Home Center

SIMULACION DE SISTEMAS
Maestro Home Center SAC
Modelo de Sistema de
colas para las cajas
auxiliares en Maestro
Home Center SAC
Arena Versión 9.0
Docente: Ing. Efraín Murillo
2008
AREQUIPA-PERU
Tabla de contenido
I. INTRODUCCIÓN .............................................................................................................................. 4
1.1. PLANTEAMIENTO DEL PROBLEMA ......................................................................................... 6

1.2. OBJETIVOS .................................................................................................................................... 6
1.3. HIPÓTESIS ..................................................................................................................................... 7
1.4. DELIMITACIÓN DEL PROBLEMA .............................................................................................. 7
II. MARCO TEÓRICO ......................................................................................................................... 8
2.1. MARCO REFERENCIAL .............................................................................................................. 8

2.2. CONCEPTOS CLAVE ................................................................................................................... 8
2.2.1. Sistema Conceptual............................................................................................................... 8
2.2.2. Sistema Real .......................................................................................................................... 8
2.2.3. Experimento ............................................................................................................................ 9
2.2.4. Modelado................................................................................................................................. 9
2.2.5. Simulación ............................................................................................................................... 9
2.2.6. El peligro de la simulación .................................................................................................. 12
2.2.7. Razones para usar la simulación ...................................................................................... 13
2.2.8. Software Arena ..................................................................................................................... 14
IV. SISTEMA ACTUAL ..................................................................................................................... 15
3.1. DESCRIPCIÓN DEL SISTEMA ACTUAL ................................................................................. 15

3.1.1. Esquema de servicio ........................................................................................................... 16
3.1.2. Llegada de clientes .............................................................................................................. 17
3.1.3. Llegada de clientes en auto ............................................................................................... 19
3.1.4. Tiempo de recorrido de los clientes .................................................................................. 20
Data Summary ................................................................................................................................. 23
Number of Data Points = 100 .................................................................................................... 23
Min Data Value = 13.6........................................................................................................ 23
Max Data Value = 36.2........................................................................................................ 23
Sample Mean = 25.8 ........................................................................................................ 23
Sample Std Dev = 4.94 ....................................................................................................... 23
3.1.5. Tiempo de Atención en caja ............................................................................................... 23
Number of Data Points = 100 .................................................................................................... 25
Min Data Value = 0.0563 ................................................................................................... 25
Max Data Value = 7.27........................................................................................................ 25
Sample Mean = 3.88 ........................................................................................................ 25
Sample Std Dev = 1.49 ....................................................................................................... 25
3.1.9. Retiro del cliente del establecimiento ............................................................................... 25
3.2. PROPIEDADES DEL MODELO................................................................................................. 25
3.2.1. Componentes ....................................................................................................................... 25
3.2.2. Variables Exógenas ............................................................................................................. 25
3.2.4. Variables de Estado ............................................................................................................ 26
3.2.5. Parámetros............................................................................................................................ 27
3.2.6. Relaciones funcionales ....................................................................................................... 27
3.3. SIMULACIÓN ACTUAL ............................................................................................................... 29
3.4. REPORTE - SIMULACIÓN SISTEMA ACTUAL ...................................................................... 30
IV. MODELO PROPUESTO ............................................................................................................. 31
4.1. SIMULACIÓN DEL SISTEMA PROPUESTO .......................................................................... 32

4.2. REPORTE - SIMULACIÓN SISTEMA PROPUESTO ............................................................. 32
4.3. ANÁLISIS DEL SISTEMA PROPUESTO ................................................................................. 33
V. CONLUSIONES DEL TRABAJO ................................................................................................ 34
VI. RECOMENDACIONES ............................................................................................................... 35
V. BIBLIOGRAFÍA ............................................................................................................................ 36
I. INTRODUCCIÓN
La Simulación de sistemas es un área de estudio que forma parte de la

Investigación de Operaciones (IDO), la cual es usada prácticamente en todas
las áreas de estudio conocidas.
Simulación permite estudiar un sistema sin tener que realizar experimentación

sobre el sistema real. Esto presenta muchas ventajas que discutiremos más
adelante aquí. Sin embargo, esta no es la única forma de estudiar un sistema;
otra posibilidad es construir un modelo analítico conformado por un conjunto de
ecuaciones (generalmente diferenciales) que representan al sistema para luego
resolverlo para diferentes situaciones, o bien plantear un modelo de
optimización que pretende proporcionar la mejor estrategia que el sistema debe
adoptar para funcionar mejor de acuerdo con alguna medida de rendimiento
establecida en la "función objetivo" y satisfaciendo las diversas condiciones del
problema, establecidas en "las restricciones".
Los modelos que se obtienen como un conjunto de ecuaciones se denominan

con frecuencia modelos analíticos, es decir modelos de ecuaciones
diferenciales o de optimización. Por cierto que, los estudiosos de las
ecuaciones diferenciales afirman con orgullo que todos los modelos analíticos
son de ecuaciones diferenciales, ya que incluso una simple ecuación
algebraica es una ecuación diferencial de orden cero (sic).
Cualquiera que sea el caso, analizaremos aquí a manera de introducción los

modelos analíticos y los de simulación, que por cierto aún no decimos como
son, pues primero veremos algunas inconveniencias de los modelos analíticos.
Posteriormente, después de discutir brevemente que son los modelos de
simulación, indicaremos ventajas y desventajas de los modelos de simulación.
El presente trabajo esta realizado en base a los conocimientos de Simulación

de Sistemas adquiridos durante el desarrollo de dicho curso y la aplicación del
software Arena 6.0 como herramienta principal.
Es así, que a partir del análisis del proceso de prestación de servicios realizado
a la empresa se pudo esbozar el flujo de sus operaciones, lo que permitió
determinar fallas en el mismo y proponer alternativas reales de solución a la
empresa; las mismas que de ser tomadas en cuenta, contribuirían en gran
escala a la eficiencia, eficacia y efectividad de todas las actividades que dentro
de la empresa se realizan.
Maestro Home Center S.A.C, empresa peruana líder en la comercialización de

artículos ferreteros y productos para el mejoramiento del hogar. Somos
miembros de la cooperativa ferretera más grande de los Estados Unidos, Ace
Hardware Corporation de Oakbrook, Illinois. Nuestra empresa nace en el año
1996. Somos parte del Grupo Pisopak, conformado adicionalmente por:
Pisopak Perú S.A.C. Empresa fundada en el año 1966, dedicada a la

fabricación de acabados para la industria de la construcción y
muebles.www.pisopak.com
Rash Perú S.A.C., empresa que posee la franquicia maestra para la operación
de las tiendas Radio Shack en todo el Perú, fundada el año 1998, se dedica a
la venta de electrónica, audio , video y comunicaciones, actualmente cuenta
con 26 puntos de venta en las principales zonas y centros comerciales del
Perú.
Nuestra Visión
Ser líderes en la comercialización de proyectos para el hogar, oficina y la
industria de la construcción, generando constantemente nuevos puestos de
trabajo y brindando desarrollo profesional y solidez a nuestro personal.
Nuestras Tiendas
Actualmente tenemos ocho tiendas estratégicamente ubicadas en los
principales distritos de Lima y Arequipa haciendo un total de 31,500 mts.² de
área de venta.
1.1. PLANTEAMIENTO DEL PROBLEMA
Cómo se mencionó anteriormente, Maestro Home Center es una empresa

peruana líder en la comercialización de artículos ferreteros y productos para el
mejoramiento del hogar, analizaremos el proceso de prestación del servicio de
cajas, que es dónde existen mayor número de aglomeraciones, desde la
llegada de los clientes; haciendo énfasis en los procesos de pago de los
productos en caja, que es dónde a ciertas horas suelen generarse
aglomeraciones de personas.
A lo largo del trabajo desarrollaremos el sistema actual en Arena, además del

modelo propuesto, para identificar fallas y plantear posibles mejoras para un
mejor uso de los recursos.
1.2. OBJETIVOS
 Implementar un modelo de simulación del sistema de prestación de

servicio actual de Maestro Home Center, lo cual permita optimizar el
servicio prestado.
 Desarrollar propuestas para solucionar las posibles fallas.
 Conocer con más detalle la simulación mediante Arena y las posibles
aplicaciones a las diferentes ramas de la industria local.
 Identificar posibles cuellos de botella o procesos poco efectivos.
 Plantear soluciones para mejorar la eficiencia del servicio.
 Implementar soluciones y proponer un sistema de simulación en arena.
1.3. HIPÓTESIS
 Mediante la aplicación del modelo de simulación del sistema de

prestación de servicio actual en cajas en Maestro Home Center,
permitirá optimizar el servicio prestado, eliminando las deficiencias que
posea el sistema.
1.4. DELIMITACIÓN DEL PROBLEMA
El análisis se realizó sólo en las horas punta, que es el tiempo en que s e

presenta mayores aglomeraciones como se mencionó, y este será de 1 p.m. a
7:00 p.m.; debido a las restricciones de la empresa, tomamos cada cierto
tiempo; el proceso fue el siguiente: El primer día tomamos tiempo entre las 5:00
y las 7:00 p.m.; el segundo día a partir de las 3:00 p.m. hasta las 5:00 p.m.; el
tamaño de muestra por día fue de 100, debido a restricciones de la
administración.
Debido a restricciones por parte de la gerencia en cuanto a la toma de fotos, es

que debimos ingeniárnoslas para poder anexar las fotos al proceso como se
verá en capítulos posteriores.
II. MARCO TEÓRICO
2.1. MARCO REFERENCIAL
Producto de realizar investigaciones bibliográficas, así como vía Internet,

vemos que no existen trabajos similares en la ciudad de Arequipa. A nivel
Nacional existen en Lima algunas aplicaciones orientadas a los procesos
productivos generalmente de la gran empresa.
Es notorio que no se aplica mucho la simulación de sistemas para las

diferentes áreas de la empresa en la ciudad de Arequipa, pero a nivel
internacional, Chile es el país con mayor número de aplicaciones en áreas de
producción, logística y organización y métodos, es uno de los países mas
avanzados en sistemas de simulación.
2.2. CONCEPTOS CLAVE
2.2.1. Sistema Conceptual
Un sistema conceptual o sistema ideal es un conjunto organizado de

definiciones, nombres, símbolos y otros instrumentos de pensamiento o
comunicación. Ejemplos de sistemas conceptuales son las Matemáticas, la
Lógica formal, la Nomenclatura binomial o la notación musical.
2.2.2. Sistema Real
Un sistema real es una entidad material formada por partes organizadas, sus
componentes, que interactúan entre sí de manera que las propiedades del
conjunto, sin contradecirlas, no pueden deducirse por completo de las
propiedades de las partes. Tales propiedades se denominan propiedades
emergentes. El concepto se aplica también a sistemas humanos sociales,

como una sociedad entera, la administración de un estado, un ejército o una
empresa. O a una lengua, que es un sistema complejo en cuya aparición y
evolución participan la biología y la cultura.
2.2.3. Experimento
“Un experimento es el proceso de extracción de datos del sistema, influyendo

sobre el sistema a través de cambios en sus entradas”.
2.2.4. Modelado
“Un modelo (M), para un sistema (S) y un experimento (E), es cualquier cosa a
la cual E puede ser aplicado de forma de responder preguntas sobre S”.
2.2.5. Simulación
“Una simulación es un experimento realizado sobre un modelo”. Simulación es

una palabra que es familiar a los profesionales de todas las disciplinas e
incluso para aquéllos que no han estudiado una carrera profesional. De esta
manera el significado de la palabra Simulación se explica casi por sí misma.
Entre los significados que podemos obtener de la gente común y corriente para
la palabra "Simular", se encuentran los siguientes: "Imitar la realidad", "emular
un sistema", "dar la apariencia o efecto de un sistema o situación real". Hay
muchas definiciones propuestas sobre lo que significa Simulación, he aquí
algunas definiciones:
"Una simulación es una imitación de la operación de un proceso del mundo real

sobre determinado tiempo"
"El comportamiento de un sistema durante determinado tiempo puede ser

estudiado por medio de un modelo de simulación.
Este modelo usualmente toma su forma a partir de un conjunto de postulados
sobre la operación del sistema real".
En la primera definición, está implícito un sistema, mismo que contiene un

proceso (posiblemente formado por subprocesos).
De esta manera se trata de un sistema el cual cambia con el tiempo. Nótese

que en esta definición no se señala si las relaciones de las variables del
sistema son discretas o continuas, esto depende del modelo que representará
al sistema real. Esta división no existe siempre en la realidad, hemos sido los
seres humanos quienes lo hemos dividido (para facilitar su estudio) en discreto
y continuo.
Esto pasa con todas las cosas de la naturaleza; está es única, sin embargo, el
hombre se ha encargado en dividirla en física, biología, matemáticas, etc. No
importa como dividamos a la naturaleza esta seguirá siendo única y
probablemente indivisible.
Un modelo es una representación de un objeto de interés. No obstante que el

objeto sea único, el número de representaciones es por lo general muy grande,
de modo que el número de modelos de un sistema del mundo real lo es es
también. Puesto que para un sistema del mundo real habrá tantas
representaciones como concepciones de la realidad se tengan, el número de
modelos es por lo general infinito. El hecho de que se tenga más de un modelo
de simulación para un sistema real, no nos debe preocupar demasiado,
encontrar un modelo de simulación casi siempre es fácil, mientras que
encontrar un modelo analítico con frecuencia es una tarea ardua,
independientemente que, para muchos problemas, un modelo analítico,
simplemente no existe.
Obsérvese que en la segunda definición también se hace hincapié de un

modelo, dejando entrever la posibilidad de diferentes modelos, lo cual resulta
totalmente natural, dada la multiplicidad de modelos para un mismo objeto del
mundo real.
Nótese también que se propone un objetivo de la simulación:

"estudiar sistemas reales a través de modelo". Podríamos agregar aun más
que el propósito de estudiar a los sistemas reales es comprender la interacción
de los procesos que intervienen en el, con el propósito de modificarlos para
obtener un beneficio determinado. En esta definición está implícito que:
o Un modelo de simulación representa un conjunto de suposiciones (o

postulados) sobre la operación de un sistema real.
o Los postulados de un modelo de simulación se pueden expresar como
relaciones entre entidades u objetos de interés del sistema en forma de
expresiones matemáticas, lo que llevaría a un modelo analítico.
Afortunadamente, es posible reemplazar esas expresiones matemáticas y el

cálculo de los valores de las variables de interés, a través de funciones de
distribución de probabilidad.
Para los problemas de líneas de espera, existen modelos analíticos que

pretenden representar los resultados promedio de la utilización de dichas
funciones de distribución de probabilidad.
Los Modelos de Markov también apuntan en esa dirección. Los Modelos de

simulación de eventos discretos (o simulación tipo MonteCarlo), por el
contrario, utilizan estas funciones de distribución con el propósito de realizar
una experimentación cuyos resultados llevarán, después de un número
conveniente de ensayos a lo que se obtendría en el sistema real.
Estos modelos de simulación tienen la ventaja que se pueden para muchos

tipos de problemas y no sólo para aquéllos de líneas de espera.
Existen además modelos del área de teoría de Control que incorporan

funciones de distribución de probabilidad y lo que se conoce como estabilidad
de sistemas, referidos recientemente como Teoría de Caos que se pueden
también usar para una gran variedad de problemas. Los modelos de estabilidad
empleados así son por lo regular difíciles de construir y validar. Por otra parte
también existen modelos de optimización que utilizan funciones de distribución
y permiten estudiar sistemas del mundo real de alguna manera; ejemplos de
ellos son los modelos de redes neuronales y algoritmos genéticos. Otras
técnicas empleadas son Redes de petri y Modelos de Regresión.
En este curso solamente estudiaremos modelos de líneas de espera y de

Markov y, modelos de Simulación de eventos discretos tipo MonteCarlo. En lo
que sigue usaremos el término "Simulación", para referirnos a "Simulación de
Eventos Discretos". En este curso usaremos el Término "Simulación", para
referirnos a la Simulación de Eventos Discretos tipo MonteCarlo.
2.2.6. El peligro de la simulación
Las más importantes fortalezas de la simulación, pero irónicamente su más

serios inconvenientes, son su generalidad y su facilidad de aplicabilidad. No se
requiere mucho esfuerzo para utilizar un programa de simulación. Sin embargo,
de manera de utilizar la simulación de manera inteligente, debemos entender
fehacientemente lo que estamos haciendo.
Muy frecuentemente después de realizar una simulación, olvidamos el marco

experimental en que fue hecho, olvidamos que no es del mundo real, y que
solo representa el mundo solamente bajo un muy limitado conjunto de
condiciones experimentales. Luego encontramos la estrategia de control que
da forma a nuestro modelo del mundo de la manera que queremos, y cuando lo
aplicamos al mundo real, vemos que no funciona.
Como vimos, correr una simulación es muy similar a realizar un experimento en

el laboratorio. Usualmente necesitamos realizar varios experimentos, antes de
arrivar a una conclusión legítima.
De manera semejante, necesariamente debemos realizar varias simulaciones

antes de entender cómo se comporta nuestro modelo.
Mientras que las técnicas analíticas son generalmente más restringidas en su

aplicabilidad, son mucho más potentes que la simulación cuando son
aplicadas; de manera que, cuando tenemos una alternativa válida a la
simulación, tendríamos sin lugar a dudas que utilizar esa técnica analítica
alternativa.
2.2.7. Razones para usar la simulación
Lista de buenas razones para usar simulación como herramienta para la

solución de problemas:
o El sistema físico no está disponible.

o La experimentación sobre el sistema físico puede llegar a ser muy
peligroso.
o El costo de la experimentación es muy caro.
o Las constantes de tiempo del sistema no son compatibles con aquellas
del experimentador.
o Las variables o los parámetros del sistema pueden ser inaccesibles.
o En el experimento no podemos eliminar la influencia de las
perturbaciones.
o En el experimento no podemos eliminar la influencia de efectos
secundarios.
2.2.8. Software Arena
Arena es un software para la simulación de sistemas.
Arena es un software efectivo para el análisis de los negocios, servicios o flujos

en procesos de manufactura. Este programa fue diseñado para proveer
flexibilidad y fácil uso en el modelado de sistemas. Aprovecha la interfaz ya
conocida y amigable de Sistema Operativo Windows.
IV. SISTEMA ACTUAL
3.1. DESCRIPCIÓN DEL SISTEMA ACTUAL
En el centro de abastecimiento de Maestro Home center, el proceso inicia a las

9:00 a.m., con la llegada de los clientes, que ingresan al establecimiento para
su respectiva compra; cada uno de los clientes ingresa al local, unos en auto
otros a pie; luego de esto proceden a la búsqueda de los productos por los que
vinieron al establecimiento. Ya con sus productos los cliente se dirigen a
cualquiera de las 5 cajas habilitas para realizar el respectivo pago por los
productos que estos deseen adquirir, el cliente lleva sus productos a caja
donde se factura el monto total mediante la lectura de los códigos de barra que
posee cada articulo; para posteriormente retirarse del establecimiento a pie o
en automóvil.
3.1.1. Esquema de servicio
Esquema del servicio de cajas en Maestro Home Center
Inicio
Llegada de clientes
Clientes en autos Clientes a pie
Estacionan el auto
Ingresan al Local
Buscan productos
17%
83% compra
83%
Compra Producto
62%
38% caja auxiliar
38%
Caja Auxiliar Caja Principal
Vino en auto No
Si
Va al
Estacionamiento
Salida
Figura 3.1: Esquema del servicio del establecimiento

Fuente: Elaboración Propia
3.1.2. Llegada de clientes
Los clientes empiezan a llegar desde las 9:00 a.m. a las instalaciones del
Maestro Home Center, un factor que causa que los clientes lleguen en mayor
número entre las 1:00 y 5:00 a.m., ya que es la hora punta en el centro
comercial.
Figura 3.2: Ingreso de los clientes al establecimiento
A continuación se muestra el cuadro con la toma de tiempos realizada, cabe

mencionar que toda la medición se realizó en segundos con un cronómetro;
posteriormente en un hoja de cálculo todas las mediciones fueren
transformadas a minutos para uniformizarlas.
Figura 3.3: Intervalos de llegada de los clientes al Maestro Home Center
1 2.05183 21 0.790497 41 0.782248 61 1.54492 81 1.21095

2 1.98373 22 0.930729 42 0.834668 62 1.98714 82 0.988113
3 1.66083 23 2.08386 43 1.61619 63 1.65347 83 1.38234
4 2.4208 24 1.51312 44 1.06203 64 2.70388 84 1.06923
5 1.68822 25 0.616693 45 0.5872 65 1.00758 85 1.38841
6 1.77674 26 1.99274 46 1.89362 66 1.75502 86 1.21342
7 1.56556 27 1.36697 47 1.21689 67 2.1598 87 0.920231
8 2.06473 28 0.794434 48 2.74443 68 1.80823 88 1.86415
9 1.7942 29 1.80221 49 1.78542 69 1.60699 89 0.976184
10 1.65992 30 1.49998 50 2.378 70 0.566731 90 0.880621

11 1.16599 31 2.03588 51 1.93651 71 1.7547 91 0.752726
12 2.03934 32 2.25914 52 1.00469 72 1.64467 92 1.11546
13 1.53169 33 1.34717 53 1.35491 73 1.69212 93 1.60475
14 0.987419 34 1.86129 54 1.77867 74 1.99449 94 0.794847
15 1.00781 35 1.93942 55 1.99683 75 2.11544 95 1.29244
16 2.33866 36 1.79292 56 1.32982 76 2.53835 96 1.64825
17 1.28142 37 1.53559 57 2.02972 77 2.21292 97 1.01967
18 1.08216 38 1.63891 58 0.519349 78 0.910491 98 0.963705
19 2.02338 39 1.62574 59 1.08182 79 2.30884 99 1.35296
20 1.42845 40 1.69474 60 0.910575 80 1.31158 100 1.07976

En la siguiente figura puede verse el tratamiento de los tiempos tomados a
través del Input Analizer con el que cuenta el Arena, dándonos una
distribución Normal.
Figura 3.4: Distribución Normal del intervalo de llegada de los clientes
Fuente: Elaboración Propia (Input Analizer – Arena)
Distribution Summary
Distribution: Normal
Data Summary
Number of Data Points = 100

Min Data Value = 0.519
Max Data Value = 2.74
Sample Mean = 1.52
Sample Std Dev = 0.512
3.1.3. Llegada de clientes en auto
Los clientes que llegan en auto lo hacen al mismo tiempo que los que
ingresan a pie.
Los tiempos también fueron tomados en segundos transformándose en

minutos; la tabla de tiempos se muestra a continuación:
Figura 3.5: Tiempo de llegada de clientes en auto

1 3.63917 21 3.30549 41 1.94818 61 4.8844 81 6.88468
2 4.10455 22 1.9328 42 2.27531 62 3.32299 82 1.76695
3 6.55629 23 2.64642 43 7.99751 63 4.67532 83 4.89819
4 4.07219 24 6.67159 44 7.57106 64 4.08796 84 3.58683
5 6.65063 25 3.14908 45 0 65 6.37138 85 9.37047
6 5.86341 26 3.85716 46 6.88158 66 2.2832 86 6.48638
7 4.63861 27 3.19706 47 3.95521 67 5.27243 87 0.515971
8 6.51392 28 4.98601 48 4.27611 68 2.08233 88 7.90911
9 1.82784 29 4.30565 49 5.24559 69 2.33415 89 6.2574
10 4.42155 30 4.61799 50 7.13646 70 6.75438 90 4.97712
11 3.9311 31 2.37903 51 6.6435 71 6.43972 91 9.13858
12 7.20071 32 3.25987 52 2.87713 72 9.00529 92 3.59319
13 3.10796 33 3.41239 53 5.09754 73 1.28092 93 6.33035
14 3.94757 34 1.38112 54 4.75079 74 3.09714 94 4.88023
15 6.9159 35 5.87694 55 2.2633 75 5.34526 95 7.50341
16 1.57134 36 5.96354 56 6.28226 76 5.92153 96 6.98493
17 7.27482 37 6.78786 57 7.55685 77 4.7965 97 5.09643
18 0.67948 38 4.06322 58 6.74713 78 7.75267 98 6.43826
19 5.93285 39 4.92383 59 8.98176 79 7.0945 99 3.67606
20 4.29156 40 4.39796 60 5.0225 80 3.82363 100 7.38702
Mediante el Input Analizer, se determinó que estos tiempos tenían una

distribución normal, como puede verse en el en la figura y en el resumen de
resultados obtenido:
Figura 3.5: Distribución Normal del Tiempo de llegada de clientes en auto
Data Summary

Min Data Value =0
Sample Mean = 4.88
3.1.4. Tiempo de recorrido de los clientes
Una vez realizado el ingreso, el cliente se dirige a los diferentes ambientes o

zonas dispuestas en el establecimiento, en búsqueda del o de los productos
que este quiera adquirir.
En este proceso, el cliente es quien debe escoger los productos a comprar;

esto hace que de algún modo se demore el proceso y se generen colas.
Figura 3.6: Tiempo de recorrido de los clientes
Fuente: Elaboracion Propia
La tabla de tiempos se muestra a continuación:

Figura 3.7: Tiempo de recorrido de los clientes
1 29.8563 21 25.0859 41 23.4412 61 24.8948 81 21.5214
2 23.818 22 25.137 42 23.3845 62 28.1705 82 21.3849
3 23.4912 23 33.4661 43 34.7378 63 21.742 83 25.5985
4 16.2238 24 23.31 44 31.1696 64 19.6133 84 21.5321
5 28.4626 25 26.1039 45 19.8832 65 21.5474 85 19.5919
6 24.9806 26 25.3989 46 23.0228 66 23.9549 86 20.2412
7 17.926 27 26.9969 47 27.7134 67 30.4351 87 30.3731

8 21.9259 28 17.6444 48 32.7621 68 36.154 88 13.5578
9 24.0201 29 24.9648 49 26.3468 69 17.2615 89 30.2507
10 24.8654 30 26.3036 50 23.5887 70 26.5499 90 22.2799
11 31.847 31 31.3882 51 29.8044 71 31.6197 91 30.7368
12 30.6772 32 27.117 52 29.9768 72 25.3024 92 25.4651
13 27.5319 33 22.8157 53 32.7013 73 26.4117 93 36.0836
14 32.5901 34 26.5813 54 21.2847 74 24.9225 94 24.5886
15 29.1936 35 21.9449 55 34.827 75 17.7676 95 19.0901
16 19.0404 36 23.1592 56 19.6326 76 35.342 96 30.2814
17 26.2678 37 24.143 57 16.4744 77 27.8802 97 28.8048
18 33.7026 38 24.9756 58 32.03 78 33.4178 98 25.7932
19 21.6657 39 27.5937 59 22.1152 79 27.8065 99 28.8205
20 24.3846 40 29.7924 60 29.1816 80 18.2435 100 26.2109
Procesando los datos puede notarse que la distribución obtenida fue normal,
como se ve en la figura y en el resumen de resultados:
Figura 3.8: Distribución normal del Tiempo de recorrido de los clientes

Data Summary
Sample Mean = 25.8
3.1.5. Tiempo de Atención en caja
Luego de recorrer el establecimiento el cliente ya selecciono los productos que

desea adquirir, posteriormente se dirige a caja con los productos, el cliente se
dirige a cualquiera de las 5 cajas habilitadas, a la que tenga menos cola en
este caso; y es atendido por un determinado lapso de tiempo, este depende de
la eficiencia de la cajera y también de la cantidad de productos que este
adquiera.
Figura 3.9: Tiempo de Atención en caja
Fuente: Elaboración propia

La tabla de datos tomados es la siguiente:
Figura 3.10: Tiempo de Atención en caja

1 4.73189 21 3.66468 41 3.44236 61 6.75411 81 3.71745
2 4.38539 22 0.786774 42 4.10445 62 5.29836 82 3.1381
3 2.26489 23 3.21482 43 7.27214 63 4.82263 83 7.09225
4 6.00752 24 5.11656 44 0.995636 64 5.71266 84 6.3048
5 2.23537 25 3.50954 45 3.27746 65 2.3957 85 2.38966
6 1.49548 26 3.64065 46 2.67491 66 1.39972 86 4.63213
7 4.64339 27 4.14577 47 1.80141 67 3.91228 87 4.90791
8 3.20044 28 4.44859 48 5.35613 68 5.42136 88 3.75788
9 2.4643 29 3.70119 49 4.30964 69 3.00351 89 4.55545
10 5.05391 30 5.06793 50 2.82519 70 5.53707 90 5.5502
11 3.38302 31 4.25226 51 4.51864 71 3.87362 91 3.6709

12 0.0563307 32 4.43758 52 1.55345 72 4.4718 92 5.0747
13 2.38145 33 5.99803 53 4.62963 73 4.47397 93 3.99602
14 4.74222 34 2.06991 54 3.90437 74 1.21695 94 3.51848
15 3.09927 35 2.23206 55 5.2123 75 3.80093 95 6.94622
16 3.14245 36 3.73559 56 3.86363 76 5.74858 96 7.18216
17 3.0272 37 3.98679 57 3.73148 77 3.94063 97 5.12292
18 4.773 38 2.07963 58 3.01886 78 1.95321 98 3.36806
19 4.82181 39 2.88154 59 2.67343 79 3.65813 99 3.41537
20 6.75246 40 1.95349 60 3.49841 80 1.62126 100 4.11534

El gráfico y los resultados obtenidos a través del Arena, al ser procesados, son
los siguientes:
Figura 3.11: Distribución normal del Tiempo de Atención en caja

Data Summary
Sample Mean = 3.88
3.1.9. Retiro del cliente del establecimiento
Ya con sus productos, el cliente procede a retirarse, bien sea a tomar un taxi, ir
a pie o en su automóvil, las personas que abordan los taxis, que son la mayoría
se retiran rápidamente.
3.2. PROPIEDADES DEL MODELO
Previo a este análisis, cabe mencionar que el número cajas no es un limitante

para el servicio; se dispone de un número adecuado de cajas al parecer,
siempre hay un lugar disponible para los clientes; en ese aspecto el sistema
está bien balanceado, se atiende a todos los que ingresan al centro ferretero.
3.2.1. Componentes
Clientes, personal de atención, mesas registradoras, computadora, lector

óptico, carritos para llevar la mercadería, estacionamiento, automóviles, los
productos.
3.2.2. Variables Exógenas
X1: Intervalo entre llegadas de los clientes a pie
X2: Intervalo entre llegadas de clientes en auto

TRec: tiempo de recorrido(Ruta) por los clientes dentro del local( buscar
productos)
Y1: Tiempo de atención de los cajeros Principales (10 cajas)
Cajero1: Tiempo de atención en los cajeros Auxiliares 1
Cajero2: Tiempo de atención en los cajeros Auxiliares 2
RutaClientes: % Clientes que van por las diferentes Ruta
VClientes: % Clientes que vuelven a buscar productos
NClientes: % Clientes que no compran productos
ECajero: % Clientes que escogen cajero Principal o Auxiliar
Variables Exógenas de Salida:
WqCajero1: Tiempo promedio en cola en el cajero1 Auxiliar
WqCajero2: Tiempo promedio en cola en el cajero2 Auxiliar
WqParquear: Tiempo promedio en cola de autos para estacionarse
WqCPrincipal: Tiempo promedio en cola de la Caja Principal
UCajero1: Utilización del cajero1
UCajero2: Utilización del cajero2
UCPrincipal: Utilización de los cajeros principales.
3.2.4. Variables de Estado
TCliente: Cliente en auto o cliente a pie
TLP: Tiempo de llegada de clientes a pie
TLA: Tiempo de llegadas de clientes en autos
TRCliente: Tipo de recorrido de los clientes dentro del local
CCliente: Tipo de cliente, si compra algún un producto

3.2.5. Parámetros
Tiempo de simulación 7 horas y media.
Cajero Principal, son 10 cajeros de las cuales 5 generalmente siempre están

activas
Cajero Auxiliar, 2 cajeros disponibles para atención al cliente
3.2.6. Relaciones funcionales
Todos los datos están en minutos:
X1: Distribución normal NORM(MED;DESV) NORM (1.52, 0.512)
X2: Distribución normal NORM(MED;DESV) NORM (4.88, 2.09)
TRec: Distribución normal NORM(MED;DESV) NORM (25.8, 4.94)
Y1: Distribución normal NORM(MED;DESV) NORM (3.88, 1.49)
Cajero1: Distribución normal NORM(MED;DESV) NORM (3.88, 1.49)
Cajero2: Distribución normal NORM(MED;DESV) NORM (3.88, 1.49)
VClientes: 20% de los clientes buscan de nuevo otro producto
NClientes: 17 % de los clientes no compran producto alguno dentro del local
ECajero: 38 % de los clientes van al cajero auxiliar
3.2.7. Diagrama de Flujo

Inicio
TNOW A
NO
Tnow<450 Fin
SI ¿Nueva SI (20%)
C
Busqueda?
NO
Tnow<390 NO 80%
SI
Chequeo=1
Genera:
VA Clientes a Pie Cierra Puertas
VA Clientes en Auto
NO (17%)
¿Compra Producto? D
SI SI 83%
Cliente Auto
¿Pagar en caja NO (65%)

NO SI Auxiliar?
Chequeo=0 B
SI 35%
NO
Recoge Auto de NO
Asigna
estacionamiento D Cola1<cola2
Estacionamiento
asignado
SI
ESTACIONAMIENTO
Asigna Tiempo Asigna Tiempo Asigna Tiempo
Ingresan al Cajas
local Auxiliares,
que es el
sistema a Caja Principal
C Cajero1 Cajero2
mejorar (10cajas)
A30% C35%
Ruta
B35% SI
Asigna Asigna Asigna ¿Cliente en auto? B
Tiempo Tiempo Tiempo
D NO
Salida
A
DIAGRAMA DE FLUJO DE MAESTRO HOME CENTER

3.3. SIMULACIÓN ACTUAL
Figura 3.12: Simulación en Arena del sistema Actual
Fuente: Elaboración Propia (Arena)

Figura 3.13: Simulación en Arena del sistema Actual
3.4. REPORTE - SIMULACIÓN SISTEMA ACTUAL

ARENA Simulation Results
IV. MODELO PROPUESTO
En base a las recomendaciones del capítulo anterior, es que tenemos los

siguientes cambios para optimizar el sistema de Maestro Home Center en
análisis:
 Observamos que en los cajeros auxiliares hay cola, que los clientes
están esperando aproximadamente 4 min para ser atendidos. La
recomendación del grupo será aumentar la capacidad de los servidores
4.1. SIMULACIÓN DEL SISTEMA PROPUESTO
Se realizarán los siguientes cambios:

Figura 4.3: Simulación en Arena del Sistema Propuesto
4.2. REPORTE - SIMULACIÓN SISTEMA PROPUESTO

ARENA Simulation Results

Project: Cajas Maestro Home Center Run execution date: 14/09/2008
4.3. ANÁLISIS DEL SISTEMA PROPUESTO
En el modelo propuesto del establecimiento de Maestro Home Center,

en el área de cajas Auxiliares se habilitaron 2 cajas más para el
funcionamiento, para reducir las colas que en el modelo actual se tenía
como se ven en el reporte de los resultados.
Los tiempos promedios de espera en cola de los cajeros auxiliares

caja1, caja2, caja3, caja4 están en menos de 1 min a diferencia del
actual
V. CONLUSIONES DEL TRABAJO
 Es posible implementar el modelo de simulación del sistema de cajas de

Maestro Home Center en Arequipa, el cual ha permitido analizar y
evaluar alternativas de optimización del sistema, logrando mejoras en la
eficiencia del servicio prestado a todos sus clientes.
 Se ha reconocido el potencial del software Arena v. 9.0 el cual creemos

es indispensable para el Ingeniero Industrial, pues es una herramienta
que permite analizar y sugerir alternativas de optimización en los
sistemas de producción de bienes o servicios.
VI. RECOMENDACIONES
 Se recomienda implementar el sistema propuesta a objeto de evaluar los

beneficios indicados.
 Así mismo se recomienda difundir esta herramienta a todas las

organizaciones para que la utilicen como herramienta indispensable para
analizar y mejorar sus decisiones.
 Se recomienda la aplicación de la simulación de sistemas para todo tipo

de negocio.
V. BIBLIOGRAFÍA
 http://es.wikipedia.org/wiki/Simulaci%C3%B3n
 http://w3.mor.itesm.mx/~jfrausto/Simulacion/intro_simulacion.html
 http://www.monografias.com/trabajos6/sipro/sipro.shtml
 http://www.monografias.com/trabajos20/simulacion-sistemas/simulacion-
sistemas.shtml
 http://www.analisisysimulacion.com/
 http://modelos-de-simulacion.blogspot.com/
 http://www.simulacion.es/
 Simulación de Sistemas. Efraín Murillo

Home Center

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

Home Center

Uploaded by

Copyright:

Available Formats

SIMULACION DE SISTEMAS

Maestro Home Center SAC

1.1. PLANTEAMIENTO DEL PROBLEMA ......................................................................................... 6

II. MARCO TEÓRICO ......................................................................................................................... 8

2.1. MARCO REFERENCIAL .............................................................................................................. 8

IV. SISTEMA ACTUAL ..................................................................................................................... 15

3.1. DESCRIPCIÓN DEL SISTEMA ACTUAL ................................................................................. 15

IV. MODELO PROPUESTO ............................................................................................................. 31

4.1. SIMULACIÓN DEL SISTEMA PROPUESTO .......................................................................... 32

V. CONLUSIONES DEL TRABAJO ................................................................................................ 34

VI. RECOMENDACIONES ............................................................................................................... 35

La Simulación de sistemas es un área de estudio que forma parte de la

Simulación permite estudiar un sistema sin tener que realizar experimentación

Los modelos que se obtienen como un conjunto de ecuaciones se denominan

Cualquiera que sea el caso, analizaremos aquí a manera de introducción los

El presente trabajo esta realizado en base a los conocimientos de Simulación

Maestro Home Center S.A.C, empresa peruana líder en la comercialización de

Pisopak Perú S.A.C. Empresa fundada en el año 1966, dedicada a la

1.1. PLANTEAMIENTO DEL PROBLEMA

Cómo se mencionó anteriormente, Maestro Home Center es una empresa

A lo largo del trabajo desarrollaremos el sistema actual en Arena, además del

 Implementar un modelo de simulación del sistema de prestación de

 Mediante la aplicación del modelo de simulación del sistema de

1.4. DELIMITACIÓN DEL PROBLEMA

El análisis se realizó sólo en las horas punta, que es el tiempo en que s e

Debido a restricciones por parte de la gerencia en cuanto a la toma de fotos, es

II. MARCO TEÓRICO

2.1. MARCO REFERENCIAL

Producto de realizar investigaciones bibliográficas, así como vía Internet,

Es notorio que no se aplica mucho la simulación de sistemas para las

2.2. CONCEPTOS CLAVE

2.2.1. Sistema Conceptual

Un sistema conceptual o sistema ideal es un conjunto organizado de

2.2.2. Sistema Real

emergentes. El concepto se aplica también a sistemas humanos sociales,

“Un experimento es el proceso de extracción de datos del sistema, influyendo

“Una simulación es un experimento realizado sobre un modelo”. Simulación es

"Una simulación es una imitación de la operación de un proceso del mundo real

"El comportamiento de un sistema durante determinado tiempo puede ser

En la primera definición, está implícito un sistema, mismo que contiene un

De esta manera se trata de un sistema el cual cambia con el tiempo. Nótese

Un modelo es una representación de un objeto de interés. No obstante que el

Obsérvese que en la segunda definición también se hace hincapié de un

Nótese también que se propone un objetivo de la simulación:

o Un modelo de simulación representa un conjunto de suposiciones (o

Afortunadamente, es posible reemplazar esas expresiones matemáticas y el

Para los problemas de líneas de espera, existen modelos analíticos que

Los Modelos de Markov también apuntan en esa dirección. Los Modelos de

Estos modelos de simulación tienen la ventaja que se pueden para muchos

Existen además modelos del área de teoría de Control que incorporan

En este curso solamente estudiaremos modelos de líneas de espera y de

2.2.6. El peligro de la simulación

Las más importantes fortalezas de la simulación, pero irónicamente su más

Muy frecuentemente después de realizar una simulación, olvidamos el marco

Como vimos, correr una simulación es muy similar a realizar un experimento en

De manera semejante, necesariamente debemos realizar varias simulaciones

Mientras que las técnicas analíticas son generalmente más restringidas en su

2.2.7. Razones para usar la simulación

Lista de buenas razones para usar simulación como herramienta para la

o El sistema físico no está disponible.

2.2.8. Software Arena

Arena es un software para la simulación de sistemas.

Arena es un software efectivo para el análisis de los negocios, servicios o flujos

IV. SISTEMA ACTUAL