Exposición-2013-JPSF-UCV

Trabajo de Habilitación para el Concurso de Promoción Docente

17/04/23 “Técnicas de Simulación como Herramienta Tecnológica y su Efectividad para la Toma de Decisiones Estratégicas en Negocios" 1

UNIVERSIDAD NACIONAL DE TRUJILLOFacultad de Ingeniería

Departamento de Ingeniería de Sistemas

Autor: Ing. Mg. Juan Pedro Santos Fernández

"Técnicas de Simulación como Herramienta Tecnológica y su Efectividad para la Toma de Decisiones Estratégicas en Negocios"

Contenido

1. Introducción

2. Material y Métodos

3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones

17/04/23 2“Técnicas de Simulación como Herramienta Tecnológica y su Efectividad para la Toma de Decisiones Estratégicas en Negocios"

1. Introducción1.1 ANTECEDENTES DEL PROBLEMA• Sistema de Soporte de Decisiones

Sistemas interactivos basados en computadoras, que ayudan a los tomadores de decisiones a utilizar datos y modelos para solucionar problemas no estructurados (Keen, et al., 1978).

• SimulaciónTécnica numérica para desarrollar experimentos en un ordenador. Dichos experimentos comprenden elaborar un modelo con ciertos tipos de relaciones matemáticas y lógicas, las cuales describen el comportamiento y la estructura de sistemas complejos del mundo real empleando largos periodos de tiempo (Kelton, et al., 2000).

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


1. Introducción1.2 PROBLEMA• Realidad Problemática

Una compañía tiene un problema de mantenimiento con cierto equipo en una línea de producción automatizada que contiene cuatro (04) componentes electrónicos idénticos los cuales fallan frecuentemente, forzando a que el equipo se desconecte mientras se hace la reposición.

El problema consiste en determinar cuál de las políticas a implantar es la más económica.

• Formulación del Problema¿Cuál es el impacto de las técnicas de simulación como herramienta tecnológica para la toma de decisiones estratégicas en los negocios?

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


1. Introducción1.3 OBJETIVOS• Objetivo General

Efectivizar la toma de decisiones estratégicas en los negocios mediante técnicas de simulación.

• Objetivos Específicos1°. Reducir el tiempo en el proceso de la toma de decisiones de la alta

dirección.2°. Adoptar la mejor decisión bajo el criterio del costo mínimo.3°. Minimizar los costos de mantenimiento.4°. Evaluar diversas políticas de mantenimiento mediante un modelo de

simulación.

5°. Incrementar el nivel de satisfacción de los usuarios internos del sistema de simulación.

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


1. Introducción1.4 HIPOTESISLas técnicas de simulación como herramienta tecnológica

tienen un alto impacto de efectividad para la toma de decisiones estratégicas en los negocios.

• Variable independiente (Causal):Técnicas de simulación.

• Variable dependiente (Efecto):Toma de decisiones estratégicas.

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


1. Introducción1.5 JUSTIFICACION Y RELEVANCIA

• Justificación Teórica:Se logró validar los fundamentos de la teoría de la simulación

con los datos reales mediante pruebas estadísticas.• Justificación Práctica:Se toman decisiones de manera rápida y sencilla, basados en la

mejor política del costo mínimo.• Justificación Social:Los cambios estratégicos por la toma de decisiones efectiva,

redundan en el personal de la organización.• Justificación Metodológica:La simulación requiere una serie de pasos enmarcados en una

metodología apropiada.

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


1. Introducción1.6 LIMITACIONES

La presente investigación dado por el escaso tiempo sólo

alcanza a utilizar un lenguaje de programación de alto

nivel como C++ Builder orientado a objetos y la

aplicación de las técnicas de simulación a un caso

especifico para la toma de decisiones en políticas de

mantenimiento.

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones



17/04/23 9

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones

“Técnicas de Simulación como Herramienta Tecnológica y su Efectividad para la Toma de Decisiones Estratégicas en Negocios"

2.1 MATERIAL


17/04/23 10

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


2.2 METODO


17/04/23 11

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


• PROCEDIMIENTO Y ANÁLISIS ESTADÍSTICO DE DATOS

A. ProcedimientoSe sigue la metodología propuesta por (Kelton, et al.,

2000): Pasos Simulacion.doc1°.Formulación del problema2°.Recolección y Análisis de Datos3°.Análisis estadístico de los datos4°.Construcción del programa de simulación5°.Corridas piloto6°.Validación del modelo de simulación7°.Diseño de experimentos8°.Alternativas de solución9°.Correr el programa 10°. Análisis e interpretación de resultados

.


17/04/23 12

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


• PROCEDIMIENTO Y ANÁLISIS ESTADÍSTICO DE DATOS B. Análisis Estadístico de Datos

Se aplica una prueba t de Student diferencia de medias

si la muestra es menor o igual a 30.

Se aplica una prueba Z diferencia de medias si la

muestra es mayor a 30.


17/04/23 13

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


• PROCEDIMIENTO Y ANÁLISIS ESTADÍSTICO DE DATOS B. Análisis Estadístico de Datos

Se aplica una prueba t de Student diferencia de medias

si la muestra es menor o igual a 30.

Se aplica una prueba Z diferencia de medias si la

muestra es mayor a 30.

3. Resultados

1°. Formulación del Problema• Aplicando la metodología de simulación

propuesta por (Kelton, et al., 2000), se desarrolló un modelo de simulación para el proceso de fallas de los cuatro (04) componentes electrónicos que constan la máquina de la línea de producción automatizada.

• Las medidas de desempeño que se analizaron fueron los costos de mantenimiento que comprende el costo de los componentes electrónicos, el costo de mano de obra y el costo de parada, que es el de mayor impacto.

17/04/23 14

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


3. Resultados

2°. Recolección y Análisis de DatosLa recolección de datos se obtuvieron de los

historiales de equipo donde se registran los datos de falla de los componentes electrónicos como tiempo de parada, tiempo de reparación, costo de mano de obra, costo de los componentes electrónicos, costo de Parada.

17/04/23 15

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


3. Resultados3°. Análisis Estadístico de los Datos

A. Tabulación Estadística de Datos

K’ = 1 + 3.3 log(210) = 8.66, tomamos:

K = 9 clases

R = 6295 – 5 = 6290 horas

= 698.89, adoptamos:

C = 700 horas

17/04/23 16

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


6290C'

9

3. Resultados3°. Análisis Estadístico de los Datos

Cuadro 3.1 Estimación de Frecuencias

*Marca de clase arbitrariamente elegida

17/04/23 17

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


Ti-1 - Ti ti fi ui fi*ui ui2 (fi*ui)2

5 - 705 355 128 -4 -512 16 2048

705 - 1405 1055 32 -3 -96 9 288

1405 - 2105 1755 19 -2 -38 4 76

2105 - 2805 2455 12 -1 -12 1 12

2805 - 3505 3155* 8 0 0 0 0

3505 - 4205 3855 5 1 5 1 5

4205 - 4905 4555 3 2 6 4 12

4905 - 5605 5255 2 3 6 9 18

5605 - 6305 5955 1 4 4 16 16210 -637 2475

3. Resultados

3°. Análisis Estadístico de los DatosB. Identificación de la Distribución de Frecuencias

a una Ley de Fallas

17/04/23 18

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


3. Resultados3°. Análisis Estadístico de los DatosC. Estimación de Parámetros

= 1031.667 horas

=1266455.556

= 1125.369 horas

17/04/23 19

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


6373155 ( )(700)

210m

2 22475 637V ( ( ) )(700)

210 210

S 1266455.556

3. Resultados3°. Análisis Estadístico de los DatosD. Determinación del Modelo de Fallas de Weibull

Cuadro 3.2. Estimación de Parámetros de Weibull

17/04/23 20

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


Ti-1 - Ti fi %hi %S(Ti)

5 - 705 128 60,95 60,95705 - 1405 32 15,24 76,19

1405 - 2105 19 9,05 85,242105 - 2805 12 5,71 90,952805 - 3505 8 3,81 94,763505 - 4205 5 2,38 97,144205 - 4905 3 1,43 98,574905 - 5605 2 0,95 99,525605 - 6305 1 0,48 100,00

210 100,00

3. Resultados3°. Análisis Estadístico de los DatosD. Determinación del Modelo de Fallas de Weibull Del Cuadro 3.2. obtenemos los Parámetros de Weibull:

17/04/23 21

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


γ 0

η 800 horas

β 0.7

3. Resultados3°. Análisis Estadístico de los DatosE. Prueba de la Bondad de Ajuste

Se aplicó la prueba de bondad de ajuste Chi Cuadrado:

H0 = El tiempo interfallas de los componentes electrónicos está distribuido según la Ley de Weibull definida por:

17/04/23 22

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


0.3 0.7( ) 0.000875( ) ( ( ) )800 800

t tf t Exp

1 0H H 0.05 ( )nivel de error

3. Resultados3°. Análisis Estadístico de los DatosE. Prueba de la Bondad de Ajuste (Continuación)

Cuadro 3.3. Prueba Chi Cuadrado

17/04/23 23

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


Ti-1 - Ti fi R(Ti) F(Ti-1-Ti) ei (fi-ei)2/ei

5 - 705 128 0,4004 0,5996 125,92 0,0344

705 - 1405 32 0,2269 0,1735 36,43 0,5393

1405 - 2105 19 0,1397 0,0872 18,32 0,02552105 - 2805 12 0,0901 0,0496 10,41 0,2442

2805 - 3505 8 0,0600 0,0301 6,32 0,4481

3505 - 4205 5 0,0410 0,0191 4,01 0,2463

4205 - 4905 3 0,0285 0,0125 2,62

4905 - 5605 2 0,0201 0,0084 1,76 0,0309

5605 - 6305 1 0,0144 0,0057 1,20 210 1,5688

3. Resultados3°. Análisis Estadístico de los DatosE. Prueba de la Bondad de Ajuste (Continuación)

D2 = 1.567

D2 < C = (1.567 < 7.815)Por lo tanto se acepta la hipótesis, el tiempo interfallas de los componentes electrónicos está

distribuido según la Ley de Weibull, entonces:

17/04/23 24

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


2 27 1 3,0.05 3,0.05C 7.815

0.7( ) ( ( ) )800

tR t Exp

3. Resultados4°. Construcción del Programa• Para construir el modelo de simulación se programó en el lenguaje C++ Builder orientado a

objetos en base a su entorno visual. La ventaja de desarrollar el software en este lenguaje es que nos permite personalizar los diseños de los formularios.

• Existen otros lenguajes de simulación visuales como Arena, Promodel, Servicemodel, Processmodel, etc., que pueden haberse empleado disminuyendo el tiempo de programación en un entorno dinámico pero ajustado a su parametrización. A continuación se presenta el código fuente en el lenguaje C++ Builder.

Codigo Fuente C++ Builder.doc

17/04/23 25

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


3. Resultados5°. Corridas PilotoSe realizaron corridas piloto para determinar si el modelo funcionaba

adecuadamente y si representaba al sistema actual. Se corrió el programa de simulación 10 veces, las cuales fueron consideradas como un número piloto de corridas para después utilizarlas en la validación del modelo de simulación.

17/04/23 26

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


3. Resultados5°. Corridas PilotoSe realizaron corridas piloto para determinar si el modelo funcionaba

adecuadamente y si representaba al sistema actual. Se corrió el programa de simulación 10 veces, las cuales fueron consideradas como un número piloto de corridas para después utilizarlas en la validación del modelo de simulación.

17/04/23 27

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


3. Resultados6°. Validación del Modelo de SimulaciónEn el proceso de validación usualmente se emplean las pruebas estadísticas de Hipótesis

sobre la media.

H0 = µ(modelo) = µ(real)

Ha = µ(modelo) ≠ µ(real)

E(modelo) = 1012.64

E(real) = 1031.67

17/04/23 28

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


3. Resultados6°. Validación del Modelo de Simulación (Continuación)El estadístico a utilizar es el correspondiente a variancias

iguales y poblacionalmente desconocidas y con media poblacional desconocida, puesto que solamente se tienen los datos de dos muestras con 10 valores cada una.

17/04/23 29

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


1 2

2 21 1 2 2

1 21 2

1 1

x xt

n nn nn n

3. Resultados6°. Validación del Modelo de Simulación (Continuación)

t = -2306.114El estadístico tc con 10 + 10 – 2 = 18 grados de libertad y con un nivel de rechazo del 5% es

1.734. tc = 1.734 (Ver Anexo 3. Tabla t Student)

17/04/23 30

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


2 2

1012.64 1031.67

1 1(10)(1480.8) (10)(1125.369)10 1010 10

t

3. Resultados6°. Validación del Modelo de Simulación (Continuación)

Grafico 3.3. Zona de aceptación y rechazo

17/04/23 31

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


3. Resultados7°. Diseño de Experimentos

En caso de que los datos analizados sigan otra distribución diferente a la Normal, se debe hacer uso del teorema de Tchebycheff de tal suerte que el cálculo se ve reducido a:

Donde:α = Probabilidad de error permitida.m2= Numero de desviaciones estándar máximo permitido sobre la media de la distribución a simular.

17/04/23 32

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


2mn

3. Resultados7°. Diseño de Experimentos (Continuación)

Reemplazando valores en (3.4), se tiene:

n = 4500 simulaciones

Dado a la alta velocidad de los ordenadores actuales se realizaron 106 corridas para dar mayor estabilidad en el modelo.

17/04/23 33

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


215

0.05n

3. Resultados8°. Alternativas de solución

Al evaluar varias alternativas de mejora se consideraron diez (10) escenarios. • Política 1: Cambiar los componentes que fallan (política actual).• Política 2: Cambiar todos los componentes, si fallan uno o más.• Política 3: Cambiar los componentes que fallan y aquellos que hayan vivido más de 100 horas.• …………..• Política 10: Cambiar los componentes que fallan y aquellos que hayan vivido más de 800 horas

17/04/23 34

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


3. Resultados9°. Correr el Programa

Todas las alternativas (10 políticas de mantenimiento) se corrieron 106 veces y se obtuvieron los costos de mantenimiento.

Grafico 3.4 Pantallas del Sistema de Simulación

17/04/23 35

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


3. Resultados9°. Correr el Programa (Continuación)

17/04/23 36

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones



17/04/23 37

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones



17/04/23 38

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones



17/04/23 39

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones



17/04/23 40

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones



17/04/23 41

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones



17/04/23 42

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones



17/04/23 43

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones



17/04/23 44

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


3. Resultados10°. Análisis e Interpretación de ResultadosPolíticas de Mantenimiento a Evaluar:• Costo promedio de Política 1: [Cambiar los componentes que fallan] = S/.61.912,91• Costo promedio de Política 2: [Cambiar todos los componentes, si fallan uno o más] =

S/.108.278,58• Costo promedio de Política 3: [Cambiar los componentes que fallan y aquellos que hayan

vivido más de 100 horas] = S/.61.449,63• Costo promedio de Política 4: [Cambiar los componentes que fallan y aquellos que hayan vivido

más de 200 horas] = S/.93.510,46

17/04/23 45

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones

“Técnicas de Simulación como Herramienta Tecnológica y su

3. Resultados10°. Análisis e Interpretación de Resultados• Costo promedio de Política 5: [Cambiar los componentes que fallan y aquellos que

hayan vivido más de 300 horas] = S/.61.451,20• Costo promedio de Política 6: [Cambiar los componentes que fallan y aquellos que hayan vivido

más de 400 horas] = S/.61.452,93• Costo promedio de Política 7: [Cambiar los componentes que fallan y aquellos que hayan vivido

más de 500 horas] = S/.61.453,18• Costo promedio de Política 8: [Cambiar los componentes que fallan y aquellos que hayan vivido

más de 600 horas] = S/.61.454,59

17/04/23 46

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


3. Resultados10°. Análisis e Interpretación de Resultados• Costo promedio de Política 9: [Cambiar los componentes que fallan y aquellos que hayan vivido más de

700 horas] = S/.61.453,66• Costo promedio de Política 10: [Cambiar los componentes que fallan y aquellos que hayan vivido más

de 800 horas] = S/.61.454,38• DECISION: Adóptese la Política 3 por ser la de más bajo costo = S/.61.449,63

17/04/23 47

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


4. Discusión

17/04/23 48

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


4.1 CONTRASTACIÓN DE LA HIPÓTESISLa contrastación de la hipótesis se ha realizado de acuerdo al método propuesto Pre-test - Post-test para así poder aceptar o rechazar la hipótesis.

4.2 INDICADOR CUANTITATIVO: NIVEL DE SATISFACCIÓN DE LOS USUARIOS DEL SISTEMA DE SIMULACIÓNLos valores se calcularon en base a las respuestas proporcionadas por quienes proponen las políticas de mantenimiento. Los usuarios (responsables directos) involucrados en el manejo del sistema de simulación son:

4. Discusión

17/04/23 49

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


4.2 INDICADOR CUANTITATIVO: NIVEL DE SATISFACCIÓN DE LOS USUARIOS DEL SISTEMA DE SIMULACIÓN (Continuación)

Cuadro 4.1: Usuarios

• Para realizar la ponderación correspondiente de las preguntas aplicadas en las encuestas se tomo como base la escala de Líkert (rango de ponderación: [1-5]).

USUARIOS

Gerente de planta 1

Jefe de mantenimiento 1

Total de Usuarios 2

4. Discusión

17/04/23 50

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


4.2 INDICADOR CUANTITATIVO: NIVEL DE SATISFACCIÓN DE LOS USUARIOS DEL SISTEMA DE SIMULACIÓN (Continuación)Cuadro 4.2. Nivel de Satisfacción del Usuario

Rango Nivel de Aprobación Peso

AP Aprobación Plena 5

AS Aprobación Simple 4

DI Indecisión o Indiferencia 3

DS Desaprobación Simple 2

DP Desaprobación Plena 1

4. Discusión

17/04/23 51

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


Cuadro 4.3. Tabulación del usuario del sistema Pre Test

AP

AS

DI

DS

DP Puntaje Puntaje

Nº Pregunta 5 4 3 2 1 Total Promedio

1¿La información requerida para la toma de

decisiones es oportuna?0 2 0 0 0 8.0 4.00

2 ¿La información brindada es confiable y segura? 0 0 1 1 0 5.0 2.50

3¿Cómo considera usted la seguridad en el acceso a

la información?0 1 1 0 0 7.0 3.50

4¿Cómo califica el nivel de satisfacción a la forma en

que toma las decisiones?0 1 1 0 0 7.0 3.50

5¿Tiene la información precisa en el momento

requerido?0 1 1 0 0 7.0 3.50

6¿Utiliza recursos tecnológicos como soporte para la

toma de decisiones?0 1 1 0 0 7.0 3.50

7¿Cómo califica el proceso en que toma las

decisiones?0 1 1 0 0 7.0 3.50

8

En el proceso de toma de decisiones permite

realizar análisis de sensibilidad perimétrico ¿Qué

pasa si?

0 0 0 0 2 2.0 1.00

9¿Cómo califica el tiempo empleado en la toma las

decisiones?0 0 0 0 2 2.00 1.00

4. Discusión

17/04/23 52

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


Cuadro 4.4. Tabulación del usuario del sistema Post Test

AP

AS

DI

DS

DP Puntaje Puntaje

Nº Pregunta 5 4 3 2 1 Total Promedio

1¿La información requerida para la toma de

decisiones es oportuna?2 0 0 0 0 10.0 5.00

2 ¿La información brindada es confiable y segura? 1 1 0 0 0 9.0 4.50

3¿Cómo considera usted la seguridad en el acceso a

la información?2 0 0 0 0 10.0 5.00

4¿Cómo califica el nivel de satisfacción a la forma en

que toma las decisiones?2 0 0 0 0 10.0 5.00

5¿Tiene la información precisa en el momento

requerido?2 0 0 0 0 10.0 5.00

6¿Utiliza recursos tecnológicos como soporte para la

toma de decisiones?0 2 0 0 0 8.0 4.00

7¿Cómo califica el proceso en que toma las

decisiones?0 1 1 0 0 7.0 3.50

8

En el proceso de toma de decisiones permite

realizar análisis de sensibilidad perimétrico ¿Qué

pasa si?

2 0 0 0 0 10.0 5.00

9¿Cómo califica el tiempo empleado en la toma las

decisiones?2 0 0 0 0 10.0 5.00

4. Discusión

17/04/23 53

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


1°. Resumen de valores de indicadoresCuadro 4.5. Valores para el Indicador Nivel de Satisfacción

del usuario del sistema

Nº NSUA NSUP Di Di2

14,0 5,0 -1.0 1.00

22,5 4,5 -2.0 4.00

33,5 5,0 -1.5 2.25

43,5 5,0 -1.5 2.25

53,5 5,0 -1.5 2.25

63,5 4,0 -0.5 0.25

73,5 3,5 0.0 0.00

81,0 5,0 -4.0 16.00

91,0 5,0 -4.0 16.00

∑ -16.0 44.00

4. Discusión

17/04/23 54

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


2°. Prueba de la Hipótesis para el Indicador CualitativoA. Definición de Variables• NSUA: Nivel de satisfacción del usuario con el sistema

Actual.• NSUP: Nivel de satisfacción del usuario con el sistema de

simulación propuesto.

B. Hipótesis Estadísticas

H0: NSUA – NSUP >= 0

Ha: NSUA – NSUP < 0

4. Discusión

17/04/23 55

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


2°. Prueba de la Hipótesis para el Indicador CualitativoB. Hipótesis Estadísticas

a) Nivel de significanciaα = 0.05 (nivel de significancia) y n -1= 9-1=8 grados de

libertad, se tiene el valor crítico de t de Student

Como = 0.05 y n-1 = 9-1 = 8 grados de libertad, la región de rechazo consiste en aquellos valores de t menores que:

, 9 1, 0.051.860

gltt t

1.860ct

4. Discusión

17/04/23 56

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones



b) Resultados de la Hipótesis Estadística- Diferencia Promedio:

1

n

ii

DD

n

9

1 161.778

9 9

ii

DD

1.778D

4. Discusión

17/04/23 57

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones



b) Resultados de la Hipótesis Estadística- Desviación Estándar:

2 2

21 1

( )

( 1)

n n

i ii i

n D D

D n nS

22 9(44) ( 16)

9(9 1)DS

21.944DS

4. Discusión

17/04/23 58

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones



b) de la Hipótesis Estadística- Cálculo de t:

t = -3.826

2D

D nt

S

( 1.778)( 9)

1.944t

4. Discusión

17/04/23 59

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones



b) de la Hipótesis Estadística- Conclusión:

Gráfico 4.1. Zona de aceptación y rechazo

t = -3.826 tα = -1.860 0 Región de Rechazo Región de Aceptación

4. Discusión

17/04/23 60

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


4.3 PRUEBA DE LA HIPOTESIS PARA EL INDICADOR CUANTITATIVO COSTO DE MANTENIMIENTO.A. Definición de VariablesCMA: Costo de mantenimiento con el sistema de política actual (Soles)

CMP: Costo de mantenimiento con el sistema de política propuesta usando simulación (Soles)

B. Hipótesis Estadísticas:

H0 = CMA – CMP <= 0

Ha = TA – TP > 0

4. Discusión

17/04/23 61

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


4.3 PRUEBA DE LA HIPOTESIS PARA EL INDICADOR CUANTITATIVO COSTO DE MANTENIMIENTO.C. Nivel de Significancia:Usando un nivel de significancia (α = 0.05) del 5%. Por lo tanto el nivel de confianza (1 – α = 0.95) será

del 95%.

D. Estadígrafo de ContrastePuesto que n=35, es decir n>30, usamos la distribución normal (Z):

1

n

ii

XX

n

4. Discusión

17/04/23 62

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


4.3 PRUEBA DE LA HIPOTESIS PARA EL INDICADOR CUANTITATIVO COSTO DE MANTENIMIENTO.D. Estadígrafo de Contraste (Continuación)

2

2 1

( )n

ii

x x

n

2 2

A P

c

A P

A P

CM CMZ

n n

4. Discusión

17/04/23 63

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


4.3 PRUEBA DE LA HIPOTESIS PARA EL INDICADOR CUANTITATIVO COSTO DE MANTENIMIENTO.

E. Resultados:Cuadro 4.6. Costos de Mantenimiento (S/.)

Nº CMAi CMPi

1 61909,52 61747,34 3,04 -2,84 9,246812163 8,078588082

2 61909,59 61751,55 3,11 1,37 9,677432163 1,870642367

3 61915,50 61750,13 9,02 -0,05 81,37586359 0,002733796

4 61913,61 61752,11 7,13 1,93 50,84912359 3,716082367

5 61916,43 61749,34 9,95 -0,84 99,01955788 0,709445225

6 61912,73 61750,70 6,25 0,52 39,07321502 0,268028082

7 61910,77 61747,69 4,29 -2,49 18,41145502 6,211488082

8 61908,74 61750,54 2,26 0,36 5,11147502 0,12795951

9 61919,04 61751,47 12,56 1,29 157,7751322 1,658208082

10 61905,52 61750,70 -0,96 0,52 0,91995502 0,268028082

( )AAiCM CM ( )PPiCM CM 2( )AAiCM CM 2( )PPiCM CM

4. Discusión

17/04/23 64

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones




Nº CMAi CMPi

11 61904,82 61750,67 -1,66 0,49 2,75275502 0,237865224

12 61914,79 61748,18 8,31 -2,00 69,07034645 4,009148082

13 61907,60 61747,74 1,12 -2,44 1,256320735 5,96475951

14 61903,63 61752,36 -2,85 2,18 8,11761502 4,74243951

15 61913,17 61753,79 6,69 3,61 44,76756931 13,01560237

16 61910,76 61749,64 4,28 -0,54 18,32573788 0,294073796

17 61908,05 61750,05 1,57 -0,13 2,467592163 0,01749951

18 61912,04 61746,39 5,56 -3,79 30,92313216 14,38143094

19 61906,23 61747,69 -0,25 -2,49 0,062072163 6,211488082

20 61912,00 61751,57 5,52 1,39 30,47986359 1,925750939


4. Discusión

17/04/23 65

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones




Nº CMAi CMPi

21 61910,85 61747,52 4,37 -2,66 19,10439216 7,087765225

22 61908,11 61749,36 1,63 -0,82 2,65969502 0,676153796

23 61909,52 61751,40 3,04 1,22 9,246812163 1,482828082

24 61914,91 61749,93 8,43 -0,25 71,07935216 0,063648082

25 61907,76 61748,01 1,28 -2,17 1,64059502 4,718825225

26 61912,31 61748,34 5,83 -1,84 33,99889502 3,394016653

27 61910,42 61751,34 3,94 1,16 15,53035502 1,340302367

28 61916,23 61753,87 9,75 3,69 95,07921502 13,59923665

29 61916,34 61752,25 9,86 2,07 97,23650359 4,275442367

30 61908,30 61755,05 1,82 4,87 3,315520735 23,69464237


4. Discusión

17/04/23 66

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones




Nº CMAi CMPi

31 61912,70 61753,64 6,22 3,46 38,69906359 11,95578808

32 61914,56 61748,62 8,08 -1,56 65,30025216 2,440736653

33 61906,70 61750,28 0,22 0,10 0,048777878 0,009548082

34 61750,28 61747,73 -156,20 -2,45 24398,17223 6,013705225

35 61913,24 61749,39 6,76 -0,79 45,70918931 0,627716653

2166726,77 2161256,38 25576,5039 155,0916171


4. Discusión

17/04/23 67

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


4.3 PRUEBA DE LA HIPOTESIS PARA EL INDICADOR CUANTITATIVO COSTO DE MANTENIMIENTO.E. Resultados:a) Promedio:

b) Varianza:

2166726.77

35ACM 61906.479ACM

2161256.38

35PCM 61750.182PCM

2 25576.50

3

9

5

3A 2 730.757A

2 155.0

3

2

5

9P 2 4.431P

4. Discusión

17/04/23 68

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


4.3 PRUEBA DE LA HIPOTESIS PARA EL INDICADOR CUANTITATIVO COSTO DE MANTENIMIENTO.E. Resultados:c) Cálculo de Z:

61906.479 61750.182

730.757 4.4335 35

1CZ

34.310CZ

4. Discusión

17/04/23 69

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


4.3 PRUEBA DE LA HIPOTESIS PARA EL INDICADOR CUANTITATIVO COSTO DE MANTENIMIENTO.F. Región Crítica

Gráfico 4.2. Zona de aceptación y rechazo

Zc = 34.310

4. Discusión

17/04/23 70

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


4.3 PRUEBA DE LA HIPOTESIS PARA EL INDICADOR CUANTITATIVO COSTO DE MANTENIMIENTO.G. Conclusión:• Puesto que Zc = 22.21 calculado es mayor que Zα = 1.645 y estando este valor dentro de la región de rechazo < 1.645, >, entonces se rechaza H0 y por consiguiente se acepta Ha.

• Se concluye entonces que el costo de mantenimiento con el sistema de política propuesta usando simulación es menor que el costo de mantenimiento con el sistema de política actual con un nivel de error del 5% y un nivel de confianza del 95%.

4. Discusión

17/04/23 71

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


4.4 DISCUSION DE RESULTADOSA. Indicador Cualitativo 1: Nivel de Satisfacción Promedio de los Usuarios del Sistema de SimulaciónCuadro 4.7 Indicador Nivel de Satisfacción del Usuario de toma de decisiones en políticas de mantenimiento del sistema actual versus el sistema de simulación propuesto

NSUA NSUP

Nivel de Impacto: Incremento

Puntaje Porcentaje Puntaje Porcentaje Δ Puntaje Δ Porcentaje

( 5) (%) ( 5) (%) ( 5) (%)

2.89 57.8% 4.67 93.4% 1.78 35.6%

4. Discusión

17/04/23 72

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


4.4 DISCUSION DE RESULTADOSA. Indicador Cualitativo 1: Nivel de Satisfacción Promedio de los Usuarios del Sistema de Simulación (Continuación)Gráfico 4.3 Indicador Nivel de Satisfacción del Usuario del sistema actual versus el sistema de simulación propuesto

57.80

2.89

93.40

4.67

35.60

1.780.00

20.00

40.00

60.00

80.00

100.00

Porcentaje Nivel de Satisfacción

4. Discusión

17/04/23 73

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


4.4 DISCUSION DE RESULTADOSB. Indicador Cuantitativo: Costo de MantenimientoCuadro 4.8. Indicador Costo Promedio de Mantenimiento del sistema actual (CMA) y Costo Promedio de Mantenimiento del sistema de simulación propuesto (CMP)

CMA CMP

Nivel de Impacto: Decremento

S/.Porcentaje

S/.Porcentaje

Δ S/.Δ Porcentaje

(%) (%) (%)

61,906.48 100%61,750.1

899.75% 156.30 0.25%

4. Discusión

17/04/23 74

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


4.4 DISCUSION DE RESULTADOSB. Indicador Cuantitativo: Costo de Mantenimiento (Continuación)Gráfico 4.4 Indicador Costo Promedio de Mantenimiento del sistema actual (CMA) y Costo Promedio de Mantenimiento del sistema de simulación propuesto (CMP)

5. Propuesta

• Se sugiere el empleo de las técnicas de simulación como una herramienta tecnológica para la toma de decisiones estratégicas de negocios, por darnos la mejor estrategia a implementar.

• Se recomienda la aplicación de un cronograma de capacitación para el conocimiento del nuevo sistema.

17/04/23 75

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


6. Conclusiones

17/04/23 76

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


6. Conclusiones

17/04/23 77

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones


7. Bibliografía

17/04/23 78

1. Introducción


3. Resultados

4. Discusión

5. Propuesta

6. Conclusiones

7. Bibliografía


Muchas Gracias

17/04/23 "Técnicas de Simulación como Herramienta Tecnológica y su Efectividad para la Toma de Decisiones Estratégicas en Negocios"

79

Exposición-2013-JPSF-UCV

Documents

Transcript of Exposición-2013-JPSF-UCV