRIBUCIN BETA
16 + 5.92 * BETA(1.4, 1.71)
Expresin
0.010948
Error Cuadrtico
Nmero de Intervalo
=3
Grados de Freedon
=0
Prueba Estadstica
= 0.847

Prueba Estadstica
= 0.0805

Comentario
Los datos de la variable Tiempo de corte de la puntera (Y41G) siguen
una distribucin 16+5.92*BETA(1.4, 1.17) con un nivel de confianza del 95%
un error estimado del 5%, podemos ver que solo se acepta la hiptesis nula
de la prueba kolgomorov-smirnov (p>0.05), ya que se trata de una
49) Tiempo de corte de los ojalillos (Y42G):

efectan esta operacin. Este operario produce generalmente entre 17 y 18 docenas en
una jornada de 8 horas.
121
1
11
21
7,84
8,39
8,47
2
12
7,11
9,75 22
10,34
3
13
23
8,03
7,55
9,03
4
8,53
14
9,67 24
10,18
5
8,36
15
8,15
25
9,50
6
16
8,15
9,42 26 10,60
7
17
27
9,18
7,26
8,67
8
18
9,51
9,08 28
8,30
9
19
29
8,60
9,15
10,14
10
9,61
20 9,43 30
8,86
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
8.895333
0.811440
0.950000
1.960000
0.050000
0.444767
15.758100
5000.000000
232.559609
cumple
DISTRIBUCIN BETA
7 + 2 * BETA(0.754, 0.78)
Expresin
0.012261
Error Cuadrtico
Prueba Estadstica
= 0.114

APLICANDO SIMULACIN
Comentario
Los datos de la variable Tiempo de corte de los ojalillos (Y42G) siguen
una distribucin 7+2*BETA(0.754, 0.78) con un nivel de confianza del 95%
un error estimado del 5%, podemos ver que se acepta la hiptesis nula de
la prueba kolgomorov-smirnov (p>0.05), y es la nica prueba que se
realiz, debido al pequeo nmero de datos de la muestra. Con esta
50) Tiempo de corte de la lengua (Y43G):

efectuan
esta
operacion.
1
11
21
6,90
5,87
5,20
2
12
22
6,82
6,81
5,24
3
13
23
7,42
6,86
5,72
4
4,98
14
6,72
24
5,93
5
15
25
5,08
5,16
6,07
6
16
26
4,97
4,79
6,27
7
17
27
4,82
4,96
5,54
8
18
28
4,66
6,94
5,63
9
5,35
19
5,77
29
4,55
10
5,07
20
4,83
30
4,62
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
5.651667
0.707021
0.950000
1.960000
0.050000
0.282583
34.013516
5000.000000
123
no*(no-1)
N>no*(no-1)
1122.905773
cumple
TRIA(4.29, 6.21, 7)
Expresin
0.007534
Error Cuadrtico
Nmero de Intervalo
=3
Grados de Freedon
=1
Prueba Estadstica
= 1.07

Prueba Estadstica
= 0.121

Comentario
Los datos de la variable Tiempo de corte de la lengua (Y43G) siguen una
distribucin TRIANGULAR(4.29, 6.21, 7) con un nivel de confianza del 95%
un error estimado del 5%, podemos ver que se aceptan las hiptesis nula
de ambas pruebas de bondad de ajuste (p>0.05. Con esta informacin
software Arena.
51) Tiempo de corte del peto (Y44G):

APLICANDO SIMULACIN

efectan esta operacin.
1
11
21
8,39
7,47
8,28
2
12
22
8,01
8,49
7,10
3
13
23
8,36
7,80
8,42
4
7,86
14
8,56
24
7,79
5
7,71
15
7,95
25
7,27
6
16
26
7,59
8,10
7,22
7
17
27
6,26
7,35
7,11
8
18
28
8,49
7,51
8,29
9
19
29 7,08
7,00
7,57
10
7,20
20
7,53
30
7,58
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
7.711333
0.312626
0.950000
1.960000
0.050000
0.385567
8.078634
5000.000000
57.185691
cumple
DISTRIBUCIN GAMMA
7.39 + GAMM(0.141, 3.43)
Expresin
0.006198
Error Cuadrtico
125
Prueba Estadstica
= 0.2

Comentario
Los datos de la variable Tiempo de corte del peto (Y44G) siguen una
distribucin 7.39 + GAMMA(0.141, 3.43) con un nivel de confianza del 95%
un error estimado del 5%, podemos ver que solo se realiz la prueba
52) Tiempo de corte del adorno (Y45G):

1
11
21
4,17
4,15
3,16
2
12
22
3,28
4,58
3,44
3
3,29
13
4,42
23
3,24
4
14
24
4,34
4,69
3,56
5
15
25
3,09
4,14
4,39
6
16
26 4,62
3,40
4,65
7
17
27
3,94
4,23
3,87
8
4,40
18
4,26
28
3,69
9
3,46
19
3,67
29
4,23
10
20
30
3,01
2,99
4,55
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
3.897000
0.309325
0.950000
1.960000

APLICANDO SIMULACIN
e
e
no
N
no*(no-1)
N>no*(no-1)
0.050000
0.194850
31.298721
5000.000000
948.311195
cumple
UNIF(3, 4.87)
Expresin
0.003125
Error Cuadrtico
Nmero de Intervalo
=5
Grados de Freedon
=4
Prueba Estadstica
= 0.5

Prueba Estadstica
= 0.0909

Comentario
Los datos de la variable Tiempo de corte del adorno (Y45G) siguen una
distribucin UNIFORME(3, 3.487) con un nivel de confianza del 95% un
error estimado del 5%, podemos ver que o se aceptan las hiptesis nula de
ambas pruebas de bondad de ajuste(p>0.05). Con esta informacin
software Arena.
53) Tiempo de corte del lateral (Y46G):
127

1
11
21
3,42
4,29
4,37
2
12
22
3,28
3,68
3,29
3
13
23
3,01
3,48
4,85
4
4,09
14
3,55
24
4,89
5
3,44
15
4,64
25
3,18
6
16
26 4,90
4,31
3,12
7
17
27
5,02
4,94
4,74
8
18
28
4,94
3,68
3,67
9
19
29
4,09
4,41
4,71
10
4,29
20
3,14
30 4,20
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
4.053900
0.439894
0.950000
1.960000
0.050000
0.202695
41.131416
5000.000000
1650.661934
cumple

APLICANDO SIMULACIN
DISTRIBUCIN BETA
3 + 2 * BETA(1.37, 1.05)
Expresin
0.013749
Error Cuadrtico
Nmero de Intervalo
=5
Grados de Freedon
=2
Prueba Estadstica
= 1.62

Prueba Estadstica
= 0.0825

Comentario
Los datos de la variable Tiempo de corte del lateral (Y46G) siguen una
error estimado del 5%, podemos ver que se acepta las dos hiptesis nula de
ambas pruebas de bondad de ajuste (p>0.05). Con esta informacin
software Arena.
54) Tiempo de corte en el troquelado para el modelo Gargo, aplicaciones
especiales(Y47G):
En esta operacin, lo que se realiza colocar el molde sobre el cuero el cual se va cortar
tratando de no desperdiciar mucho cuero luego con un giro de la troqueladora y el
troquelado este corta la forma del molde en el cuero.
Se cuenta en la empresa con dos mquinas troqueladoras. El tiempo que se tom,
cuenta desde que el operario coge el molde, lo pone encima del cuero, gira la
troqueladora, saca el cuero cortado y lo apila.
1
11
4,974
3,228 21 4,235
2
22 3,387
6,266 12
4,181
3 5,606 13
6,815 23 5,639
129
4
5
6
7
8
9
10
4,895
3,298
5,661
3,746
4,997
4,258
3,892
14
15
16
17
18
19
20
4,158
3,189
4,589
5,730
6,256
4,735
3,879
24
25
26
27
28
29
30
6,569
4,568
3,589
5,458
3,698
5,362
6,987

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
n
n
4.794833
1.252484
0.950000
1.960000
0.050000
0.239742
83.713878
5000.000000
6924.299412
no cumple
no/(1+(no/N))
82.335355
TRIA(3.51, 5.99, 6.48)
Expresin
0.014284
Error Cuadrtico
Nmero de Intervalo
=6
Grados de Freedon
=4

APLICANDO SIMULACIN
Prueba Estadstica
= 11.5

Prueba Estadstica
= 0.138

Comentario
Los datos de la variable Tiempo de corte en el troquelado para el modelo
Gargo (Y47G) siguen una distribucin TRIANGULAR(3.51, 5.99 6.48) con
un nivel de confianza del 95% un error estimado del 5%, podemos ver que
solo se acepta la hiptesis nula de la prueba kolgomorov-smirnov (p>0.05),
ya que se trata de una muestra pequea de n datos. Con esta informacin
software Arena.
55) Tiempo de pintado de la pieza tipo A (Y48PA):
En esta operacin, lo que se realiza es el pintado de cuero, en la cual el operario de con

ayuda de una esponja con pintura procede a pintar los bordes del cuero. Son varios
operarios
los
que
efectan
esta
operacin.
El tiempo se toma, desde que el operario toma la esponja y procede a pintar los bordes
de la pieza de cuero cortada previamente.
1
14,21 11
14,89 21
18,59
2
17,87 12
15,33 22
17,65
3
15,13 13
18,82 23
16,51
4
16,40 14
17,83 24
18,47
5
15,95 15
16,48 25
17,23
6
18,03 16
18,06 26
17,30
7
15,89 17
16,76 27
17,36
8
13,78 18
13,47 28
17,43
9
18,45 19
14,99 29
17,49
10
13,51 20
16,73 30
17,56
131

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
16.605733
2.462549
0.950000
1.960000
0.050000
0.830287
13.722740
5000.000000
174.590865
cumple
DISTRIBUCIN BETA
5.2 + 1.77 * BETA(1.68, 1.84)
Expresin
0.010289
Error Cuadrtico
Prueba Estadstica
= 0.184

Comentario
Los datos de la variable Tiempo de pintado de la pieza tipo A (Y48PA)
siguen una distribucin 5.2 + 1.77*BETA(1.68, 1.84) con un nivel de confianza
del 95% un error estimado del 5%, podemos ver que solo se realiz y acept
la hiptesis nula de la prueba kolgomorov-smirnov (p>0.05), ya que se
trata de una muestra pequea de n datos. Con esta informacin podemos
56) Tiempo de pintado de la pieza tipo B (Y49PB):

APLICANDO SIMULACIN

operarios
los
que
efectan
esta
operacin.
1
6,11 11
9,12 21
7,16
2
7,20 12
7,13 22
7,03
3
6,45 13
6,09 23
6,41
4
7,19 14
8,56 24
6,96
5
6,70 15
7,16 25
7,34
6
6,56 16
7,03 26
6,73
7
7,39 17
8,62 27
7,66
8
6,47 18
7,13 28
7,73
9
6,22 19
6,09 29
6,57
10
7,58 20
7,45 30
7,09
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
7.097667
0.542881
0.950000
1.960000
0.050000
0.354883
16.559424
5000.000000
257.655113
cumple
133
DISTRIBUCIN BETA
7 + 2 * BETA(0.754, 0.78)
Expresin
0.012261
Error Cuadrtico
Prueba Estadstica
= 0.114

Comentario
Los datos de la variable Tiempo de pintado de la pieza tipo B (Y49PB)
del 95% un error estimado del 5%, podemos ver que solo se realiz y acept
la hiptesis nula de la prueba kolgomorov-smirnov (p>0.05), ya que se
trata de una muestra pequea de n datos. Con esta informacin podemos
57) Tiempo de pintado de la pieza tipo C (Y50PC):

operarios
los
que
efectan
esta
operacin.
1
2
10.09
10.82
11
12
7.51
9.01
21
22
7.57
10.68

APLICANDO SIMULACIN
3
4
5
6
7
8
9
10
9.23
10.56
10.43
9.88
7.99
10.89
7.80
10.60
13
14
15
16
17
18
19
20
9.26
10.90
8.42
13.78
8.62
8.34
10.65
8.22
23
24
25
26
27
28
29
30
10.65
8.22
7.57
13.78
8.62
8.34
10.65
7.93

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
9.567000
2.734008
0.950000
1.960000
0.050000
0.478350
45.900811
5000.000000
2152.785234
Cumple
DISTRIBUCIN BETA
3 + 2 * BETA(1.37, 1.05)
Expresin
0.013749
Error Cuadrtico
Nmero de Intervalo
=5
Grados de Freedon
=2
Prueba Estadstica
= 1.62

135
Prueba Estadstica
= 0.0825

COMENTARIO
Los datos de la variable Tiempo de pintado de la pieza tipo C (Y50PC) siguen una
distribucin 3 + 2*BETA(1.37, 1.05) con un nivel de confianza del 95% un error estimado
del 5%, podemos ver que se aceptan las dos hiptesis nula de las de bondad de ajuste
(p>0.05). Con esta informacin podemos concluir que los datos siguen la distribucin
58) Tiempo de pintado de la pieza tipo D (Y51PD):

operarios
los
que
efectan
esta
operacin.
1
2
3
4
5
6
7
8
9
10
7.95
7.28
6.97
7.49
8.52
8.22
6.98
10.56
7.19
6.70
11
12
13
14
15
16
17
18
19
20
6.56
7.39
6.83
7.24
7.77
7.94
7.26
7.79
10.56
10.43
21
22
23
24
25
26
27
28
29
30
9.88
7.99
10.89
7.80
7.95
7.28
7.49
9.88
7.99
8.03

variable:
Media Muestral
Varianza muestral
8.093667
1.571707

APLICANDO SIMULACIN
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
0.950000
1.960000
0.050000
0.404683
36.868293
5000.000000
1322.402750
cumple
TRIA(4.29, 6.21, 7)
Expresin
0.007534
Error Cuadrtico
Nmero de Intervalo
=3
Grados de Freedon
=1
Prueba Estadstica
= 1.07

Prueba Estadstica
= 0.121

COMENTARIO
Hemos podido ver que los datos de la variable de Pintado de la pieza tipo D siguen una
distribucin triangular con la distribucin TRIA(4.29, 6.21, 7) con un nivel de confianza
del 95% y para un error estimado del 5%, podemos ver que pasa la prueba de Chi
cuadrado, indicndonos que cumple con una de las pruebas de Bondad y ajuste ya que
el estadstico que da el programa Arena es mayor al 5% considerado en nuestra toma
de muestras.
59) Tiempo de pintado de la pieza tipo E (Y52PE):
137

operarios
los
que
efectan
esta
operacin.
1
2
3
4
5
6
7
8
9
10
5.04
6.47
5.02
5.00
5.50
6.48
5.07
5.81
5.01
5.96
11
12
13
14
15
16
17
18
19
20
5.04
5.00
6.11
5.02
5.06
6.45
5.46
5.84
5.06
6.16
21
22
23
24
25
26
27
28
29
30
5.20
6.10
5.34
6.48
5.90
6.39
5.94
6.35
5.89
5.86

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
5.667000
0.309718
0.950000
1.960000
0.050000
0.283350
14.819466
5000.000000
204.797094
cumple

APLICANDO SIMULACIN
DISTRIBUCIN BETA
5.2 + 1.77 * BETA(1.29, .51)
Expresin
0.011133
Error Cuadrtico
Prueba Estadstica
= 0.143

COMENTARIO
Hemos podido ver que los datos de la variable de Pintado de la pieza tipo E siguen una
distribucin BETA con una expresin 5.2 + 1.77 * BETA(1.29, .51) con un nivel de confianza
del 95% y para un error estimado del 5%, podemos ver que pasa la prueba de
Kolmogorov-smirnov, indicndonos que cumple con una de las pruebas de Bondad y
ajuste ya que el estadstico que da el programa Arena es mayor al 5% considerado en
nuestra toma de muestras.
60) Tiempo de pintado de la pieza F (Y53PF):

operarios
los
que
efectan
esta
operacin.
1
2
3
4
5
6
15.39
22.58
18.85
16.21
15.50
22.80
11
12
13
14
15
16
21.40
20.67
17.31
21.18
16.07
19.08
21
22
23
24
25
26
20.54
20.08
20.33
18.67
20.51
21.27
139
7
8
9
10
19.24
18.17
18.42
17.08
17
18
19
20
17.11
20.03
17.41
18.10
27
28
29
30
19.30
16.59
19.73
17.73

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
18.911525
4.083634
0.950000
1.960000
0.050000
0.945576
17.545505
5000.000000
290.299226
cumple
DISTRIBUCIN WEIBULL
16 + WEIB(3.38, 2.55)
Expresin
0.005132
Error Cuadrtico
Prueba Estadstica
= 0.143

COMENTARIO
Hemos podido ver que los datos de la variable de Pintado de la pieza tipo F siguen una
distribucin WEIBULL con una expresin 16 + WEIB(3.38, 2.55) con un nivel de confianza
Kolmogorov-smirnov, indicndonos que cumple con una de las pruebas de Bondad y
ajuste ya que el estadstico que da el programa Arena es mayor al 5% considerado en
61) Tiempo de pintado de pieza de tipo G (Y54PG):

APLICANDO SIMULACIN

operarios
los
que
efectan
esta
operacin.
1
2
3
4
5
6
7
8
9
10
21.18
16.07
19.08
17.11
20.03
17.41
18.10
20.54
13.40
15.70
11
12
13
14
15
16
17
18
19
20
18.43
17.87
15.13
16.40
18.17
18.42
17.08
21.40
18.10
20.54
21
22
23
24
25
26
27
28
29
30
20.08
20.33
17.87
15.13
16.40
15.95
18.03
19.73
17.73
15.13

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
17.884658
4.100514
0.950000
1.960000
0.050000
0.894233
19.699226
5000.000000
368.360260
cumple
141
DISTRIBUCIN BETA
27 + 12 * BETA(1.14, 0.605)
Expresin
0.008995
Error Cuadrtico
Nmero de Intervalo
=2
Grados de Freedon
= -1
Prueba Estadstica
= 0.0435

Prueba Estadstica
= 0.123

COMENTARIO
Hemos podido ver que los datos de la variable de Pintado de la pieza tipo G siguen una
distribucin BETA con una expresin 27 + 12 * BETA(1.14, 0.605) con un nivel de
confianza del 95% y para un error estimado del 5%, podemos ver que pasa la prueba
de Kolmogorov-smirnov, indicndonos que cumple con una de las pruebas de Bondad
y ajuste ya que el estadstico que da el programa Arena es mayor al 5% considerado en
62) Tiempo de pieza de tipo H (Y55PH):

operarios
los
que
efectan
esta
operacin.

APLICANDO SIMULACIN

7.19
1
11
21
6.45
6.40
6.70
2
12
5.89
22
5.38
6.56
3
13
23
6.44
5.07
7.39
4
14
24
5.39
5.56
6.47
5
15
25
6.14
5.97
6.22
6
16
6.77
26
6.12
7.58
7
17
27
5.19
6.66
7.34
8
18
28
4.86
5.43
6.73
9
19
5.08 29
5.19
10 5.07 20
4.54
30
4.86
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
6.021333
0.715798
0.950000
1.960000
0.050000
0.301067
30.337331
5000.000000
890.016332
cumple
DISTRIBUCIN BETA
4.29 + 2.71 * BETA(1.56, 1.12)
Expresin
0.012102
Error Cuadrtico
Nmero de Intervalo
=4
Grados de Freedon
=1
Prueba Estadstica
= 1.16
143
Prueba Estadstica
= 0.0998

COMENTARIO
Hemos podido ver que los datos de la variable de Pintado de la pieza tipo H siguen una
distribucin BETA con una expresin 4.29 + 2.71 * BETA(1.56, 1.12)con un nivel de
de Kolmogorov-smirnov y de Chi-cuadrado, indicndonos que cumple con las pruebas
de Bondad y ajuste ya que el estadstico que da el programa Arena es mayor al 5%
considerado en nuestra toma de muestras.
63) Tiempo de pintado de la pieza de tipo I (Y56PI):

operarios
los
que
efectan
esta
operacin.
1
2
3
4
5
6
7
8
9
10
8.39
5.13
5.28
6.20
8.56
7.95
8.10
7.78
7.94
7.20
11
12
13
14
15
16
17
18
19
20
7.47
8.49
7.80
8.56
7.95
8.10
7.35
7.51
7.57
7.53
21
22
23
24
25
26
27
28
29
30
8.28
7.10
8.42
7.79
7.27
7.22
7.11
8.29
7.08
7.58

variable:
Media Muestral
Varianza muestral
7.566667
0.707478

APLICANDO SIMULACIN
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
0.950000
1.960000
0.050000
0.378333
18.987858
5000.000000
341.550881
cumple
DISTRIBUCIN NORMAL
NORM(7.92, 0.298)
Expresin
0.081408
Error Cuadrtico
Prueba Estadstica
= 0.144

COMENTARIO
Hemos podido ver que los datos de la variable de Pintado de la pieza tipo I siguen una
distribucin NORMAL con una expresin NORM(7.92, 0.298) con un nivel de confianza
Kolmogorov-smirnov, indicndonos que cumple con las pruebas de Bondad y ajuste ya
que el estadstico que da el programa Arena es mayor al 5% considerado en nuestra
toma de muestras.
64) Tiempo de desbastado del corte (Y57):
En esta operacin, lo que se realiza es desgastar el corte luego de haber sido cortado y
pintado los bordes, se realiza con ayuda de una herramienta que es una desbastadora,
manejado por un operario. Hay un nico operario que abastece a toda la empresa
generalmente, en tiempo de demanda alta, es ayudado por alguno de los operarios
que termine sus labores con anterioridad pero la mayor parte del tiempo lo hace solo.
Es alimentado por el rea de pintado generalmente por docena.
El tiempo se toma, desde que el operario coge el cuero pasa todo el borde del cuero
por la mquina y lo empieza a apilar, es ahi donde se termina el cronometrado.
1
2
4.00
10.31
11
12
6.86
4.44
21
22
4.80
4.23
145
3
4
5
6
7
8
9
10
5.60
5.40
6.28
6.01
5.83
5.61
5.28
6.14
13
14
15
16
17
18
19
20
4.31
4.46
6.33
6.13
4.79
4.76
6.49
4.99
23
24
25
26
27
28
29
30
4.98
6.66
4.48
4.41
4.76
5.23
6.21
6.63

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
n
n
5.547000
1.516718
0.950000
1.960000
0.050000
0.277350
75.746178
5000.000000
5813.229608
no cumple
no/(1+(no/N))
74.615805
DISTRIBUCIN BETA
4 + 7 * BETA(1.21, 2.86)
Expresin
0.011568
Error Cuadrtico
Nmero de Intervalo
=5
Grados de Freedon
=2

APLICANDO SIMULACIN
Prueba Estadstica
= 3.31

Prueba Estadstica
= 0.0774

COMENTARIO
Hemos podido ver que los datos de la variable de DESBASTADO DE CUERO siguen una
distribucin BETA con una expresin 4 + 7 * BETA(1.21, 2.86) con un nivel de confianza
del 95% y para un error estimado del 5%, podemos ver que pasan la prueba de
Kolmogorov-smirnov y Chi cuadrado, indicndonos que cumple con las pruebas de
Bondad y ajuste ya que el estadstico que da el programa Arena es mayor al 5%
65) Tiempo para estampar la marca en el cuero (Y58):
En esta operacin, lo que se realiza es marcar el cuero con ciertos grabados para que
los moldes resulten ms fciles de manipular y para que faciliten su prxima colocacin
de otras partes y/o accesorios.
El tiempo que se toma es desde que el operario coge el corte lo cuadra bien en la
estampadora y estampa la marca, hasta que descarga el cuero y empieza a apilar.
1
2
3
4
5
6
7
8
9
10
22.26
28.65
22.07
25.43
23.35
26.05
25.65
23.26
20.57
20.97
11
12
13
14
15
16
17
18
19
20
22.31
20.16
17.28
20.58
19.34
21.61
17.69
19.19
21.45
18.55
21
22
23
24
25
26
27
28
29
30
26.76
15.28
20.85
19.84
26.44
25.51
19.82
23.17
17.91
21.56

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
21.785300
10.116026
0.950000
1.960000
0.050000
1.089265
32.753293
5000.000000
1040.024878
no cumple
147
TRIA (15, 21.3, 29)
Expresin
0.014928
Error Cuadrtico
Nmero de Intervalo
=3
Grados de Freedon
=1
Prueba Estadstica
= 2.65

Prueba Estadstica
= 0.115

COMENTARIO
Hemos podido ver que los datos de la variable de ESTAMPAR LA MARCA EN EL CUERO
siguen una distribucin TRIANGULAR con una expresin TRIA (15, 21.3, 29) con un nivel
de confianza del 95% y para un error estimado del 5%, podemos ver que pasan la
prueba de Kolmogorov-smirnov y Chi cuadrado, indicndonos que cumple con las
pruebas de Bondad y ajuste ya que el estadstico que da el programa Arena es mayor
al 5% considerado en nuestra toma de muestras.
66) Tiempo de estampar la talla en la lengua (Y59):
En esta operacin, lo que se realiza es colocar la talla en las lenguas de los zapatos, el
operario procede a utilizar una mquina que pega a presin las tallas a las lenguas. El
tiempo que se tomo es desde que el operario toma la lengua y la talla hasta que lo
pone en la mquina y estampa la tal y de ah las apila.
1
2
3
4
9.53
10.03
9.99
10.56
11
12
13
14
10.04
16.30
13.69
9.71
21
22
23
24
9.95
9.84
10.81
8.98

APLICANDO SIMULACIN
5
6
7
8
9
10
17.15
10.20
9.71
8.87
9.06
9.80
15
16
17
18
19
20
10.89
8.81
14.99
10.38
7.56
8.10
25
26
27
28
29
30
9.95
10.13
9.37
11.43
11.85
12.34

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
10.664000
4.960949
0.950000
1.960000
0.050000
0.533200
67.034229
5000.000000
4426.553668
si cumple
7 + LOGN(3.41, 1.77)
Expresin
0.010073
Error Cuadrtico
Nmero de Intervalo
=4
Grados de Freedon
=1
Prueba Estadstica
= 2.46

Prueba Estadstica
= 0.0774
149
COMENTARIO
Hemos podido ver que los datos de la variable de ESTAMPAR LA TALLA EN LA
LENGUA siguen una distribucin LOGNORMAL con una expresin 7 + LOGN(3.41,
1.77)con un nivel de confianza del 95% y para un error estimado del 5%, podemos ver
que pasan la prueba de Kolmogorov-smirnov y Chi cuadrado, indicndonos que cumple
con las pruebas de Bondad y ajuste ya que el estadstico que da el programa Arena es
mayor al 5% considerado en nuestra toma de muestras.
67) Tiempo para estampar la marca en la plantilla (Y60):
En esta operacin, lo que se realiza es colocar la talla en las plantillas de los zapatos, el
operario procede a utilizar una mquina que pega a presin las tallas a las lenguas. El
tiempo a tomar es el que se toma desde que se toma la plantilla hasta que se hace el
estampado y se empieza a apilar.
1
2
3
4
5
6
7
8
9
10
19.07
15.67
14.06
15.92
16.61
16.23
14.35
14.89
16.54
16.60
11
12
13
14
15
16
17
18
19
20
19.63
14.82
15.77
20.93
26.06
21.35
21.48
19.47
19.90
14.91
21
22
23
24
25
26
27
28
29
30
14.09
20.18
17.88
18.71
18.35
18.24
22.16
17.02
19.03
16.33

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
17.874833
7.963504
0.950000
1.960000
0.050000
0.893742
38.299433
5000.000000
1428.547170
si cumple

APLICANDO SIMULACIN
DISTRIBUCIN NORMAL
NORM(18, 2.57)
Expresin
0.004935
Error Cuadrtico
Nmero de Intervalo
=4
Grados de Freedon
=1
Prueba Estadstica
= 0.956

Prueba Estadstica
= 0.103

COMENTARIO
Hemos podido ver que los datos de la variable de ESTAMPAR LA MARCA EN LA
PLANTILLA siguen una distribucin NORMAL con una expresin NORM(18, 2.57) con un
nivel de confianza del 95% y para un error estimado del 5%, podemos ver que pasan la
prueba de Kolmogorov-smirnov y Chi cuadrado, indicndonos que cumple con las
68) Tiempo de aparado de una unidad de Pheaser Peak (Y61APP):
En esta operacin, lo que se realiza es unir todas las piezas cortadas de cada, se realiza
con
ayuda
de
una
mquina
de
coser.
El tiempo se toma, desde que el operario las piezas de cuero, lo acomoda, y comienza
a unirlas, posteriormente lo apila, es ah donde se termina el cronometrado.
1 1091.98 11 1049.44 21 1007.09
2 1080.45 12 982.03 22 1010.37
3 902.21 13 924.24 23 976.32
4 987.98 14 1043.32 24 940.86
5 907.96 15 1015.49 25 987.17
6 966.26 16 1070.73 26 943.10
7 1022.03 17 994.58 27 901.94
8 1009.27 18 1040.00 28 931.25
9 1013.19 19 1039.45 29 1092.82
10 1105.82 20 959.08 30 1093.83
variable:
Media Muestral
Varianza muestral
NC
1003.009
3647.850
0.950
151
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
1.960
0.050
50.150
5.572
5000.000
25.474
si cumple
UNIF(902, 1.09e+003)
Expresin
0.077778
Error Cuadrtico
Prueba Estadstica
= 0.302

COMENTARIO
Hemos podido ver que los datos de la variable de APARADO DE UNA UNIDAD DE
PHEASER PEAK siguen una distribucin UNIFORME con una expresin UNIF(902,
1.09e+003)con un nivel de confianza del 95% y para un error estimado del 5%, podemos
ver que pasan la prueba de Kolmogorov-smirnov, indicndonos que cumple con las
69) Tiempo de aparado de una unidad de Turan (Y62AT):
En esta operacin, lo que se realiza es unir todas las piezas cortadas de cada, se realiza
con
ayuda
de
una
mquina
de
coser.
El tiempo se toma, desde que el operario las piezas de cuero, lo acomoda, y comienza
a unirlas, posteriormente lo apila, es ahi donde se termina el cronometrado.
1
2
3
1334.33
1287.20
1325.57
11
12
13
1192.67
1192.84
1331.26
21
22
23
1480.68
1299.75
1266.93

APLICANDO SIMULACIN
4 1273.30 14 1420.05 24 1334.43

5 1341.92 15 1336.94 25 1144.24
6 1356.14 16 1484.66 26 1359.22
7 1295.04 17 1255.92 27 1398.08
8 1391.65 18 1397.36 28 1188.90
9 1377.22 19 1207.00 29 1195.89
10 1150.42 20 1318.49 30 1187.64
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
1304.192
8491.011
0.950
1.960
0.050
65.210
7.671
5000.000
51.168
si cumple
DISTRIBUCIN BETA
1.27E+003 + 119 * BETA(0.561, 0.707)
Expresin
0.090007
Error Cuadrtico
Prueba Estadstica
= 0.161

COMENTARIO
TURAN siguen una distribucin BETA con una expresin 1.27E+003 + 119 * BETA(0.561,
0.707) con un nivel de confianza del 95% y para un error estimado del 5%, podemos ver
que pasan la prueba de Kolmogorov-smirnov, indicndonos que cumple con las pruebas
153
70) Tiempo de aparado de una unidad de Taurus (Y63AA):

En esta operacin, lo que se realiza es unir todas las piezas que van a provenir del rea
de desbastado, ac se da la unin de todas las piezas, lo hace por unidad, es decir cose
cada
corte
hasta
forma
la
unidad.
Este operario produce generalmente entre una docena diaria. Es alimentado por el
rea de desbastado por docena.
El tiempo se toma, desde que el operario un corte y empieza a unirlo con otro hasta
que haya finalizado la totalidad de la unidad.
1 679.30 11 598.75 21 471.04
2 592.89 12 469.17 22 597.17
3 640.67 13 692.52 23 424.04
4 553.05 14 456.10 24 402.36
5 429.40 15 648.17 25 491.72
6 645.61 16 738.04 26 715.95
7 718.02 17 608.63 27 604.44
8 540.63 18 410.29 28 493.52
9 729.48 19 461.39 29 483.13
10 420.58 20 405.19 30 522.63
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
554.796000
12079.734246
0.950000
1.960000
0.050000
27.739800
60.306326
5000.000000
3697.159289
si cumple
DISTRIBUCIN BETA

APLICANDO SIMULACIN
400 + 344 * BETA(0.664, 0.733)

Expresin
0.011639
Error Cuadrtico
Nmero de Intervalo
=7
Grados de Freedon
=4
Prueba Estadstica
= 5.21

Prueba Estadstica
= 0.0577

COMENTARIO
TAURUS siguen una distribucin BETA con una expresin 400 + 344 * BETA(0.664,
que pasan la prueba de Kolmogorov-smirnov y Chi-cuadrado, indicndonos que cumple
71) Tiempo de aparado de una unidad de Mercurial (Y64AM):
Tiempo total del aparado del modelo para una docena.
1 1037.16 11 1049.10 21 959.82
2 1187.94 12 875.64 22 889.20
3
945.18 13 1021.68 23 1151.76
4 1027.50 14 1084.32 24 868.50
5 873.00 15 1068.42 25 1093.74
6 1090.68 16 1307.94 26 1026.84
7
849.78 17 1058.94 27 874.62
8 1163.28 18 778.38 28 1155.12
9 1316.70 19 1077.42 29 1147.98
10 964.68 20 685.56 30 1240.86
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
1029.058000
22623.916092
0.950000
1.960000
0.050000
51.452900
32.829193
155
N
no*(no-1)
N>no*(no-1)
5000.000000
1044.926729
si cumple
TRIA(685, 1.11e+003, 1.32e+003)
Expresin
0.001436
Error Cuadrtico
Nmero de Intervalo
=3
Grados de Freedon
=1
Prueba Estadstica
= 0.0563

Prueba Estadstica
= 0.0904

COMENTARIO
MERCURIAL siguen una distribucin TRIANGULAR con una expresin TRIA(685,
1.11e+003, 1.32e+003) con un nivel de confianza del 95% y para un error estimado del 5%,
podemos ver que pasan la prueba de Kolmogorov-smirnov y Chi-cuadrado,
indicndonos que cumple con las pruebas de Bondad y ajuste ya que el estadstico que
da el programa Arena es mayor al 5% considerado en nuestra toma de muestras.
72) Tiempo de aparado de una unidad de Gargo caa alta (Y65AG):
En esta operacin, lo que se realiza es aparado de las 11 piezas las cuales provienen del
cortado. Aqu el operario de con ayuda de una mquina de coser une las 11 piezas. Son
varios
operarios
los
que
efectan
esta
operacin.
Este operario produce generalmente 12 docenas diarias en una jornada que inicia a
las 8 a.m. y termina a las 4 p.m.
Es alimentado por el rea de pintado generalmente por docena.

APLICANDO SIMULACIN
El tiempo se toma, desde que el operario toma las piezas y une las once piezas y finaliza
cuando el operario apila la unidad ya aparada, es ah donde se termina el
cronometrado.
1 1029.05 11
1361.18 21 1088.39
2 1326.81 12 1014.28 22 1220.90
3 1248.99 13 1344.91 23 1292.41
4
1193.17 14 1320.66 24 1024.51
5 1145.88 15 1183.19 25 1265.19
6 1075.82 16 1004.73 26 1200.26
7 1056.88 17 1194.29 27 1102.06
8 1303.94 18 1146.53 28 1032.23
9 1342.95 19 1063.87 29 1342.28
10 1302.69 20 1035.08 30 1094.11
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
1178.574667
14597.749536
0.950000
1.960000
0.050000
58.928733
16.148933
5000.000000
244.639111
cumple
UNIF(1.02e003, 1.31e+003)
Expresin
0.011073
Error Cuadrtico
157
Prueba Estadstica
= 0.199

COMENTARIO
GARCO CAA ALTA siguen una distribucin UNIFORME con una expresin
UNIF(1.02e003, 1.31e+003) con un nivel de confianza del 95% y para un error estimado
del 5%, podemos ver que pasan la prueba de Kolmogorov-smirnov, indicndonos que
cumple con las pruebas de Bondad y ajuste ya que el estadstico que da el programa
Arena es mayor al 5% considerado en nuestra toma de muestras.
73) Tiempo para alimentar una unidad de corte aparado al armado (Y66):
En esta operacin, lo que se realiza es preparar el corte para alimentar a la mquina
de armado, solo hay una alimentadora que abastece a toda la produccin.
Este operario est encargado de dar prioridad a la demanda ms prxima, prepara el
corte colocando una hilera de manera que el zapato no se deforme en el armado, y
tambin hace los respectivos agujeros para los ojalillos y ganchos.
El tiempo que se tom, es desde que coge un corte del aparado, hasta que pone el
corte en el carril para alimentar a fijadora de punta taln.
1
2
3
4
5
6
7
8
9
10
59.16
60.68
56.98
52.64
63.36
56.51
50.58
57.56
61.60
60.51
11
12
13
14
15
16
17
18
19
20
55.76
53.64
55.35
61.15
62.10
56.33
53.23
50.58
51.27
52.95
21
22
23
24
25
26
27
28
29
30
50.53
62.73
61.58
59.19
61.25
63.33
51.86
59.28
63.18
61.23

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
57.536667
19.119802
0.950000
1.960000
0.050000
2.876833
8.874955
5000.000000
87.639772
si cumple

APLICANDO SIMULACIN
DISTRIBUCIN BETA
50 + 14 * BETA(1.17, 1.03)
Expresin
0.057283
Error Cuadrtico
Prueba Estadstica
= 0.188

COMENTARIO
Hemos podido ver que los datos de la variable de ALIMENTADO DE UNA UNIDAD DE
APARADO AL ARMADO siguen una distribucin BETA con una expresin 50 + 14 *
BETA(1.17, 1.03) con un nivel de confianza del 95% y para un error estimado del 5%,
podemos ver que pasan la prueba de Kolmogorov-smirnov, indicndonos que cumple
74) Tiempo para engrapar la plantilla de cartn a la horma (Y67):
En esta operacin, lo que se realiza es despus de haber separado el zapato de la
horma, se toma la horma y se le engrapa una plantilla de cartn con el fin.
Esta operacin tambin solo cuenta con un operario.
El tiempo que se ha tomado es el tiempo desde que el coge la horma, luego toma la
plantilla y enseguida lo engrapa con su mquina y hasta que la deja encima del carril.
1
2
3
4
5
6
7
8
9
10
6.31
7.58
4.21
4.65
5.12
4.29
3.78
7.58
6.58
6.59
11
12
13
14
15
16
17
18
19
20
5.66
6.81
6.78
6.00
8.67
9.11
6.02
8.05
8.53
7.91
21
22
23
24
25
26
27
28
29
30
8.58
8.23
7.59
6.28
8.23
8.25
6.23
6.33
7.12
7.54
159

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
6.820333
2.059672
0.950000
1.960000
0.050000
0.341017
68.039178
5000
4697.368978
si cumple
DISTRIBUCIN BETA
3.21 + 6.78 * BETA(2.48, 2.34)
Expresin
0.022675
Error Cuadrtico
Nmero de Intervalo
=6
Grados de Freedon
=3
Prueba Estadstica
= 9.41

Prueba Estadstica
= 0.06

COMENTARIO
Hemos podido ver que los datos de la variable de ENGRAPAR LA PLANTILLA DE
CARTON A LA HORMA siguen una distribucin BETA con una expresin 3.21 + 6.78 *
podemos ver que pasan la prueba de Kolmogorov-smirnov Y Chi-cuadrado,

APLICANDO SIMULACIN
75) Tiempo del corte aparado en el vaporizador (Y68):

El operario coga al calzado y este era introducido en la mquina para ser vaporizado,
entonces lo que hace el vaporizador es suavizar el cuero para q facilite el fijado de
punta taln en la armador.
1 50.103 11 74.287 21 70.235
2 76.104 12 89.694 22 40.365
3 80.426 13 61.657 23 69.874
4 74.358 14 64.706 24 63.695
5 65.423 15 50.235 25 61.624
6 80.709 16 71.365 26 50.234
7 60.768 17 50.278 27 64.761
8 90.654 18 73.458 28 50.896
9 65.285 19 57.269 29 49.381
10 80.425 20 58.895 30 61.068
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
65.274400
156.145013
0.950000
1.960000
0.050000
3.263720
56.313754
5000.000000
3114.925085
si cumple
DISTRIBUCIN BETA
50 + 21 * BETA(0.954, 0.923)
Expresin
0.009855
Error Cuadrtico
Nmero de Intervalo
=7
Grados de Freedon
=4
161
Prueba Estadstica
= 3.89

Prueba Estadstica
= 0.0634

COMENTARIO
Hemos podido ver que los datos de la variable de TIMPO DE CORTE ENGRAPADO EN
EL VAPORIZADOR siguen una distribucin BETA con una expresin 50 + 21 *
BETA(0.954, 0.923)con un nivel de confianza del 95% y para un error estimado del 5%,
podemos ver que pasan la prueba de Kolmogorov-smirnov Y Chi-cuadrado,
76) Tiempo para fijar punta y taln a la horma (Y69):
En esta operacin, lo que se realiza es fijar la punta y el taln del zapato. Esta
operacin pertenece al armado y se utiliza una mquina especial que ayuda a fijar los
zapatos para poder ajustar tanto la punta como el taln
1
2
3
4
5
6
7
8
9
10
30.35
27.84
31.00
27.80
44.27
42.10
32.30
32.48
33.91
32.02
11
12
13
14
15
16
17
18
19
20
41.69
40.02
50.62
41.83
29.22
28.54
40.76
30.63
48.77
35.41
21
22
23
24
25
26
27
28
29
30
36.17
34.51
44.43
25.35
46.44
46.69
30.63
29.44
34.81
34.91

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
36.164667
49.629441
0.950000
1.960000
0.050000
1.808233
58.309938
5000.000000
3341.738950
si cumple

APLICANDO SIMULACIN
25 + LOGN(10.8, 9.47)
Expresin
0.006245
Error Cuadrtico
Nmero de Intervalo
=5
Grados de Freedon
=2
Prueba Estadstica
= 10.1

Prueba Estadstica
= 0.0829

COMENTARIO
Hemos podido ver que los datos de la variable de TIEMPO PARA FIJAR PUNTA Y
TALN A LA HORMA siguen una distribucin LOGNORMAL con una expresin 25 +
LOGN(10.8, 9.47) con un nivel de confianza del 95% y para un error estimado del 5%,
podemos ver que pasan la prueba de Kolmogorov-smirnov, indicndonos que cumple
mayor al 5% considerado en nuestra toma de muestras. Sin embargo la prueba de Chicuadrado no cumple.
77) Tiempo para pegar la plantilla de cartn al corte ya fijado a la horma (Y70):
En esta operacin se va a realizar el pegado de una plantilla de cartn al corte
aparado. el tiempo que se toma es el tiempo desde que se saca el corte despus de
haber fijado el corte hasta que se pega la plantilla de cartn.
1
2
3
4
5
25.73
27.77
22.01
26.02
22.29
11
12
13
14
15
21.83
34.61
28.32
30.14
23.86
21
22
23
24
25
24.58
22.91
28.60
30.79
22.65
163
6
7
8
9
10
35.58
32.07
25.95
24.83
27.44
16
17
18
19
20
20.39
21.55
26.60
22.10
32.65
26
27
28
29
30
33.74
27.76
30.23
28.25
27.61

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
26.962000
17.514720
0.950000
1.960000
0.050000
1.348100
37.022959
5000.000000
1333.676522
no cumple
DISTRIBUCIN UNFORME
UNIF(21, 32)
Expresin
0.006452
Error Cuadrtico
Nmero de Intervalo
=6
Grados de Freedon
=5
Prueba Estadstica
= 1.43

Prueba Estadstica
= 0.0724

APLICANDO SIMULACIN
COMENTARIO
Hemos podido ver que los datos de la variable de TIEMPO PARA PEGAR LA
PLANTILLA DE CARTON AL CORTE YA FIJADO A LA HORMA siguen una distribucin
UNIFORME con una expresin UNIF(21, 32) con un nivel de confianza del 95% y para
un error estimado del 5%, podemos ver que pasan la prueba de Kolmogorov-smirnov Y
Chi-cuadrado, indicndonos que cumple con las pruebas de Bondad y ajuste ya que el
estadstico que da el programa Arena es mayor al 5% considerado en nuestra toma de
muestras.
78) Tiempo para marcar la planta en el corte (Y71):
Una vez que la maquina pasaba por la transportadora desde el fijado de punta taln
en el armador el operario lija la imperfecciones con un pequeo lija y marcaba el corte
despus de haber probado la planta del modelo
1 26.287 11 28.684 21 28.695
2 22.616 12 40.364 22 44.740
3 25.123 13 20.375 23 33.497
4 18.452 14 23.745 24 34.526
5 21.654 15 37.451 25 28.326
6 30.524 16 35.852 26 50.684
7 25.287 17 30.328 27 56.264
8 34.625 18 38.836 28 56.856
9 35.658 19 40.784 29 38.956
10 24.698 20 22.459 30 29.684
variable:
Media Muestral
Varianza
muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
n
n
32.867667
100.278867
0.950000
1.960000
0.050000
1.643383
142.640813
5000.000000
20203.760594
no cumple
no/(1+(no/N))
138.684401
165
DISTRIBUCIN BETA
21 + 36 * BETA(1.11, 1.09)
Expresin
0.004432
Error Cuadrtico
Nmero de Intervalo
= 11
Grados de Freedon
=8
Prueba Estadstica
= 7.07

Prueba Estadstica
= 0.0494

COMENTARIO
Hemos podido ver que los datos de la variable de TIEMPO PARA MARCAR LA PLANTA
EN EL CORTE siguen una distribucin BETA con una expresin 21 + 36 * BETA(1.11, 1.09)
con un nivel de confianza del 95% y para un error estimado del 5%, podemos ver que
pasan la prueba de Kolmogorov-smirnov Y Chi-cuadrado, indicndonos que cumple con
las pruebas de Bondad y ajuste ya que el estadstico que da el programa Arena es mayor
79) Tiempo para desbastar la planta (Y72):
En esta operacin, lo que se realiza es desgastar la planta del corte que viene junto con
la horma ya pegada, se desgasta de acuerdo a lo que se ha marcado en el corte
previamente.
En este caso se cuenta con dos operarios, ya que se tienes dos mquinas de desbastado.
El tiempo que se ha considerado es desde que el operario recoge el zapato con la
horma y empieza el desbastado en la maquina hasta que la vuelve a dejar encima del
carril.
1
2
3
4
60.35
64.91
52.33
52.73
11
12
13
14
44.90
36.16
42.46
63.42
21
22
23
24
37.33
39.56
38.56
36.50

APLICANDO SIMULACIN
5
6
7
8
9
10
52.00
34.00
38.66
45.64
62.55
47.96
15
16
17
18
19
20
39.24
46.23
47.28
47.86
47.74
37.63
25
26
27
28
29
30
49.66
42.58
46.55
40.90
42.55
45.67

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
46.130333
69.783817
0.950000
1.960000
0.050000
2.306517
50.391080
5000.000000
2589.652064
si cumple
DISTRIBUCIN BETA
34 + 31 * BETA(0.906, 1.28)
Expresin
0.010857
Error Cuadrtico
Nmero de Intervalo
=6
Grados de Freedon
=3
Prueba Estadstica
= 3.51

Prueba Estadstica
= 0.0718
167
COMENTARIO
Hemos podido ver que los datos de la variable de TIEMPO PARA DESBASTAR LA
PLANTA siguen una distribucin BETA con una expresin 34 + 31 * BETA(0.906, 1.28)
pasan la prueba de Kolmogorov-smirnov Y Chi-cuadrado, indicndonos que cumple con
las pruebas de Bondad y ajuste ya que el estadstico que da el programa Arena es mayor
80) Tiempo para aplicar cemento a la planta (Y73):
En esta operacin el operario con la utilizacin de cemento para zapatos y la ayuda
de una herramienta (brocha) aplicaba cemento a la planta. Son dos operarios los que
efectan
esta
operacin.
El tiempo se toma, desde que el operario coge la planta de la faja transportadora
hasta cuando este la deja nuevamente la planta en la faja, justo es ah donde se
termina el cronometrado.
1
2
3
4
5
6
7
8
9
10
36.66
40.95
36.93
29.09
32.14
26.78
32.64
41.54
42.18
37.61
11
12
13
14
15
16
17
18
19
20
34.32
40.43
37.22
33.15
34.41
30.98
36.33
41.64
34.60
32.24
21
22
23
24
25
26
27
28
29
30
37.16
30.33
38.29
30.05
32.95
34.74
33.09
30.59
39.67
31.87

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
35.019333
16.843779
0.950000
1.960000
0.050000
1.750967
21.105513
5000.000000
424.337174
cumple

APLICANDO SIMULACIN
DISTRIBUCIN BETA
32 + 10 * BETA(1.06, 0.781)
Expresin
0.019921
Error Cuadrtico
Nmero de Intervalo
=3
Grados de Freedon
=0
Prueba Estadstica
= 0.687

Prueba Estadstica
= 0.161

COMENTARIO
Hemos podido ver que los datos de la variable de TIEMPO PARA APLICAR CEMENTO
A LA PLANTA siguen una distribucin BETA con una expresin 32 + 10 * BETA(1.06,
que pasan la prueba de Kolmogorov-smirnov, indicndonos que cumple con las pruebas
81) Tiempo para aplicar cemento al corte con la horma (Y74)
En esta operacin, lo que se realiza es echar cemento al corte para luego ser colocado
en una faja calentadora, con el fin de mantener el corte, para que posteriormente sea
pegado
a
su
planta.
En
esta
rea
encontramos
un
solo
operario.
el tiempo que se toma es desde que se toma el corte con la hora despus de ser
desbastado para luego aplicar el cemento hasta que se deja encima de la fala caliente.
1
2
3
23.18
22.86
24.31
11
12
13
25.56
27.68
23.94
21
22
23
28.43
25.80
25.69
169
4
5
6
7
8
9
10
30.31
23.43
26.08
23.50
23.55
30.90
23.78
14
15
16
17
18
19
20
25.76
27.40
27.71
24.59
25.13
27.10
27.45
24
25
26
27
28
29
30
24.65
25.80
27.79
26.42
27.42
25.53
26.62

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
25.945667
4.107667
0.950000
1.960000
0.050000
1.297283
9.376433
5000.000000
97.293936
si cumple
DISTRIBUCIN BETA
22.1 + 8.95 * BETA(0.452, 0.822)
Expresin
0.020388
Error Cuadrtico
Prueba Estadstica
= 0.429

COMENTARIO
Hemos podido ver que los datos de la variable de TIEMPO PARA APLICAR CEMENTO
AL CORTE CON LA HORMA siguen una distribucin BETA con una expresin 22.1 + 8.95
* BETA(0.452, 0.822)con un nivel de confianza del 95% y para un error estimado del 5%,
podemos ver que NO pasan la prueba de Kolmogorov-smirnov, indicndonos que no se

APLICANDO SIMULACIN
Arena es menor al 5% considerado en nuestra toma de muestras. Pero de todas maneras

hemos obtenidos un tipo de distribucin.
82) Tiempo para fijar la planta al corte (y75):
En esta operacin, lo que se realiza es pegar la plantilla. Aqu un operario une la
plantilla con la horna de zapato.
El tiempo se toma, desde que el operario coge el zapato de la mquina de secado
hasta que la ingresa a la mquina ,es ah donde se termina el cronometrado.
1
2
3
4
5
6
7
8
9
10
30.35
31.01
30.67
31.48
28.11
27.32
25.20
26.31
25.50
29.88
11
12
13
14
15
16
17
18
19
20
24.33
24.69
26.60
22.10
35.62
35.83
25.21
27.30
23.77
24.95
21
22
23
24
25
26
27
28
29
30
23.36
30.09
32.27
26.83
29.86
28.94
27.33
29.17
32.39
34.60

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
28.368833
13.145089
0.950000
1.960000
0.050000
1.418442
25.098786
5000.000000
604.850276
cumple
171
DISTRIBUCIN BETA
23 + 12 * BETA(0.628, 0.769)
Expresin
0.007559
Error Cuadrtico
Nmero de Intervalo
=3
Grados de Freedon
=0
Prueba Estadstica
= 0.404

Prueba Estadstica
= 0.185

COMENTARIO
Hemos podido ver que los datos de la variable de TIEMPO PARA FIJAR LA PLANTA AL
CORTE siguen una distribucin BETA con una expresin 23 + 12 * BETA(0.628, 0.769)con
un nivel de confianza del 95% y para un error estimado del 5%, podemos ver que NO
pasan la prueba de Chi cuadrado, pero si pasa la prueba de Kolmogorov-smirnov,
indicndonos que se cumple con las pruebas de Bondad y ajuste ya que el estadstico
que da el programa Arena es menor al 5% considerado en nuestra toma de muestras.
Pero de todas maneras hemos obtenidos un tipo de distribucin.
83) Tiempo de alistado del corte aparado (Y76):
En esta operacin, lo que se realiza es alistar el molde para el armado, lo que los
operarios realizan es pegar los distintos cortes al aparado, para que sigan un proceso
previamente establecido para poder armar los zapatos
1
2
3
4
5
6
7
8
9
10
73.00
87.32
80.90
89.17
66.00
68.63
63.63
51.85
77.82
73.68
11
12
13
14
15
16
17
18
19
20
77.03
74.69
77.83
102.14
82.44
89.99
88.68
74.43
85.06
106.02
21
22
23
24
25
26
27
28
29
30
70.03
73.31
83.22
81.87
91.65
77.38
86.02
96.13
50.65
75.40

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
79.198967
156.019243
0.950000
1.960000

APLICANDO SIMULACIN
e
e
no
N
no*(no-1)
N>no*(no-1)
0.050000
3.959948
38.221812
5000.000000
1422.685088
si cumple
DISTRIBUCIN NORMAL
NORM(79.8, 12.3)
Expresin
0.022689
Error Cuadrtico
Nmero de Intervalo
=4
Grados de Freedon
=1
Prueba Estadstica
= 2.7

Prueba Estadstica
= 0.106

COMENTARIO
Hemos podido ver que los datos de la variable de TIEMPO DE ALISTADO DEL CORTE
APARADO siguen una distribucin NORMAL con una expresin NORM(79.8, 12.3) con
un nivel de confianza del 95% y para un error estimado del 5%, podemos ver que pasan
la prueba de Kolmogorov-smirnov Y Chi-cuadrado, indicndonos que se cumple con las
pruebas de Bondad y ajuste ya que el estadstico que da el programa Arena es menor
84) Tiempo para separar la horma del zapato semi terminado (Y77):
En esta operacin, lo que se realiza es separar la horma del zapato cuando ya se ha
pegado la planta y ha sido transportado por una faja que a la vez es una enfriadora.
Este operacin solo tiene un operario, que es el mismo que retira las hormas del zapato.
El tiempo se toma desde que coge el zapato de la faja hasta que lo deja encima del
carril para seguidamente volver a engrapar la hora con la plantilla de cartn.
173

1
2
3
4
5
6
7
8
9
10
6.32
9.83
8.56
8.01
10.15
9.36
10.42
7.84
11.43
6.59
11
12
13
14
15
16
17
18
19
20
7.19
9.23
8.32
7.28
12.10
12.16
13.10
9.90
7.65
7.92
21
22
23
24
25
26
27
28
29
30
7.68
8.25
10.20
8.50
10.39
7.86
7.31
8.75
9.03
9.38

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
9.023667
2.855176
0.950000
1.960000
0.050000
0.451183
53.881403
5000
2957.086939
si cumple
DISTRIBUCIN ERLANG
6 + ERLA(1.09, 3)
Expresin
0.005215
Error Cuadrtico
Nmero de Intervalo
=4
Grados de Freedon
=1
Prueba Estadstica
= 0.782

APLICANDO SIMULACIN
Prueba Estadstica
= 0.865

COMENTARIO
Hemos podido ver que los datos de la variable de TIEMPO PARA HORMA DEL ZAPATO
SEMITERMINADO siguen una distribucin ERLANG con una expresin 6 + ERLA(1.09,
3)con un nivel de confianza del 95% y para un error estimado del 5%, podemos ver que
pasan la prueba de Chi cuadrado y la Kolmogorov-smirnov, indicndonos que se cumple
menor al 5% considerado en nuestra toma de muestras.
85) Tiempo para poner ganchos (Y78):
Primero se colocaban los ganchos en la maquina luego mediante una prensa esto son
fijados al calzado.
En el caso de nuestros modelos se haca solo para el Pheaser peak y Gargo:
1 24.562 11 11.756 21 29.058
2 30.745 12 53.958 22 23.211
3 10.235 13 20.328 23 40.452
4 12.658 14 60.951 24 47.335
5 18.365 15 47.657 25 53.985
6 58.958 16 20.852 26 55.264
7 50.745 17 10.354 27 58.658
8 12.985 18 21.625 28 45.852
9 10.365 19 23.842 29 58.695
10 20.569 20 22.483 30 10.854
variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
n
n
32.245247
330.196813
0.950000
1.960000
0.050000
1.612262
487.993013
5000.000000
237649.187914
no cumple
no/(1+(no/N))
444.600614
175
DISTRIBUCIN BETA
10 + 50 * BETA(1.02, 1.09)
Expresin
0.002899
Error Cuadrtico
Nmero de Intervalo
= 22
Grados de Freedon
= 19
Prueba Estadstica
= 31.7

Prueba Estadstica
= 0.0412

COMENTARIO
Hemos podido ver que los datos de la variable de TIEMPO PARA COLOCAR GANCHOS
siguen una distribucin BETA con una expresin 10 + 50 * BETA(1.02, 1.09)con un nivel
de confianza del 95% y para un error estimado del 5%, podemos ver que pasa la prueba
Kolmogorov-smirnov, indicndonos que se cumple con las pruebas de Bondad y ajuste
ya que el estadstico que da el programa Arena es menor al 5% considerado en nuestra
toma de muestras. Pero la prueba Chi-cuadrado no la pasa.
86) Tiempo para colocar ojalillos en una unidad (Y79):
Primero se colocaban los hojalillos a mano en la maquina luego mediante una prensa
esto son fijados al calzado
En el caso de nuestros modelos se haca solo para el Pheaser peak y Gargo:
1
2
3
4
5
6
7
8
9
25.519
28.340
32.930
35.061
32.210
37.169
39.088
38.071
35.120
11
12
13
14
15
16
17
18
19
33.118
30.217
35.815
34.118
35.815
29.322
36.195
32.713
33.418
21 30.909
22 29.616
23 36.201
24 34.016
25 36.215
26 37.118
27 32.306
28 33.431
29 30.918

APLICANDO SIMULACIN
10
36.513
20
34.519
30
31.153

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
33.571800
9.783157
0.950000
1.960000
0.050000
1.678590
13.338344
5000.000000
164.573080
Si cumple
DISTRIBUCIN BETA
29 + 7.92 * BETA (0.897, 1.06)
Expresin
0.026272
Error Cuadrtico
Prueba Estadstica
= 0.115

COMENTARIO
Hemos podido ver que los datos de la variable de TIEMPO PARA COLOCAR OJALILLOS
siguen una distribucin BETA con una expresin 29 + 7.92 * BETA (0.897, 1.06) con un
nivel de confianza del 95% y para un error estimado del 5%, podemos ver que pasa la
prueba Kolmogorov-smirnov, indicndonos que se cumple con las pruebas de Bondad y
ajuste ya que el estadstico que da el programa Arena es menor al 5% considerado en
87) Tiempo para poner la plantilla al zapato (Y80)
En esta operacin, lo que se realiza es pegar la plantilla al zapato.
En este caso esto pertenece al rea de rematado, como dijimos en este caso dentro de
la empresa hay un puesto significativo, pero se terciariza, afuera se tiene 4 operarios
que cumplen una capacidad de 7 docenas por da en cambio la que trabaja dentro de
la empresa solo hace 5 docenas.
177
El tiempo que se toma es desde que el operario coge el zapato y le aplica cemento a
la plantilla y luego la pone dentro del zapato y de ah deja el zapato otra vez en el
caballete.
1
2
3
4
5
6
7
8
9
10
38.30
44.46
55.66
58.52
47.80
48.52
44.18
57.14
48.22
50.60
11
12
13
14
15
16
17
18
19
20
41.86
47.14
61.78
56.68
64.18
60.26
52.10
70.12
72.16
70.70
21
22
23
24
25
26
27
28
29
30
54.60
71.83
56.66
59.73
60.62
62.64
55.86
58.64
56.46
60.32

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
56.258000
77.662279
0.950000
1.960000
0.050000
2.812900
37.706280
5000
1459.469812
si cumple
DISTRIBUCIN BETA
38 + 35 * BETA(1.21, 1.25)
Expresin
0.036075
Error Cuadrtico
Nmero de Intervalo
=5
Grados de Freedon
=2

APLICANDO SIMULACIN
Prueba Estadstica
= 8.03

Prueba Estadstica
= 0.0982

COMENTARIO
Hemos podido ver que los datos de la variable de TIEMPO PARA COLOCAR PLANTILLA
AL ZAPATO siguen una distribucin BETA con una expresin 38 + 35 * BETA(1.21, 1.25)
pasa la prueba Kolmogorov-smirnov, indicndonos que se cumple con las pruebas de
Bondad y ajuste ya que el estadstico que da el programa Arena es menor al 5%
considerado en nuestra toma de muestras. La prueba de chi-cuadrado no la pasa por
tener una probabilidad menor al error asignado.
88) Tiempo para poner peridico al zapato (Y81)
En esta operacin, lo que se realiza es rellenar el zapato con peridico con el fin de que
este al ser trasportado no se deforme, sobre toda la punta.
En este caso esto pertenece al rea de rematado, como dijimos en este caso dentro de
la empresa hay un puesto significativo, pero se terciariza, afuera se tiene 4 operarios
que cumplen una capacidad de 7 docenas por da en cambio la que trabaja dentro de
la empresa solo hace 5 docenas.
El tiempo que se toma es desde que el operario coge el zapato y luego le mete una
bolsa y empieza a rellenar con el peridico y de ah de alguna manera la sella.
1
2
3
4
5
6
7
8
9
10
34.04
43.68
49.50
51.33
53.54
42.77
50.29
57.72
44.43
54.48
11
12
13
14
15
16
17
18
19
20
49.38
47.00
42.33
56.18
53.42
49.21
51.82
38.77
44.86
48.43
21
22
23
24
25
26
27
28
29
30
53.66
47.92
49.89
52.84
44.62
47.87
54.28
55.12
44.23
49.34

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
48.763500
29.002533
0.950000
1.960000
0.050000
2.438175
179
no
N
no*(no-1)
N>no*(no-1)
18.742103
5000
370.008535
si cumple
DISTRIBUCIN BETA
34 + 24 * BETA(1.50, 1.1)
Expresin
0.008363
Error Cuadrtico
Prueba Estadstica
= 0.0996

COMENTARIO
Hemos podido ver que los datos de la variable de TIEMPO PARA COLOCAR PERIODICO
siguen una distribucin BETA con una expresin 34 + 24 * BETA(1.50, 1.1)con un nivel de
Kolmogorov-smirnov, indicndonos que se cumple con las pruebas de Bondad y ajuste
ya que el estadstico que da el programa Arena es menor al 5% considerado en nuestra
toma de muestras.
89) Tiempo para poner pasador al zapato (Y82)
En esta operacin, lo que se realiza poner pasadores al zapato, tambin lo vamos a
contabilizar por unidad.
El tIempo se toma desde que el operario coge el zapato y empieza a poner el pasador
hasta que le da una buena presentacin y lo deja encima del caballete.
1
2
3
4
5
6
7
8
9
89.28
93.96
83.16
76.83
91.87
75.84
83.72
84.62
82.16
11
12
13
14
15
16
17
18
19
90.46
79.66
77.52
79.62
75.16
69.66
76.86
84.70
80.62
21
22
23
24
25
26
27
28
29
82.76
79.46
76.35
81.08
85.02
87.12
90.36
84.56
86.22

APLICANDO SIMULACIN
10
83.82
20
81.14
30
82.32

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
82.530333
30.064962
0.950000
1.960000
0.050000
4.126517
6.782747
5000
52.788398
si cumple
DISTRIBUCIN BETA
75 + 19 * BETA(0.62, 0.4979)
Expresin
0.063228
Error Cuadrtico
Prueba Estadstica
= 0.151

COMENTARIO
Hemos podido ver que los datos de la variable de TIEMPO PARA COLOCAR
PASADORES siguen una distribucin BETA con una expresin 75 + 19 * BETA(0.62,
0.4979)con un nivel de confianza del 95% y para un error estimado del 5%, podemos ver
que pasa la prueba Kolmogorov-smirnov, indicndonos que se cumple con las pruebas
de Bondad y ajuste ya que el estadstico que da el programa Arena es menor al 5%
90) Tiempo para embolsar en una bolsa transparente (Y83)
En esta operacin, lo que se realiza poner es embolsar propiamente dicho
El tiempo se toma desde que el operario coge el zapato se junta un par y se coloca en
la bolsa transparente haciendo un pequeo nudo en la parte superior para
posteriormente dejarlo encima del caballete.
181

1
2
3
4
5
6
7
8
9
10
21.73
29.10
24.93
28..34
26.43
22..31
26.96
26.24
21.58
24.01
11
12
13
14
15
16
17
18
19
20
26.68
24.98
26.24
27.31
28.42
26.53
25.48
24.39
27.33
26.53
21
22
23
24
25
26
27
28
29
30
28.31
23.86
20.56
26.54
25.17
20.15
23.76
29.54
22.31
25.44

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
25.375357
6.045952
0.950000
1.960000
0.050000
1.268768
14.428211
5000
222.601481
si cumple
DISTRIBUCIN BETA
30 * BETA(0.957, 0.53)
Expresin
0.081578
Error Cuadrtico
Prueba Estadstica
= 0.391

APLICANDO SIMULACIN
COMENTARIO
Hemos podido ver que los datos de la variable de TIEMPO PARA COLOCAR EN UNA
BOLSA TRANSPARENTE siguen una distribucin BETA con una expresin 30 *
podemos ver que NO pasa la prueba Kolmogorov-smirnov, indicndonos que no se
Arena es menor al 5% considerado en nuestra toma de muestras. Pero podemos ver que
de todas maneras nos proporciona una distribucin.
91) Tiempo para embolsar en bolsa de color (Y84):
En esta operacin, lo que se realiza poner es embolsar propiamente dicho
El tiempo se toma desde que el operario coge el zapato se junta un par y se coloca en
la bolsa transparente haciendo un pequeo nudo en la parte superior para
posteriormente dejarlo encima del caballete.
1
2
3
4
5
6
7
8
9
10
8.01
15.49
11.73
12.09
8.56
13.06
14.71
13.26
12.38
8.64
11
12
13
14
15
16
17
18
19
20
10.81
8.11
9.65
10.11
8.65
12.56
8.98
13.25
10.39
11.31
21
22
23
24
25
26
27
28
29
30
9.83
11.33
8.31
10.18
10.15
12.07
8.17
10.18
8.26
11.18

variable:
Media Muestral
Varianza muestral
NC
z1-a/2
e
e
no
N
no*(no-1)
N>no*(no-1)
10.713667
4.170672
0.950000
1.960000
0.050000
0.535683
55.834411
5000
3173.315895
si cumple
183
DISTRIBUCIN BETA
8 +8 * BETA(0.974, 1.46)
Expresin
0.005362
Error Cuadrtico
Nmero de Intervalo
=6
Grados de Freedon
=3
Prueba Estadstica
= 2.2

Prueba Estadstica
= 0.0933

COMENTARIO
Hemos podido ver que los datos de la variable de TIEMPO PARA EMOBOLSAR EN UNA
BOLSA DE COLOR siguen una distribucin BETA con una expresin 8 +8 * BETA(0.974,
que pasan la prueba de Kolmogorov-smirnov y Chi cuadrado, indicndonos que cumple
X.
SIMULACIN DEL MODELO:

1. Identificacin de elementos de simulacin:
a) Entidades:
Sabemos que las entidades son tems que transitan por el sistema en nuestro
caso para ser procesados, estos tems se van a caracterizar por el orden,
prioridad, costo, modelo. De acuerdo a la clasificacin que se tiene los tems
con los que estamos trabajando son de tipo INANIMADOS ya que estn
representados por piezas; las principales entidades que se tienen son:
o Cuero; la principal materia prima con la que se trabaja en la empresa
y donde empieza el proceso productivo, recibiendo procesos como
corte, pintado desbastado, cocido, estampado de marca, y en
algunos casos perforado.
o Hormas; este tem, no forma parte del producto pero se usa para
poder darle forma al corte (debemos especificar que corte es el
conjunto de cueros y forros que son cosidos de manera de tener la

APLICANDO SIMULACIN
primera forma del modelo), es un elemento muy importante para

cumplir con la produccin del calzado.
o Planta de caucho; que es la que generalmente se usa aunque
tambin trabajan con planta de PVC dependiendo del modelo, esta
planta en su mayora importada de China. Este tem entra en el
proceso de armado, el principal proceso que tiene es el de pegado de
planta al corte procesado previamente.
o Elementos de rematado como: ganchos, ojalillos, pasadores; donde
estos forman parte del producto final de manera permanente, es
decir no se van a separar durante el uso del producto final, tambin
se tiene otros tems como peridico, bolsas transparente y bolsas de
color, estos son para darle una mejor apariencia del producto antes
de ser comercializado y son separados del producto final para el uso.
b) Recursos:
Estos estn definidos como los medios para ejecutar las actividades. En
nuestro caso encontramos recursos:
Humanos; en este caso encontramos lo operarios con los que cuenta
la empresa tanto dentro de ella como con los que trabaja en una
tercerizacin, aproximadamente entre todos son 50 operarios.
Inanimados; en este caso encontramos las maquinas que se tienen,
que son: la calentadora despus del armado(1), vaporizador(1), la
calentadora despus de la aplicacin del cemento(1), la pegadora de
plantas que es por compresin(1), la enfriadora despus del pegado
de plantas(1); en el caso de las aparadores las mquinas de
aparado(3), la maquina desbastadora(2), las troqueladoras(2), las
desbastadoras de planta del corte(2), la estampadora(1), la mquina
para poner ganchos y ojalillos(1), bueno ms que una maquina es
como una herramienta la perforadora para los ganchos y ojalillos(1),
la engrapadora(1), un recurso tambin podramos considerar al carril
que hace que la produccin corra dentro de toda el rea de armado.
Intangibles; en este caso esta las ordenes de pedido de material, de
produccin. Tambin los documentos que tienen los operarios para
demostrar su trabajo por destajo.
c) Actividades:
Son actividades que se realizan en un sistema que van a estar involucradas
directa e indirectamente en el proceso de las entidades.
Proceso de entidades;
o Corte de cuero
o Pintado de piezas cortadas
o Desbastado de piezas pintadas
o Aparado, cosido de todas las piezas de cuero incluyendo forro.
o Armado, pegado de plantilla de cartn y darle forma al corte.
o Marcado de corte
o Desbastado de planta de corte
o Pegado de planta al corte
185
o Sacado de hormas para obtenerse el zapato semi terminado

o Rematado de los zapatos, darle el acabado final.
Movimiento de entidades;
o En este caso los desplazamientos ms importantes que se dan
son de repente el que como el aparado se terciariza, estos
cortes que salen del desbastado se tiene que trasladar hasta
la casa de los aparadores que trabajan afuera, pasando lo
mismo con el rematado.
o Desplazamiento del Almacn de insumos y plantas hasta el
rea de corte y el armado, se podra considerar porque el
almacn est en la planta superior a la de produccin.
o Movimientos considerables dentro de la planta no hay porque
el corte, pintado, desbastado y aparado se dan en una sola
rea, los desplazamiento son mnimos; de igual manera el
rea de armado tiene un carril que corre entonces de parte
de los operarios no debera haber desplazamientos.
Ajuste;
o En este caso hay un mal trato para la maquinaria porque el
mantenimiento lo dan solo cuando la maquina empieza a
fallar, no previenen esto. De hecho uno de los das en los que
se fue a hacer la toma de tiempos se encontr el problema de
que la maquina armadora se haba malogrado y como es el
eje principal la produccin tuvo que detenerse medio da.
d) Variables:
Parmetros:
Tiempo de simulacin = 9,0 horas* 6 das
Exgenas y sus respectivas relaciones funcionales:
VARIABLE
X1
X2
X3
X4
X5
X6
X7
M1
M2
M3
DESCRIPCIN
Tiempo entre llegadas entre el rea corte y el rea
de pintado.
Tiempo entre llegadas entre el rea de pintado y el
rea de desbastado.
Tiempo entre llegadas entre el rea de desbastado
y el rea de aparado.
Tiempo entre llegadas entre rea de alimentado y
rea de pegado punta taln.
Tiempo entre llegadas entre rea de pegado punta
taln y rea de desbastado de planta.
Tiempo entre llegadas entre el rea de desbastado
de planta y rea de aplicacin de cemento.
Tiempo entre llegadas entre rea de sacado de
hormas y rea de alimentado.
Calentadora, del armado al marcado
Calentadora, de la aplicacin de cemento al
pegado de planta
Pegadora de planta
DISTRIBUCIN
-0.001+1.58*BETA(3.96,1.25)
-0.001+EXPO(3.5)
NORM(1.52,326)
NORM(411,97.2)
-0.001+769*BETA(3,2.02)
NORM(205,55)
NORM(208,57.8)
CONSTANTE: 50.72
CONSTANTE: 191.58
CONSTANTE: 135.17

APLICANDO SIMULACIN
M4
Y1PP
Y2PP
Y3PP
Y4PP
Y5PP
Y6PP
Y7PP
Y8T
Y9T
Y10T
Y11T
Y12T
Y13T
Y14T
Y15T
Y16T
Y17T
Y18T
Y19T
Y20T
Y21T
Y22A
Y23A
Y24A
Y25A
Y26A
Y27M
Y28M
Y29M
Y30M
Y31M
Y32M
Y33M
Y34M
Y35M
Y36G
Y37G
Y38G
Y39G
Y40G
Y41G
Y42G
Y43G
Y44G
Y45G
Y46G
Y47
Y48PA
Y49PB
Y50PC
Enfriadora, del pegado de planta al sacado de

hormas.
Tiempo de corte del armazn
Tiempo de corte en el troquelado para el modelo
Gargo, aplicaciones especiales.
Tiempo de pintado de pieza de tipo A.
Tiempo de pintado de la pieza tipo B.
Tiempo de pintado de la pieza tipo C.
CONSTANTE: 101.38
41+37*BETA(.03,1.18)
NORM(31.7,4.33)
22+LOGN(3.78,2.97)
28+14*BETA(1.15,1.5)
27+12*BETA(0.899,0.708)
TRIA(21,24.6,36)
14+5.64*BETA(1.18,1.04)
21.3+7.68*BETA(0.94,0.968)
14.3+GAMM(1.03,2.56)
12+13*BETA(1.26,2.08)
12+10*BETA(1.14,1.54)
12+WEIB(3.89,1.61)
TRIA(13,18.6,22)
16+ERLA(2.07,2)
22.5+4.89*BETA(0.67,0.664)
TRIA(18,18.9,30)
28+14*BETA(1.46,1.18)
NORM(25.5,3.57)
10+10*BETA(1.13,1.03)
10+10*BETA(1.24,0.964)
17+12*BETA(1.01,0.853)
NORM(11.1,2.14)
7+14*BETA(3.37,7.89)
NORM(14.7,2.51)
9+13*BETA(1.13,2.66)
8+9*BETA(0.967,1.19)
7+WEIB(5.41,2.15)
5+WEIB(4.01,2.79)
4+WEIB(6.19,2.76)
NORM(9.32,2.45)
11+16*BETA(1.29,1.7)
20.5+14*BETA(1.27,1.36)
TRIA(8,15,20)
TRIA(5,7.22,8)
0.8+GAMM(0.00874,6.1)
4.19+WEIB(1.25,2.05)
13+2.96*BETA(1.3,0.998)
6+2*BETA(1.17,1.2)
UNIF(6,8.53)
5.2+1.77*BETA(1.68,1.84)
16+5.92*BETA(1.4,1.71)
7+2*BETA(0.754,0.78)
TRIA(4.29,6.21,7)
7.39+GAMM(0.141,3.43)
UNIF(3,4.87)
3+2*BETA(1.37,1.05)
TRIA(3.51,5.99,6.48)
5.2+1.77BETA(1.68,1.84)
7+2*BETA(0.754,0.78)
3+2*BETA(1.37,1.05)
187
Y51PD
Y52PE
Y53PF
Y54PG
Y55PH
Y56PI
Y57
Y58
Y59
Y60
Y61APP
Y62AT
Y63AA
Y64AM
Y65AG
Y66
Y67
Y68
Y69
Y70
Y71
Y72
Y73
Y74
Y75
Y76
Y77
Y78
Y79
Y80
Y81
Y82
Y83
Y84
Tiempo de pintado de la pieza tipo D.

Tiempo de pintado de la pieza tipo E.
Tiempo de pintado de la pieza tipo F.
Tiempo de pintado de la pieza tipo G.
Tiempo de pintado de la pieza tipo H.
Tiempo de pintado de la pieza tipo I.
Tiempo de desbastado del corte.
Tiempo para estampar la marca en el cuero.
Tiempo para estampar la talla en la lengua.
Tiempo para estampar la marca en la plantilla.
Tiempo de aparado de una unidad de Pheaser
Peak.
Tiempo de aparado de una unidad de Turan.
Tiempo de aparado de una unidad de Taurus.
Tiempo de aparado de una unidad Mercurial.
Tiempo de aparado de una unidad de Gargo.
Tiempo para alimentar una unidad de corte
aparado al armado.
Tiempo para engrapar la plantilla de cartn a la
horma.
Tiempo del corte aparado en el vaporizador.
Tiempo para fijar la punta y el taln a la horma.
Tiempo para pegar la plantilla de cartn al corte
ya fijado a la horma.
Tiempo para marcar la planta en el corte.
Tiempo para desbastar la planta.
Tiempo para aplicar cemento a la planta.
Tiempo para aplicar cemento al corte con la
horma.
Tiempo para fijar la planta al corte.
Tiempo de alistado de corte del aparado.
Tiempo para separar la horma del zapato semi
terminado.
Tiempo para poner ganchos.
Tiempo para poner ojalillos.
Tiempo para poner la plantilla al zapato
Tiempo para poner peridico al zapato
Tiempo para poner pasador al zapato.
Tiempo para embolsar en una bolsa transparente.
Tiempo para embolsar en bolsa de color.
TRIA(4.29,6.21,7)
5.2+1.77*BETA(1.29,1.51)
16+WEIB(3.38,2.55)
27+12*BETA(1.14,0.605)
4.29+2.71*BETA(1.56,1.12)
NORM(7.92,0.298)
4+7*BETA(1.21,2.86)
TRIA(15,21.3,29)
7+LOGN(3.41,1.77)
NORM(18,2.57)
UNIF(902,1.09)
1.27+119*BETA(0.561,0.707)
400+344*BETA(0.664,0.733)
TRIA(685,1.11,1.32)
UNIF(1.02,1.31)
50+14*BETA(1.17,1.03)
3.21+6.78*BETA(2.48,2.34)
50+21*BETA(0.954,0.923)
25+LOGN(10.8,9.47)
UNIF(21,32)
21+36*BETA(1.11,1.09)
34+31*BETA(0.906,1.28)
32+10*BETA(1.06,0.781)
22.1+8.95*BETA(0.452,0.822)
23+12*BETA(0.628,0.769)
NORM(79.8,12.3)
6+ERLA(1.09,3)
10+50*BETA(1.02,1.09)
29+7.92*BETA(0.897,1.06)
38+35*BETA(1.21,1.25)
34+24*BETA(1.50,1.1)
75+19*BETA(0.62,0.497)
30*BETA(0.957,0.53)
8+8*BETA(0.974,1.46)
Endgenas:
CDIGO
ECCR
ECPP
ECPD
ECPA
ECAC
ECCA
ECHA
ECMCA
ECMRP
DESCRIPCIN
Espera en cola del cuero para ser recortado
Espera en cola de piezas para pintado
Espera en cola de piezas para el desbastado
Espera en cola de piezas para el aparado
Espera en cola para la alimentacin de cortes
Espera en cola de cortes para el armado
Espera en cola de hormas para el armado
Espera en cola dentro de maquina calentadora despus del armado
Espera en cola dentro de la maquina reactivadora de pegamento

APLICANDO SIMULACIN
ECPRP
ECMEP
Espera en cola para entrar a la pegadora despus del reactivado del

pegamento
Espera en cola de la maquina enfriadora del pegado de plantas
Estado:
VARIABLE
X1
X2
X3
X4
X5
X6
X7
DESCRIPCIN
Tiempo entre llegadas entre el rea de cuero, forro al rea de corte.
Tiempo entre llegadas entre el rea de pintado y el rea de desbastado.
Tiempo entre llegadas entre el rea de desbastado y el rea de aparado.
Tiempo entre llegadas entre rea de alimentado y rea de pegado punta
taln.
Tiempo entre llegadas entre rea de pegado punta taln y rea de
desbastado de planta.
Tiempo entre llegadas entre el rea de desbastado de planta y rea de
aplicacin de cemento.
Tiempo entre llegadas entre rea de sacado de hormas y rea de alimentado.
2. Supuestos necesarios para el modelo:

Para realizar los diagramas de mdulos vamos a considerar que se estn trabajando
cinco modelos, en el caso del sistema real se tiene:
El rea de Corte, pintado, desbastado y aparado trabaja para el da siguiente,
es decir los cortes que esta rea preparan son usado al da siguiente para ser
trabajados por el rea de armado. Tambin debemos especificar que esta rea
se cuenta con cinco operarios los cuales trabajan 7 a 6 docenas diarias.
De la misma manera pasa con el rea de armado, esta rea trabaja para que
el rea de rematado trabaje al da siguiente con los productos ya terminados.
Por estos supuestos es que hemos decidido que nuestro diagrama de mdulos
deberan dividirse en 3 ya que si se considera todo el proceso en un solo
diagrama se va a tener incompatibilidad con la cantidad que la empresa
produce en realidad porque:
rea de corte; hay 5 operarios que semanalmente hacen entre 6 y 7
docenas lo que al da me da de 30 a 35 docenas. En el rea de pintado,
el operario puede realizar la operacin hasta llegar a 30 docenas por da.
En el rea de aparado, generalmente botan una docena por da, entonces
por 30 operarios que se tiene en la empresa se tendra un aparado de casi
30 docenas hasta 32 docenas.
rea de Armado donde se va a contabilizar sub-reas como:
Alimentado
Corte en el vaporizado
Pegado de plantilla de cartn al corte
Calentadora de corte armado
Marcado de planta
Desbastado de planta del corte
Echado de cemento a la planta y al corte
Calentadora de cemento de planta y corte
Fijado de planta al corte
Pegadora de planta
189
Enfriadora de zapato semi-terminado

En esta rea lo vamos a contabilizar la cantidad que sale por el carril que
se tiene, y lo que se demora, sabemos que se son 37 carritos que es la
capacidad de la vuelta del carril y cada carrito tiene capacidad de 4 pares
pero la produccin solo ocupa la capacidad de 2 a 3 pares como mucho
por carrito y cada en dar toda la vuelta se demora 1hora con 54 minutos,
entonces en casi 10 horas de produccin da cinco vueltas. La produccin
que debe sacar:
Produccin = 2*37*5
Produccin = 370 pares por da aproximadamente.
rea de Rematado, se sabe que dentro de la planta solo hay un operario
que tiene una capacidad de 5docenas y los operarios que terciarizan son
4 pero estos producen 7 docenas por da. Entonces la cantidad de docenas
que se tiene que producir en toda el rea de rematado es de 33 docenas.
En el rea de cortado se tiene el supuesto que lo que va a entrar es una
tercera parte del cuero, porque para una docena de cortes se usa 4 pieles de
cuero, pero no podemos dividir la piel, por lo que hemos hecho es que nuestro
create lo que entra las tercera parte de una piel para poder cumplir con los
requerimientos.
Los materiales llegan todo de una vez a cada estacin de trabajo, esto crea
colas de las materias primas que se tienen, pero en la empresa no se tiene un
sistema de distribucin que ayude a mejorar esto.
3. Simulacin del sistema actual usando el software arena:

APLICANDO SIMULACIN
LAYOUT DEL ALMACEN DE MATERIALES:
191
LAYOUT DE LA PLANTA DE PRODUCCION:
APARADO
REMATADO
ARMADO
DESBASTADO
PINTADO
CORTADO
a) MODELO GARGO CANA ALTA:

APLICANDO SIMULACIN
193

APLICANDO SIMULACIN
195
b) MODELO TURAN:

APLICANDO SIMULACIN
197

APLICANDO SIMULACIN
199
c) MODELO PHEASER PEAK:

APLICANDO SIMULACIN
201

APLICANDO SIMULACIN
203

APLICANDO SIMULACIN
205

APLICANDO SIMULACIN
XI.
VALIDACIN DEL SISTEMA ACTUAL:

Para la validacin de nuestro sistema, nosotros debemos tener indicadores, los cuales son
obtenidos despus de la simulacin del sistema. Para elegir los indicadores se debe elegir
indicadores de los cuales nosotros vamos a tener datos reales de la empresa con el fin de que
al comparar las medias y despus del respectivo anlisis se debe poder validar el sistema.
Tambin debemos tener en cuenta que de los 10 indicadores que se van a usar para validar el
sistema por lo menos siete indicadores deben pasar la prueba de la distribucin para definir el
sistema como vlido.
1. Seleccin de Indicadores:
Para la seleccin de indicadores se ha tenido en cuenta con los datos reales que la empresa
nos podra brindar, adems de tiempos que nosotros hemos podido tomar en el tiempo de
toma de tiempos. Los indicadores seleccionados son:
INDICADORES
NZSAAR Numero de zapatos semi-terminados, antes de ir al rea de Rematado;
estos son datos que se nos ha brindado en el rea de produccin.
Numero de cortes que salen del rea de Cortado; para la determinacin de
NCSAC
los datos reales, como sabemos el operario de esta rea trabaja a destajo,
por lo cual cuenta con la produccin que hace a diario para recibir su
salario, entonces los operarios nos han brindado estos datos.
Tiempo promedio de cola en el rea de desbastado; este tiempo ha sido
TPCAD
tomado durante el proceso de toma de tiempos.
Numero de cortes que salen del rea de Pintado; para la determinacin de
NCSAP
los datos reales, como sabemos el operario de esta rea trabaja a destajo,
por lo cual cuenta con la produccin que hace a diario para recibir su
salario, entonces los operarios nos han brindado estos datos.
Numero de cortes que salen del rea de Aparado; para la determinacin
NCSAA
de los datos reales, como sabemos el operario de esta rea trabaja a
destajo, por lo cual cuenta con la produccin que hace a diario para recibir
su salario, entonces los operarios nos han brindado estos datos.
NTPCAEM Tiempo promedio en cola en rea de Estampado de marca; este tiempo ha
sido tomado durante el proceso de toma de tiempos.
NTPCDAC Tiempo promedio de cola despus de alimentar el corte; este tiempo ha sido
tomado durante el proceso de toma de tiempos.
TPCHAE Tiempo promedio en cola de hormas antes de ser engrapadas; este tiempo
ha sido tomado durante el proceso de toma de tiempos.
TPCAIAR Tiempo promedio de cola antes ingresar al rea de rematado; este tiempo
ha sido tomado durante el proceso de toma de tiempos.
Numero de zapatos Rematados; estos datos los hemos obtenido del rea de
NZR
ventas, la cantidad de zapatos que han recibido durante el tiempo que se
hizo el estudio.
2. Determinacin de rplicas y su validacin por reas:

Ahora vamos a determinar el nmero de rplicas con el fin de validar el sistema de
produccin para cada uno de los modelos que se ha venido trabajando.
o Se debe considerar que cuando quiero determinar el nmero de rplicas debo tener en
cuenta que se escoge el nmero de rplicas mayor para realizar el respectivo anlisis
con la distribucin.
o Otra consideracin que se debe tener es que nosotros estamos planteando un error del
1% porque nuestros datos no tiene mucha variacin, de hecho nuestro modelo tiene de
tiempo base segundos, entonces si analizamos el diagrama vamos a darnos cuenta que
207
el modelo no tiene mucha variacin es por ello que a menos error consideremos se va
a tener una mejor precisin en los resultados. Por ello se est considerando un error del
1%.
a) MODELO GARGO CAA ALTA:

Determinacin del nmero de rplicas:
i.
Numero de zapatos semi-terminados antes de ir rea Rematado

(NZSAAR):
Primero vamos hacer correr el modelo 10 veces para poder determinar el
nmero de rplicas. Debemos especificar que las unidades consideradas ac son
unidades individuales; no pares:
Nro. Replica
1
2
3
4
5
6
7
8
9
10
Unidades Producidas
783
783
779
783
781
783
782
783
784
783
Media (X)
782.40
Desviacin Estndar ()
1.43
Ahora determinamos el nmero de rplicas usando:

(1,) 2
2
=(
)
Distr. T (0.005,9, dos colas)
e (1%)
Numero de rplicas =
ii.
3.2498
1.43
7.824
1
Numero de cortes que salen del rea de Cortado (NCSAC):

unidades individuales de cortes:
Nro. Replica
Unidades Producidas(un)

APLICANDO SIMULACIN
1
2
3
4
5
6
7
8
9
10
2112
2088
2088
2112
2088
2112
2064
2040
2064
2040
Media (X)
2080.80
27.83

(1,) 2
2
=(
)
e (1%)
Numero de rplicas =
iii.
3.2498
27.83
20.808
19
Tiempo promedio de cola en el rea de desbastado (TPCAD):

segundos:
Nro. Replica
1
2
3
4
5
6
7
8
9
10
Unidades
Producidas
7.2681
7.1832
7.3426
7.2654
7.2406
7.2243
7.2628
7.1766
7.3084
7.2069
209
Media (X)
7.25
0.05

(1,) 2
2
=(
)
3.2498
e (1%)
0.05
0.072479
Numero de rplicas =
iv.
Numero de cortes que salen del rea de Pintado (NCSAP):

Nro. Replica
1
2
3
4
5
6
7
8
9
10
Unidades Producidas
3380
3368
3354
3376
3366
3366
3367
3365
3365
3365
Media (X)
3367.20
6.94

(1,) 2
2
=(
)
e (1%)
3.2498
6.94
33.672

APLICANDO SIMULACIN
Numero de rplicas =
v.
Numero de cortes que salen del rea de Aparado (NCSAA):

Nro. Replica
1
2
3
4
5
6
7
8
9
10
Unidades Producidas
172
173
173
172
174
174
171
171
174
173
Media (X)
172.70
1.16

(1,) 2
2
=(
)
e (1%)
Numero de rplicas =
vi.
3.2498
1.16
1.727
5
Tiempo promedio en cola en rea de Estampado de marca (NTPCAEM):

segundos:
Nro. Replica
1
2
3
Unidades Producidas
87.969
91.606
87.972
211
4
5
6
7
8
9
10
91.073
89.007
89.367
90.58
93.167
93.989
87.63
Media (X)
90.24
2.23

(1,) 2
2
=(
)
e (1%)
Numero de rplicas =
vii.
3.2498
2.23
0.90236
65
Tiempo promedio de cola despus de alimentar el corte (NTPCDAC):

segundos:
Nro. Replica
1
2
3
4
5
6
7
8
9
10
Unidades Producidas
246.71
248.04
246.77
245.92
246.15
247.96
247.33
245.64
245.94
247.36
Media (X)
246.78
0.87

APLICANDO SIMULACIN
(1,) 2
2
=(
)
e (1%)
Numero de rplicas =
viii.
3.2498
0.87
2.46782
2
Tiempo promedio en cola de hormas antes de ser engrapadas (TPCHAE):

segundos:
Nro. Replica
1
2
3
4
5
6
7
8
9
10
Unidades Producidas
201.64
203.12
200.56
200.45
202.57
201.76
202.19
203.98
202.62
202.46
Media (X)
202.14
1.09

(1,) 2
2
=(
)
3.2498
e (1%)
1.09
2.02135
Numero de rplicas =
ix.
Tiempo promedio de cola antes ingresar al rea de rematado (TPCAIAR):
213

segundos:
Nro. Replica
1
2
3
4
5
6
7
8
9
10
Unidades Producidas
114.74
117.32
114.34
117.58
115.19
118.28
116.58
116.32
119.22
116.85
Media (X)
116.64
1.56

(1,) 2
2
=(
)
3.2498
e (1%)
1.56
1.16642
Numero de rplicas =
x.
19
Numero de zapatos Rematados (NZR):

nmero de rplicas. Debemos especificar que las unidades consideradas ac
pares de zapatos:
Nro. Replica
1
2
3
4
5
6
7
Unidades Producidas
403
397
400
406
402
399
408

APLICANDO SIMULACIN
8
9
10
404
405
391
Media (X)
401.50
4.97

(1,) 2
2
=(
)
3.2498
e (1%)
4.97
4.015
Numero de rplicas =
17
Validacin de los indicadores:

Como mencionamos anteriormente, para determinar el nmero de rplicas para
validar el modelo se iba a seleccionar el mayor N de los indicadores mencionados;
dndonos ello que el nmero de rplicas debe ser de 65 rplicas del modelo para
validar y comparar con los resultados.
Entonces de los resultados segn los indicadores seria:
i.
Numero de zapatos semi-terminados (NZSAAR):

De las rplicas del modelo de simulacin se obtiene:
Media (X2)
Desv Estand (2)
e
%e
n2
780.8154
2.2492
7.8082
1
65
Del sistema real se obtienen los siguientes datos:

Nro. Replica
1
2
3
4
5
6
7
Unidades Producidas
780
782
782
782
780
778
778
215
8
9
10
11
12
13
14
15
778
780
780
782
780
778
778
780
Media del SR (X1)

Desviacion del SR (1)
n1 =
779.8667
1.5976
15
Para validar el sistema se plantea la siguiente hiptesis:
H0: 1 -2 = 0
Ha: 1 -2 0
De donde se puede decir que el criterio de rechazo es:
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2
Aplicando la formula antes mostrada se obtiene:

to
-1.9051
Para determinar el t con el que debemos compara se hace a travs de:
De donde se obtiene:
v
30.3442
ta/2,v
2.75
Entonces de acuerdo a lo antes mencionado y comparando las distribuciones

vemos, que nuestro indicador est dentro de la curva de aceptacin por lo que
el indicador es validado.
ii.

APLICANDO SIMULACIN

Media (X2)
2085.63077
14.09739
20.856308
1
65
Desv Estand (2)

e
%e
n2

Nro. Replica
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Unidades Producidas
2100
2080
2084
2100
2110
2080
2080
2096
2100
2080
2078
2076
2100
2110
2080
Media del SR (X1)

n1 =
2090.2667
12.27929
15
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2
217
to
1.28038
v
ta/2,v
24.616577
2.7874

iii. Tiempo promedio de cola en el rea de desbastado (TPCAD):
Media (X2)
Desv Estand (2)
e
%e
n2
7.216877
0.047031
0.036084
0.5
65
Del sistema real se obtienen los siguientes datos, estos datos han sido tomados
en el tiempo de toma de datos:
Nro. Replica
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Tiempo promedio
7.01
7
7.59
7.05
7.26
7.21
7.15
7.59
7.16
7.18
7.25
7.64
7.32
7.16
7.72

APLICANDO SIMULACIN
Media del SR (X1)

n1 =
7.2860
0.2364
15
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

to
1.1272
v
ta/2,v
14.2932
2.9467

iv. Numero de cortes que salen del rea de Pintado (NCSAP):
Media (X2)
Desv Estand (2)
e
%e
n2
3371.4769
7.14822
33.71478
1
65
219

Nro. Replica
Unidades Producidas
3370
3378
3378
3370
3370
3374
3380
3370
3376
3376
3374
3378
3376
3374
3384
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Media del SR (X1)
n1 =
3375.2
4.12657
15
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

to
2.68596

APLICANDO SIMULACIN
v
39.058119
2.7154
ta/2,v

v.

Media (X2)
171.153846
Desv Estand (2)

e
%e
n2
3.138624
1.711538
1
65

Nro. Replica
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Unidades Producidas
173
172
168
168
174
176
176
168
164
176
174
168
170
178
172
Media del SR (X1)

n1 =
171.8
4.00357
15
H0: 1 -2 = 0
Ha: 1 -2 0
221
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

to
0.58497
v
ta/2,v
18.75911
2.8609

vi. Tiempo promedio en cola en rea de Estampado de marca (NTPCAEM):
Media (X2)
Desv Estand (2)
e
%e
n2
90.606492
2.231760
0.9061
1
65

Nro. Replica
1
2
3
4
5
6
7
Tiempo Promedio
90.52
91.32
89.88
89.65
89.5
89.63
90.35

APLICANDO SIMULACIN
8
9
10
11
12
13
14
15
85.32
89.98
88.56
86.35
90.35
91.64
86.59
84.75
Media del SR (X1)

n1 =
88.9593
2.1666
15
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

to
-2.639055
v
22.439855
ta/2,v
2.8073

vii.
223

Media (X2)
246.566154
0.778940
2.465662
1
65
Desv Estand (2)

e
%e
n2

Nro. Replica
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Tiempo promedio
248
245
248
245
240
245
240
245
245
240
248
245
245
245
245
Media del SR (X1)

n1 =
244.6
2.667262
15
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

APLICANDO SIMULACIN
to
-2.827257
v
ta/2,v
14.6344
2.9467

viii. Tiempo promedio en cola de hormas antes de ser engrapadas (TPCHAE):
Media (X2)
Desv Estand (2)
e
%e
n2
202.280615
1.267325
2.022806
1
65

Nro. Replica
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Unidades Producidas
210
210
180
180
180
210
210
210
180
210
180
210
180
210
210
225
Media del SR (X1)

n1 =
198
15.212776
15
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

to
-1.088919
v
ta/2,v
14.05128
2.9467

ix.

Media (X2)
Desv Estand (2)
e
%e
n2
116.417077
1.792317
1.1642
1
65

APLICANDO SIMULACIN

Nro. Replica
Unidades Producidas
100
110
120
120
120
10
120
100
120
120
115
120
110
115
110
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Media del SR (X1)
n1 =
114
7.121396
15
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

to
-1.305028
227
v
14.470330
2.9467
ta/2,v

x.

Media (X2)
395.6769
Desv Estand (2)

e
%e
n2
45.2331
3.9568
1
65

Nro. Replica
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Unidades Producidas
384
388
400
410
398
384
398
396
400
394
392
400
396
400
396
Media del SR (X1)

n1 =
395.7333
6.7556
15
H0: 1 -2 = 0
Ha: 1 -2 0

APLICANDO SIMULACIN
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

to
0.009601
v
ta/2,v
74.42993
2.643

b) MODELO PHASER PEAK:

i.

(NZSAAR):
Nro. Replica
1
2
3
4
5
6
7
8
9
Unidades Producidas
783
783
779
783
781
783
782
783
784
229
10
783
Media (X)
782.40
1.43

(1,) 2
2
=(
)
3.2498
1.43
7.824
e (1%)
Numero de rplicas =
ii.

Nro. Replica
1
2
3
4
5
6
7
8
9
10
Unidades Producidas(un)
2112
2088
2088
2112
2088
2112
2064
2040
2064
2040
Media (X)
2080.80
27.83

(1,) 2
2
=(
)
3.2498

APLICANDO SIMULACIN
27.83
20.808
e (1%)
Numero de rplicas =
iii.
19

segundos:
Nro. Replica
1
2
3
4
5
6
7
8
9
10
Unidades
Producidas
0.12188
0.12158
0.12084
0.12184
0.12244
0.1223
0.12106
0.11879
0.12123
0.12032
Media (X)
0.12
0.00

(1,) 2
2
=(
)
e (1%)
Numero de rplicas =
iv.
3.2498
0.00
0.00121228
9

231
Nro. Replica
1
2
3
4
5
6
7
8
9
10
Unidades Producidas
3380
3368
3354
3376
3366
3366
3367
3365
3365
3365
Media (X)
3367.20
6.94

(1,) 2
2
=(
)
e (1%)
Numero de rplicas =
v.
3.2498
6.94
33.672
1

Nro. Replica
1
2
3
4
5
6
7
8
9
10
Unidades Producidas
172
173
173
172
174
174
171
171
174
173

APLICANDO SIMULACIN
Media (X)
172.70
1.16

(1,) 2
2
=(
)
e (1%)
Numero de rplicas =
vi.
3.2498
1.16
1.727
5

segundos:
Nro.
Replica
1
2
3
4
5
6
7
8
9
10
Unidades Producidas
0.67303
0.669
0.6783
0.66066
0.66446
0.66579
0.67349
0.69031
0.67171
0.6818
Media (X)
0.67
0.01

(1,) 2
2
=(
)
3.2498
233
0.01
0.006728
e (1%)
Numero de rplicas =
vii.
19

segundos:
Nro.
Replica
1
2
3
4
5
6
7
8
9
10
Unidades
Producidas
4.4897
4.4957
4.4944
4.4769
4.5
4.4933
4.5083
4.4989
4.4952
4.492
Media (X)
4.49
0.01

(1,) 2
2
=(
)
e (1%)
Numero de rplicas =
viii.
3.2498
0.01
0.044944
1

segundos:

APLICANDO SIMULACIN
Nro.
Replica
1
2
3
4
5
6
7
8
9
10
Unidades
Producidas
0.76798
0.75854
0.75705
0.75776
0.76424
0.75095
0.74974
0.74564
0.75616
0.75688
Media (X)
0.76
0.01

(1,) 2
2
=(
)
e (1%)
Numero de rplicas =
ix.
3.2498
0.01
0.007565
9

segundos:
Nro.
Replica
1
2
3
4
5
6
7
8
9
Unidades
Producidas
1.9123
1.9555
1.9056
1.9597
1.9199
1.9713
1.943
1.9386
1.987
235
10
1.9476
Media (X)
1.94
0.03

(1,) 2
2
=(
)
3.2498
e (1%)
0.03
0.01944
Numero de rplicas =
x.
19

pares de zapatos:
Nro. Replica
1
2
3
4
5
6
7
8
9
10
Unidades Producidas
403
397
400
406
402
399
408
404
405
391
Media (X)
401.50
4.97

(1,) 2
2
=(
)
3.2498

APLICANDO SIMULACIN
e (1%)
Numero de rplicas =
4.97
4.015
17

i.
Numero de zapatos semi-terminados (NZSAAR):

X2
2
e
%e
n2
781.3684211
2.265944157
7.813684211
1%
19

Nro. Replica
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Unidades Producidas
780
782
782
782
780
778
778
778
780
780
782
780
778
778
780
Media del SR (X1)
779.8667

n1 =
1.5976
15
237
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

to
-2.262962
v
ta/2,v
33.515008
2.75

ii.

X2
2
e
%e
n2
2082.526316
18.94837554
20.82526316
1
19

Nro. Replica
1
2
3
Unidades Producidas
2100
2080
2084

APLICANDO SIMULACIN
4
5
6
7
8
9
10
11
12
13
14
15
2100
2110
2080
2080
2096
2100
2080
2078
2076
2100
2110
2080
Media del SR (X1)

n1 =
2090.2667
12.27929
15
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

to
1.438613
v
ta/2,v
32.67299
2.7874
239

X2
2
e
%e
n2
0.120565
0.001507
0.001206
1
19
Nro. Replica
Unidades Producidas
1
2
7.01
7
3
4
5
6
7
8
9
10
11
12
13
14
15
7.59
7.05
7.26
7.21
7.15
7.59
7.16
7.18
7.25
7.64
7.32
7.16
7.72
Media del SR (X1)

n1 =
7.2860
0.2364
15
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v

APLICANDO SIMULACIN
0 =
1 2
2 2
1+ 2
1 2

to
117.3779
v
ta/2,v
14.0010
2.9467

X2
2
e
%e
n2
3369.789474
5.996100097
33.69789474
1
19

Nro. Replica
1
2
3
4
5
6
7
8
9
10
11
Unidades Producidas
3370
3378
3378
3370
3370
3374
3380
3370
3376
3376
3374
241
12
13
14
15
3378
3376
3374
3384
Media del SR (X1)
3375.2
4.12657
15

n1 =
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

to
3.109542
v
ta/2,v
33.309835
2.7154

v.

X2
2
171.4210526
2.387834665

APLICANDO SIMULACIN
e
%e
n2
1.714210526
1
19

Nro. Replica
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Unidades Producidas
173
172
168
168
174
176
176
168
164
176
174
168
170
178
172
Media del SR (X1)
171.8

n1 =
4.00357
15
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

to
0.323914
243
v
ta/2,v
22.69076
2.8609

X2
2
e
%e
n2
0.674612105
0.00781254
0.006746121
1
19

Nro. Replica
Unidades Producidas
1
2
0.669
0.6783
3
4
5
6
7
8
9
10
11
12
13
14
15
0.66066
0.66446
0.66579
0.67349
0.69031
0.67171
0.6818
0.67838
0.67697
0.66949
0.67525
0.68038
0.68038
X1 =
1=
n1 =
0.674424667
0.007749807
15

APLICANDO SIMULACIN
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

to
-069774
v
ta/2,v
32.30655
2.8073

vii.

X2
2
e
%e
n2
4.496331579
0.007382641
0.044963316
1
19
245
Nro. Replica
Unidades Producidas
1
2
4.4957
4.4944
3
4
5
6
7
8
9
10
11
12
13
14
15
4.4769
4.5
4.4933
4.5083
4.4989
4.4952
4.492
4.4982
4.4945
4.511
4.4977
4.4991
4.4948
X1 =
1=
n1 =
4.496666667
0.007589717
15
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

to
0.129370

APLICANDO SIMULACIN
v
ta/2,v
31.76049
2.9467

X2
2
e
%e
n2
0.757357895
0.006917926
0.007573579
1
19

Nro. Replica
Unidades Producidas
1
2
0.75854
0.75705
3
4
5
6
7
8
9
10
11
12
13
14
15
0.75776
0.76424
0.75095
0.74974
0.74564
0.75616
0.75688
0.76172
0.75934
0.76458
0.7576
0.76639
0.7519
X1 =
1=
n1 =
0.757232667
0.005814941
15
H0: 1 -2 = 0
Ha: 1 -2 0
247
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

to
-0.057319
v
ta/2,v
33.887361
2.9467

ix.

X2
2
e
%e
n2
1.943668421
0.023470029
0.019436684
1
19

Nro. Replica
Unidades Producidas
1
2
1.9555
1.9056
3
4
5
6
1.9597
1.9199
1.9713
1.943

APLICANDO SIMULACIN
7
8
9
10
11
12
13
14
15
1.9386
1.987
1.9476
1.92
1.8974
1.9389
1.9552
1.9437
1.9532
X1 =
1=
n1 =
1.942546667
0.02382876
15
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

to
-0.1372022
v
ta/2,v
31.95820
2.9467
249

x.

X2
2
e
%e
n2
401.0526316
5.179807849
4.010526316
1
19

Nro. Replica
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Unidades Producidas
384
388
400
410
398
384
398
396
400
394
392
400
396
400
396
Media del SR (X1)

n1 =
395.7333
6.7556
15
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

APLICANDO SIMULACIN

to
-2.520268
v
ta/2,v
27.25683
2.643

c) MODELO TURAN:
i.

(NZSAAR):
Nro. Replica
1
2
3
4
5
6
7
8
9
10
Unidades Producidas
780
781
784
779
781
782
784
779
783
781
Media (X)
781.40
1.84
251

(1,) 2
2
=(
)
e (1%)
Numero de rplicas =
ii.
3.2498
1.84
7.814
1

Nro. Replica
1
2
3
4
5
6
7
8
9
10
Unidades Producidas(doc)
2024
2096
2096
2024
2096
2024
2072
2048
2072
2048
Media (X)
2060
30.46

(1,) 2
2
=(
)
e (1%)
3.2498
30.46
20.6

APLICANDO SIMULACIN
Numero de rplicas =
iii.
24

segundos:
Nro. Replica
Unidades
Producidas
0.1217
0.12163
0.12139
0.12134
0.12175
0.12097
0.11467
0.11883
0.12139
0.1198
1
2
3
4
5
6
7
8
9
10
Media (X)
0.12
0.00

(1,) 2
2
=(
)
e (1%)
Numero de rplicas =
iv.
3.2498
0.00
0.00120347
36

Nro.
Replica
1
Unidades
Producidas
3310
253
2
3
4
5
6
7
8
9
10
3356
3315
3378
3323
3358
3348
3366
3366
3366
Media (X)
3348.60
24.01

(1,) 2
2
=(
)
e (1%)
Numero de rplicas =
v.
3.2498
24.01
33.486
6

Nro.
Replica
1
2
3
4
5
6
7
8
9
10
Unidades
Producidas
162
163
163
162
164
164
161
161
164
163

APLICANDO SIMULACIN
Media (X)
162.70
1.16

(1,) 2
2
=(
)
3.2498
1.16
1.627
e (1%)
Numero de rplicas =
vi.

segundos:
Nro.
Replica
1
2
3
4
5
6
7
8
9
10
Unidades Producidas
0.77462
0.86881
0.83609
0.85716
0.82663
0.78036
0.86207
0.8128
0.87189
0.80482
Media (X)
0.83
0.04

(1,) 2
2
=(
)
3.2498
255
0.04
0.00829525
e (1%)
Numero de rplicas =
vii.
197

segundos:
Nro.
Replica
1
2
3
4
5
6
7
8
9
10
Unidades
Producidas
532.01
534.02
533.94
531.78
532.78
533.62
533.19
531.07
536.49
532.04
Media (X)
533.09
1.55

(1,) 2
2
=(
)
e (1%)
Numero de rplicas =
viii.
3.2498
1.55
5.33094
1

segundos:

APLICANDO SIMULACIN
Nro.
Replica
1
2
3
4
5
6
7
8
9
10
Unidades
Producidas
0.76757
0.7588
0.7536
0.75466
0.76947
0.74628
0.7576
0.74571
0.75406
0.75559
Media (X)
0.76
0.01

(1,) 2
2
=(
)
e (1%)
Numero de rplicas =
ix.
3.2498
0.01
0.007563
12

segundos:
Nro.
Replica
1
2
3
4
5
6
7
8
9
Unidades
Producidas
1.9123
1.9555
1.9056
1.9597
1.9199
1.9713
1.943
1.9386
1.987
257
10
1.9476
Media (X)
1.94
0.03

(1,) 2
2
=(
)
3.2498
e (1%)
0.03
0.019441
Numero de rplicas =
x.
19

pares de zapatos:
Nro. Replica
1
2
3
4
5
6
7
8
9
10
Unidades
Producidas
403
397
400
406
402
399
408
404
405
391
Media (X)
401.50
4.97

(1,) 2
2
=(
)

APLICANDO SIMULACIN
e (1%)
Numero de rplicas =
3.2498
4.97
4.015
17

i. Numero de zapatos semi-terminados (NZSAAR):
X2
2
e
%e
n2
780.928934
2.619593632
7.80928934
1%
197

Nro. Replica
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Media del SR (X1)
n1 =
Unidades Producidas
783
781
780
784
779
777
781
785
781
785
778
785
779
778
781
781.13333
2.72204
15
259
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

to
0.281081
v
ta/2,v
16.32878
2.75

ii.

X2
2
e
%e
n2
2065.563452
16.24783453
20.65563452
1
197

1
2
3
4
2080
2100
2080
2100

APLICANDO SIMULACIN
5
6
7
8
9
10
11
12
13
14
15
2092
2076
2076
2092
2100
2056
2080
2100
2100
2108
2092
Media del SR (X1)
2088.8

n1 =
13.790265
15
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
Aplicando la formula antes mostrada
1 + 2se obtiene:
1 2
6.206205
to
v
ta/2,v
17.54347
2.7874

261

X2
2
e
%e
n2
0.119821
0.001918
0.001198
1
197
Nro. Replica
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Unidades Producidas
0.12169
0.11916
0.11963
0.11894
0.11868
0.12243
0.12067
0.12061
0.11365
0.11556
0.12035
0.11529
0.12113
0.11997
0.11907
Media del SR (X1)
0.1191

n1 =
0.0025
15
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

APLICANDO SIMULACIN

to
-1.0674
v
ta/2,v
15.4853
2.9467

X2
2
e
%e
n2
3369.426396
9.33726972
33.69426396
1
197

Nro. Replica
1
2
3
4
5
6
7
8
9
10
11
12
13
14
Unidades Producidas
3379
3362
3369
3367
3384
3376
3364
3382
3368
3362
3366
3371
3381
3358
263
15
3363
Media del SR (X1)
3370.1333
8.305477
15

n1 =
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

to
0.314854
v
ta/2,v
17.213340
2.7154

v.

X2
2
e
%e
n2
169.8832487
2.56379295
1.698832487
1
197

APLICANDO SIMULACIN

Nro. Replica
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Unidades Producidas
173
170
166
173
173
167
172
171
169
174
168
170
173
173
172
Media del SR (X1)

n1 =
170.933
2.49189
15
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

to
1.570031
265
v
ta/2,v
16.67332
2.8609

X2
2
e
%e
n2
0.840931777
0.034714735
0.008409318
1
197

Nro. Replica
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Media del SR (X1)
n1 =
Unidades Producidas
0.7898
0.90901
0.90171
0.81754
0.86229
0.84004
0.87876
0.86486
0.83861
0.8466
0.80395
0.81851
0.84212
0.77706
0.8426
0.842230
0.0377181
15

APLICANDO SIMULACIN
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

to
0.129269
v
16.12443
ta/2,v
2.8073

vii.

X2
2
e
%e
n2
4.496712183
0.007410387
0.044967122
1
197

Nro. Replica
1
Unidades Producidas
4.5058
267
2
3
4
5
6
7
8
9
10
11
12
13
14
15
4.4961
4.5075
4.5044
4.5027
4.5094
4.4853
4.4911
4.4827
4.4998
4.4956
4.4881
4.492
4.4943
4.5134
Media del SR (X1)

n1 =
4.49788
0.0091976
15
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

to
0.480031
v
15.61724

APLICANDO SIMULACIN
ta/2,v
2.9467

X2
2
e
%e
n2
0.75837066
0.006712889
0.007583707
1
197

Nro. Replica
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Unidades Producidas
0.7629
0.74704
0.76063
0.76293
0.76637
0.75911
0.75973
0.75729
0.76911
0.76808
0.75185
0.76194
0.75793
0.76877
0.75641
Media del SR (X1)

n1 =
0.760672
0.00621003
15
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
269
0 =
1 2
2 2
1+ 2
1 2

to
1.37578
v
ta/2,v
16.9616353
2.9467

ix.

X2
2
e
%e
n2
115.5613706
1.188005381
1.155613706
1
197

Nro. Replica
1
2
3
4
5
6
7
8
Unidades Producidas
100
110
120
120
120
10
120
100

APLICANDO SIMULACIN
9
10
11
12
13
14
15
120
120
115
120
110
115
110
Media del SR (X1)

n1 =
114
7.121396
15
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

to
-1.305028
v
ta/2,v
14.470330
2.9467

x.

271
X2
2
e
%e
n2
395.7411168
44.77550561
3.957411168
1
197

Nro. Replica
Unidades Producidas
384
388
400
410
398
384
398
396
400
394
392
400
396
400
396
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Media del SR (X1)
n1 =
395.7333
6.7556
15
H0: 1 -2 = 0
Ha: 1 -2 0
t0 > t/2,v
0 =
1 2
2 2
1+ 2
1 2

to
0.009601

APLICANDO SIMULACIN
v
ta/2,v
74.42993
2.643

Reporte del Simulador despus de la validacin:
273

APLICANDO SIMULACIN
275
XII.
OPTIMIZACION DEL MODELO-OPTQUEST ANALYZER:

Para realizar la optimizacin, vamos a dividir nuestro proceso en 2 grandes zonas que de
alguna manera trabajan de manera independiente:
rea de cortado, pintado, desbastado y aparado.
rea de alistado de armado y rematado.
1. AREA DE CORTADO, PINTADO, DESBASTADO Y APARADO:

Como mencionamos a lo largo del trabajo estas reas son independientes, para
optimizar el proceso se tom en cuenta algunos criterios:
o
Para la optimizacin se ha tomado en cuenta los indicadores que se han

tomado en la validacin, siendo en su mayora colas.
Tambin se ha tomado en cuenta el sistema de produccin que tiene la

empresa, hacemos referencia a la cola que fuerza a realizar por decirlo de
alguna manera ya que al menos en estos procesos que se estn tratando en
esta primera parte siempre se trabaja para el da siguiente.
La obra de mano para el tipo de calzado que realiza esta empresa es escasa,
por lo que siempre que entra un nuevo empleado, este debe ser capacitado
un tiempo de 15 das, entonces al tiempo de proponer variar los recursos se
debe tener en cuenta ello.

APLICANDO SIMULACIN
Se debe tener en cuenta que la capacidad de produccin de cada rea de las

que estamos tratando son diferentes:
Cortado: 7 docenas
Pintado: 20 docenas
Desbastado: 18 docenas
Aparado: 1.5 docenas
Entonces lo que nosotros proponemos inicialmente es tener una produccin

continua es decir que cada docena que salga de un proceso vaya al siguiente
inmediatamente consiguiendo minimizar y en el mejor de los casos eliminar las
colas. Para conseguir ello nosotros deberamos conseguir que la produccin de
cada rea sea similar, entonces para conseguir ello lo que se busca es aumentar
los recursos para estabilizar las capacidades y poder conseguir una produccin
de la manera en que se propone.
o
Tambin para la construccin de escenarios nos estamos limitando con los

recursos que cuenta la empresa. Debemos especificar que la empresa cuenta
con aproximadamente 30 aparadores. Nosotros para los escenarios nos
limitamos a un mximo de 6 aparadores, porque la empresa actualmente est
trabajando en 5 modelos por la demanda que tiene, entonces estamos
tratando de dividir el recurso ms limitado que son aparadores entre los 5
modelos por eso ponemos un mximo de 5 aparadores. De igual manera con
los cortadores son 8 cortadores para 5 modelos entonces se podra contar con
un mximo de 2 cortadores para un modelo.
Para la construccin de escenarios solo variamos los aparadores y cortadores

porque son los que menos capacidad tienen, adems de que en el caso de
pintado y desbastado la empresa solo cuenta con un operario y es suficiente
para la produccin que tienen.
Como podemos ver de los resultados obtenidos, en el sistema de produccin nos

convendra que los 6 aparadores hagan el mismo modelo para de esa manera
disminuir el tiempo de espera a menos de la mitad y con eso podramos hacer
un primer intento, con una parte de la produccin para ver si la produccin se
puede llevar de manera continua.
Tambin podemos ver que no hay ninguna variacin cuando se duplica el
nmero de cortadores por modelo por lo que entonces esta variable se
convierte irrelevante para la optimizacin.
277
2. AREA DE ARMADO Y REMATADO:

o
o
Ya estas reas vamos a comparar la optimizacin con respecto a las unidades

que se producen diario.
Dentro de los controles que se han elegido, se han trabajado los recursos que
hacen ms cola dentro del proceso, como sabemos en esta rea el proceso es
continuo a travs de una faja y despus de observar el proceso se pudo
determinar que los recursos que tenan cola eran:
Desbastador de corte, operacin antes de pegar la planta.
Maquina pegadora, que tambin se ha considerado porque la
empresa tiene la intencin de comprar una.
Vaporizador; es una de las maquinas que ms colas tiene, por lo mismo
que es el inicio de uno de los procesos ms importantes del rea de
armado porque es aqu donde empieza el armado propiamente dicho.
Cabe mencionar que donde se malogre esta mquina la produccin
debe parar a diferencia que con las dems maquinas como pegadora
o calentadoras que son procesos que pueden ser sustituidos por la mano
del hombre aunque tome ms tiempo.
Alimentador es donde empieza las colas entonces vamos a ver si su
capacidad influye en algo en la capacidad de produccin, aunque
como este recursos trabaja directamente con el vaporizador, se est
evaluando la duplicidad de los dos y el ver si solo se duplica alguno de
ellos.
Para tomar una decisin sobre cul sera la mejor opcin hemos
considerado considerar en primer lugar el que nos de una mayor
produccin ya que ese es uno de nuestros objetivos.
Los escenarios antes elegidos se relacionan con o duplicar los recursos

como mano de obra o duplicar la maquinaria y redistribuir recursos.
Como podemos ver de la optimizacin antes presentada, vemos que el
nmero de zapatos no varan, eso se debe a que los recursos que se
estn presentando no son relevantes para el sistema. Es decir el cambio
no debera darse en esta parte sino como se demostr anteriormente
se debera dar en el rea de pintado, corte; donde si se presenta un
cambio.
Se puede ver que la produccin no vara en nada, o sea no tiene
influencia.

APLICANDO SIMULACIN
CONCLUSIONES
Mediante este trabajo, se pudo crear un diagrama que representa la fabricacin
del calzado en la empresa DMaurus, comprobando que la empresa tiene una
produccin aproximada de 32 a 34 docenos de zapatos diarias, el modelo que se
muestra nos da una media de 33 docenas pares de zapatos, que comprueba que
nuestro se acerca al modelo real, pero esto es muy relativo debido a las distintos
modelos que produce la empresa
Los principales cuellos de botella que se identifican en la fabricacin es el proceso
de estampado de marca y el recurso ms relevante son los APARADORES. Si se
agregaran ms recursos a este proceso, la produccin de la fbrica aumentara
considerablemente
Se logr validar el modelo de simulacin, a travs del planteamiento de una

hiptesis en la que los resultados del modelo simulado, estn dentro de un rango
establecido
Mediante esta simulacin, se puede identificar mejor la eficiencia de cada
operador, la cantidad de zapatos elaborados al da y como poder mejorar la
produccin de la fbrica, procurando obtener el mayor nivel de utilizacin de las
mquinas y del personal
Con los datos obtenidos en la empresa, se pudo validar el trabajo y ocho
indicadores aceptaron la hiptesis, por lo cual se concluye que los resultados de esta
simulacin pueden servir para mejorar la eficiencia de la empresa.
279
RECOMENDACIONES
Se recomienda que DMaurus capacite a ms de sus operarios de mquinas
para que puedan trabajar en distintas reas y no las mquinas no dependan
de un solo operario para su ptimo desempeo
Es necesario que se distribuyan mejor los operarios de las distintas reas, ya que
siempre andan rotando de rea de trabajo y hay en algunas reas donde
rinden menos que otras y retrasan o disminuyen la produccin.
Se recomienda adems que DMaurus tenga una mejor distribucin de planta,
ordenando la disposicin de sus mquinas y reas, para as aumentar la
produccin diaria y alcance su capacidad mxima. Tambin para que se
reduzcan los tiempos de rutas y el traslado del material se agilice.
Se recomienda que DMaurus que implemente un rea de sistemas, ya que
DMaurus no posee este rea funcional en su planta. Luego que pueda
identificar, medir, simular, solucionar y controlar los problemas no solo de un
proceso de un solo producto, sino de los diversos productos que vende DMaurus

Optimizacion Del Sistema de Produccion de La Empresa Dmaurus Aplicando Simulacion 1

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Optimizacion Del Sistema de Produccion de La Empresa Dmaurus Aplicando Simulacion 1

Uploaded by

Copyright:

Available Formats

UCSM

OPTIMIZACIN DEL SISTEMA DE PRODUCCIN DE LA

OPTIMIZACIN DEL SISTEMA DE PRODUCCION DE LA EMPRESA DMAURUS

UNIVERSIDAD CATLICA DE SANTA

DATOS PREVIOS AL DESARROLLO DEL TRABAJO: ...................................................... 6

TTULO DEL PROYECTO DE INVESTIGACIN:........................................................... 6

DATOS DE LA EMPRESA: ............................................................................................... 6

DESCRIPCIN DEL PROYECTO: ................................................................................... 6

PLANTEAMIENTO DEL PROBLEMA: ............................................................................... 6

Hiptesis general: ........................................................................................................... 8

Hiptesis especficas: ...................................................................................................... 9

DELIMITACIN DE LA INVESTIGACIN: ........................................................................ 9

ESTADO DE ARTE: .......................................................................................................... 9

MARCO TERICO: ........................................................................................................ 10

Descripcin del Sistema Actual: .................................................................................. 10

Diagramas respectivos del sistema actual: ............................................................... 12

DIAGRAMA DE OPERACIONES DEL PROCESO ................................................... 13

DIAGRAMA DE ANALISIS DEL PROCESO .............................................................. 15

FLOW SHEET ............................................................................................................. 18

DIAGRAMA DE FLUJO: ............................................................................................ 19

DIAGRAMA DE RECORRIDO: ................................................................................. 20

LAYOUT DEL PROCESO: .......................................................................................... 22

ANALISIS DE DATOS DEL SISTEMA: ............................................................................ 24

Fuentes de Informacin: .............................................................................................. 24

Periodo de Estudio con ayuda de la empresa: ......................................................... 24

Caractersticas a considerar dentro del Sistema de Produccin:............................ 27

ANALISIS DE DATOS DEL MODELO: .......................................................................... 28

Determinacin de productos, para la realizacin de Simulacin: ......................... 28

CUARTO DE CORTE: .................................................................................................. 32

AREA DE PINTADO: ................................................................................................... 36

AREA DE DESBASTADO DE CUERO: ........................................................................ 36

OPTIMIZACIN DEL SISTEMA DE PRODUCCION DE LA EMPRESA DMAURUS

AREA DE APARADO: ................................................................................................. 37

AREA DE ARMADO: ................................................................................................... 37

AREA DE REMATADO: ............................................................................................... 38

Variables Exgenas: ..................................................................................................... 38

Plan para la recopilacin de muestras: ..................................................................... 41

Descripcin del procedimiento:................................................................................... 41

SIMULACIN DEL MODELO:......................................................................................... 184

Identificacin de elementos de simulacin: ............................................................ 184

Entidades: .................................................................................................................. 184

Recursos: .................................................................................................................... 185

Actividades: ............................................................................................................... 185

Variables: ................................................................................................................... 186

Supuestos necesarios para el modelo: ...................................................................... 189

Simulacin del sistema actual usando el software arena: .................................... 190

LAYOUT DEL ALMACEN DE MATERIALES: ............................................................ 191

LAYOUT DE LA PLANTA DE PRODUCCION: ......................................................... 192

Seleccin de Indicadores:............................................................................................ 207

Determinacin de rplicas y su validacin por reas: ........................................... 207

OPTIMIZACION DEL MODELO-OPTQUEST ANALYZER: ...................................... 276

AREA DE CORTADO, PINTADO, DESBASTADO Y APARADO: ............................ 276

AREA DE ARMADO Y REMATADO: ......................................................................... 278

CONCLUSIONES .................................................................................................................. 279

OPTIMIZACIN DEL SISTEMA DE PRODUCCION DE LA EMPRESA DMAURUS

DATOS PREVIOS AL DESARROLLO DEL TRABAJO:

CORPCALZA IMPORT EXPORT S.R.L

3. DESCRIPCIN DEL PROYECTO:

PLANTEAMIENTO DEL PROBLEMA:

OPTIMIZACIN DEL SISTEMA DE PRODUCCION DE LA EMPRESA DMAURUS

El aparado tambin se terciariza, es decir que lo realiza gente fuera de la

Alistado de armado, raspado de planta; donde se encuentra que hay un

OPTIMIZACIN DEL SISTEMA DE PRODUCCION DE LA EMPRESA DMAURUS

para poder proponer optimizaciones de manera que la empresa llegue a