Tesis Linea de Espera
292
1 PLANTEAMIENTO DEL PROBLEMA CAPÍTULO I PLANTEAMIENTO DEL PROBLEMA __________________ ___ 1.1 Descripción de la realidad problemática El sector servicios cada día se consolida como uno de los ejes de desarrollo más importantes de la economía nacional, siendo la empresa Consorcio Terminales GMP OIL TANKING una empresa líder en producción y distribución de combustible. Es vital analizar su comportamiento con el fin de generar ideas innovadoras que permitan mantener y potenciar su crecimiento, sin embargo existe un 1
-
Upload
kevin-leon-barrientos -
Category
Documents
-
view
53 -
download
0
description
Optimizacion por el metodo de Linea de Espera
Transcript of Tesis Linea de Espera
1 PLANTEAMIENTO DEL PROBLEMA
CAPÍTULO I
PLANTEAMIENTO DEL
PROBLEMA
_____________________
1.1 Descripción de la realidad problemática
El sector servicios cada día se consolida como uno de los ejes de
desarrollo más importantes de la economía nacional, siendo la empresa
Consorcio Terminales GMP OIL TANKING una empresa líder en producción
y distribución de combustible.
Es vital analizar su comportamiento con el fin de generar ideas
innovadoras que permitan mantener y potenciar su crecimiento, sin embargo
existe un problema común que impide la gestión eficiente de una organización
y son precisamente las colas.
Fenómeno que se vuelve más frecuente en la medida que la demanda
por un servicio se incrementa más que proporcionalmente con respecto a su
capacidad para ofrecerlo, causando tedio, incomodidad, insatisfacción y
sobrecostos.
1
Ninguna organización es ajena a este problema, de hecho toda
solicitud, pago, asesoría, reclamación o adquisición de productos son sólo
ejemplos de cómo a diario consumidores deben esperar formando cola frente a
un servicio.
Los costos por las colas cuantificables en las diferentes empresas de
servicio son influyentes en las utilidades de las empresas, además de muchos
otros costos intangibles y ocultos como el deterioro de la imagen corporativa y
la calidad del servicio que son difíciles de dimensionar y cuantificar.
Se debe tener en cuenta principalmente al cliente, pues es el principal
generador de utilidades y es hacia quien se orienta la empresa Consorcio
Terminales GMP OIL TANKING. En las últimas décadas el servicio al cliente
toma cada vez más importancia en las organizaciones y se considera como un
factor de diferenciación que permite desarrollar ventajas competitivas
sostenibles. Con el conocimiento de la cantidad de recursos necesarios en los
sistemas, las filas ya no serán más problema entre el cliente y las
organizaciones, la calidad podrá aumentar. La empresa hoy cuenta con una
gran cantidad de clientes esperando en el estacionamiento externo, generando
insatisfacción, reducción de utilidades, costos de espera, etc.
Es fundamental que no haya excesos en las colas para garantizar la
calidad y el bienestar que como organización debe proporcionar a sus clientes
y empleados con el ánimo de generar productividad, maximizar utilidades y
minimizar costos. Es entonces en ese punto donde la teoría de colas entra a
jugar un papel determinante en el análisis de los sistemas, en la medición de su
desempeño y en la cuantificación de los costos asociados con su operación.
2
Por ello, es el modelo de línea de espera en donde deben centrarse
esfuerzos considerables. Sin embargo, se debe ir más allá de la utilidad misma
de la teoría de colas, al no sólo medir desempeño, sino al buscar mejoras
usando herramientas de optimización que permitan calcular medidas eficientes
de recursos, costos, utilidades, tiempos y otros indicadores propios de cada
organización.
1.2 Formulación del problema
1.2.1 Problema general
¿De qué manera el modelo de línea de espera permite la
optimización del servicio de despacho de combustible en la empresa
Consorcio Terminales GMP OIL TANKING – Supe Puerto, 2014?
1.2.2 Problemas específicos
1. ¿De qué manera la distribución de arribos de clientes permite la
optimización del servicio de despacho de combustible en la
empresa Consorcio Terminales GMP OIL TANKING – Supe
Puerto, 2014?
2. ¿De qué manera los servidores influyen en la optimización del
servicio de despacho de combustible en la empresa Consorcio
Terminales GMP OIL TANKING - Supe Puerto, 2014?
3. ¿De qué manera la capacidad del sistema influye en la
Optimización del Servicio de despacho de combustible en la
empresa Consorcio Terminales GMP OIL TANKING - Supe
Puerto, 2014?
3
1.3 Objetivos de la investigación
1.3.1 Objetivo general
Determinar el modelo de línea de espera que permita la
optimización del servicio de despacho de combustible en la empresa
Consorcio Terminales GMP OIL TANKING – Supe Puerto, 2014.
1.3.2 Objetivos específicos
1. Determinar la influencia de la distribución de arribos de
clientes en la optimización del servicio de despacho de
combustible en la empresa Consorcio Terminales GMP OIL
TANKING – Supe Puerto, 2014.
2. Determinar la influencia de los servidores en la optimización
del servicio de despacho de combustible en la empresa
Consorcio Terminales GMP OIL TANKING - Supe Puerto,
2014.
3. Determinar la influencia de la capacidad del sistema en la
optimización del servicio de despacho de combustible en la
empresa Consorcio Terminales GMP OIL TANKING - Supe
Puerto, 2014.
4
1.4 Justificación de la investigación
La empresa Consorcio Terminales GMP OIL TANKING en la
actualidad es líder en el ámbito de venta y producción de combustible, el
terminal que se encuentra en la ciudad de Supe Puerto cuenta con problemas
del servicio que brinda a los clientes, ya que existen clientes no atendidos al
final de la jornada diaria, y excesivas colas tanto en el estacionamiento interno
y externo.
La investigación se justifica, puesto que al desarrollar un modelo de
línea de espera, permitirá mejorar el servicio de la empresa Consorcio
Terminales GMP OIL TANKING – Supe Puerto, de esta manera influirá en
los reducción de costos y tiempo de servicio que brinda la empresa, ya que
toda empresa busca la optimización de recursos y la satisfacción de los
clientes, disminuyendo el costo por servicio y llegando a maximizar el número
de clientes atendidos por jornada, donde dicha actividad se considera factible
para la empresa.
5
2 MARCO TEÓRICO
CAPÍTULO II
MARCO TEÓRICO
_____________________
2.1 Antecedentes de la investigación
Los antecedentes del tema de línea de espera y optimización del
servicio de despacho, realizados en el campo de petróleo y distribución de
combustible en este presente trabajo, no se logró encontrar antecedentes con
ambas variables en el campo de distribución de combustibles, sin embargo
podemos tomar información individual de las variables de modelo de línea de
espera y optimización del servicio.
Explorando la documentación existente a nivel nacional, se puede
constatar la existencia de tesis grado con características afines, como se
muestra:
i. (Clemente, 2008), Con el tema de investigación de Mejora en el nivel
de atención a los clientes de una entidad bancaria usando simulación.
Pontificia Universidad Católica del Perú, Lima, Perú.
La investigación tiene como principal objetivo analizar las
colas originadas en las oficinas de una entidad bancaria
6
producto de la configuración propia del sistema encargado de
administrarlas, con el fin de realizar mejoras en busca de la
disminución del tiempo de espera de los clientes. La población
está formada por todos aquellos clientes que desean recibir
determinado servicio brindado. Se centró el análisis en las colas
generadas únicamente en las ventanillas. Para ello se recopiló
toda la información necesaria de la base de datos del Sistema
Administrador de Colas y se diseñó un modelo que replicase la
situación actual mediante simulaciones. El programa utilizado
para esto fue el software ARENA 9.0, donde se obtuvieron
como resultados que la elección de estas nuevas
configuraciones de ventanillas propuestas representa un costo
de espera total del US$ 17,626 en comparación a los US$
20,037 actuales. Se ve que hay una mejora considerable (un
ahorro de US$ 2,411 equivalente al 12%) gracias únicamente a
cambios en los esquemas de atención del sistema de colas del
banco, la cual la presente investigación concluye que es posible
mejorar el desempeño de una oficina bancaria en relación al
nivel de servicio ofrecido al cliente sólo con cambios en los
esquemas y prioridades de atención, sin incurrir en gastos
adicionales de personal o cambios de horario.
ii. (Marquez, 2012), Con el tema de investigación de Propuesta de
Reducción del tiempo de atención al cliente en el servicio de Farmacia
de una Clínica Particular. Universidad Peruana de Ciencias Aplicadas,
Lima, Perú:
7
El presente trabajo de tesis tiene como objetivo identificar el
número de ventanillas necesarias y personal requerido para
obtener beneficios en torno a costos y satisfacción del cliente
mediante el uso de la simulación con el software Arena. Los
principales resultados fueron que la simulación de la situación
actual arrojó que, en varias ocasiones, las colas que se generan
para recoger el pedido es mucho mayor a la cola inicial del
servicio. Con la propuesta de mejora se logra que el tiempo
total en el sistema sea en promedio 11min 05seg, es decir, se
reduce en un 34.3%; sin embargo, aún no se logra el tiempo de
atención aceptable por la empresa (entre 6min y 9min). Acerca
de los costos que implica la propuesta de mejora, se tiene que el
costo total que resulta de la simulación planteada es de S/ 3
163.87, siendo el costo actual de S/. 4 125.04, es decir casi un
23% menos. En la cual la investigación concluye que la
propuesta tiene una cantidad de personas en cola mucho menor,
aparte de que el costo de mantenerla en espera disminuye. Por
ello, se recomienda tener un adecuado manejo de la
información para establecer un número óptimo de personas
atendiendo en el servicio a una determinada hora.
Explorando también archivos a nivel mundial, se puede comprobar la
existencia de otras tesis de grado, con características parecidas a esta
investigación, como se muestra:
8
iii. (Ortiz, 2004), con el tema de investigación Aplicación de un Modelo
de Teoría de Colas en Garitas de Acceso de transporte pesado en un
Recinto Portuario. Universidad de San Carlos de Guatemala,
Guatemala, Guatemala:
La presente investigación de tesis tiene como principal objetivo
el definir un modelo matemático aplicando la teoría de colas
para solucionar el congestionamiento en el ingreso y salida del
transporte pesado en la empresa portuaria. En la cual la
población fue los camiones que ingresan al recinto portuario.
Donde los principales resultados obtenidos fueron que durante
la evaluación del proceso se determinó que la capacidad física
para el sistema de ingreso es de un 74%, para el sistema de
egreso de camiones con carga contenedorizada es de un 266% y
para carga a granel y carga general es un 320%. Con estos
resultados se puede determinar que el sistema se encuentra
sobresaturado por lo que es necesario realizar modificaciones al
proceso y aumentar el número de garitas. En la cual la
investigación concluye que existen varias acciones que
provocan demoras al proceso entre las cuales se pueden
mencionar: la capacidad del sistema no es suficiente para la
demanda del servicio, el sistema de egreso no es flexible, y por
eso es necesario incrementar en un 100% la capacidad física del
sistema, para evitar el congestionamiento de camiones por lo
que se aumentarán dos garitas para el sistema de ingreso y dos
garitas para el sistema de egreso, al contar con cuatro garitas
9
para ingreso y cuatro garitas para egreso, para disminuir el
tiempo de espera del camión.
iv. (Cazorla, 2014), Con el tema de investigación de Análisis Estadístico
mediante Teoría de Colas para determinar el Nivel de Satisfacción del
paciente atendido en el departamento de admisiones del Hospital
Provincial General Docente de Riobamba. Escuela Superior
Politécnica de Chimborazo, Riobamba, Ecuador:
La presente investigación tiene como principal objetivo que
mediante un Análisis Estadístico y un estudio de Teoría de
Colas determinar si existe el servicio adecuado y el nivel de
satisfacción al paciente en el Departamento de Admisión del
Hospital Provincial General Docente de Riobamba. La
población de estudio es de 10000 pacientes “N”, el error que
todo hospital se debe regir es de 3%, el tamaño muestral según
estos datos y siguiendo la formula tenemos que nuestra muestra
es de 964 pacientes, a quienes se les aplicara el estudio. Los
principales resultados son que 523 pacientes encuestados dicen
que el tiempo que dedica el personal de Admisiones para
atenderlo es adecuado, mientras tanto que 441 pacientes
determinan que el tiempo que dedican a la atención no es
suficiente, el modelo de colas M/M/1 el valor esperado de
número de pacientes en el sistema (L) es de 16 pacientes, el
número de pacientes en la cola (Lq) es de 15 pacientes el
tiempo media de espera que tiene el paciente en el sistema (W)
es de: 9.33 min, el tiempo medio de espera de un paciente en la
10
cola es de 8.78 min. Realizando un estudio de colas con dos
servidores o sea M/M/2 dice que el valor esperado de número
de pacientes en el sistema (L) es de 6 pacientes, el número de
pacientes en la cola (Lq) es de 5 pacientes el tiempo media de
espera que tiene el paciente en el sistema (W) es de: 3.60 min,
el tiempo medio de espera de un paciente en la cola (Wq) es de
3.05 min. El costo de espera del modelo M/M/1 es bajo ($20)
en comparación cuando se aumenta un servidor para el
siguiente modelo ($40), pero el costo total se reduce con el
modelo M/M/2 y esto implica que es válido ya que reduce un
costo total de 325.47 y el ahorro es de 12.44 dólares. En la cual
la investigación concluye que el modelo M/M/2 se debe
implementar en el Departamento de Admisiones del hospital y
no seguir el modelo actual M/M/1 para satisfacer al paciente en
la atención es el mismo.
v. (Guevara & Rivadeneira, 2011), con el tema de investigación de
Optimización del Sistema Hospitalario Ecuatoriano: Estudio,
Modelización, Simulación y Minimización de tiempos de espera de
pacientes de consulta externa. Pontificia Escuela Politécnica Nacional,
Quito, Ecuador:
La presente investigación tiene como principal objetivo el
reducir el tiempo de espera de los pacientes del sistema
hospitalario ecuatoriano para la cual se ha tomado el caso de
estudio el hospital de especialidades Eugenio Espejo. La
muestra fue de 2449 distribuidas estratificadamente en todas las
11
especialidades del hospital de una muestra total diaria. Los
principales resultados obtenidos de la investigación es que el
número de médicos actual en consulta externa de HEE no logra
cubrir la demanda total en las 4 horas de atención, por lo tanto
es necesario incrementar el número de servidores disponibles,
las especialidades críticas son urología y oftalmología cuya
demanda está alrededor del 81% y su tiempo de espera
promedio sobrepasa las 2 horas de atención. En la cual la
investigación concluye que es necesario contratar médicos de
jornada en las especialidades como urología, cardiología,
oftalmología, neuroclínica, endocrinología y ginecología, cuya
demanda llega a valores críticos mayores a 65%, y que del
tiempo que el paciente pasa en el hospital que el 10,09% está
destinado a consulta, el resto se ocupa esperando el momento
de atención, el tiempo que las personas pasan esperando le
genera pérdidas económicas al país, con un costo aproximado
de USD 376689,60 anual.
vi. (Ayala, 2007) , Con el tema de investigación Análisis y aplicación de
la Teoría de Colas en un Centro Médico externo de consulta externa.
Universidad Nacional Autónoma de México, México DF, México:
La presente investigación tiene como principal objetivo
describir adecuadamente el sistema de las líneas de espera, para
que los directivos tengan los elementos necesarios para la toma
de decisiones. Los principales resultados obtenidos en la
investigación son que los pacientes tienen que esperar para ser
12
atendidos por los doctores un promedio de 20 Minutos, hecho
por el cual en las colas de las recepcionistas se tiene este
tiempo para realizar la atención. En la cual concluye que la
recepcionista 3 podría realizar sola el trabajo todos los días,
presentando el sábado una tasa de utilización del 60.82%, el
tiempo total esperado en el sistema (W) 2.98 min y el tiempo
esperado en la cola 1.81 min. El proceso que elabora la
recepcionista de la Fila 4 requiere mayor tiempo que el proceso
de las demás filas, el sábado tiene en el sistema 2.5 clientes, y
la tasa de utilización del sistema es de 71.73 %. El tiempo
medio de respuesta el sábado es de 6.22 minutos. El tiempo
medio de espera en la cola es de 4.46
vii. (González & Sepulveda, 2010), con el tema de investigación
Aplicación de Teoría de Colas en los semáforos para mejorar la
movilidad en la carrera 7 entre calles 15 y 20 de la ciudad de Pereira.
Universidad Tecnológica de Pereira, Risaralda, Colombia:
La presente investigación tiene como principal objetivo
proponer una programación en los tiempos de los semáforos del
circuito comprendido en la carrera 7ª entre calles 15 y 20 que
mejore el proceso de movilidad vehicular en el circuito de
estudio. Esta investigación ilustra el comportamiento del tráfico
vehicular del circuito que se encuentra comprendido en la
carrera 7ª entre calles 15 y 20, utilizando como herramienta de
análisis, el software de simulación promodel. Los principales
resultados obtenidos en esta investigación se logra demostrar
13
que una adecuada sincronización en los desfases de los
semáforos (efecto de ola verde), se puede mejorar la movilidad
de un circuito de múltiples intersecciones con semáforos en
línea, como el estudiado en la presente investigación. En la cual
concluye es pertinente hacer uso de los modelos de simulación
en los diferentes proyectos de investigación debido a que éstos
nos permiten conocer los resultados promedios que se van a
obtener con las actividades realizadas en las investigaciones,
sin necesidad de incurrir en toda la inversión para finalizar el
proyecto. De igual forma nos permite evaluar diferentes
escenarios rápidamente para identificar las posibles mejoras
que se pueden realizar en el transcurso de la investigación.
viii. (Acosta & Muñoz, 2009), con el tema de investigación Estrategias
para el mejoramiento del Servicio de Venta de Boletos, aplicando un
Modelo de Teoría de Colas en una Empresa de Transporte Marítimo.
Universidad De Oriente Núcleo Anzoátegui, Barcelona, España:
El objetivo principal de la investigación es diseñar Estrategias
para el mejoramiento del servicio de Venta de Boletos,
aplicando un modelo de Teoría de Colas en una empresa de
transporte marítimo. Con una población de 101 personas
considerando a gerencia de ventas y empleados de ventas,
obteniendo una muestra de 81 personas. Los principales
resultados obtenidos de la investigación. La velocidad media d
llegadas de 1,2 clientes/min, una duración de servicio 1/u=3.6
min/clientes. Donde la distribución a la que se ajustan son
14
Poisson y Exponencial respectivamente. En la que concluye
que para solucionar la congestión existente, se propone la
adherencia de una taquilla a las ya existentes en el sub-sistema
sin carga, es decir un total de 5 taquillas.
ix. (Barrena, 2011), con el tema de investigación Propuesta de un Modelo
de Optimización de Tránsito basado en Teoría de Colas para la
Ciudad de Riobamba. Caso de Estudio calle primera constituyente
limitado entre Carabobo y Eugenio Espejo. Escuela Superior
Politécnica De Chimborazo, Riobamba, Ecuador:
El objetivo principal de la investigación es proponer un modelo
de optimización basado en teoría de colas para la ciudad de
Riobamba. La población de estudio es infinita la cual
corresponde a los medios de transporte que se desplazan en la
calle primera constituyente y en las 9 intersecciones limitadas
entras las calles Carabobo y Eugenio espejo. Los principales
resultados de la investigación son que la demora media que
existe para atravesar éste tramo bajo condiciones de cola inicial
decreciente es de 204.30 segundos, y utilizando el modelo
obtenido se consigue reducir la demora inducida a los usuarios
a 114.20 segundos; mientras que la condición de una cola
inicial creciente el tiempo de demora es de 296.14 segundos y
con el modelo se logra reducir a 118.34 segundos. En la cual
concluye dando una solución factible real que consiste en el
aumento de la capacidad vial, reubicando el parqueadero de la
ciudad, porque de ésta manera se consigue que el grado de
15
saturación y las colas iniciales se reduzcan. Además es
importante mencionar, que se recomienda que el presente
estudio realizado se puede aplicar en otras intersecciones
semaforizadas, únicamente cambiando los datos de entrada para
el modelo.
x. (Martínez, 2009), con el tema de investigación Análisis de redes de
colas modeladas con tiempos entre llegadas exponenciales e híper
erlang para la asignación eficiente de los recursos. Pontificia
Universidad Javeriana, Bogotá D.C., Colombia:
El objetivo principal de la investigación fue Analizar el
comportamiento y desempeño de redes de colas en procesos de
servicio para que minimizando los costos asociados con la
espera y los tiempos de permanencia en el sistema se asigne
eficientemente el recurso humano en organizaciones con
estructuras de este tipo. Los principales resultados obtenidos
son que el Lq y el Wq teniendo datos diferentes, la tendencia es
la misma, la utilización de una distribución es un factor
determinante dentro del modelamiento ya que cambia
significativamente el Lq y el Wq, siendo los factores que más
inciden el número de servidores y la utilización de una
distribución. En la cual concluye que con el desarrollo de la
simulación es posible conocer el comportamiento de las redes
de colas según la combinación de los factores que influyen en
ella y a partir de ese conocimiento alimentar un modelo de
16
optimización con el ánimo de asignar eficientemente los
recursos.
En los siguientes trabajos de proyectos de investigación encontramos
concordancia con nuestro punto de línea de espera del servicio, mediante el
análisis, que nos sirvió como base metodológica y teórica, para la
optimización del servicio en la empresa Consorcio Terminales GMP OIL
TANKING y sus costos.
2.2 Bases teóricas
2.2.1 Línea de espera
En muchas situaciones en la vida cotidiana, un fenómeno muy
común es la formación de colas. Esto suele ocurrir cuando la demanda
de un servicio es superior a la capacidad que existe para dar dicho
servicio. Ejemplos de esa situación son: Los cruces de dos vías de
circulación, los semáforos, el pago de los servicios en los bancos, los
cajeros automáticos, la atención a clientes en un establecimiento
comercial, etc.
(Shamblim & Stevens, 1986) hace que referencia:
La línea de espera es importante porque proporciona
tanto una base teórica del tipo de servicio que podemos
esperar de un determinado recurso, como la forma en la
cual dicho recurso puede ser diseñado para proporcionar
un determinado grado de servicio a sus clientes.
17
2.2.1.1 Historia
El origen de la línea de espera está en el esfuerzo de
Agner Kraup Erlang (Dinamarca, 1878 - 1929) en 1909 para
analizar la congestión de tráfico telefónico con el objetivo de
cumplir la demanda incierta de servicios en el sistema
telefónico de Copenhague. Sus investigaciones acabaron en una
nueva teoría denominada teoría de colas o de línea de espera.
Esta teoría es ahora una herramienta de valor en negocios
debido a que un gran número de problemas pueden
caracterizarse, como problemas de congestión llegada-salida.
2.2.1.2 Objetivos de la línea de espera
Identificar la capacidad máxima del sistema que
minimice el costo global.
Identificar y evaluar el impacto que las posibles
alternativas de modificación de la capacidad del
sistema.
Establecer un balance equilibrado (óptimo) entre las
consideraciones cuantitativas de costos y las cualitativas
de servicio.
2.2.1.3 Definición
(Taha, 2012) define:
Se conoce como línea de espera a una hilera
formada por uno o varios clientes que aguardan
para recibir un servicio. Los clientes pueden ser
18
personas, objetos, máquinas que requieren
mantenimiento, contenedores con mercancías en
espera de ser embarcados o elementos de
inventario a punto de ser utilizados. Las líneas
de espera se forman a causa de un desequilibrio
temporal ente la demanda de un servicio y la
capacidad del sistema para suministrarlo.
Cuando se refieren a línea de espera, se refiere a las
creadas por los clientes. Los clientes pueden esperar en una
cola, simplemente porque el sistema existente es inadecuado
para satisfacer la demanda de servicio. Los servidores pueden
estar esperando por que los sistemas son excesivos en relación
con la demanda de los clientes; en este caso, los servidores
podrían permanecer ociosos la mayor parte del tiempo. Los
clientes puede que esperen temporalmente, aunque las
instalaciones de servicio sean adecuadas, porque los clientes
llegados anteriormente están siendo atendidos.
En la teoría de la formación de colas, generalmente se
llama sistema a un grupo de unidades físicas, integradas de tal
modo que pueden operar al unísono con una serie de
operaciones organizadas. La teoría de la formación de colas
busca una solución al problema de la espera prediciendo
primero el comportamiento del sistema. Pero una solución al
problema de la espera consiste en no solo en minimizar el
tiempo que los clientes pasan en el sistema, sino también en
19
minimizar los costos totales de aquellos que solicitan el
servicio y de quienes lo prestan.
La teoría de colas incluye el estudio matemático de las
colas o línea de espera y provee un gran número de modelos
matemáticos para describirlas. Véase figura 1.
Figura 1. Sistema de Colas: Modelo básicoFuente. Elaboración propia
2.2.1.4 Elementos de un modelo de línea de espera
Fuente de entrada o población potencial.
Es un conjunto de unidades físicas (no necesariamente
seres vivos) que pueden llegar a requerir un servicio. Dicho
conjunto de unidades físicas podemos considerarla finita o
infinita. Aunque el caso de infinitud no es realista, sí permite
(por extraño que parezca) resolver de forma más sencilla
muchas situaciones en las que, en realidad, la población es
finita pero muy grande. Dicha suposición de infinitud no resulta
restrictiva cuando, aun siendo finita la población potencial, su
número de elementos es tan grande que el número de
individuos que ya están solicitando el citado servicio
20
prácticamente no afecta a la frecuencia con la que la población
potencial genera nuevas peticiones de servicio. Véase figura 2.
Cliente.
(Estrada, 2007) lo define como: “Es todo individuo de
la población potencial que solicita servicio”. Suponiendo que
los tiempos de los arribos de los clientes son consecutivos, será
importante conocer el patrón de probabilidad según el cual la
fuente de entrada genera clientes. Lo más habitual es tomar
como referencia los tiempos entre las llegadas de dos clientes
consecutivos: T{k} = tk - tk-1, fijando su distribución de
probabilidad. Normalmente, cuando la población potencial es
infinita se supone que la distribución de probabilidad de los Tk
(que será la llamada distribución de los tiempos entre llegadas)
no depende del número de clientes que estén en espera de
completar su servicio, mientras que en el caso de que la fuente
de entrada sea finita, la distribución de los Tk variará según el
número de clientes en proceso de ser atendidos. Véase figura 2.
Capacidad de la cola.
(Taha, 2012) lo define como: “Es el máximo número de
clientes que pueden estar haciendo cola (antes de comenzar a
ser servidos)”. Puede suponerse finita o infinita. Lo más
sencillo, a efectos de simplicidad en los cálculos, es suponerla
infinita. Aunque es obvio que en la mayor parte de los casos
reales la capacidad de la cola es finita, no es una gran
21
restricción el suponerla infinita si es extremadamente
improbable que no puedan entrar clientes a la cola por haberse
llegado a ese número límite en la misma. Véase figura 2.
Disciplina de la cola.
(Taha, 2012) lo define como: “Es el modo en el que los
clientes son seleccionados para ser servidos”. Es decir se refiere
al orden en que se atiende a los clientes Las disciplinas más
habituales son:
La disciplina FIFO (first in first out), también llamada
FCFS (first come first served): Según la cual se atiende primero
al cliente que antes haya llegado.
La disciplina LIFO (last in first out), también conocida
como LCFS (last come first served) o pila, que consiste en
atender primero al cliente que ha llegado el último.
Mecanismo de servicio.
(Shamblim & Stevens, 1986) lo define como: “Es el
procedimiento por el cual se da servicio a los clientes que lo
solicitan”. Para determinar totalmente el mecanismo de servicio
debemos conocer el número de servidores de dicho mecanismo
(si dicho número fuese aleatorio, la distribución de
probabilidad del mismo) y la distribución de probabilidad del
tiempo que le lleva a cada servidor dar un servicio. En caso de
que los servidores tengan distinta destreza para dar el servicio,
22
se debe especificar la distribución del tiempo de servicio para
cada uno. Véase figura 2.
Figura 2. Mecanismo de servicioFuente. Elaboración propia
2.2.1.5 Estructuras típicas de sistema de colas.
Una línea, un servidor:
Éste es el tipo más sencillo de estructura de línea de
espera y existen fórmulas muy directas para resolver el
problema para patrones de distribución estándares, de llegadas
y servicio.
Cuando las distribuciones no son estándar, el problema
se soluciona fácilmente mediante simulaciones en computador.
Un ejemplo típico de una situación de canal único y fase única
es la peluquería manejada por una sola persona. Véase figura 3.
Figura 3. Sistema de colas de una línea, un servidorFuente. Elaboración propia
23
Una línea, múltiples servidores:
Las ventanillas de cajeros en un banco y las cajas
registradoras en almacenes de departamentos con altos
volúmenes de ventas son ejemplos este tipo de estructura.
La dificultad que plantea este sistema es que el tiempo
de servicio desigual que se asigna a cada cliente redunda en una
velocidad o flujo desigual en las líneas.
Como resultado, algunos clientes son atendidos
primeros que otros que llegaron antes y hasta cierto punto se
producen cambios entre las líneas.
Para cambiar esta estructura con el fin de asegurarla
atención de los clientes en orden cronológico de llegada, sería
preciso formar una línea única desde la cual, a medida que se
desocupa un servidor, se llama al siguiente cliente en la línea.
El principal problema que plantea esta estructura es que
requiere un control rígido de la línea para mantener el orden y
dirigir a los clientes a los servidores disponibles.
En algunos casos, la asignación de números a los
clientes en orden de llegada ayuda a aliviar este problema.
Véase figura 4.
24
Figura 4. Sistema de colas de una línea, múltiples servidoresFuente. Elaboración propia
Varias líneas, múltiples servidores:
Esta estructura da a entender que la llegada del cliente,
conforme van llegando los clientes ellos pueden tener acceso al
sistema a diferentes tipos de colas, las cuales podrán tener
acceso a diferentes servidores en el sistema. Véase figura 5.
Figura 5. Sistema de cola de varias líneas, múltiples servidoresFuente. Elaboración propia
Una línea, servidores secuenciales:
Un centro de lavado de autos ilustra este tipo de
estructura, pues allí se realiza una serie de servicios (aspirar,
mojar, enjabonar, lavar, secar, limpiar ventanas y estacionar) en
tina secuencia bastante uniforme.
Uno de los factores críticos en el caso de canal único
con servicio en serie es la cantidad de acumulación de
elementos que se permite frente a cada servicio, lo cual a su vez
significa línea de espera separadas. Véase figura 6.
25
Figura 6. Sistema de cola de una línea, servidores secuencialesFuente. Elaboración propia
2.2.1.6 Nomenclatura
s : Número de servidores
n : Número de clientes en el sistema
N : Número máximo de clientes permitidos en el
sistema
Pn : Probabilidad en estado estable de que existan n
clientes en el sistema
L : Número promedio de clientes en el sistema
Lq : Número promedio de clientes en la fila
W : Tiempo promedio de permanencia en el sistema
Wq : Tiempo promedio de permanencia en la fila
P : Utilización promedio del servicio
Ct : Costo total promedio del sistema de líneas de
espera por unidad de tiempo
Ce : Costo promedio de servicio por cliente por
unidad de tiempo
26
Cq : Costo promedio de espera por cliente por unidad
de tiempo
2.2.1.7 Notación Kendall
Por lo general, las tasas de llegada y de servicio no se
conocen con certidumbre sino que son de naturaleza estocástica
o probabilística. Es decir los tiempos de llegada y de servicio
deben describirse a través de distribuciones de probabilidad y
las distribuciones de probabilidad que se elijan deben describir
la forma en que e comportan los tiempos de llegada o de
servicio.
En teoría de línea de espera o de colas se utilizan tres
distribuciones de probabilidad bastante comunes, están se
mencionan a continuación:
Markov
Determinística
General
La distribución de Markov, en honor al matemático
Markov quien identifico los eventos "sin memoria", se utiliza
para describir ocurrencias aleatorias, es decir, aquellas de las
que puede decirse que carecen de memoria acerca de los
eventos pasados.
Una distribución determinística es aquella en que los
sucesos ocurren en forma constante y sin cambio.
27
La distribución general sería cualquier otra distribución
de probabilidad. Es posible describir el patrón de llegadas por
medio de una distribución de probabilidad y el patrón de
servicio a través de otra.
Para permitir un adecuado uso de los diversos sistemas
de línea de espera, kendall, matemático británico elaboro una
notación abreviada para describir en forma sucinta los
parámetros de un sistema de este tipo. En la notación kendall
un sistema de línea de espera se designa como
A / B / C
En donde
A : Se sustituye por la letra que denote la distribución de
llegada.
B : Se sustituye por la letra que denote la distribución de
servicio.
C : Se sustituye por el entero positivo que denote el
número de canales de servicio.
2.2.1.8 Formulación del modelo
Modelo M/M/1 Este sistema trata de una distribución
de llegada Markoviano, tiempo de servicio Markoviano,
y un servidor.
28
Llegadas aleatorias (M / M / 1)
En las situaciones cotidianas es fácil encontrar ejemplos
de llegadas aleatorias, puesto que las llegadas serán aleatorias
en cualquier caso en la que una de ellas no afecte a las otras.
Un ejemplo clásico de llegadas aleatorias son las llamadas que
arriban a un conmutador telefónico o un servicio de
emergencia.
Se ha determinada que las ocurrencias aleatorias de un
tipo especial pueden describirse a través de una distribución
discreta de probabilidad bien conocida, la distribución de
Poisson. Este tipo especial de llegadas aleatorias supone
características acerca de la corriente de entrada. En primer
lugar, se supone que las llegadas son por completo
independientes entre sí y con respecto al estado del sistema.
En segundo lugar la probabilidad de llegada durante un
periodo específico no depende de cuando ocurre el periodo,
sino más bien, depende solo de la longitud del intervalo. Se
dicen que estas ocurrencias carecen de "memoria".
Si conocemos el número promedio de ocurrencias por
periodo, podemos calcular las probabilidades acerca del
número de eventos que ocurrirán en un periodo determinado,
utilizando las probabilidades conocidas de la distribución de
Poisson.
29
En particular, existe un promedio de llegadas en un
periodo “T”, la probabilidad de n llegadas en el mismo periodo
está dado por:
P [ nllegadas enel tiempoT ]= e−λT (λT )n
n! (1)
Tiempo de servicio aleatorio (M / M / 1)
Al igual que las llegadas aleatorias, la ocurrencia de
tiempos de servicios aleatorios, carentes de memoria, es suceso
bastante común en las situaciones cotidianas de línea de espera.
Y al igual que las llegadas aleatorias los tiempos de servicio
carentes de memoria se describen a través de una distribución
de probabilidad.
La diferencia entre las llegadas aleatorias y los tiempos
de servicio aleatorios es que estos se describen a través de una
distribución continua en tanto que las llegadas se describen a
través de una distribución de Poisson, que es discreta. Si la
duración de los tiempos de servicio es aleatoria, la distribución
exponencial negativa describe ese tipo de servicio. Si la m es la
tasa promedio de servicio entonces la distribución está dada
por:
F ( t )=me−mt (2)
Es posible emplear la ecuación 2 para calcular la
probabilidad de que el servicio sea más prolongado que alguna
duración especificada de tiempo “T”.
30
Características de operación
Para calcular las características de operación de una
cola M / M / 1, primero debemos de observar que sí l = tasa
promedio de llegadas y m = tasa promedio de servicio,
entonces “l” debe de ser menor que “m”. Si esto no ocurriera el
promedio de llegadas sería superior al número promedio que se
atienden y el número de unidades que están esperando se
volvería infinitamente grande. Si hacemos que r = l / m puede
denominarse a r como factor de utilización. Este valor es la
fracción promedio de que el sistema esté ocupado, también
sería el número promedio de unidades que están siendo
atendidas en cualquier momento. En términos de probabilidad
tendríamos que:
Pw = probabilidad de que el sistema esté ocupado.
Pw=λμ=p (3)
Entonces la probabilidad de que el sistema no esté
trabajando, o esté vacío, P0, puede obtenerse por medio de:
P0=1−Pw=1− λμ=1−p (4)
A partir de esto podemos obtener la probabilidad de que
haya n unidades en el sistema, Pn, mediante:
Pn=( P0 )( λμ )
n
=P0 pn (5)
31
En donde n es cualquier entero no negativo. Este
importante resultado nos permite calcular las características de
operación de la línea de espera.
La primera característica de operación que calculamos
es el número promedio de unidades que se encuentran en el
sistema, ya sea esperando o siendo atendidas. Denominaremos
a este número promedio de unidades promedio, L. Entonces
tenemos que:
L= p1−p
= λμ− λ
(6)
Con estos valores obtenidos podemos calcular el
número promedio de unidades que esperan ser atendidas, Lq.
Dado que “L” es el número de unidades que están esperando o
están siendo atendidas, y r es el número promedio de unidades
que están siendo atendidas en algún momento dado entonces:
L=Lq+r (7)
A partir de esto es fácil observar que:
Lq=L−r (8)
O también podríamos decir que
Lq=p2
1−p= λ2
μ(μ−λ) (9)
Ahora examinamos el tiempo de espera. Utilizando W
para representar el tiempo promedio o esperado que una unidad
32
se encuentra en el sistema. Para encontrar W, observamos que
Lq es el número esperado de unidades en el sistema y L es el
número promedio de unidades que llegan para ser atendidas por
periodo, entonces el tiempo promedio de cualquier unidad que
llega debe estar en el sistema está dado por:
W = tiempo promedio de una unidad en el sistema.
W =Lλ= 1
μ−λ (10)
De manera similar, el tiempo esperado o promedio que
una unidad tiene que esperar antes de ser atendida, Wq, está
dado por:
W q=Lq
λ= λ
μ(μ−λ) (11)
En la siguiente figura se representa este modelo.
Figura 7. Modelo M/M/SFuente. Elaboración propia
Modelo M/M/S. Este modelo supone llegadas y tiempos
de servicio aleatorios para canales de servicio múltiples,
teniendo las mismas consideraciones que le modelo de canal
único de servicio (M / M / 1), excepto que ahora existe una sola
33
fila de entrada que alimenta los canales múltiples de servicio
con iguales tasas de servicio.
El cálculo de las características de la línea de espera
para el modelo M / M / S es algo más complicado que los
cálculos para el caso de canal único, y dado que
primordialmente nos interesa las implicaciones de estas
características más que las formulas necesarias para calcularlos,
nos apoyaremos en el uso de tablas elaboradas a partir de estas
fórmulas para hacer los cálculos.
Características de operación.
En el modelo M / M / S, si m es la tasa promedio de
servicio para cada uno de los S canales de servicio, entonces ya
no se requiere que m > l, pero Sm debe ser mayor que l para
evitar una acumulación infinita de línea de espera. En el caso
de M / M / S, la característica que se utilizará para hacer los
demás cálculos es la probabilidad de que el sistema esté
ocupado. En otras palabras, la probabilidad es que haya S o
más unidades en el sistema. En este caso todos los canales de
servicio se estarán utilizando y por ello se dice que el sistema
está ocupado. Esto se representa como:
P (sistema ocupado )=P(n≥ S) (12)
Y se calcula por medio de la siguiente ecuación:
P (sistema ocupado )= ps(μS)S !(μS−λ)
x P0 (13)
34
En donde Po está representado por:
P0=1
∑n=0
n=S−11
n! ( λμ )
n
+ 1S ! ( λ
μ )S
( SμSμ− λ )
(14)
Con las ecuaciones anteriores se calcula los demás datos
que requiera el sistema. En el modelo M / M / S, al igual que el
modelo M / M / 1, se tiene que L = Lq + r, pero aquí se utiliza
el valor P(sistema ocupado) para calcular Lq:
Lq=P ( sistema ocupado ) x pS−p
(15)
Ahora se calcula el valor L:
Lq=P ( sistema ocupado ) x pS−p
+ p (16)
En el caso de M / M / S, al igual que en el modelo M /
M / 1, W = L / l y Wq = Lq / l , por ello se tiene que
W =1λ [P ( sistema ocupado ) x
pS−p
+ p] (17)
W q=1λ [P ( sistema ocupado ) x p
S−p ] (18)
En la siguiente figura se representa este modelo.
35
Figura 8. Modelo M/G/1Fuente. Elaboración propia
Modelo M/G/1.- Sistema de línea de espera con
llegadas aleatorias, distribución general de los tiempos de
servicio (para el cual se supone conocida la desviación
estándar), un canal de servicio y una línea de espera.
En este modelo las llegadas se distribuyen de acuerdo
con la distribución de Poisson, al igual a los casos anteriores,
pero los tiempos de servicio no necesariamente se distribuyen
de acuerdo con la distribución exponencial negativa. Si
consideramos el caso en que solo existe un solo canal, estamos
considerando el caso M / G / 1, es decir, llegadas de tipo
Markov, tiempo de servicio general y un canal de servicio.
La razón por la que podemos considerar el caso
M / G / 1 es que las fórmulas que se utilizan para calcular sus
características de operación son bastantes simples. Al igual que
en el caso M / M / S, no es posible calcular en forma directa el
número esperado de unidades en el sistema (L). Para esto
primero debe de calcularse el número de unidades que están
esperando a ser atendidas (Lq), y utilizar este resultado para
36
calcular el valor de L. Para calcular el valor de Lq debemos de
conocer el valor de la desviación (s) estándar de la distribución
que distingue los tiempos de servicio. Si no se conoce la
distribución de los tiempos de servicio no es posible determinar
las características de operación.
Ahora si conocemos la desviación estándar y la media
de la distribución de los tiempos de servicio, puede obtenerse
fórmula para el valor de Lq a partir de la siguiente ecuación.
Lq=λ2σ 2+( λ
μ)
2
2(1− λμ )
(19)
Si utilizamos Lq podemos determinar el valor de L, por
medio de la siguiente ecuación:
L=Lq+ p (20)
Al igual que las características de operación de los
modelos M / M / 1 y M / S / 1, podemos calcular el tiempo
esperado en el sistema de línea de espera (W), y el tiempo que
se invierte antes de ser atendido (Wq), esto lo podemos realizar
por medio de las siguientes ecuaciones:
37
W =Lλ
(21)
W q=Lq
λ (22)
2.2.1.9 Servidores
(Shamblim & Stevens, 1986) hace referencia que:
“Representan al mecanismo por el cual las transacciones
reciben de una manera completa el servicio deseado. Estas
entidades se encuentran dispuestas en forma paralela a la fila,
donde pueden seleccionar a cualquiera de ellas para el
suministro de dicho servicio”. Las dos principales
características de los servidores son: La cantidad asignada por
cada cola existente en el sistema y la distribución de
probabilidad del tiempo de atención o la velocidad de servicio;
dentro de las distribuciones más comunes están la exponencial,
la Erlang, la hiperexponencial, entre otras.
Numero de servidores
(Taha, 2012) define que: “Es la cantidad de servidores
que se va a tener en el sistema, la cual siempre se hallará el
número apropiado de servidores que minimizan el costo de
operación del sistema”.
Es evidente que es preferible utilizar sistemas
multiservidor con una única línea de espera para todos que con
una cola por servidor. Por tanto, cuando se habla de canales de
38
servicio paralelos, se habla generalmente de una cola que
alimenta a varios servidores mientras que el caso de colas
independientes se asemeja a múltiples sistemas con sólo un
servidor.
Rendimiento de servidores
(Taha, 2012) define que: “Los servidores pueden tener
un tiempo de servicio variable, en cuyo caso hay que asociarle,
para definirlo, una función de probabilidad. También pueden
atender en lotes o de modo individual”.
El tiempo de servicio también puede variar con el
número de clientes en la cola, trabajando más rápido o más
lento, y en este caso se llama patrones de servicio dependientes.
Al igual que el patrón de llegadas el patrón de servicio puede
ser variable con el tiempo transcurrido.
Capacidad del sistema
(Taha, 2012) define que:
Es el máximo número de clientes que pueden
estar haciendo cola (antes de comenzar a ser
servidos). De nuevo, puede suponerse finita o
infinita. Lo más sencillo, a efectos de
simplicidad en los cálculos, es suponerla
infinita. Aunque es obvio que en la mayor parte
de los casos reales la capacidad de la cola es
finita, no es una gran restricción el suponerla
39
infinita si es extremadamente improbable que no
puedan entrar clientes a la cola por haberse
llegado a ese número límite en la misma.
Estudio de tiempos
(García, 2008) sostiene que: “Es la técnica consistente
en establecer un estándar de tiempo permisible para realizar
una tarea determinada, tomando como base la medición del
contenido de trabajo del método prescrito, con la debida
consideración de la fatiga y los retrasos inevitables”.
2.2.2 Optimización del servicio
2.2.2.1 Optimización
(Aguilera, 2010)
La investigación operativa tiene sus orígenes en
la segunda guerra mundial, debido a la
necesidad urgente de asignación de recursos
escasos en las operaciones militares, en
problemas tácticos y estratégicos. Estas mismas
técnicas se han extendido con posterioridad a las
empresas.
Disciplinas típicas de la investigación operativa
son la optimización con sus múltiples sabores
(lineal, no lineal, entera, estocástica,
40
multiobjetivo), teoría de la decisión y de juegos,
teoría de colas y simulación, teoría de grafos o
flujos de redes.
La optimización es una parte relevante dentro de
la investigación operativa tuvo un progreso
algorítmico inicial muy rápido. Muchas técnicas
de programación lineal y programación
dinámica.
La optimización consiste en la selección de una
alternativa mejor, en algún sentido, que las
demás alternativas posibles. Es un concepto
inherente a toda la investigación operativa.
2.2.2.2 Servicio
(Estrada, 2007) sostiene que: “Es el conjunto de
actividades interrelacionadas que ofrece un suministrador con
el fin de que el cliente obtenga el producto en el momento y
lugar adecuado y se asegure un uso correcto del mismo”. El
servicio al cliente es una potente herramienta de diferenciación
con la competencia. Se trata de una herramienta que puede ser
muy eficaz en una empresa si es utilizada de forma adecuada,
para ello se deben desarrollarse orientaciones al mercado a
través de una calidad de trato, encaminadas a identificar las
necesidades de los clientes para satisfacerlas, logrando de este
modo cubrir sus expectativas.
41
También se puede decir que son las relaciones que se
establecen entre el personal de la empresa y los clientes con las
cuales trata directamente. Esta frase destaca que el servicio al
cliente es una gama de actividades que en conjunto originan
una relación.
2.2.2.3 Costo del sistema de línea de espera
Un sistema de línea de espera puede dividirse en sus dos
componentes de mayor importancia, la cola y la instalación de
servicio.
Las llegadas son las unidades que entran al sistema para
recibir el servicio, siempre se unen primero a la cola; si no hay
línea se dice que la cola está vacía. De la cola las llegadas van a
la instalación de servicio de acuerdo con la disciplina de cola,
es decir, de acuerdo con la regla para decir cuál de las llegadas
se sirve después. El primero en llegar primero en ser servido es
una regla común, Una vez que se completa el servicio, las
llegadas se convierten en salidas.
Ambos componentes del sistema tiene costos asociados
que deben considerarse.
Costo de servicio
Determinar el costo de servicio es más sencillo, en
concepto, que determinar el costo de espera. En la mayoría de
las aplicaciones se tratará de comparar varias instalaciones de
servicio, dos cajeras en un banco contra tres, una brigada de
42
cuatro contra cinco, una caja de una tienda contra dos. En estos
casos, sólo se necesitan los costos comparativos o diferenciales.
Por ejemplo, si se quiere saber cuántas cajas de autobanco
deben tener personal, sólo se necesitan los costos de personal.
Por otra parte, si la pregunta es cuantas cajas se deben instalar,
entonces se necesitan los costos de instalación y los de
operación de cada ventanilla.
Costo de espera
Esperar es estar inútil. Es desperdicio. Significa que
algún recurso está inactivo cuando podría usarse en forma más
productiva (o agradable) en otra parte. De hecho, representa un
costo de oportunidad. Cuando los camiones esperan inútiles en
una cola de un muelle de carga y descarga, se pierde su
productividad, es dinero que se pierde y no puede recuperarse.
Cuando los clientes esperan en la cola de un banco, el
costo de espera es indirecto. Es cierto que no se hace ningún
pago cuando un cliente disgustado se va porque la cola es
demasiado larga, pero el banco paga esta espera de otra manera.
Los clientes se quejan quitando tiempo a los empleados .Dejan
de venir, causando que se pierdan oportunidades de ganancia.
Si el problema continua, podrían hacer que banco quiebre.
Este costo intangible es tan real como cualquier dinero
que se saca del bolsillo.
43
Cuando el costo de espera es medible, como en el caso
de los camiones en el muelle de carga y descarga, los cálculos
son directos. Partiendo de la nómina y otros gastos contables
puede encontrase el costo por hora: como el costo de espera
casi siempre es proporcional al tiempo de espera, puede
expresarse como el costo de espera por hora multiplicado por la
longitud promedio de la línea:
Costo total de espera = CwL
En donde: Cw = Costo de espera en $ por llagada por
unidad de tiempo y la longitud promedio de la línea.
Con frecuencia es difícil dar una cantidad en dinero
para el costo de espera de los clientes que están en una línea.
Existen dos formas de manejar el costo intangible del
tiempo de espera de los clientes. Una es pedir a las personas
con conocimiento que estimen el valor promedio del tiempo de
un cliente, tomando en cuenta los factores psicológicos y
competitivos de la situación. Después casi siempre se supone
linealidad (es más fácil) y se usa la fórmula anterior para
encontrar el costo de espera total. El segundo método tiene un
enfoque indirecto que establece un tiempo máximo de espera
para el cliente promedio, este se usa después para determinar la
capacidad del servicio. Con este punto de vista por supuesto,
todavía existe el costo de espera pero no se usa en forma
explícita.
44
2.2.2.4 Clientes atendidos
(Estrada, 2007) define que: “Es una persona impulsada
por un interés personal y que tiene la opción de recurrir a una
organización en busca de un producto o servicio”.
Los clientes atendidos la encontramos no sólo en el
campo comercial, empresarial o institucional, sino también en
la vida diaria, cuando somos pasajeros, estudiantes, pacientes;
ellos son los clientes o público usuario según sea el caso, que
buscan satisfacer una necesidad.
Número de clientes
Toda empresa cuenta con clientes a quienes se les
brinda un bien o servicio, el fin de cualquier empresa es captar
y mantener clientes, en una cantidad mínima que le brinde una
razón para continuar ofreciendo productos o servicios que
generen beneficios a la organización.
2.2.3 WinQSB
Este programa resuelve la actuación de una sola fase de un
sistema de colas. La fase única que hace cola en un sistema tiene
elementos mayores incluso una población del cliente, una cola, y único
o múltiples servidores (canales). la población del Cliente puede
limitarse o ser ilimitada (infinita) con un modelo de llegada
especificado (distribución); la cola puede limitarse o ser de longitud
ilimitada; y se pueden asumir servidores múltiples para ser idénticos
con una distribución de tiempo especifica. El sistema de colas se
45
evalúa según las medidas populares como número promedio
de clientes en el sistema, el número promedio de clientes en la cola, el
número de clientes en la cola para un sistema ocupado, el tiempo
promedio que un cliente pasa en el sistema, tiempo promedio que un
cliente pasa en la cola en un sistema ocupado, la probabilidad que
todos los servidores están ociosos, la probabilidad que un cliente se
encuentre en espera al llegar al sistema, el número promedio de
clientes sin atender por unidad de tiempo, el costo total de
un servidor ocupado por unidad de tiempo, el costo total de un servidor
ocioso por unidad de tiempo, costo total del cliente que se encuentra en
espera por unidad de tiempo, costo total del cliente que se ha atendido
por unidad de tiempo, costo total del cliente que no se atendió por
unidad de tiempo, longitud total de la cola por unidad de tiempo, y el
costo total del sistema por unidad de tiempo.
2.2.3.1 Queuing Analysis (Análisis de colas)
Este programa resuelve el rendimiento de sistemas de
colas de etapa simple usando la fórmula de cercanía,
aproximación o simulación.
Queuing Analysis (QA) realiza el análisis de
sensibilidad según un rango especificado de número de
servidores, proporción de servicio (m), coeficiente de presión
de servicio, proporción de la llegada (l), el tamaño del lote
(volumen), coeficiente de retardación de llegada, la capacidad
de la cola, población del cliente, costo de servidor ocupado por
46
unidad de tiempo, costo de servidor ocioso por unidad de
tiempo, costo de cliente en espera por unidad de tiempo, costo
de cliente servido por unidad de tiempo, costo por cliente sin
atender por unidad de tiempo, costo unitario de la capacidad de
la cola, la capacidad de la cola, población del cliente, costo de
servidor ocupado por unidad de tiempo, costo de servidor
ocioso por unidad de tiempo, costo por cliente en espera por
unidad de tiempo, costo por cliente servido por unidad de
tiempo, el costo por cliente no atendido, o costo por capacidad
de cola unitaria. Queuing Analysis resuelve y compara las
actuaciones según la entrada, salida, y valores del paso del
parámetro seleccionado.
Las capacidades específicas de Queuing Analysis
incluyen:
Análisis de la actuación de la cola.
Análisis de sensibilidad para los parámetros del sistema.
Análisis de capacidad para colas y capacidad de
servicio.
Simulación - la alternativa para la evaluación de la
actuación.
15 distribuciones de probabilidad para el tiempo
de servicio, los tiempos entre llegadas, y tamaño de lote
de llegada.
Muestra la actuación de la cola y análisis del costo.
47
Muestra un gráfico que muestra el análisis de
sensibilidad.
Entrada de los datos simple para los sistemas M/M.
2.2.3.2 Simulación Montecarlo
(López, 2008) sostiene que: “La simulación es la
imitación de un proceso del mundo-real o sistema a lo largo del
tiempo. La simulación involucra la generación
de eventos artificiales o procesos para el sistema y recolecta las
observaciones para dibujar cualquier inferencia sobre el sistema
real”. Una simulación de eventos discretos simula sólo eventos
que cambian el estado de un sistema. QA realiza la simulación
de eventos discretos simulando los dos eventos mayores en el
sistema de colas: LLegada del cliente y realización de servicio.
El método de Montecarlo emplea los modelos
matemáticos o la transformación inversa para generar variables
del azar para los eventos artificiales y colecciona
observaciones. QA también acostumbra usar la transformación
inversa para generar el tiempo de servicio, el tiempo entre
llegadas, y tamaño del lote que guía el evento del sistema de
formación de colas.
2.3 Definiciones conceptuales
2.3.1 Línea de espera
(Taha, 2012) define que:
48
Una línea de espera es el efecto resultante en un sistema
cuando la demanda de un servicio supera la capacidad
de proporcionar dicho servicio. Este sistema está
formado por un conjunto de servidores en paralelo que
proporcionan un servicio a las unidades o individuos
que aleatoriamente ingresan al sistema. Dependiendo
del sistema que se trate, donde los servidores pueden ser
cajeros, máquinas, semáforos, grúas, etc; mientras que
las unidades o individuos pueden ser: Clientes, piezas,
autos, barcos, etc. Tanto el tiempo de servicio como las
entradas al sistema son fenómenos que generalmente
tienen asociadas fuentes de variación que se encuentran
fuera del control del tomador de decisiones, de tal forma
que se hace necesaria la utilización de modelos
estocásticos que permitan el estudio de este tipo de
sistemas.
2.3.2 Estudio de tiempos
(Meyers, 2000) sostiene que:
Es la actividad que implica la técnica de establecer un
estándar de tiempo permisible para realizar una tarea
determinada, con base en la medición del contenido del
trabajo del método prescrito, con la debida
consideración de la fatiga y las demoras personales y
los retrasos inevitables.
49
2.3.3 Optimización del servicio
(Figuera, 2006) sostiene que: “La optimización de servicio no
se refiere ahorrar o suprimir, se define como la mejor forma de realizar
una actividad”.
En la actualidad la optimización de los recursos tiene que ver
con la eficiencia (que utilicemos los recursos de la mejor manera
posible, obteniendo los mayores beneficios con los mínimos costos).
La eficiencia tiene una estrecha relación con la eficacia (ya que esta
hace énfasis en los resultados, lograr objetivos y crear valores) para
optimizar recursos no tendría que ser solo eficiente sino que también
ser eficaz.
2.3.4 Capacidad del sistema
(Taha, 2012) define que: “Que es elmáximo nivel de
producción que puede soportar una unidad productiva concreta, en
circunstancias normales de funcionamiento durante un periodo de
tiempo determinado”.
Se expresa en unidades relacionadas con periodos de tiempo:
Horas máquina diarias, horas hombre por semana, volumen anual,
clientes atendidos diariamente, etc.
2.3.5 Costo de espera
(Shamblim & Stevens, 1986) define que:
Es estar inútil. Significa que algún recurso está inmóvil
u ocioso cuando podría usarse en forma más productiva
50
en otra parte. De hecho, representa un costo de
oportunidad. Cuando los camiones esperan inútiles en
una cola de un muelle de carga y descarga, se pierde su
productividad, es dinero que se pierde y no puede
recuperarse.
Es importante determinar este costo en las entidades porque nos
permite identificar cuanto se afecta al usuario o cliente, cuando éste
podría poder estar utilizando sus recursos o su tiempo en otras
ocupaciones.
2.3.6 Servicio
(Estrada, 2007) define que: “Es la acción que efectuamos en
beneficio de nuestros clientes/público usuario, mostrando interés y
brindando una atención especial”.
Prestar un servicio implica el interés que ponemos para
descubrir las necesidades y deseos de nuestros clientes o público
usuario, a fin de efectuar las acciones necesarias para satisfacerlas. El
servicio es inmaterial, no podemos llevarlo en nuestros maletines, se
encuentra en nuestro interior, tiene consecuencias favorables en el
cliente/público usuario y brinda satisfacción profesional a quien la
proporciona.
2.3.7 Servidores
(García, 2008) define que:
51
Es el mecanismo por el cual las transacciones reciben
de una manera completa el servicio deseado. Estas
entidades se encuentran dispuestas en forma paralela a
la fila, de tal manera que las transacciones pueden
seleccionar a cualquiera de ellas para el suministro de
dicho servicio.
2.3.8 Modelo de línea de espera
(Taha, 2012) define que:
Un sistema de espera se representa mediante la llegada
de transacciones a un sistema con el fin de recibir un
servicio por cualquiera de una o más entidades
dispuestas para ello, conocidas como servidores. En
caso de que todas las entidades se encuentren ocupadas,
la transacción permanece en espera en la fila hasta que
decide abandonar la fila sin ser atendido, o bien, es
seleccionado de acuerdo con cierta regla para recibir
atención. Una vez que el servicio ha sido
completamente proporcionado, la transacción sale del
sistema y se convierte de nuevo en una transacción
potencial.
2.3.9 Cliente
(Estrada, 2007) define que: “Es una persona impulsada por un
interés personal y que tiene la opción de recurrir a nuestra
52
organización en busca de un producto o servicio, o bien de ir a otra
institución”.
A esta persona la encontraremos no sólo en el campo
comercial, empresarial o institucional, sino también en la política, en la
vida diaria, cuando somos pasajeros, estudiantes, pacientes; ellos son
los clientes o público usuario según sea el caso, que buscan satisfacer
una necesidad.
2.3.10 Costo de servicio
(Shamblim & Stevens, 1986) define que: “Es el costo de
operación del servicio brindado, es más fácil de estimar, el objetivo de
un sistema de colas es encontrar el sistema del costo total mínimo”.
2.4 Formulación de la hipótesis
2.4.1 Hipótesis general
Si determinamos el modelo de línea de espera; entonces, se
optimizará el servicio de despacho de combustible en la empresa
Consorcio Terminales GMP OIL TANKING – Supe Puerto, 2014.
2.4.2 Hipótesis Específicos
1. La distribución de arribos de clientes, influye
significativamente en la optimización del servicio de despacho
de combustible en la empresa Consorcio Terminales GMP OIL
TANKING – Supe Puerto, 2014.
2. Los servidores influyen significativamente en la optimización
del servicio de despacho de combustible en la empresa
53
Consorcio Terminales GMP OIL TANKING – Supe Puerto,
2014.
3. La capacidad del sistema influye significativamente en la
optimización del servicio de despacho de combustible en la
empresa Consorcio Terminales GMP OIL TANKING – Supe
Puerto, 2014.
54
M
Ox
Oy
rM
Dónde:M: MuestraOx: Observación de la variable independienteOy: Observación de la variable dependienter: coeficiente de correlación
3 METODOLOGÍA
CAPÍTULO III
METODOLOGÍA
_____________________
3.1 Diseño Metodológico
3.1.1 Tipo
La investigación es de tipo aplicada, debido a que utilizaremos
de los conocimientos teóricos en la práctica basados en nuestras
variables, para aplicarlos, en la investigación, para provecho de la
empresa.
El nivel de la investigación que se empleará será:
Correlacional: Porque se pretende medir el impacto al
relacionar las variables, línea de espera y optimización del servicio.
55
3.1.2 Enfoque
El enfoque de la investigación es cuantitativo, debido a que se
utilizó una recolección de datos para conocer y medir el fenómeno en
estudio, encontrar soluciones para la misma; la cual trae consigo la
afirmación o negación de la hipótesis establecida en dicho estudio.
3.2 Población y Muestra
3.2.1 Población
La población está comprendida por un promedio de 345
cisternas (clientes) que ingresan semanalmente al terminal de la
empresa Consorcio Terminales GMP OIL TANKING – Supe Puerto.
3.2.2 Muestra
La muestra, se determinó mediante la fórmula estadística:
n= Z2∗N∗p∗qe2∗(N−1 )+Z2∗p∗q
(23)
Sabiendo que:
p : Probabilidad de éxito(50 %)
q : Probabilidad de fracaso (50 %)
Z : Estadístico Z ,a un95 % deconfianza (1.96)
N :Tamaño de la población(345 choferes)
e : Presición oerror maximo admisible (5%)
56
n :Tamaño de la muestra
El tamaño de la muestra es el siguiente:
n= 1.962∗345∗0.5∗0.50.052∗(345−1 )+1.962∗0.5∗0.5
(24)
n=183 choferes
Ajustando el valor de n
n0=n
1+nN
= 183
1+183345
=119.57≅ 120 (25)
Muestra ajustada: n0=120 choferes
3.3 Análisis de Dimensiones
Tabla 1. Análisis de dimensiones
TESIS
DIMENSIÓN: LÍNEA DE ESPERA
DIMENSIÓN: OPTIMIZACIÓNDEL SERVICIO
Distribución del Proceso
ServidoresCapacidad
del Sistema
CostosNúmero de
Clientes atendidos
T1 (Clemente, 2008) x x X
T2 (Márquez, 2012) x x x
T3(Guevara & Rivadeneira , 2011)
x x x X
T4 (Barrena, 2011) x x X
T5 (Martínez, 2009) x x x x
T6 (Cazorla, 2014) x x x X
T7(Gonzales & Sepúlveda, 2010)
x x
T8 (Ayala, 2007) x x x x X
T9 (Ortiz, 2004) x x x X
T10 (Acosta & Muñoz, 2009) x x X
TOTAL 10 7 6 5 7
Fuente. Elaboración propia
3.4 Operacionalización de Variables e Indicadores
Tabla 2. Operacionalización de variables e indicadores
VARIABLES DIMENSIONES INDICADORES
57
V. I
nd
epen
die
nte
X: Línea de espera: Una línea de espera o teoría de colas es una colección de modelos matemáticos que describen sistemas de línea de espera particulares o de sistemas de colas. Los modelos sirven para encontrar un buen compromiso entre costes del sistema y los tiempos promedio de la línea de espera para un sistema dado.
X1: Distribución de arribos
X1.1: Distribución de llegadasX1.2: Distribución del tiempo de servicio.X1.3: Diseño de ServidoresX1.4: Disciplina de servicioX1.5: Tamaño de la línea de espera (finito o infinito).
X2: ServidoresX2.1: Número de ServidoresX2.2: Rendimiento de Servidores
X3: Capacidad del Sistema
X3.1: Estudio de Tiempos
V. D
epen
die
nte Y: Optimización del Servicio: se
define servicio a un conjunto de tareas desarrolladas por una compañía para satisfacer las exigencias de sus clientes.
Y1: Beneficios Y1.1: Costo de ServicioY1.2: Costo de Espera
Y2: Clientes atendidos Y2.1: Numero de cisternas
Fuente. Elaboración propia
3.5 Técnicas e Instrumentos de recolección de datos
3.5.1 Técnica a emplear
Para analizar la información se utilizarán las siguientes
técnicas:
Documentación
Indagación
Comprensión
3.5.2 Descripción de los Instrumentos
La información necesaria para llevar a cabo este trabajo de
investigación, se obtuvo de los siguientes instrumentos de recolección:
58
Cuestionario: El diseño consta de dos partes, la primera acorde
con la línea de espera (variable X) y la segunda correspondiente
al de Servicio (variable Y); la evaluación se realizó en base a la
escala valorativa de Likert el cual fue validada mediante 3
juicios de expertos.
Encuestas: Se aplicó con el objetivo de obtener toda la
información correspondiente sobre la línea de espera, y los
correspondientes a los servicios que se dan en la actualidad,
siendo estas encuestas dirigidas tanto como al personal y a los
clientes de la empresa Consorcio Terminales GMP OIL
TANKING.
Entrevistas: Se realizaron a todo el personal involucrado en el
proceso y a los clientes de la empresa Consorcio Terminales
GMP OIL TANKING para determinar la validez de la hipótesis
y su respectiva solución basada en un modelo de línea de
espera.
Análisis documental: Se utilizó para analizar información
bibliográfica y otros aspectos relacionados con la investigación.
3.6 Técnicas para el procesamiento de la Información
Para el procesamiento de la información se utilizarán las siguientes
técnicas:
Ordenamiento y clasificación
Registro manual
59
Procesamiento computarizado con Excel
Procesamiento computarizado con SPSS Statistics 17.0
Procesamiento computarizado con WinQSB
Procedimiento computarizado con Stat Fit
60
4 RESULTADOS
CAPÍTULO IV
RESULTADOS
_____________________
Una vez establecidos los antecedentes así como, los conceptos básicos
teóricos, en este capítulo se presenta el proceso de recopilación de los datos
necesarios, así como los procedimientos para elaborar el modelo de línea de espera.
Como se señaló en el marco teórico sobre la línea de espera, se necesita saber
la tasa de llegada de los clientes y la tasa de tiempo de servicio de los mismos. Para
lograr este propósito se necesita hacer un análisis estadístico de los datos para obtener
su distribución de probabilidad y así clasificar el modelo de colas de cada una de las
estaciones de trabajo.
La forma en que se tomó los datos necesarios para la investigación fue de
observación directa del comportamiento de la línea de espera.
Todas las tablas de este capítulo fueron elaboradas en Excel y las imágenes de
los programas utilizados fueron capturadas directamente de la pantalla.
61
4.1 Recolección de la muestra
4.1.1 Diseño y forma de la extracción de los datos
4.1.1.1 Aleatorización de la muestra
En este estudio no se tomaron las colas internas ya que
sería igual que estén esperando en el estacionamiento externo o
interno, y el tiempo de cola ya se toma con la tasa de arribo
La Aleatorización de la muestra se realizó mediante el
programa STATS, de un total de 52 semanas, se eligió
aleatoriamente 4 semanas del año 2014 para la presente
investigación.
62
Tabla 3. Cuadro de números aleatorios por semana del año 2014Semanas Fechas
1 30/12/2013 - 05/01/20142 06/01/2014 - 12/01/20143 13/01/2014 - 19/01/20144 20/01/2014 - 26/01/20145 27/01/2014 - 02/02/20146 03/02/2014 - 09/02/20147 10/02/2014 - 16/02/20148 17/02/2014 - 23/02/20149 24/02/2014 - 02/03/2014
10 03/03/2014 - 09/03/201411 10/03/2014 - 16/03/201412 17/03/2014 - 23/03/201413 24/03/2014 - 30/03/201414 31/03/2014 - 06/04/201415 07/04/2014 - 13/04/201416 14/04/2014 - 20/04/201417 21/04/2014 - 27/04/201418 28/04/2014 - 04/05/201419 05/05/2014 - 11/05/201420 12/05/2014 - 18/05/201421 19/05/2014 - 25/05/201422 26/05/2014 - 01/06/201423 02/06/2014 - 08/06/201424 09/06/2014 - 15/06/201425 16/06/2014 - 22/06/201426 23/06/2014 - 29/06/201427 30/06/2014 - 06/07/201428 07/07/2014 - 13/07/201429 14/07/2014 - 20/07/201430 21/07/2014 - 27/07/201431 28/07/2014 - 03/08/201432 04/08/2014 - 10/08/201433 11/08/2014 - 17/08/201434 18/08/2014 - 24/08/201435 25/08/2014 - 31/08/201436 01/09/2014 - 07/09/201437 08/09/2014 - 14/09/201438 15/09/2014 - 21/09/201439 22/09/2014 - 28/09/201440 29/09/2014 - 05/10/201441 06/10/2014 - 12/10/201442 13/10/2014 - 19/10/201443 20/10/2014 - 26/10/201444 27/10/2014 - 02/11/201445 03/11/2014 - 09/11/201446 10/11/2014 - 16/11/201447 17/11/2014 - 23/11/201448 24/11/2014 - 30/11/201449 01/12/2014 - 07/12/201450 08/12/2014 - 14/12/201451 15/12/2014 - 21/12/201452 22/12/2014 - 28/12/2014
Fuente. Elaboración propia
Se generaron 4 números aleatorios en el programa
STATS como se muestra en el anexo 14. De las 52 semanas
ingresadas, el programa reportó que las semanas muestreadas
63
son la semana 37, la semana 25, la semana 7 y la semana 8 del
año 2014.
Tabla 4. Semanas elegidas aleatoriamente
Semanas Fechas
37 08/09/2014 – 14/09/2014
25 16/06/2014 - 22/06/2014
7 10/02/2014 – 16/02/2014
8 17/02/2014 – 23/02/2014
Fuente. Elaboración propia
4.1.1.2 Elaboración de formatos de monitoreo de tiempos de
servicio
Para la facilitación y obtención de datos en la toma de
muestra de las 4 semanas se realizaron 11 formatos, que
ayudaran a la siguiente investigación.
Formato 1: Arribo de los camiones, considerando un
patrón de arribos, este formato se tomara la muestra de
las 2 primeras semanas de trabajo. (Anexo 3)
Formato 2: Atención en mayorista, Tiempo neto en el
que el chofer permanece en el mayorista que genera la
venta del producto. (Anexo 4)
Formato 3: Instrucción de carga, desde que el
Transportista alcanza la ventanilla hasta que le entrega
la Instrucción de carga, en este tiempo está la validación
de la orden en el SCOP y el ingreso de la orden de carga
en el DANTAS. (Anexo 5)
Formato 4: Tiempo de desplazamiento de la puerta
entrada a la zona el estacionamiento interna. Tiempo
64
neto que le toma al chofer desplazar la cisterna desde la
puerta entrada hasta la zona de estacionamiento interno.
(Anexo 6)
Formato 5: Atención en puerta entrada, Tiempo neto
que le toma al vigilante verificar los datos y hacer pasar
la cisterna. (Anexo 7)
Formato 6: Tránsito de estacionamiento interno a isla,
Tiempo neto que le toma al chofer desplazar la cisterna
desde la zona de estacionamiento interno hacia la isla.
(Anexo 8)
Formato 7: Tránsito de isla a estacionamiento interno,
tiempo neto que le toma al chofer desplazar la cisterna
desde la isla hasta la zona de estacionamiento interno,
este recorrido se da cuando la cisterna requiere llenar
otro tipo de combustible y no está disponible la isla por
estar ocupada. (Anexo 9)
Formato 8: Tránsito a Precintado, tiempo neto que le
toma al chofer desplazar la cisterna desde la isla hacia la
cola del área de precintado. (Anexo 10)
Formato 9: Precintado y Revisión, tiempo que le toma
al precintador verificar los datos y cerrar los
compartimentos. (Anexo 11)
Formatos 10 y 11: Son formatos adicionales los cuales
son usados para hacer un seguimiento a cada camión
muestreado y poder obtener un tiempo de permanencia
65
en el Terminal. Estos dos formatos se llenan juntos, los
cuales se realizaran las 4 semanas. (Anexos 12 y 13).
4.1.1.3 Toma de muestras para la distribución de los
arribos de los clientes
La toma de muestras para hallar la distribución de los
arribos de los clientes en la empresa Consorcio Terminales
GMP OIL TANKING se realizó en 2 semanas tomando en
cuenta de las fechas del 10 de febrero al 21 de febrero del 2014,
se tomó solo las 2 primeras semanas de la muestra ya que solo
se obtuvo el comportamiento de la distribución, toda esta data
se tomó del formato 1 mostrado el Anexo 3, los intervalos de
muestras se dieron cada 15 minutos, a horas de 07:30 a.m. a las
6:00 p.m. de los días de lunes a sábado.
Los datos se muestran en la siguiente tabla:
66
Tabla 5. Número de arribos de cisternas
HoraLU10
MA11
MI12
JU13
VI14
SA15
LU16
MA17
MI18
JU19
VI20
SA21
Total de cisternas
en 2 semanas
07:30-07:45 13 7 5 7 5 11 12 4 9 8 8 10 9907:45-08:00 2 3 4 4 2 2 3 2 1 3 6 1 3308:00-08:15 1 4 3 3 3 2 2 6 6 5 2 2 3908:15-08:30 4 2 2 1 3 3 2 2 3 2 2 4 3008:30-08:45 3 4 0 2 1 1 2 4 3 4 6 3 3308:45-09:00 3 3 3 1 3 2 6 2 2 3 0 1 2909:00-09:15 2 3 2 0 2 1 1 3 1 1 1 2 1909:15-09:30 4 2 4 2 2 1 1 1 0 2 2 1 2209:30-09:45 1 1 5 2 1 2 3 5 1 0 1 1 2309:45-10:00 4 1 1 1 0 1 2 4 1 1 1 1 1810:00-10:15 1 0 2 0 2 1 2 1 2 0 0 2 1310:15-10:30 2 5 1 2 2 0 2 3 0 3 0 2 2210:30-10:45 1 3 2 3 2 1 3 3 0 0 0 3 2110:45-11:00 1 1 0 1 1 2 0 1 1 3 4 3 1811:00-11:15 1 0 2 1 3 1 2 5 1 0 3 0 1911:15-11:30 2 0 2 0 0 1 2 1 0 1 3 0 1211:30-11:45 2 1 0 0 1 0 1 2 2 2 1 1 1311:45-12:00 1 1 0 0 1 2 0 0 1 3 3 1 1312:00-12:15 1 4 1 1 0 0 3 1 1 1 0 2 1512:15-12:30 2 1 1 3 2 3 0 1 1 3 3 0 2012:30-12:45 2 2 0 1 3 1 2 1 1 2 0 1 1612:45-13:00 1 1 1 3 0 0 1 0 1 2 1 4 1513:00-13:15 1 1 3 3 0 1 1 1 2 0 0 0 1313:15-13:30 2 1 1 2 0 0 0 2 1 1 3 0 1313:30-13:45 2 1 1 0 0 0 2 3 2 1 0 1 1313:45-14:00 3 3 0 1 2 0 3 1 1 3 1 2 2014:00-14:15 3 1 3 0 2 1 2 1 2 1 4 2 2214:15-14:30 1 3 0 1 0 1 1 2 2 1 2 0 1414:30-14:45 0 2 1 3 1 3 2 1 1 3 2 4 2314:45-15:00 1 0 1 2 1 3 2 1 1 1 0 1 1415:00-15:15 2 2 1 1 2 0 1 3 2 2 2 3 2115:15-15:30 1 3 3 1 0 2 2 0 2 2 3 2 2115:30-15:45 4 1 1 0 0 0 2 1 2 3 1 3 1815:45-16:00 0 1 0 1 1 1 1 0 0 0 1 0 616:00-16:15 0 1 0 1 0 1 0 1 1 1 0 0 616:15-16:30 1 0 0 0 0 2 0 0 0 0 2 0 516:30-16:45 1 1 0 0 0 1 0 0 1 2 0 1 716:45-17:00 0 0 0 0 0 0 0 1 0 0 0 1 217:00-17:15 0 0 0 0 0 1 0 0 0 0 0 0 117:15-17:30 0 0 0 0 0 0 0 0 0 0 0 1 117:30-17:45 0 0 1 0 0 1 0 0 0 0 0 0 217:45-18:00 0 0 0 0 2 0 0 0 0 0 1 0 3Fuente. Elaboración propia
4.1.1.4 Toma de Muestras del tiempo de arribo de cisternas
y del tiempo de servicio
Las muestras fueron obtenidas de los formatos 10 y 11
que se muestran en los anexos 12 y 13 respectivamente, el
consolidado se da de 4 semanas de muestra, las muestras están
67
en horas, minutos y segundos. Los tiempos de llegada y de
servicio son los siguientes:
Tabla 6. Tiempo de Llegadas y Tiempo de servicio del 10 de febrero del 2014
P. Tracto TipoHora de Arribo
(hh:mm:ss)
Hora Ingresoal Term.
(hh:mm:ss)
Salida de Terminal
(hh:mm:ss)
Tiempo de Arribo
(hh:mm:ss)
Tiempo de Servicio
(hh:mm:ss)
WGR - 724 C 07:30:00 09:26:50 09:59:47 00:00:00 00:32:57WO - 7875 C 07:30:00 08:07:57 08:56:10 00:00:00 00:48:13XI – 5074 C 07:30:00 08:26:50 10:14:14 00:00:00 01:47:24XO - 4813 M 07:30:00 08:06:05 08:36:15 00:22:34 00:30:10WO - 6198 C 07:52:34 08:24:37 08:42:44 00:03:18 00:18:07XG - 8210 M 07:55:52 11:44:15 12:59:10 00:06:02 01:14:55XQ - 9882 C 08:01:54 10:42:16 11:00:09 00:04:48 00:17:53XQ - 5291 C 08:06:42 08:27:04 11:18:29 00:02:18 02:51:25B7A – 803 G 08:09:00 10:26:32 11:52:55 00:16:05 01:26:23A4M - 817 M 08:25:05 09:29:25 11:14:46 00:02:05 01:45:21WGI - 635 C 08:27:10 09:27:45 09:47:04 00:03:23 00:19:19BIX – 892 G 08:30:33 10:42:10 12:32:21 00:01:12 01:50:11
WGH - 456 M 08:31:45 08:49:32 09:24:33 00:08:12 00:35:01XQ - 9423 C 08:39:57 10:17:55 10:18:09 00:04:23 00:00:14WGJ - 752 C 08:44:20 09:28:32 10:36:53 00:23:10 01:08:21WGL - 713 C 09:07:30 09:55:02 10:37:38 00:04:07 00:42:36YE – 5506 G 09:11:37 09:52:20 11:29:39 00:14:40 01:37:19A9P- 847 C 09:26:17 11:05:20 11:43:17 00:11:43 00:37:57
WGC - 810 M 09:38:00 16:22:05 17:33:18 00:01:02 01:11:13XI – 5074 C 09:39:02 09:54:50 12:40:03 00:04:58 02:45:13
WGR - 584 M 09:44:00 10:20:35 10:56:57 00:01:22 00:36:22WGI - 659 M 09:45:22 11:43:50 12:24:31 00:08:08 00:40:41C4Q - 820 C 09:53:30 11:49:43 13:06:41 00:05:10 01:16:58B9O - 893 M 09:58:40 13:34:27 14:59:07 00:00:01 01:24:40B9O - 895 C 09:58:41 11:00:37 11:47:08 00:32:21 00:46:31A3K – 925 M 10:31:02 11:50:00 12:24:31 00:03:50 00:34:31C4W - 843 G 10:34:52 13:34:10 14:36:25 00:00:40 01:02:15C5X – 915 G 10:35:32 13:33:35 14:57:38 00:10:50 01:24:03TIU – 858 G 10:46:22 12:21:00 13:42:05 00:09:48 01:21:05
WGR - 724 C 10:56:10 12:21:20 13:57:39 00:07:56 01:36:19C9B – 839 G 11:04:06 13:09:05 14:11:18 00:36:39 01:02:13WGL - 713 C 11:40:45 13:33:11 14:02:23 00:02:00 00:29:12WGH - 686 M 11:42:45 13:33:20 14:15:22 00:05:46 00:42:02WGD - 228 C 11:48:31 13:08:30 13:48:37 00:07:02 00:40:07WO - 6198 C 11:55:33 14:32:13 15:03:35 00:00:23 00:31:22WO - 7875 C 11:55:56 14:32:50 15:10:25 00:08:06 00:37:35T2C – 886 M 12:04:02 14:32:24 15:23:06 00:25:58 00:50:42XQ - 4754 C 12:30:00 14:32:00 15:06:29 00:21:55 00:34:29C8R - 939 M 12:51:55 14:58:57 15:56:16 00:33:13 00:57:19XI – 5074 C 13:25:08 14:09:44 15:35:44 00:03:19 01:26:00B2V – 916 G 13:28:27 15:25:45 16:22:07 00:06:43 00:56:22A9P- 847 C 13:35:10 14:59:30 15:18:08 00:04:14 00:18:38B2V – 930 G 13:39:24 15:28:15 17:06:24 00:01:53 01:38:09YI – 2763 G 13:41:17 15:55:35 17:24:50 00:29:45 01:29:15XQ - 9882 C 14:11:02 14:59:20 15:28:25 00:04:40 00:29:05WGR - 724 C 14:15:42 15:26:10 15:57:24 00:06:38 00:31:14C8S – 906 M 14:22:20 17:05:18 17:45:25 00:35:00 00:40:07WP - 8685 C 14:57:20 15:54:42 16:30:37 00:31:14 00:35:55WGD - 228 C 15:28:34 15:54:42 16:12:31 00:03:26 00:17:49WGL - 713 C 15:32:00 16:23:20 17:15:08 00:06:43 00:51:48WGH - 686 M 15:38:43 15:55:25 16:41:42 01:14:04 00:46:17XQ - 4754 C 16:52:47 17:09:20 17:48:44 00:39:24
Media 00:11:02 00:57:52Fuente. Elaboración propia
68
4.1.2 Extracción de los datos de arribos de los
clientes y del tiempo de servicio
Los datos observados de los arribos de las cisternas y del
tiempo de servicio tomados de las 4 semanas se presentan de forma
consolidada, al cual se restan los tiempos de actividades que no
influyen en el estudio, ya que al estar esperando tanto en el
estacionamiento externo o interno, es por ello que se toma en cuenta
una vez que arribo la cisterna.
4.1.2.1 Identificación de datos de las actividades
complementarias
Para las actividades de verificación de la cisterna,
desplazamiento a las isla, desplazamiento al área de precintado,
la inspección y precintado, se tomaron datos de una semana
para obtener un promedio y así poder restarle al tiempo de
servicio total, para determinar el tiempo del servidor que es el
que genera la línea de espera dentro de la empresa.
Para eso se obtuvieron las siguientes tablas para hallar
los tiempos promedios de las actividades complementarias que
se dan en el formato 5 (anexo 7), formato 6 (anexo 8), formato
8 (anexo 10), y formato 9 (anexo 11).
69
Verificación de cisternas
En esta actividad el vigilante se encarga de revisar los
rombos de seguridad que indican lo que va a cargar la cisterna,
los extintores, si las placas coinciden con la documentación de
la cisterna, y si el chofer se encuentra con sus respectivos
equipos de protección personal.
Tabla 7. Tiempo promedio de Verificación de cisternas de la semana del 10 al 17 de febrero del 2014
CONSOLIDADO DEL FORMATO 5: Verificación de Cisternas
NUMERO DE MUESTRAS NECESARIAS SEMANALES: 120
NUMERO DE MUESTRAS REALIZADAS SEMANALES: 149
Numero de Muestras
LU-10 MA-11 MI-12 JU-13 VI-14 SA-15 LU-17
1 0:00:18 0:00:33 0:00:12 0:00:48 0:01:07 0:00:26 0:00:292 0:00:25 0:00:19 0:00:36 0:01:13 0:00:56 0:00:32 0:00:183 0:01:03 0:00:15 0:00:25 0:00:38 0:00:38 0:00:14 0:00:274 0:01:20 0:01:08 0:00:20 0:00:20 0:00:33 0:00:20 0:00:215 0:00:15 0:00:42 0:00:20 0:00:35 0:00:30 0:01:11 0:00:276 0:00:23 0:00:15 0:01:01 0:00:55 0:00:48 0:01:14 0:00:427 0:00:22 0:00:24 0:00:27 0:00:16 0:01:04 0:01:09 0:03:188 0:00:28 0:00:30 0:00:50 0:01:07 0:00:17 0:00:23 0:00:319 0:00:14 0:00:38 0:02:20 0:00:16 0:01:32 0:01:35
10 0:00:25 0:00:18 0:02:48 0:00:15 0:00:52 0:02:3811 0:00:14 0:00:44 0:00:16 0:00:33 0:01:15 0:01:2012 0:02:27 0:00:30 0:00:42 0:00:30 0:00:38 0:00:5513 0:00:16 0:00:36 0:00:47 0:00:33 0:00:17 0:00:2014 0:00:19 0:00:16 0:00:31 0:00:30 0:02:09 0:00:2415 0:00:14 0:00:36 0:00:20 0:00:55 0:00:48 0:00:3616 0:00:23 0:00:30 0:00:49 0:00:25 0:00:2817 0:00:21 0:00:28 0:00:20 0:00:23 0:03:3218 0:00:22 0:00:35 0:00:54 0:00:28 0:00:1619 0:00:19 0:00:26 0:01:0220 0:00:40 0:00:22 0:00:3121 0:00:32 0:04:47 0:00:5122 0:00:27 0:00:32 0:01:2123 0:00:26 0:00:21 0:03:1524 0:00:20 0:00:3025 0:00:39 0:00:4026 0:01:06 0:00:2027 0:00:33 0:00:1528 0:00:22 0:01:0529 0:00:23 0:00:4730 0:01:14 0:01:5231 0:00:58 0:00:2632 0:01:00 0:00:3633 0:00:5834 0:00:4235 0:00:47 Media
Total de tiempo de verificación
al día0:08:43
0:20:16
0:26:270:18:2
70:14:40 0:05:29 0:18:37 0:00:45
Fuente. Elaboración propia
70
Desplazamiento de estacionamiento interno a la isla
Es el tiempo de desplazamiento que se tomó desde que
la cisterna se mueve desde el estacionamiento interno hasta
llegar a una de las islas, todo esto dependerá de la
maniobrabilidad del chofer y del tamaño de la cisterna.
Tabla 8. Tiempo promedio de desplazamiento de estacionamiento interno a la isla de la semana del 10 al 17 de febrero del 2014
CONSOLIDADO DEL FORMATO 6: Tiempo promedio de desplazamientode estacionamiento interno.
NUMERO DE MUESTRAS NECESARIAS: 120
NUMERO DE MUESTRAS REALIZADAS: 183
Numero de Muestras
LU-10 MA-11 MI-12 JU-13 VI-14 SA-15 LU-17
1 0:01:08 0:00:38 0:00:44 0:00:25 0:00:17 0:00:23 0:00:41
2 0:01:15 0:01:40 0:00:15 0:00:24 0:00:30 0:00:18 0:00:20
3 0:00:57 0:02:32 0:00:20 0:00:22 0:00:14 0:00:15 0:00:19
4 0:00:24 0:01:23 0:00:20 0:00:24 0:00:24 0:00:25 0:01:12
5 0:00:47 0:00:20 0:00:20 0:00:12 0:00:12 0:00:39 0:00:26
6 0:01:13 0:00:42 0:00:13 0:00:38 0:00:16 0:00:24 0:00:27
7 0:00:11 0:00:35 0:00:32 0:00:28 0:00:22 0:00:30 0:00:31
8 0:03:41 0:00:18 0:00:25 0:00:25 0:00:36 0:00:29 0:01:31
9 0:00:34 0:00:39 0:00:29 0:00:20 0:00:20 0:00:21 0:00:15
10 0:00:39 0:00:08 0:00:15 0:00:26 0:00:23 0:00:15 0:00:23
11 0:00:29 0:00:31 0:00:25 0:01:21 0:00:15 0:00:15 0:00:13
12 0:02:03 0:00:35 0:00:23 0:00:05 0:00:32 0:00:22 0:00:13
13 0:01:44 0:00:19 0:00:12 0:00:34 0:00:36 0:00:17 0:00:07
14 0:01:00 0:00:57 0:00:22 0:01:17 0:01:14 0:00:22
15 0:01:26 0:00:32 0:00:27 0:00:15 0:00:20 0:00:22
71
16 0:01:04 0:00:31 0:00:59 0:00:33 0:01:51 0:00:28
17 0:00:21 0:00:22 0:00:15 0:00:30 0:00:40 0:00:26
18 0:00:22 0:00:26 0:00:13 0:00:15 0:00:34 0:00:24
19 0:00:35 0:00:43 0:00:42 0:01:17 0:00:47 0:00:38
20 0:00:42 0:00:34 0:00:28 0:05:40 0:02:31 0:01:01
21 0:00:14 0:00:11 0:00:16 0:00:04 0:00:37 0:01:07
22 0:00:11 0:00:29 0:00:20 0:01:52 0:01:27
23 0:00:13 0:00:34 0:00:18 0:00:36
24 0:00:23 0:00:47 0:00:17 0:00:57
25 0:01:06 0:00:53 0:00:17 0:01:08
26 0:00:25 0:00:17 0:00:42 0:00:23
27 0:01:43 0:00:33 0:00:44
28 0:00:54 0:01:23 0:00:17
29 0:00:36 0:00:17 0:00:25
30 0:00:18 0:01:06 0:00:28
31 0:00:20 0:00:35 0:00:41
32 0:01:48 0:01:05 0:00:56
33 0:00:45 0:00:19 0:00:52
34 0:00:48 0:00:58 Media
Total de tiempo de
desplazamiento al día
0:31:35
0:26:460:15:5
00:17:47 0:12:54
0:04:53
0:11:260:00:4
0
Fuente. Elaboración propia
Desplazamiento de la isla al área de precintado
72
Es el tiempo de desplazamiento que se tomó desde que
la cisterna sale de la isla para ponerse en la cola del área de
precintado o ingresa directamente al área de precintado.
Tabla 9. Tiempo promedio de desplazamiento de la isla al área de precintado de la semana del 10 al 17 de febrero del 2014
CONSOLIDADO DEL FORMATO 8: Tiempo promedio de desplazamiento de la isla al área de precintado
NUMERO DE MUESTRAS NECESARIAS: 120NUMERO DE MUESTRAS
REALIZADAS: 190Número de Muestras
LU-10 MA-11 MI-12 JU-13 VI-14 SA-15 LU-17
1 0:01:46 0:01:01 0:02:45 0:00:11 0:00:44 0:00:28 0:00:262 0:01:40 0:00:15 0:01:35 0:00:45 0:00:28 0:01:01 0:00:493 0:00:25 0:00:38 0:00:36 0:01:16 0:01:04 0:00:30 0:00:424 0:00:32 0:01:29 0:00:19 0:00:34 0:00:26 0:00:29 0:01:285 0:00:12 0:00:30 0:00:46 0:00:28 0:00:25 0:00:31 0:00:186 0:01:24 0:00:29 0:00:26 0:00:26 0:00:20 0:00:26 0:00:427 0:00:33 0:00:23 0:00:28 0:00:21 0:01:11 0:00:40 0:00:218 0:03:20 0:00:24 0:00:27 0:00:51 0:00:37 0:01:01 0:00:159 0:01:09 0:02:05 0:00:34 0:00:27 0:01:02 0:01:02 0:00:48
10 0:01:03 0:00:46 0:00:17 0:01:23 0:00:22 0:00:13 0:02:4311 0:00:20 0:00:40 0:00:26 0:00:35 0:02:07 0:00:33 0:00:1512 0:00:22 0:00:19 0:00:26 0:00:16 0:01:14 0:01:27 0:00:3913 0:00:55 0:00:22 0:00:28 0:01:18 0:01:30 0:00:57 0:00:2914 0:00:38 0:00:32 0:00:59 0:01:33 0:00:19 0:00:1915 0:00:36 0:00:18 0:00:57 0:00:35 0:00:54 0:00:2716 0:02:25 0:00:52 0:00:35 0:00:48 0:01:09 0:00:3017 0:01:24 0:00:32 0:01:06 0:01:38 0:00:4618 0:00:25 0:00:25 0:00:27 0:00:57 0:00:2719 0:00:43 0:00:23 0:01:06 0:01:14 0:00:3020 0:00:54 0:00:45 0:01:57 0:00:56 0:00:4221 0:01:10 0:00:32 0:01:18 0:00:41 0:00:2522 0:00:44 0:00:33 0:00:33 0:01:21 0:00:2323 0:02:12 0:00:48 0:00:22 0:00:51 0:00:0424 0:01:08 0:00:37 0:00:24 0:01:15 0:00:2125 0:00:45 0:01:04 0:00:50 0:01:02 0:00:4326 0:01:18 0:00:57 0:01:07 0:02:30 0:00:1927 0:00:13 0:01:16 0:00:47 0:01:46 0:00:3228 0:00:55 0:00:51 0:01:20 0:00:3729 0:01:18 0:00:33 0:01:35 0:00:2930 0:05:03 0:01:40 0:00:27 0:00:3431 0:01:24 0:00:37 0:00:27 0:00:5432 0:00:33 0:00:5733 0:01:24 0:01:3634 0:01:14 0:01:5335 0:01:08 0:00:5336 0:01:41 0:01:08 Media
Total de tiempo de
desplazamiento al día
0:35:32 0:33:54 0:28:23 0:25:58 0:13:52 0:09:18 0:18:57 0:00:52
Fuente. Elaboración propia
73
Inspección y precintado
Es la inspección de la carga, y se precinta para asegurar
que la carga llegue en buenas condiciones a su lugar de destino.
Tabla 10. Tiempo promedio de inspección y precintado de la semana del 10 al 17 de febrero del 2014CONSOLIDADO DEL FORMATO 9: Tiempo promedio de inspección y precintado
NUMERO DE MUESTRAS NECESARIAS: 120NUMERO DE MUESTRAS
REALIZADAS: 178Numero de Muestras LU-10 MA-11 MI-12 JU-13 VI-14 SA-15 LU-17
1 0:06:52 0:05:55 0:01:50 0:10:38 0:13:50 0:06:04 0:07:412 0:03:44 0:04:00 0:01:30 0:01:18 0:08:22 0:04:29 0:16:143 0:04:09 0:05:18 0:03:53 0:07:53 0:03:04 0:06:23 0:02:114 0:05:37 0:08:43 0:02:16 0:06:30 0:03:56 0:05:14 0:04:225 0:04:25 0:04:52 0:06:57 0:01:16 0:01:31 0:05:59 0:03:446 0:03:39 0:04:09 0:01:20 0:02:57 0:08:05 0:03:00 0:07:127 0:03:55 0:04:33 0:03:34 0:04:27 0:03:48 0:05:26 0:07:048 0:05:04 0:07:32 0:05:10 0:03:34 0:04:35 0:03:38 0:03:189 0:04:03 0:02:23 0:04:59 0:05:06 0:05:50 0:01:29 0:03:33
10 0:03:29 0:03:26 0:04:37 0:01:15 0:05:02 0:02:32 0:05:3311 0:04:03 0:02:27 0:04:59 0:09:11 0:02:02 0:09:3312 0:07:09 0:03:17 0:03:32 0:09:58 0:05:57 0:05:1613 0:04:19 0:05:27 0:05:16 0:03:27 0:13:16 0:08:0514 0:02:03 0:04:28 0:07:11 0:00:56 0:02:23 0:02:3015 0:03:20 0:06:00 0:03:32 0:06:34 0:04:19 0:03:0716 0:03:02 0:05:51 0:02:40 0:03:17 0:05:16 0:03:4417 0:07:14 0:07:03 0:06:27 0:08:26 0:04:40 0:02:4218 0:04:00 0:05:01 0:04:13 0:00:45 0:19:0819 0:07:40 0:01:49 0:07:13 0:07:13 0:03:3620 0:08:05 0:02:39 0:03:47 0:04:20 0:01:5321 0:06:12 0:04:31 0:01:20 0:05:30 0:03:1622 0:03:48 0:02:53 0:06:15 0:04:15 0:03:5523 0:01:26 0:04:12 0:01:48 0:07:16 0:00:5024 0:02:11 0:01:34 0:04:11 0:10:51 0:04:3525 0:01:49 0:03:04 0:03:25 0:06:18 0:07:4326 0:06:31 0:03:35 0:08:51 0:04:2327 0:06:28 0:04:27 0:04:33 0:03:3128 0:06:35 0:04:25 0:13:13 0:07:2529 0:09:26 0:04:48 0:04:58 0:04:4930 0:03:41 0:04:05 0:05:0331 0:03:41 0:01:1532 0:06:40 0:08:5533 0:03:0934 0:05:4935 0:07:14 Media
Total de tiempo de inspección y precintado
al día1:57:49 3:01:05 2:27:45 2:13:11 1:35:56 0:44:14 2:45:56 0:04:59
Fuente. Elaboración propia
No se tomaron en cuenta los formatos 7, 2, 3, 4 ya que el 2, 3 y
4 son de formatos externos a la investigación, y el 7 se da con muy
poca frecuencia.
74
4.1.2.2 Tasa de arribos y tasa de tiempo de servicio del
servidor.
Todo el consolidado de las 4 semanas de los tiempos de
arribos y de los tiempos de servicio total se muestran en la
siguiente tabla:
Tabla 11. Consolidado de los tiempos por día
N° Día
Tiempo de Arribos
de Clienteshh/mm/ss
Tiempode Servicio
Totalhh/mm/ss
Tiempode Serviciohh/mm/ss
1 10 de Febrero del 2014 00:11:02 00:57:52 00:50:362 11 de Febrero del 2014 00:10:31 00:40:08 00:32:523 12 de Febrero del 2014 00:12:15 00:42:54 00:35:384 13 de Febrero del 2014 00:11:51 00:39:45 00:32:295 14 de Febrero del 2014 00:12:02 00:42:01 00:34:456 15 de Febrero del 2014 00:10:15 00:51:47 00:44:317 17 de Febrero del 2014 00:10:56 00:54:23 00:47:078 18 de Febrero del 2014 00:11:54 00:40:41 00:33:259 19 de Febrero del 2014 00:11:54 00:41:47 00:34:31
10 20 de Febrero del 2014 00:13:45 00:42:01 00:34:4511 21 de Febrero del 2014 00:11:47 00:47:53 00:40:3712 22 de Febrero del 2014 00:14:12 00:52:39 00:45:2313 16 de Junio del 2014 00:10:33 00:46:45 00:39:2914 17 de Junio del 2014 00:10:51 00:45:56 00:38:4015 18 de Junio del 2014 00:11:15 00:38:25 00:31:0916 19 de Junio del 2014 00:10:21 00:42:14 00:34:5817 20 de Junio del 2014 00:10:28 00:43:41 00:36:2518 21 de Junio del 2014 00:12:54 00:51:17 00:44:0119 8 de setiembre del 2014 00:10:21 00:51:14 00:43:5820 9 de Setiembre del 2014 00:10:51 00:37:24 00:30:0821 10 de setiembre del 2014 00:13:42 00:49:04 00:41:4822 11 de setiembre del 2014 00:10:35 00:47:08 00:39:5223 12 de setiembre del 2014 00:10:18 00:41:25 00:34:0924 13 de setiembre del 2014 00:11:45 00:39:04 00:31:48
Tiempos Promedios 00:11:30 00:45:19 00:38:03Fuente. Elaboración propia
Teniendo las tiempos promedios de las arribos de las
cisternas y del tiempo de servicio del servidor.
75
Hallando la tasa de arribo:
11min+(30.8098306 s+1 min60 s )
¿11min+0.51349718 min¿11.51349718 min
11.51349718min+1h
60 min=¿0.19189162 h¿
λ= 1h0.19189162 h
=5.211275clientes
Hallando la tasa de servicio:
38 min+(2.64177742 s+ 1 min60 s )
¿38 min+0.04402962 min¿38.04402962 min
38.04402962 min+1 h
60 min=0.63406716 h
μ= 1h0.63406716 h
=1.57712clientes
Se obtiene las tasas respectivas, teniendo que un cliente
en promedio llega cada 11 minutos y 30 segundos, entonces la
tasa de arribo es de 5.211275 clientes por hora (λ), también
teniendo que un servidor en promedio realiza su labor en 38
minutos y 03 segundos, entonces la tasa de servicio del servidor
es de 1.57712 clientes por hora (μ), estos datos se utilizaran
para el modelo de líneas de espera.
76
4.2 Aplicación de pruebas estadísticas para analizar datos
4.2.1 Determinación de la distribución de
probabilidad de la muestra
Hay varias formas para determinar el tipo de distribución que
siguen los datos, en el presente trabajo se aplicó por medio de un
software de simulación o estadístico, que en este caso usamos el Stat
Fit de Promodel.
4.2.1.1 Distribución de la tasa de arribos de los clientes(λ)
Para hallar el tipo de distribución de la tasa de arribos
(λ) se ingresó los consolidados de arribos de las 2 semanas
siendo 42 intervalos, que son de cada 15 minutos. La figura que
corresponde al programa Stat fit permite describir
estadísticamente el comportamiento de los datos, en este caso el
nos reporta como resultado que el (λ) tiene una distribución de
comportamiento de Poisson.
Figura 9. Ingreso de datos y descripción estadística de la tasa de arribosFuente. Elaboración propia
77
Figura 10. Distribución y grafica de la tasa de arribosFuente. Elaboración propia
4.2.1.2 Distribución de la tasa del tiempo de servicio de los
servidores (μ):
Para hallar el tipo de distribución de la tasa de servicio
( μ )se ingresó los consolidados del tiempo totales de servicio de
los servidores de las 4 semanas, la figura que corresponde al
programa Stat fit permite describir estadísticamente el
comportamiento de los datos, en este caso el Stat fit nos reporta
que el ( μ )tiene una distribución de comportamiento Lognormal.
78
Figura 11. Ingreso de datos y descripción estadística de la tasa de servicio
Fuente. Elaboración propia
Figura 12. Distribución y grafica de la tasa de servicioFuente. Elaboración propia
4.3 Aplicación de línea de espera a los datos obtenidos
De los resultados obtenidos anteriormente, se recopiló la información
necesaria para elaborar un análisis del modelo de la línea de espera.
79
4.3.1 Característica y proceso de la línea de espera
de la empresa
La característica de la línea de espera es del proceso de
distribución de combustible, el cual comienza cuando las cisternas
llegan al estacionamiento externo ubicado , seguidamente el chofer de
la cisterna hace el pedido a su mayorista, quien genera su instrucción
de carga (DANTAS), para luego ser llevado a garita para su posterior
llamado para ingresar al terminal. Una vez ingresado al terminal, pasa
primero por la inspección y verificación realizado por los vigilantes,
seguidamente tiene que esperar en el estacionamiento interno, hasta
que la isla esté disponible y pasar al llenado de la cisterna, una vez
culminado el llenado de la cisterna, la cisterna se desplaza a área de
precintado, y por último la cisterna sale del terminal, quedando
culminado el servicio de la empresa.
80
4.3.1.1 Diagrama de flujo del servicio de distribución de
combustible.
El diagrama de flujo de la empresa Consorcio
Terminales GMP OIL TANKING en el proceso de distribución
de combustibles es de la siguiente manera.
Figura 13. Distribución de procesoFuente. Elaboración propia
81
4.3.2 Elementos de la línea de espera de la empresa
Los elementos de la línea de espera de la empresa son:
El tamaño de la fuente se consideró infinita y las entradas se
distribuyen como una distribución Poisson.
La disciplina del servicio es FIFO, primero en llegar primero en
ser atendido.
El número de servidores (o canales de servicio) es de 2, porque
la empresa cuenta con 2 islas.
El tiempo de servicio y su distribución. Tiempo de servicio
aleatorio con distribución Lognormal.
El proceso de salida. los clientes abandonan completamente el
sistema después de ser atendidos.
4.3.3 Costos asociados a la línea de espera
El tiempo de espera de un cliente en fila antes de ser atendido
es considerado el indicador de calidad más significativo en la
percepción del cliente, ya que muestra qué tan bien está diseñado el
proceso y cuál es la capacidad real que una compañía tiene para
satisfacer sus necesidades.
No obstante, dentro de esta nueva orientación existen
objeciones de tipo económico y productivo, pues brindar un estado
óptimo de calidad en donde el cliente no deba esperar por ser atendido
es una opción costosa e ineficiente. Los recursos necesarios para
soportar dicho escenario implica demasiados tiempos ociosos, por lo
82
tanto, las empresas descartan de facto dicha opción y optan por ignorar
o aplazar el estudio de esta problemática.
4.3.3.1 Costo de servicio
Es la suma de los costos que nos permiten brindar el
servicio, como son la mano de obra, mantenimiento, y servicios
públicos.
Los costos de servicio de la empresa son los siguientes:
Tabla 12. Costo de servicio
Costos de Servicio Mensual (S/.) Núm.Sub total
(S/.)Días Horas
Costo/Hora(S/.)
Energía Eléctrica S/. 11 700,00 - S/. 7 020,00 25 10 S/. 28,08
Mantenimiento de Isla S/. 6 400,00 2 S/. 12 800,00 25 10 S/. 51,20
Personal de servicio de Isla 1 S/. 1 200,00 25 8 S/. 6,00
Personal de Precintado 1 S/. 1 200,00 25 8 S/. 6,00
Personal de Garitas S/. 900,00 2 S/. 1 800,00 25 8 S/. 9,00
Costo Total de Servicio S/. 100,28
Fuente. Elaboración propia
4.3.3.2 Costo despacho
El costo de despacho está constituido por los costos de
mano de obra administrativa, y los costos varios de oficina.
Tabla 13. Costo de despacho
Costo de despachoMensual
(S/.)Días Horas
Costo/Hora(S/.)
Costos Varios de oficina S/. 400,00 25 8 S/. 2,00Personal de despacho S/. 2 500,00 25 8 S/. 12,50
Costo de Despacho S/. 14,50Fuente. Elaboración propia
4.3.3.3 Costo de espera
La espera de clientes en el sistema está asociada con el
tiempo ocioso que éstos pierden mientras esperan por ser
atendidos. Evaluar este costo es un factor clave al momento de
83
cuantificar el efecto que éste tiene en la eficiencia de un
negocio.
En este caso en la empresa, los clientes tienen costo de
oportunidad, costo del chofer y el costo de traslado.
Tabla 14. Costo de espera
Costo de espera Mensual DíasHora
sCosto /Hora
Costo de oportunidad de alquiler S/. 5 000,00 25 8 S/. 25,00Costo del Chofer (viaje) S/. 107,00 - 8 S/. 13,375
Costo de Traslado al Terminal S/. 40,00 - 8 S/. 5,00Costo Total de Espera S/. 43.375
Fuente. Elaboración propia
4.4 Aplicación en WinQSB
Se utiliza el programa winQSB para procesar la información del
modelo de línea de espera.
4.4.1 Ingreso de datos al winQSB
Se ingresa los siguientes datos al software WinQSB:
Tabla 15. Datos a ingresa en el WinQSBDATOS DEL WINQSB
Número de Servidores 2
Tasa de servicio por hora 1,57712
Tasa de llegada de clientes por hora 5,21175
Capacidad de cola 20
Tamaño de la Población de clientes M
Costo del Servidor Ocupado 7000
Costo del Servidor Desocupado 1200,28
Costo de espera de los clientes 43,375
Costo de los clientes siendo servidos 100,28
Costo de los clientes siendo despachados 14,5
Costo de la unidad de Capacidad de cola Soles
Fuente. Elaboración propia
84
4.4.2 Resultado del modelo actual en una hora
El software WinQSB nos muestra los siguientes resultados del
modelo actual:
Tabla 16. Cuadro de resultados del WinQSBEl sistema M/M/2/30
La tasa de llegada del cliente (lambda) por hora 5,2118
La tasa de servicio por servidor (mu) por hora 1,5771
El sistema global la tasa de llegada efectiva por hora 3,1542
El sistema global la tasa de servicio efectivo por hora 3,1542
El sistema global la tasa de servicio efectivo por hora 99,99991%
Número promedio de clientes en el sistema (L) 20,4673
Número promedio de clientes en la cola (Lq) 18,4673
Número promedio de clientes en la cola para un sistema ocupado
(Lb)18,4675
Tiempo Promedio del cliente en el sistema (W) 6,4889
Tiempo promedio del cliente en la cola (Wq) 5,8549
Tiempo promedio del cliente esperando en un sistema ocupado
(Wb)5,8549
La probabilidad que todos los servidores están desocupados (P0) 0,0003%
La probabilidad que un cliente que acaba de llegar (Pw) encuentre
un sistema esté ocupado (Pb)99,9986%
Número clientes que se plantó por hora 2,0575
El costo total de servidor ocupado por hora S/. 13999,800
El costo total de servidor desocupado por hora S/. 0,0206
El coste total de cliente esperando por hora S/. 801,0178
El costo total de que los clientes se plantó por hora S/. 200,5583
El espacio total de la cola costó por hora S/. 29,8343
Costo del sistema total por hora S/. 15031,3100
Fuente. Elaboración propia
Los principales resultados obtenidos del modelo de línea de
espera, fueron el número de choferes esperando en la cola actualmente
con 2 servidores es de 19 choferes, estando en un tiempo de 5.8549
que equivale aproximadamente 5 horas con 51 minutos, y que la
85
probabilidad de que un cliente llegue y el sistema se encuentre libre es
0.00003%.
4.4.3 Análisis de sensibilidad
Los resultados de análisis de sensibilidad serán reportados por
el programa WinQSB, los resultados son extraídos a las tablas
siguientes, dando los datos más importantes para la investigación.
4.4.3.1 Análisis de sensibilidad de número de servidores:
Se muestran los siguientes resultados del análisis de
sensibilidad del número de servidores.
Tabla 17. Cuadro de resultados del Análisis de Sensibilidad del número de servidores
Servidores
Tasa de
llegada
Utilizacióndel
sistema
Número de
clientesen el
sistema
Número de
clientes
en la cola
Tiempo del
clienteen el
sistema
Tiempo del
clienteen la cola
Probabilidad de que
el sistema este vacío
Probabilidad de
que el sistema
este lleno
2 3,1542 1,0000 20,4673 18,4673 6,4889 5,8448 0,0000 1,0000
3 4,6722 0,9875 15,9621 12,9996 3,4164 2,7823 0,0025 0,9757
4 5,1988 0,8241 6,0901 2,7937 1,1714 0,5374 0,0228 0,6401
5 5,2116 0,6609 3,9236 0,6191 0,7529 0,1188 0,0329 0,3182
6 5,2117 0,5508 3,4805 0,1759 0,6678 0,0338 0,0356 0,1435
7 5,2118 0,4721 3,3573 0,0527 0,6442 0,0101 0,0364 0,0589
8 5,2118 0,4131 3,3201 0,0155 0,6370 0,0030 0,0366 0,0220
9 5,2118 0,3672 3,3090 0,0044 0,6349 0,0008 0,0367 0,0075
10 5,2118 0,3305 3,3058 0,0012 0,6343 0,0002 0,0367 0,0023
Fuente. Elaboración propia
En la tabla 17 se muestran los resultados que mediante
las variaciones del número de servidores, se observa que el
número de clientes esperando disminuye, así como también
disminuye el tiempo de los choferes esperando en las colas,
también la probabilidad de que el sistema esté lleno al inicio es
de 1, nos quiere decir que siempre que llega un cliente, este
necesariamente tiene que esperar, más al aumentar el número
86
de servidores se ve va disminuyendo la probabilidad de que el
sistema ese ocupado, existiendo las posibilidad de que si llega
un cliente, este pueda pasar a ser atendido sin necesidad de
esperar.
4.4.3.2 Análisis de sensibilidad de la tasa de servicio (μ):
Se muestran los siguientes resultados del análisis de
sensibilidad de la tasa de servicio.
Tabla 18. Cuadro de resultados del Análisis de Sensibilidad de la tasa de servicio
Tasa de
servicio (μ)
Tasa de
llegada
Utilizacióndel sistema
Número de
clientesen el
sistema
Número de
clientes en la cola
Tiempo del
clienteen el
sistema
Tiempo del
clienteen la cola
Probabilidad de que
el sistema este vacío
Probabilidad de
que el sistema
este lleno2 3,9968 0,9992 18,7579 16,7595 4,6932 4,1932 0,0003 0,9988
3 5,1772 0,8629 6,0901 4,3643 1,1763 0,8430 0,0734 0,7991
4 5,2116 0,6514 2,2622 0,9593 0,4341 0,1841 0,2111 0,5139
5 5,2171 0,5212 1,4310 0,3887 0,2746 0,0746 0,3148 0,3571
6 5,2118 0,4343 1,0706 0,2019 0,2054 0,0387 0,3944 0,2630
7 5,2118 0,3723 0,8643 0,1198 0,1658 0,0230 0,4574 0,2020
8 5,2118 0,3257 0,7288 0,0773 0,1398 0,0148 0,5086 0,1601
9 5,2118 0,2895 0,6321 0,0530 0,1213 0,0102 0,5509 0,1300
10 5,2118 0,2606 0,5591 0,0380 0,1073 0,0073 0,5866 0,1077
Fuente. Elaboración propia
En esta tabla 18 se muestran los resultados que
mediante las variaciones de la tasa de servicio, se observa que
el número de clientes esperando tanto como en el sistema como
en la cola disminuye, así como también disminuye el tiempo de
los choferes esperando en las colas, también la probabilidad de
que el sistema esté ocupado va reduciéndose a medida que
aumente el tiempo de servicio.
87
4.4.3.3 Análisis de sensibilidad de la tasa de arribo( λ ):
Se muestran los siguientes resultados del análisis de
sensibilidad de la tasa de arribos.
Tabla 19. Cuadro de resultados del Análisis de Sensibilidad de la tasa de Arribo
Tasa de
arribos (λ)
Tasa dellegada
Utilizacióndel
sistema
Número de
clientesen el
sistema
Número de
clientes en la cola
Tiempo del cliente
en el sistema
Tiempo del clienteen la cola
Probabilidad de que
el sistema este vacío
Probabilidad de
que el sistema
este lleno
2 2,0000 0,6341 2,1200 0,8519 1,0600 0,4260 0,2239 0,4921
3 2,9262 0,9277 9,1691 7,3137 3,1334 2,4994 0,0371 0,8925
4 3,1502 0,9987 18,3789 16,3815 5,8343 5,2002 0,0006 0,9980
5 3,1542 1,0000 20,2918 18,2919 6,4333 5,7992 0,0000 1,0000
6 3,1542 1,0000 20,8916 18,8916 6,6233 5,9893 0,0000 1,0000
7 3,1542 1,0000 21,1798 21,1798 6,7147 6,0806 0,0000 1,0000
8 3,1542 1,0000 21,3491 21,3491 6,7684 6,1343 0,0000 1,0000
9 3,1542 1,0000 21,4604 21,4604 6,8037 6,1696 0,0000 1,0000
10 3,1542 1,0000 21,5392 21,5392 6,8287 6,1946 0,0000 1,0000
Fuente. Elaboración propia
En esta tabla 19 se muestran los resultados que
mediante las variaciones de la tasa de arribo, se observa que el
número de clientes esperando tanto como en el sistema como
en la cola aumenta, así como también aumenta el tiempo de los
choferes esperando en las colas, también la probabilidad de que
el sistema esté ocupado va aumentando a medida que aumente
el tiempo de arribo hasta llegar a la probabilidad de 1.
4.4.4 Ajuste de tendencia del análisis de
sensibilidad de servidores.
El procedimiento generalmente denominado "Ajuste de
Tendencia", consiste en estimar un Modelo de Matemático que
88
explique la evolución temporal de la serie analizada en función de una
variable.
En este caso tomaremos de varios datos:
4.4.4.1 Número de clientes en la cola (Lq):
Tabla 20. Ajuste de tendencia del número de clientes en la cola
OBS.NÚMERO DE CLIENTES
EN LA COLA
2 18,46733 12,99964 2,79375 0,61916 0,17597 0,05278 0,01559 0,0044
10 0,0012Fuente. Elaboración propia
Se tomaron los datos del análisis de sensibilidad del
número de servidores, en este caso se extrae la columna del
número de clientes en la cola, para estimar su tendencia.
Figura 14. Gráfica de Tendencia del número de clientes en colaFuente. Elaboración propia
89
Se estimó las diferentes tendencias y la que más
relación tenia entre las variables es la tendencia polinómica con
un R² = 0,9482, la tendencia explica que a medida que el
número de servidores (x) aumenta, el número de clientes en la
cola (y) ira de forma descendente con el comportamiento de la
siguiente ecuación y = 0,7726x2 – 10,914x + 36,987.
4.4.4.2 Tiempo promedio del cliente en el sistema (W ):
Tabla 21. Ajuste de tendencia del tiempo promedio del cliente en el sistema
OBS.TIEMPO PROMEDIO DEL CLIENTE EN EL SISTEMA
2 6,48893 3,41644 1,17145 0,75296 0,66787 0,64428 0,6379 0,6349
10 0,6343Fuente. Elaboración Propia
Se tomaron los datos del análisis de sensibilidad del
número de servidores, en este caso se extrae la columna del
tiempo promedio del cliente en el sistema, para estimar su
tendencia.
90
Figura 15. Gráfica de Tendencia del tiempo promedio del cliente en el sistemaFuente. Elaboración propia
Se estimó las diferentes tendencias y la que más
relación tenia entre las variables es la tendencia polinómica con
un R² = 0,9299, la tendencia explica que a medida que el
número de servidores (x) aumenta, el tiempo promedio del
cliente en el sistema (y) ira de forma descendente con el
comportamiento de la siguiente ecuación y = 0,246x2 –
3,3818x + 11,66.
91
4.4.4.3 Probabilidad de que el sistema esté ocupado (Pw):
Tabla 22. Ajuste de tendencia de la probabilidad de que el sistema esté ocupado
OBS.PROBABILIDAD DE QUE ELSISTEMA ESTE OCUPADO
2 13 0,97574 0,64015 0,31826 0,14357 0,05898 0,0229 0,007510 0,0023
Fuente. Elaboración propia
Se tomaron los datos del análisis de sensibilidad del
número de servidores, en este caso se extrae la columna de la
probabilidad de que el sistema este ocupado, para estimar su
tendencia.
Figura 16. Gráfica de Tendencia de la probabilidad de que el sistema esté ocupadoFuente. Elaboración propia
92
Se estimó las diferentes tendencias y la que más
relación tenia entre las variables es la tendencia polinómica con
un R² = 0,9602, la tendencia explica que a medida que el
número de servidores (x) aumenta, la probabilidad de que el
sistema esté ocupado (y) ira de forma descendente con el
comportamiento de la siguiente ecuación y = 0,0217x2 –
0,401x + 1,8308.
4.5 Resultados de la optimización del servicio
Los resultados del modelo de línea de espera permitieron mostrar los
siguientes resultados de la optimización del servicio de despacho de
combustible.
4.5.1 Simulación
Se ingresó los datos al programa WinQSB, según las
especificaciones para realizar la simulación Montecarlo a 200 horas
equivalente a un mes en la empresa Consorcio Terminales GMP OIL
TANKING, con una disciplina de primero en llegar, primero en salir, y
con una capacidad de cola de 20, y con diferentes números de
servidores, como se muestra en los anexo 20, 21 y 22.
4.5.1.1 Simulación de 200 horas con 2 servidores
En la simulación con 2 servidores a 200 horas, se
realizó 5 iteraciones, simulando en el sistema reloj en el
programa winQSB, el cual se muestra en el anexo 20, las
iteraciones muestra como dato importante el número de clientes
93
a quienes se les brindo el servicio de despacho de combustible
por parte de la empresa, el resumen de las iteraciones se
muestra en la siguiente tabla:
Tabla 23. Resumen de simulaciones con 2 servidores
IteraciónNúmero de
clientes atendidos1 6172 6393 6464 6385 655
MEDIA 639Fuente. Elaboración propia
De la simulación se obtuvo una media de 639 clientes
atendidos de la simulación con 2 servidores a 200 horas.
4.5.1.2 Simulación de 200 horas con 3 servidores
En la simulación con 3 servidores a 200 horas, se
realizó 5 iteraciones, el cual se muestra en el anexo 20, las
iteraciones muestra como dato importante el número de clientes
a quienes se les brindo el servicio de despacho de combustible
por parte de la empresa, el resumen de las iteraciones se
muestra en la siguiente tabla:
Tabla 24. Resumen de simulaciones con 3 servidores
IteraciónNúmero de
clientes atendidos1 8942 9313 9124 9045 931
MEDIA 914Fuente. Elaboración propia
De la simulación se obtuvo una media de 914 clientes
atendidos de la simulación con 3 servidores a 200 horas.
94
4.5.1.3 Simulación de 200 horas con 4 servidores
En la simulación con 4 servidores a 200 horas, se
realizó 5 iteraciones, simulando en el sistema reloj en el
programa winQSB, el cual se muestra en el anexo 20, las
iteraciones muestra como dato importante el número de clientes
a quienes se les brindo el servicio de despacho de combustible
por parte de la empresa, el resumen de las iteraciones se
muestra en la siguiente tabla:
Tabla 25. Resumen de simulaciones con 4 servidores
IteraciónNúmero de
clientes atendidos1 10432 10443 10494 10145 1079
MEDIA 1046Fuente. Elaboración propia
De la simulación se obtuvo una media de 1046 clientes
atendidos de la simulación con 4 servidores a 200 horas.
4.5.2 Método de Simulación Montecarlo
Con la simulación Montecarlo se simuló los 3 escenarios con
los 3 servidores ya teniendo los números de clientes atendidos con
cada número de servidor, teniendo en cuenta los siguientes datos:
Tamaño de Cisterna
Los tamaños de cisternas que llegan en promedio a la
empresa Consorcio Terminales GMP OIL TANKING son:
95
Tabla 26. Tamaños por galones de cisterna
TAMAÑO DE CISTERNA GALONES
Cisterna chica 2000
Cisterna mediana 4000
Cisterna grande 7000
Fuente. Elaboración propia
Se filtró la cantidad de los tamaños de la primera
semana de muestreo, que fue desde el 10 al 7 de febrero del
2014, que muestran en la siguiente tabla:
Tabla 27. Números de Cisternas por tamaño y díaFecha Tamaño N°
10/02/2014N° Cisternas Chicas 35N° Cisternas Medianas 22N° Cisternas Grandes 12
11/02/2014N° Cisternas Chicas 30N° Cisternas Medianas 16N° Cisternas Grandes 12
15/02/2014N° Cisternas Chicas 35N° Cisternas Medianas 22N° Cisternas Grandes 12
13/02/2014N° Cisternas Chicas 34N° Cisternas Medianas 15N° Cisternas Grandes 10
14/02/2014N° Cisternas Chicas 25N° Cisternas Medianas 15N° Cisternas Grandes 7
15/02/2014N° Cisternas Chicas 30N° Cisternas Medianas 15N° Cisternas Grandes 10
17/02/2014N° Cisternas Chicas 35N° Cisternas Medianas 17N° Cisternas Grandes 9
Fuente. Elaboración propia
Se generaron los rangos para los tamaños de las
cisternas en probabilidades para los números aleatorios que se
usarán para la simulación Montecarlo.
Tabla 28. Cuadro de resumen para simular el tamaño de cisternasTipo de cisterna N° % Rango Tamaño
N° total de cisternas chicas224
0,54
0 0,53 Cisterna chica
N° total de cisternas medianas122
0,29
0,54 0,82 Cisterna mediana
N° total de cisternas grandes 720,17
0,83 0,99 Cisterna grande
Total418
1
Fuente. Elaboración propia
96
Se muestra el resumen de las cisternas chicas durante la
semana de muestreo, los datos se registraron de la siguiente
forma:
Tabla 29. Números de Cisternas chicas por díaCisternas chicas Frecuenc
ias10/02/2014 3511/02/2014 3012/02/2014 3513/02/2014 3414/02/2014 2515/02/2014 3017/02/2014 35
Fuente. Elaboración propia
Se generaron los rangos con las diferentes cantidades de
cisternas chicas que llegaron durante la semana en
probabilidades para los números aleatorios que se usarán para
la simulación Montecarlo.
Tabla 30. Cuadro de resumen para simular el número de cisternas chicasN° de cisternas Frecuencia % Rango N° de cisternas
25 1 0,14 0 0,13 2530 2 0,29 0,14 0,42 3034 1 0,14 0,43 0,56 3435 3 0,43 0,57 0,99 35
7 1Fuente. Elaboración propia
Se muestra el resumen de las cisternas medianas durante
la semana de muestreo, los datos se registraron de la siguiente
forma:
Tabla 31. Número de cisternas medianas por díaCisternas medianas Frecuencias
10/02/2014 2211/02/2014 1612/02/2014 2213/02/2014 1514/02/2014 1515/02/2014 1517/02/2014 17
Fuente. Elaboración propia
97
Se generaron los rangos con las diferentes cantidades de
cisternas medianas que llegaron durante la semana en
probabilidades para los números aleatorios que se usarán para
la simulación Montecarlo.
Tabla 32. Cuadro de resumen para simular el número de cisternas medianasN° de cisternas Frecuencia % Rango N° de cisternas
15 3 0,43 0 0,42 1516 1 0,14 0,43 0,56 1617 1 0,14 0,57 0,70 1722 2 0,29 0,71 0,99 22
7 1Fuente. Elaboración propia
Se muestra el resumen de las cisternas grandes durante
la semana de muestreo, los datos se registraron de la siguiente
forma:
Tabla 33. Número de cisternas grandes por día
Cisternas Grandes Frecuencia10/02/2014 1211/02/2014 1212/02/2014 1213/02/2014 1014/02/2014 715/02/2014 1017/02/2014 9
Fuente. Elaboración propia
Se generaron los rangos con las diferentes cantidades de
cisternas medianas que llegaron durante la semana en
probabilidades para los números aleatorios que se usarán para
la simulación Montecarlo.
Tabla 34. Cuadro de resumen para simular el número de cisternas grandesN° de cisternas Frecuencia % Rango N° de cisternas
7 1 0,14 0 0,13 79 1 0,14 0,14 0,28 9
10 2 0,29 0,29 0,56 1012 3 0,43 0,57 0,99 12
7 1Fuente. Elaboración propia
98
Tipos de producto
La empresa Consorcio Terminales GMP OIL
TANKING distribuye diferentes productos, de acuerdo a las
islas, se generaron los rangos en probabilidades para los
números aleatorios que se usarán para la simulación
Montecarlo.
Tabla 35. Cuadro de resumen para simular los tipos de productos
Isla Combustible % Rango Precio unit. Combustible
Isla 1
DB5 0,3 0 0,29 S/. 9,54 DB5G84 0,15 0,3 0,44 S/. 8,50 G84D2 0,05 0,45 0,49 S/. 9,79 D2
PI500 0,3 0,5 0,79 S/. 6,85 PI500Isla 2
G900,2 0,8 0,99 S/. 8,73 G901
Fuente. Elaboración propia
Simulación Montecarlo
Se simularon 1046 llegadas de clientes a la empresa
Consorcio Terminales GMP OIL TANKING, generando
números aleatorios para indicar de acuerdo a los rangos del
tamaño de cisterna que llega a la empresa con su respectivo
galonaje, y el segundo número aleatorio se generó para el tipo
de combustible que va a requerir dicha cisterna, con su
respectivo precio obteniendo un precio total, se presenta un
piloto de toda la simulación en la siguiente tabla:
Tabla 36. Simulación Montecarlo
N°Tamaño de
CisternaCombust. Precio Total
1 Cisterna Grande DB5 S/. 66 780,002 Cisterna Chica G90 S/. 17 460,003 Cisterna Chica D2 S/. 19 580,00
4 Cisterna Chica G84 S/. 17 000,005 Cisterna Mediana G90 S/. 34 920,006 Cisterna Mediana DB5 S/. 38 160,007 Cisterna Mediana PI500 S/. 27 380,008 Cisterna Chica PI500 S/. 13 690,00
99
N°Tamaño de
CisternaCombust. Precio Total
9 Cisterna Grande DB5 S/. 66 780,0010 Cisterna Chica DB5 S/. 19 080,0011 Cisterna Grande G90 S/. 61 110,0012 Cisterna Grande PI500 S/. 47 915,0013 Cisterna Chica G84 S/. 17 000,0014 Cisterna Mediana G84 S/. 34 000,0015 Cisterna Mediana DB5 S/. 38 160,0016 Cisterna Chica G84 S/. 17 000,00
N°Tamaño de
CisternaCombust. Precio Total
17 Cisterna Grande PI500 S/. 47 915,0018 Cisterna Grande G84 S/. 59 500,0019 Cisterna Chica G84 S/. 17 000,0020 Cisterna Chica PI500 S/. 13 690,0021 Cisterna Mediana PI500 S/. 27 380,0022 Cisterna Chica DB5 S/. 19 080,0023 Cisterna Mediana DB5 S/. 38 160,0024 Cisterna Chica D2 S/. 19 580,0025 Cisterna Chica G84 S/. 17 000,0026 Cisterna Chica DB5 S/. 19 080,0027 Cisterna Chica G90 S/. 17 460,0028 Cisterna Mediana G90 S/. 34 920,0029 Cisterna Chica DB5 S/. 19 080,0030 Cisterna Mediana PI500 S/. 27 380,0031 Cisterna Chica DB5 S/. 19 080,0032 Cisterna Chica DB5 S/. 19 080,0033 Cisterna Grande D2 S/. 68 530,0034 Cisterna Chica PI500 S/. 13 690,0035 Cisterna Chica G84 S/. 17 000,0036 Cisterna Mediana DB5 S/. 38 160,0037 Cisterna Mediana D2 S/. 39 160,0038 Cisterna Chica D2 S/. 19 580,0039 Cisterna Chica DB5 S/. 19 080,0040 Cisterna Mediana PI500 S/. 27 380,0041 Cisterna Chica PI500 S/. 13 690,0042 Cisterna Grande DB5 S/. 66 780,0043 Cisterna Mediana G90 S/. 34 920,0044 Cisterna Chica DB5 S/. 19 080,0045 Cisterna Chica PI500 S/. 13 690,0046 Cisterna Mediana G90 S/. 34 920,0047 Cisterna Chica G90 S/. 17 460,0048 Cisterna Chica G90 S/. 17 460,0049 Cisterna Mediana PI500 S/. 27 380,0050 Cisterna Mediana DB5 S/. 38 160,0051 Cisterna Chica PI500 S/. 13 690,0052 Cisterna Chica PI500 S/. 13 690,0053 Cisterna Chica DB5 S/. 19 080,0054 Cisterna Chica G90 S/. 17 460,0055 Cisterna Mediana PI500 S/. 27 380,0056 Cisterna Grande G90 S/. 61 110,0057 Cisterna Mediana DB5 S/. 38 160,0058 Cisterna Grande G90 S/. 61 110,0059 Cisterna Chica PI500 S/. 13 690,0060 Cisterna Mediana G84 S/. 34 000,0061 Cisterna Chica DB5 S/. 19 080,0062 Cisterna Chica DB5 S/. 19 080,0063 Cisterna Chica DB5 S/. 19 080,0064 Cisterna Mediana G90 S/. 34 920,0065 Cisterna Grande DB5 S/. 66 780,0066 Cisterna Chica G90 S/. 17 460,0067 Cisterna Chica G84 S/. 17 000,0068 Cisterna Grande G90 S/. 61 110,00
69 Cisterna Mediana PI500 S/. 27 380,0070 Cisterna Chica G90 S/. 17 460,0071 Cisterna Chica G90 S/. 17 460,0072 Cisterna Chica DB5 S/. 19 080,0073 Cisterna Chica D2 S/. 19 580,0074 Cisterna Mediana G90 S/. 34 920,0075 Cisterna Mediana PI500 S/. 27 380,0076 Cisterna Chica D2 S/. 19 580,0077 Cisterna Mediana G90 S/. 34 920,0078 Cisterna Chica G90 S/. 17 460,00
N°Tamaño de
CisternaCombust. Precio Total
79 Cisterna Chica DB5 S/. 19 080,0080 Cisterna Mediana G90 S/. 34 920,0081 Cisterna Mediana PI500 S/. 27 380,0082 Cisterna Grande PI500 S/. 47 915,0083 Cisterna Grande G84 S/. 59 500,0084 Cisterna Mediana PI500 S/. 27 380,0085 Cisterna Chica G90 S/. 17 460,0086 Cisterna Chica DB5 S/. 19 080,0087 Cisterna Grande PI500 S/. 47 915,0088 Cisterna Chica G84 S/. 17 000,0089 Cisterna Chica PI500 S/. 13 690,0090 Cisterna Chica PI500 S/. 13 690,0091 Cisterna Mediana DB5 S/. 38 160,0092 Cisterna Grande PI500 S/. 47 915,0093 Cisterna Chica G90 S/. 17 460,0094 Cisterna Chica DB5 S/. 19 080,0095 Cisterna Chica DB5 S/. 19 080,0096 Cisterna Grande DB5 S/. 66 780,0097 Cisterna Mediana DB5 S/. 38 160,0098 Cisterna Mediana PI500 S/. 27 380,0099 Cisterna Grande PI500 S/. 47 915,00
100 Cisterna Chica DB5 S/. 19 080,00101 Cisterna Mediana PI500 S/. 27 380,00102 Cisterna Chica PI500 S/. 13 690,00103 Cisterna Grande PI500 S/. 47 915,00104 Cisterna Mediana G90 S/. 34 920,00105 Cisterna Chica DB5 S/. 19 080,00106 Cisterna Chica G84 S/. 17 000,00107 Cisterna Mediana PI500 S/. 27 380,00108 Cisterna Chica PI500 S/. 13 690,00109 Cisterna Chica DB5 S/. 19 080,00110 Cisterna Grande DB5 S/. 66 780,00111 Cisterna Mediana G84 S/. 34 000,00112 Cisterna Chica G84 S/. 17 000,00113 Cisterna Chica DB5 S/. 19 080,00114 Cisterna Chica PI500 S/. 13 690,00115 Cisterna Mediana PI500 S/. 27 380,00116 Cisterna Chica D2 S/. 19 580,00117 Cisterna Grande D2 S/. 68 530,00118 Cisterna Chica G84 S/. 17 000,00119 Cisterna Chica DB5 S/. 19 080,00120 Cisterna Chica PI500 S/. 13 690,00121 Cisterna Mediana G90 S/. 34 920,00122 Cisterna Mediana DB5 S/. 38 160,00123 Cisterna Mediana G84 S/. 34 000,00124 Cisterna Chica DB5 S/. 19 080,00125 Cisterna Chica D2 S/. 19 580,00126 Cisterna Chica PI500 S/. 13 690,00127 Cisterna Chica DB5 S/. 19 080,00128 Cisterna Chica G90 S/. 17 460,00129 Cisterna Mediana PI500 S/. 27 380,00130 Cisterna Chica PI500 S/. 13 690,00
100
131 Cisterna Mediana G90 S/. 34 920,00132 Cisterna Chica DB5 S/. 19 080,00133 Cisterna Chica DB5 S/. 19 080,00134 Cisterna Grande G90 S/. 61 110,00135 Cisterna Chica PI500 S/. 13 690,00136 Cisterna Chica G84 S/. 17 000,00137 Cisterna Grande G84 S/. 59 500,00138 Cisterna Chica PI500 S/. 13 690,00139 Cisterna Mediana DB5 S/. 38 160,00140 Cisterna Chica DB5 S/. 19 080,00
N°Tamaño de
CisternaCombust. Precio Total
141 Cisterna Mediana G90 S/. 34 920,00142 Cisterna Mediana G84 S/. 34 000,00143 Cisterna Chica DB5 S/. 19 080,00144 Cisterna Grande DB5 S/. 66 780,00145 Cisterna Grande PI500 S/. 47 915,00146 Cisterna Grande PI500 S/. 47 915,00147 Cisterna Mediana G84 S/. 34 000,00148 Cisterna Chica DB5 S/. 19 080,00149 Cisterna Mediana G90 S/. 34 920,00150 Cisterna Chica PI500 S/. 13 690,00151 Cisterna Chica PI500 S/. 13 690,00152 Cisterna Chica DB5 S/. 19 080,00153 Cisterna Chica PI500 S/. 13 690,00154 Cisterna Chica DB5 S/. 19 080,00155 Cisterna Mediana PI500 S/. 27 380,00156 Cisterna Chica DB5 S/. 19 080,00157 Cisterna Grande D2 S/. 68 530,00158 Cisterna Chica G90 S/. 17 460,00159 Cisterna Mediana DB5 S/. 38 160,00160 Cisterna Grande G90 S/. 61 110,00161 Cisterna Chica DB5 S/. 19 080,00162 Cisterna Mediana PI500 S/. 27 380,00163 Cisterna Chica G90 S/. 17 460,00164 Cisterna Mediana PI500 S/. 27 380,00165 Cisterna Chica G90 S/. 17 460,00166 Cisterna Chica DB5 S/. 19 080,00167 Cisterna Chica G84 S/. 17 000,00168 Cisterna Chica DB5 S/. 19 080,00169 Cisterna Chica PI500 S/. 13 690,00170 Cisterna Grande PI500 S/. 47 915,00171 Cisterna Mediana PI500 S/. 27 380,00172 Cisterna Chica DB5 S/. 19 080,00173 Cisterna Chica G90 S/. 17 460,00174 Cisterna Grande G90 S/. 61 110,00175 Cisterna Mediana PI500 S/. 27 380,00176 Cisterna Grande DB5 S/. 66 780,00177 Cisterna Grande PI500 S/. 47 915,00178 Cisterna Chica G90 S/. 17 460,00179 Cisterna Mediana G84 S/. 34 000,00180 Cisterna Chica PI500 S/. 13 690,00181 Cisterna Chica DB5 S/. 19 080,00182 Cisterna Chica G84 S/. 17 000,00183 Cisterna Chica DB5 S/. 19 080,00184 Cisterna Chica G84 S/. 17 000,00185 Cisterna Chica G90 S/. 17 460,00186 Cisterna Chica PI500 S/. 13 690,00187 Cisterna Mediana G84 S/. 34 000,00188 Cisterna Grande DB5 S/. 66 780,00189 Cisterna Chica PI500 S/. 13 690,00190 Cisterna Grande DB5 S/. 66 780,00191 Cisterna Grande G90 S/. 61 110,00192 Cisterna Mediana DB5 S/. 38 160,00
193 Cisterna Mediana PI500 S/. 27 380,00194 Cisterna Grande DB5 S/. 66 780,00195 Cisterna Mediana PI500 S/. 27 380,00196 Cisterna Grande DB5 S/. 66 780,00197 Cisterna Chica G90 S/. 17 460,00198 Cisterna Mediana PI500 S/. 27 380,00199 Cisterna Chica DB5 S/. 19 080,00200 Cisterna Chica PI500 S/. 13 690,00201 Cisterna Mediana PI500 S/. 27 380,00202 Cisterna Chica PI500 S/. 13 690,00
N°Tamaño de
CisternaCombust. Precio Total
203 Cisterna Chica D2 S/. 19 580,00204 Cisterna Chica G90 S/. 17 460,00205 Cisterna Mediana DB5 S/. 38 160,00206 Cisterna Chica G90 S/. 17 460,00207 Cisterna Chica DB5 S/. 19 080,00208 Cisterna Chica PI500 S/. 13 690,00209 Cisterna Mediana G90 S/. 34 920,00210 Cisterna Chica G90 S/. 17 460,00211 Cisterna Mediana PI500 S/. 27 380,00212 Cisterna Grande PI500 S/. 47 915,00213 Cisterna Mediana PI500 S/. 27 380,00214 Cisterna Grande G84 S/. 59 500,00215 Cisterna Mediana G84 S/. 34 000,00216 Cisterna Grande G84 S/. 59 500,00217 Cisterna Grande PI500 S/. 47 915,00218 Cisterna Grande DB5 S/. 66 780,00219 Cisterna Mediana PI500 S/. 27 380,00220 Cisterna Mediana PI500 S/. 27 380,00221 Cisterna Mediana PI500 S/. 27 380,00222 Cisterna Chica G84 S/. 17 000,00223 Cisterna Grande PI500 S/. 47 915,00224 Cisterna Grande PI500 S/. 47 915,00225 Cisterna Mediana G84 S/. 34 000,00226 Cisterna Mediana G84 S/. 34 000,00227 Cisterna Chica PI500 S/. 13 690,00228 Cisterna Chica PI500 S/. 13 690,00229 Cisterna Chica DB5 S/. 19 080,00230 Cisterna Chica DB5 S/. 19 080,00231 Cisterna Chica PI500 S/. 13 690,00232 Cisterna Chica PI500 S/. 13 690,00233 Cisterna Chica G90 S/. 17 460,00234 Cisterna Grande G90 S/. 61 110,00235 Cisterna Chica G90 S/. 17 460,00236 Cisterna Grande PI500 S/. 47 915,00237 Cisterna Chica G84 S/. 17 000,00238 Cisterna Chica G90 S/. 17 460,00239 Cisterna Chica G84 S/. 17 000,00240 Cisterna Chica PI500 S/. 13 690,00241 Cisterna Mediana DB5 S/. 38 160,00242 Cisterna Mediana PI500 S/. 27 380,00243 Cisterna Mediana DB5 S/. 38 160,00244 Cisterna Mediana PI500 S/. 27 380,00245 Cisterna Grande G90 S/. 61 110,00246 Cisterna Chica PI500 S/. 13 690,00247 Cisterna Mediana D2 S/. 39 160,00248 Cisterna Mediana DB5 S/. 38 160,00249 Cisterna Mediana D2 S/. 39 160,00250 Cisterna Chica DB5 S/. 19 080,00251 Cisterna Chica PI500 S/. 13 690,00252 Cisterna Chica G90 S/. 17 460,00253 Cisterna Grande DB5 S/. 66 780,00254 Cisterna Grande D2 S/. 68 530,00
101
255 Cisterna Chica G84 S/. 17 000,00 256 Cisterna Chica G84 S/. 17 000,00
102
257 Cisterna Chica DB5 S/. 19 080,00 258 Cisterna Mediana DB5 S/. 38 160,00
103
259 Cisterna Chica G90 S/. 17 460,00260 Cisterna Mediana DB5 S/. 38 160,00261 Cisterna Grande PI500 S/. 47 915,00262 Cisterna Mediana DB5 S/. 38 160,00263 Cisterna Chica DB5 S/. 19 080,00264 Cisterna Mediana G84 S/. 34 000,00
N°Tamaño de
CisternaCombust. Precio Total
265 Cisterna Mediana G90 S/. 34 920,00266 Cisterna Chica G90 S/. 17 460,00267 Cisterna Grande G84 S/. 59 500,00268 Cisterna Mediana DB5 S/. 38 160,00269 Cisterna Mediana DB5 S/. 38 160,00270 Cisterna Chica PI500 S/. 13 690,00271 Cisterna Mediana G84 S/. 34 000,00272 Cisterna Chica PI500 S/. 13 690,00273 Cisterna Mediana DB5 S/. 38 160,00274 Cisterna Chica G84 S/. 17 000,00275 Cisterna Mediana G84 S/. 34 000,00276 Cisterna Chica G84 S/. 17 000,00277 Cisterna Mediana G90 S/. 34 920,00278 Cisterna Chica DB5 S/. 19 080,00279 Cisterna Chica G90 S/. 17 460,00280 Cisterna Chica G90 S/. 17 460,00281 Cisterna Grande G84 S/. 59 500,00282 Cisterna Chica G90 S/. 17 460,00283 Cisterna Chica DB5 S/. 19 080,00284 Cisterna Mediana DB5 S/. 38 160,00285 Cisterna Mediana G90 S/. 34 920,00286 Cisterna Grande PI500 S/. 47 915,00287 Cisterna Mediana G84 S/. 34 000,00288 Cisterna Grande G90 S/. 61 110,00289 Cisterna Chica PI500 S/. 13 690,00290 Cisterna Chica DB5 S/. 19 080,00291 Cisterna Mediana PI500 S/. 27 380,00292 Cisterna Mediana G84 S/. 34 000,00293 Cisterna Mediana G90 S/. 34 920,00294 Cisterna Chica DB5 S/. 19 080,00295 Cisterna Mediana PI500 S/. 27 380,00296 Cisterna Chica G84 S/. 17 000,00297 Cisterna Mediana PI500 S/. 27 380,00298 Cisterna Chica G84 S/. 17 000,00299 Cisterna Chica PI500 S/. 13 690,00300 Cisterna Chica DB5 S/. 19 080,00301 Cisterna Chica G90 S/. 17 460,00302 Cisterna Chica DB5 S/. 19 080,00303 Cisterna Chica G90 S/. 17 460,00304 Cisterna Mediana PI500 S/. 27 380,00305 Cisterna Chica DB5 S/. 19 080,00306 Cisterna Mediana DB5 S/. 38 160,00307 Cisterna Chica PI500 S/. 13 690,00308 Cisterna Mediana G90 S/. 34 920,00309 Cisterna Grande G84 S/. 59 500,00310 Cisterna Mediana PI500 S/. 27 380,00311 Cisterna Mediana DB5 S/. 38 160,00312 Cisterna Chica PI500 S/. 13 690,00313 Cisterna Chica PI500 S/. 13 690,00314 Cisterna Chica G90 S/. 17 460,00315 Cisterna Chica DB5 S/. 19 080,00316 Cisterna Chica DB5 S/. 19 080,00317 Cisterna Chica PI500 S/. 13 690,00318 Cisterna Chica G90 S/. 17 460,00319 Cisterna Mediana DB5 S/. 38 160,00320 Cisterna Chica D2 S/. 19 580,00
321 Cisterna Mediana G90 S/. 34 920,00322 Cisterna Chica PI500 S/. 13 690,00323 Cisterna Chica G84 S/. 17 000,00324 Cisterna Chica G90 S/. 17 460,00325 Cisterna Chica DB5 S/. 19 080,00326 Cisterna Chica G90 S/. 17 460,00
N°Tamaño de
CisternaCombust. Precio Total
327 Cisterna Chica G90 S/. 17 460,00328 Cisterna Grande PI500 S/. 47 915,00329 Cisterna Mediana DB5 S/. 38 160,00330 Cisterna Mediana G90 S/. 34 920,00331 Cisterna Chica G84 S/. 17 000,00332 Cisterna Chica DB5 S/. 19 080,00333 Cisterna Chica DB5 S/. 19 080,00334 Cisterna Mediana G90 S/. 34 920,00335 Cisterna Chica G84 S/. 17 000,00336 Cisterna Chica DB5 S/. 19 080,00337 Cisterna Chica PI500 S/. 13 690,00338 Cisterna Mediana G84 S/. 34 000,00339 Cisterna Chica G90 S/. 17 460,00340 Cisterna Chica D2 S/. 19 580,00341 Cisterna Chica DB5 S/. 19 080,00342 Cisterna Chica G90 S/. 17 460,00343 Cisterna Mediana G90 S/. 34 920,00344 Cisterna Mediana G84 S/. 34 000,00345 Cisterna Chica G84 S/. 17 000,00346 Cisterna Mediana PI500 S/. 27 380,00347 Cisterna Chica PI500 S/. 13 690,00348 Cisterna Chica G90 S/. 17 460,00349 Cisterna Chica D2 S/. 19 580,00350 Cisterna Chica PI500 S/. 13 690,00351 Cisterna Chica G84 S/. 17 000,00352 Cisterna Grande DB5 S/. 66 780,00353 Cisterna Mediana DB5 S/. 38 160,00354 Cisterna Chica DB5 S/. 19 080,00355 Cisterna Chica G90 S/. 17 460,00356 Cisterna Chica DB5 S/. 19 080,00357 Cisterna Chica PI500 S/. 13 690,00358 Cisterna Chica PI500 S/. 13 690,00359 Cisterna Chica PI500 S/. 13 690,00360 Cisterna Chica PI500 S/. 13 690,00361 Cisterna Chica G84 S/. 17 000,00362 Cisterna Chica DB5 S/. 19 080,00363 Cisterna Chica G84 S/. 17 000,00364 Cisterna Grande DB5 S/. 66 780,00365 Cisterna Mediana PI500 S/. 27 380,00366 Cisterna Chica G84 S/. 17 000,00367 Cisterna Chica DB5 S/. 19 080,00368 Cisterna Mediana PI500 S/. 27 380,00369 Cisterna Chica DB5 S/. 19 080,00370 Cisterna Grande PI500 S/. 47 915,00371 Cisterna Chica G90 S/. 17 460,00372 Cisterna Chica DB5 S/. 19 080,00373 Cisterna Chica DB5 S/. 19 080,00374 Cisterna Chica PI500 S/. 13 690,00375 Cisterna Mediana G90 S/. 34 920,00376 Cisterna Chica DB5 S/. 19 080,00377 Cisterna Grande DB5 S/. 66 780,00378 Cisterna Mediana PI500 S/. 27 380,00379 Cisterna Grande DB5 S/. 66 780,00380 Cisterna Chica DB5 S/. 19 080,00381 Cisterna Chica DB5 S/. 19 080,00382 Cisterna Mediana G90 S/. 34 920,00
104
383 Cisterna Chica G90 S/. 17 460,00384 Cisterna Chica G84 S/. 17 000,00385 Cisterna Mediana PI500 S/. 27 380,00386 Cisterna Chica PI500 S/. 13 690,00387 Cisterna Grande G84 S/. 59 500,00388 Cisterna Chica G84 S/. 17 000,00
N°Tamaño de
CisternaCombust. Precio Total
389 Cisterna Grande DB5 S/. 66 780,00390 Cisterna Chica G84 S/. 17 000,00391 Cisterna Chica G90 S/. 17 460,00392 Cisterna Chica DB5 S/. 19 080,00393 Cisterna Mediana G84 S/. 34 000,00394 Cisterna Mediana PI500 S/. 27 380,00395 Cisterna Chica DB5 S/. 19 080,00396 Cisterna Grande DB5 S/. 66 780,00397 Cisterna Chica G90 S/. 17 460,00398 Cisterna Grande DB5 S/. 66 780,00399 Cisterna Chica DB5 S/. 19 080,00400 Cisterna Chica PI500 S/. 13 690,00401 Cisterna Mediana G84 S/. 34 000,00402 Cisterna Chica DB5 S/. 19 080,00403 Cisterna Chica D2 S/. 19 580,00404 Cisterna Mediana G90 S/. 34 920,00405 Cisterna Chica D2 S/. 19 580,00406 Cisterna Grande DB5 S/. 66 780,00407 Cisterna Mediana PI500 S/. 27 380,00408 Cisterna Grande G90 S/. 61 110,00409 Cisterna Chica DB5 S/. 19 080,00410 Cisterna Chica DB5 S/. 19 080,00411 Cisterna Grande G84 S/. 59 500,00412 Cisterna Chica PI500 S/. 13 690,00413 Cisterna Chica D2 S/. 19 580,00414 Cisterna Chica DB5 S/. 19 080,00415 Cisterna Chica DB5 S/. 19 080,00416 Cisterna Grande G90 S/. 61 110,00417 Cisterna Mediana D2 S/. 39 160,00418 Cisterna Grande DB5 S/. 66 780,00419 Cisterna Chica DB5 S/. 19 080,00420 Cisterna Chica G84 S/. 17 000,00421 Cisterna Chica PI500 S/. 13 690,00422 Cisterna Mediana DB5 S/. 38 160,00423 Cisterna Chica G90 S/. 17 460,00424 Cisterna Chica G90 S/. 17 460,00425 Cisterna Mediana G84 S/. 34 000,00426 Cisterna Chica D2 S/. 19 580,00427 Cisterna Chica PI500 S/. 13 690,00428 Cisterna Chica G90 S/. 17 460,00429 Cisterna Chica DB5 S/. 19 080,00430 Cisterna Grande DB5 S/. 66 780,00431 Cisterna Chica G84 S/. 17 000,00432 Cisterna Chica PI500 S/. 13 690,00433 Cisterna Chica G84 S/. 17 000,00434 Cisterna Chica PI500 S/. 13 690,00435 Cisterna Chica DB5 S/. 19 080,00436 Cisterna Mediana G84 S/. 34 000,00437 Cisterna Chica G84 S/. 17 000,00438 Cisterna Chica G90 S/. 17 460,00439 Cisterna Chica G90 S/. 17 460,00440 Cisterna Mediana G90 S/. 34 920,00441 Cisterna Chica G90 S/. 17 460,00442 Cisterna Chica PI500 S/. 13 690,00443 Cisterna Chica G84 S/. 17 000,00444 Cisterna Chica PI500 S/. 13 690,00
445 Cisterna Grande DB5 S/. 66 780,00446 Cisterna Mediana DB5 S/. 38 160,00447 Cisterna Chica PI500 S/. 13 690,00448 Cisterna Mediana DB5 S/. 38 160,00449 Cisterna Chica PI500 S/. 13 690,00450 Cisterna Grande DB5 S/. 66 780,00
N°Tamaño de
CisternaCombust. Precio Total
451 Cisterna Chica G90 S/. 17 460,00452 Cisterna Mediana DB5 S/. 38 160,00453 Cisterna Mediana PI500 S/. 27 380,00454 Cisterna Mediana G84 S/. 34 000,00455 Cisterna Chica PI500 S/. 13 690,00456 Cisterna Grande DB5 S/. 66 780,00457 Cisterna Chica D2 S/. 19 580,00458 Cisterna Chica PI500 S/. 13 690,00459 Cisterna Chica DB5 S/. 19 080,00460 Cisterna Mediana G84 S/. 34 000,00461 Cisterna Grande DB5 S/. 66 780,00462 Cisterna Chica DB5 S/. 19 080,00463 Cisterna Grande G90 S/. 61 110,00464 Cisterna Mediana PI500 S/. 27 380,00465 Cisterna Chica DB5 S/. 19 080,00466 Cisterna Chica PI500 S/. 13 690,00467 Cisterna Chica PI500 S/. 13 690,00468 Cisterna Mediana DB5 S/. 38 160,00469 Cisterna Mediana G84 S/. 34 000,00470 Cisterna Chica DB5 S/. 19 080,00471 Cisterna Chica DB5 S/. 19 080,00472 Cisterna Chica PI500 S/. 13 690,00473 Cisterna Chica D2 S/. 19 580,00474 Cisterna Chica G90 S/. 17 460,00475 Cisterna Grande DB5 S/. 66 780,00476 Cisterna Chica DB5 S/. 19 080,00477 Cisterna Grande PI500 S/. 47 915,00478 Cisterna Chica PI500 S/. 13 690,00479 Cisterna Mediana DB5 S/. 38 160,00480 Cisterna Mediana G90 S/. 34 920,00481 Cisterna Chica G90 S/. 17 460,00482 Cisterna Chica DB5 S/. 19 080,00483 Cisterna Chica PI500 S/. 13 690,00484 Cisterna Chica DB5 S/. 19 080,00485 Cisterna Mediana G90 S/. 34 920,00486 Cisterna Mediana DB5 S/. 38 160,00487 Cisterna Chica PI500 S/. 13 690,00488 Cisterna Chica DB5 S/. 19 080,00489 Cisterna Grande PI500 S/. 47 915,00490 Cisterna Chica PI500 S/. 13 690,00491 Cisterna Chica D2 S/. 19 580,00492 Cisterna Chica D2 S/. 19 580,00493 Cisterna Chica G90 S/. 17 460,00494 Cisterna Chica D2 S/. 19 580,00495 Cisterna Mediana DB5 S/. 38 160,00496 Cisterna Mediana DB5 S/. 38 160,00497 Cisterna Grande G84 S/. 59 500,00498 Cisterna Grande PI500 S/. 47 915,00499 Cisterna Chica D2 S/. 19 580,00500 Cisterna Chica DB5 S/. 19 080,00501 Cisterna Chica G84 S/. 17 000,00502 Cisterna Mediana G90 S/. 34 920,00503 Cisterna Grande G90 S/. 61 110,00504 Cisterna Grande G84 S/. 59 500,00505 Cisterna Chica DB5 S/. 19 080,00506 Cisterna Chica DB5 S/. 19 080,00
105
507 Cisterna Chica G84 S/. 17 000,00 508 Cisterna Mediana G90 S/. 34 920,00
106
509 Cisterna Mediana DB5 S/. 38 160,00510 Cisterna Mediana DB5 S/. 38 160,00511 Cisterna Chica PI500 S/. 13 690,00512 Cisterna Chica G84 S/. 17 000,00
N°Tamaño de
CisternaCombust. Precio Total
514 Cisterna Mediana G90 S/. 34 920,00515 Cisterna Chica D2 S/. 19 580,00516 Cisterna Chica DB5 S/. 19 080,00517 Cisterna Grande G90 S/. 61 110,00518 Cisterna Chica DB5 S/. 19 080,00519 Cisterna Mediana G90 S/. 34 920,00520 Cisterna Grande G90 S/. 61 110,00521 Cisterna Chica DB5 S/. 19 080,00522 Cisterna Grande PI500 S/. 47 915,00523 Cisterna Chica PI500 S/. 13 690,00524 Cisterna Chica DB5 S/. 19 080,00525 Cisterna Chica G90 S/. 17 460,00526 Cisterna Chica DB5 S/. 19 080,00527 Cisterna Chica PI500 S/. 13 690,00528 Cisterna Mediana G84 S/. 34 000,00529 Cisterna Chica PI500 S/. 13 690,00530 Cisterna Mediana PI500 S/. 27 380,00531 Cisterna Grande PI500 S/. 47 915,00532 Cisterna Mediana PI500 S/. 27 380,00533 Cisterna Chica G84 S/. 17 000,00534 Cisterna Mediana DB5 S/. 38 160,00535 Cisterna Chica DB5 S/. 19 080,00536 Cisterna Chica PI500 S/. 13 690,00537 Cisterna Mediana PI500 S/. 27 380,00538 Cisterna Grande PI500 S/. 47 915,00539 Cisterna Chica PI500 S/. 13 690,00540 Cisterna Chica G84 S/. 17 000,00541 Cisterna Chica DB5 S/. 19 080,00542 Cisterna Grande PI500 S/. 47 915,00543 Cisterna Chica DB5 S/. 19 080,00544 Cisterna Chica PI500 S/. 13 690,00545 Cisterna Chica PI500 S/. 13 690,00546 Cisterna Grande DB5 S/. 66 780,00547 Cisterna Chica DB5 S/. 19 080,00548 Cisterna Mediana PI500 S/. 27 380,00549 Cisterna Chica DB5 S/. 19 080,00550 Cisterna Grande G84 S/. 59 500,00551 Cisterna Grande PI500 S/. 47 915,00552 Cisterna Mediana DB5 S/. 38 160,00553 Cisterna Grande PI500 S/. 47 915,00554 Cisterna Chica PI500 S/. 13 690,00555 Cisterna Chica PI500 S/. 13 690,00556 Cisterna Grande G84 S/. 59 500,00557 Cisterna Chica G90 S/. 17 460,00558 Cisterna Chica G84 S/. 17 000,00559 Cisterna Mediana G84 S/. 34 000,00560 Cisterna Chica D2 S/. 19 580,00561 Cisterna Chica G90 S/. 17 460,00562 Cisterna Mediana PI500 S/. 27 380,00563 Cisterna Chica D2 S/. 19 580,00564 Cisterna Chica G90 S/. 17 460,00565 Cisterna Mediana G90 S/. 34 920,00566 Cisterna Chica PI500 S/. 13 690,00567 Cisterna Mediana PI500 S/. 27 380,00568 Cisterna Chica G90 S/. 17 460,00569 Cisterna Mediana PI500 S/. 27 380,00570 Cisterna Mediana G90 S/. 34 920,00571 Cisterna Chica DB5 S/. 19 080,00
572 Cisterna Chica PI500 S/. 13 690,00573 Cisterna Chica G90 S/. 17 460,00574 Cisterna Chica DB5 S/. 19 080,00575 Cisterna Chica PI500 S/. 13 690,00
N°Tamaño de
CisternaCombust. Precio Total
577 Cisterna Chica G90 S/. 17 460,00578 Cisterna Mediana PI500 S/. 27 380,00579 Cisterna Grande G90 S/. 61 110,00580 Cisterna Grande DB5 S/. 66 780,00581 Cisterna Chica DB5 S/. 19 080,00582 Cisterna Grande DB5 S/. 66 780,00583 Cisterna Chica G90 S/. 17 460,00584 Cisterna Grande G84 S/. 59 500,00585 Cisterna Chica DB5 S/. 19 080,00586 Cisterna Chica PI500 S/. 13 690,00587 Cisterna Chica DB5 S/. 19 080,00588 Cisterna Chica PI500 S/. 13 690,00589 Cisterna Chica PI500 S/. 13 690,00590 Cisterna Mediana DB5 S/. 38 160,00591 Cisterna Mediana PI500 S/. 27 380,00592 Cisterna Chica G90 S/. 17 460,00593 Cisterna Chica G90 S/. 17 460,00594 Cisterna Chica D2 S/. 19 580,00595 Cisterna Chica PI500 S/. 13 690,00596 Cisterna Mediana G90 S/. 34 920,00597 Cisterna Mediana PI500 S/. 27 380,00598 Cisterna Chica DB5 S/. 19 080,00599 Cisterna Mediana DB5 S/. 38 160,00600 Cisterna Mediana PI500 S/. 27 380,00601 Cisterna Mediana G90 S/. 34 920,00602 Cisterna Chica G84 S/. 17 000,00603 Cisterna Chica G90 S/. 17 460,00604 Cisterna Chica PI500 S/. 13 690,00605 Cisterna Chica DB5 S/. 19 080,00606 Cisterna Grande G90 S/. 61 110,00607 Cisterna Chica G90 S/. 17 460,00608 Cisterna Chica G84 S/. 17 000,00609 Cisterna Mediana PI500 S/. 27 380,00610 Cisterna Chica PI500 S/. 13 690,00611 Cisterna Grande PI500 S/. 47 915,00612 Cisterna Chica G84 S/. 17 000,00613 Cisterna Chica DB5 S/. 19 080,00614 Cisterna Mediana DB5 S/. 38 160,00615 Cisterna Mediana G90 S/. 34 920,00616 Cisterna Grande PI500 S/. 47 915,00617 Cisterna Mediana DB5 S/. 38 160,00618 Cisterna Chica D2 S/. 19 580,00619 Cisterna Chica DB5 S/. 19 080,00620 Cisterna Chica D2 S/. 19 580,00621 Cisterna Mediana DB5 S/. 38 160,00622 Cisterna Mediana G90 S/. 34 920,00623 Cisterna Mediana PI500 S/. 27 380,00624 Cisterna Grande DB5 S/. 66 780,00625 Cisterna Chica PI500 S/. 13 690,00626 Cisterna Chica G84 S/. 17 000,00627 Cisterna Mediana G90 S/. 34 920,00628 Cisterna Mediana G90 S/. 34 920,00629 Cisterna Chica PI500 S/. 13 690,00630 Cisterna Chica PI500 S/. 13 690,00631 Cisterna Chica G90 S/. 17 460,00632 Cisterna Chica G90 S/. 17 460,00633 Cisterna Chica D2 S/. 19 580,00634 Cisterna Grande DB5 S/. 66 780,00
107
635 Cisterna Chica D2 S/. 19 580,00636 Cisterna Chica PI500 S/. 13 690,00637 Cisterna Chica PI500 S/. 13 690,00638 Cisterna Mediana PI500 S/. 27 380,00
N°Tamaño de
CisternaCombust. Precio Total
639 Cisterna Chica G90 S/. 17 460,00SIMULACIÓN TOTAL
(2 SERVIDORES)S/. 17 235 725,00
640 Cisterna Mediana DB5 S/. 38 160,00641 Cisterna Chica PI500 S/. 13 690,00642 Cisterna Chica G90 S/. 17 460,00643 Cisterna Chica G90 S/. 17 460,00644 Cisterna Chica DB5 S/. 19 080,00645 Cisterna Chica PI500 S/. 13 690,00646 Cisterna Mediana D2 S/. 39 160,00647 Cisterna Chica G90 S/. 17 460,00648 Cisterna Chica DB5 S/. 19 080,00649 Cisterna Grande DB5 S/. 66 780,00650 Cisterna Mediana G84 S/. 34 000,00651 Cisterna Chica DB5 S/. 19 080,00652 Cisterna Chica G84 S/. 17 000,00653 Cisterna Chica PI500 S/. 13 690,00654 Cisterna Chica PI500 S/. 13 690,00655 Cisterna Mediana DB5 S/. 38 160,00656 Cisterna Mediana DB5 S/. 38 160,00657 Cisterna Chica DB5 S/. 19 080,00658 Cisterna Mediana PI500 S/. 27 380,00659 Cisterna Grande G90 S/. 61 110,00660 Cisterna Chica D2 S/. 19 580,00661 Cisterna Chica DB5 S/. 19 080,00662 Cisterna Grande G90 S/. 61 110,00663 Cisterna Chica G84 S/. 17 000,00664 Cisterna Mediana PI500 S/. 27 380,00665 Cisterna Mediana DB5 S/. 38 160,00666 Cisterna Mediana PI500 S/. 27 380,00667 Cisterna Chica G90 S/. 17 460,00668 Cisterna Chica PI500 S/. 13 690,00669 Cisterna Mediana DB5 S/. 38 160,00670 Cisterna Chica G90 S/. 17 460,00671 Cisterna Chica G90 S/. 17 460,00672 Cisterna Grande PI500 S/. 47 915,00673 Cisterna Mediana PI500 S/. 27 380,00674 Cisterna Chica G90 S/. 17 460,00675 Cisterna Chica G84 S/. 17 000,00676 Cisterna Mediana G90 S/. 34 920,00677 Cisterna Chica DB5 S/. 19 080,00678 Cisterna Chica D2 S/. 19 580,00679 Cisterna Chica PI500 S/. 13 690,00680 Cisterna Chica G90 S/. 17 460,00681 Cisterna Mediana G84 S/. 34 000,00682 Cisterna Chica PI500 S/. 13 690,00683 Cisterna Chica G84 S/. 17 000,00684 Cisterna Mediana G90 S/. 34 920,00685 Cisterna Mediana PI500 S/. 27 380,00686 Cisterna Chica G90 S/. 17 460,00687 Cisterna Mediana DB5 S/. 38 160,00688 Cisterna Chica G84 S/. 17 000,00689 Cisterna Grande DB5 S/. 66 780,00690 Cisterna Grande DB5 S/. 66 780,00691 Cisterna Chica PI500 S/. 13 690,00692 Cisterna Chica G84 S/. 17 000,00693 Cisterna Grande PI500 S/. 47 915,00694 Cisterna Mediana G90 S/. 34 920,00
108
109
695 Cisterna Chica G90 S/. 17 460,00696 Cisterna Grande G90 S/. 61 110,00697 Cisterna Grande DB5 S/. 66 780,00698 Cisterna Grande DB5 S/. 66 780,00
N°Tamaño de
CisternaCombust. Precio Total
699 Cisterna Chica G90 S/. 17 460,00700 Cisterna Chica PI500 S/. 13 690,00701 Cisterna Chica DB5 S/. 19 080,00702 Cisterna Mediana PI500 S/. 27 380,00703 Cisterna Mediana G90 S/. 34 920,00704 Cisterna Chica PI500 S/. 13 690,00705 Cisterna Grande G84 S/. 59 500,00706 Cisterna Grande G84 S/. 59 500,00707 Cisterna Mediana DB5 S/. 38 160,00708 Cisterna Mediana G90 S/. 34 920,00709 Cisterna Chica PI500 S/. 13 690,00710 Cisterna Chica G84 S/. 17 000,00711 Cisterna Mediana G90 S/. 34 920,00712 Cisterna Chica G90 S/. 17 460,00713 Cisterna Grande DB5 S/. 66 780,00714 Cisterna Mediana DB5 S/. 38 160,00715 Cisterna Mediana DB5 S/. 38 160,00716 Cisterna Chica DB5 S/. 19 080,00717 Cisterna Chica PI500 S/. 13 690,00718 Cisterna Mediana PI500 S/. 27 380,00719 Cisterna Grande PI500 S/. 47 915,00720 Cisterna Grande PI500 S/. 47 915,00721 Cisterna Grande PI500 S/. 47 915,00722 Cisterna Mediana PI500 S/. 27 380,00723 Cisterna Chica D2 S/. 19 580,00724 Cisterna Chica PI500 S/. 13 690,00725 Cisterna Mediana DB5 S/. 38 160,00726 Cisterna Chica G90 S/. 17 460,00727 Cisterna Chica PI500 S/. 13 690,00728 Cisterna Grande G90 S/. 61 110,00729 Cisterna Grande DB5 S/. 66 780,00730 Cisterna Grande DB5 S/. 66 780,00731 Cisterna Mediana PI500 S/. 27 380,00732 Cisterna Chica G90 S/. 17 460,00733 Cisterna Chica G90 S/. 17 460,00734 Cisterna Chica D2 S/. 19 580,00735 Cisterna Chica G90 S/. 17 460,00736 Cisterna Grande G90 S/. 61 110,00737 Cisterna Grande G90 S/. 61 110,00738 Cisterna Grande DB5 S/. 66 780,00739 Cisterna Mediana G84 S/. 34 000,00740 Cisterna Chica PI500 S/. 13 690,00741 Cisterna Mediana D2 S/. 39 160,00742 Cisterna Chica G90 S/. 17 460,00743 Cisterna Mediana G90 S/. 34 920,00744 Cisterna Chica PI500 S/. 13 690,00745 Cisterna Mediana PI500 S/. 27 380,00746 Cisterna Mediana PI500 S/. 27 380,00747 Cisterna Chica PI500 S/. 13 690,00748 Cisterna Chica G90 S/. 17 460,00749 Cisterna Grande PI500 S/. 47 915,00750 Cisterna Grande DB5 S/. 66 780,00751 Cisterna Chica G90 S/. 17 460,00752 Cisterna Chica G90 S/. 17 460,00753 Cisterna Chica PI500 S/. 13 690,00754 Cisterna Chica G90 S/. 17 460,00755 Cisterna Chica G90 S/. 17 460,00756 Cisterna Chica DB5 S/. 19 080,00
757 Cisterna Chica G90 S/. 17 460,00758 Cisterna Chica DB5 S/. 19 080,00759 Cisterna Chica G90 S/. 17 460,00760 Cisterna Mediana G90 S/. 34 920,00
N°Tamaño de
CisternaCombust. Precio Total
761 Cisterna Chica PI500 S/. 13 690,00762 Cisterna Mediana DB5 S/. 38 160,00763 Cisterna Grande PI500 S/. 47 915,00764 Cisterna Chica G84 S/. 17 000,00765 Cisterna Mediana G90 S/. 34 920,00766 Cisterna Chica DB5 S/. 19 080,00767 Cisterna Mediana PI500 S/. 27 380,00768 Cisterna Mediana PI500 S/. 27 380,00769 Cisterna Chica G84 S/. 17 000,00770 Cisterna Grande G90 S/. 61 110,00771 Cisterna Chica PI500 S/. 13 690,00772 Cisterna Mediana D2 S/. 39 160,00773 Cisterna Chica DB5 S/. 19 080,00774 Cisterna Chica DB5 S/. 19 080,00775 Cisterna Mediana PI500 S/. 27 380,00776 Cisterna Mediana DB5 S/. 38 160,00777 Cisterna Chica PI500 S/. 13 690,00778 Cisterna Grande G90 S/. 61 110,00779 Cisterna Chica G90 S/. 17 460,00780 Cisterna Chica G84 S/. 17 000,00781 Cisterna Mediana DB5 S/. 38 160,00782 Cisterna Chica G90 S/. 17 460,00783 Cisterna Chica DB5 S/. 19 080,00784 Cisterna Chica PI500 S/. 13 690,00785 Cisterna Mediana DB5 S/. 38 160,00786 Cisterna Chica G84 S/. 17 000,00787 Cisterna Chica G90 S/. 17 460,00788 Cisterna Chica DB5 S/. 19 080,00789 Cisterna Chica G84 S/. 17 000,00790 Cisterna Grande DB5 S/. 66 780,00791 Cisterna Chica PI500 S/. 13 690,00792 Cisterna Chica DB5 S/. 19 080,00793 Cisterna Chica G90 S/. 17 460,00794 Cisterna Grande G90 S/. 61 110,00795 Cisterna Mediana G84 S/. 34 000,00796 Cisterna Grande PI500 S/. 47 915,00797 Cisterna Chica PI500 S/. 13 690,00798 Cisterna Grande DB5 S/. 66 780,00799 Cisterna Mediana DB5 S/. 38 160,00800 Cisterna Chica DB5 S/. 19 080,00801 Cisterna Mediana PI500 S/. 27 380,00802 Cisterna Chica D2 S/. 19 580,00803 Cisterna Chica G90 S/. 17 460,00804 Cisterna Mediana G84 S/. 34 000,00805 Cisterna Grande G90 S/. 61 110,00806 Cisterna Mediana G84 S/. 34 000,00807 Cisterna Chica DB5 S/. 19 080,00808 Cisterna Chica DB5 S/. 19 080,00809 Cisterna Chica DB5 S/. 19 080,00810 Cisterna Mediana PI500 S/. 27 380,00811 Cisterna Mediana G84 S/. 34 000,00812 Cisterna Grande DB5 S/. 66 780,00813 Cisterna Mediana PI500 S/. 27 380,00814 Cisterna Chica PI500 S/. 13 690,00815 Cisterna Chica DB5 S/. 19 080,00816 Cisterna Chica G84 S/. 17 000,00817 Cisterna Chica D2 S/. 19 580,00818 Cisterna Chica PI500 S/. 13 690,00
110
819 Cisterna Mediana DB5 S/. 38 160,00820 Cisterna Chica G90 S/. 17 460,00821 Cisterna Mediana PI500 S/. 27 380,00822 Cisterna Grande G84 S/. 59 500,00
N°Tamaño de
CisternaCombust. Precio Total
824 Cisterna Chica PI500 S/. 13 690,00825 Cisterna Chica DB5 S/. 19 080,00826 Cisterna Chica DB5 S/. 19 080,00827 Cisterna Chica G90 S/. 17 460,00828 Cisterna Chica DB5 S/. 19 080,00829 Cisterna Chica PI500 S/. 13 690,00830 Cisterna Chica PI500 S/. 13 690,00831 Cisterna Mediana G90 S/. 34 920,00832 Cisterna Mediana DB5 S/. 38 160,00833 Cisterna Chica PI500 S/. 13 690,00834 Cisterna Mediana G84 S/. 34 000,00835 Cisterna Chica PI500 S/. 13 690,00836 Cisterna Grande DB5 S/. 66 780,00837 Cisterna Chica G90 S/. 17 460,00838 Cisterna Grande DB5 S/. 66 780,00839 Cisterna Grande G84 S/. 59 500,00840 Cisterna Chica G90 S/. 17 460,00841 Cisterna Mediana PI500 S/. 27 380,00842 Cisterna Chica PI500 S/. 13 690,00843 Cisterna Chica PI500 S/. 13 690,00844 Cisterna Chica G84 S/. 17 000,00845 Cisterna Chica G90 S/. 17 460,00846 Cisterna Chica G84 S/. 17 000,00847 Cisterna Chica PI500 S/. 13 690,00848 Cisterna Grande PI500 S/. 47 915,00849 Cisterna Mediana PI500 S/. 27 380,00850 Cisterna Chica G90 S/. 17 460,00851 Cisterna Mediana PI500 S/. 27 380,00852 Cisterna Mediana DB5 S/. 38 160,00853 Cisterna Chica G90 S/. 17 460,00854 Cisterna Chica D2 S/. 19 580,00855 Cisterna Chica PI500 S/. 13 690,00856 Cisterna Mediana DB5 S/. 38 160,00857 Cisterna Grande DB5 S/. 66 780,00858 Cisterna Chica G84 S/. 17 000,00859 Cisterna Grande PI500 S/. 47 915,00860 Cisterna Chica DB5 S/. 19 080,00861 Cisterna Chica G84 S/. 17 000,00862 Cisterna Chica PI500 S/. 13 690,00863 Cisterna Chica DB5 S/. 19 080,00864 Cisterna Chica PI500 S/. 13 690,00865 Cisterna Grande G84 S/. 59 500,00866 Cisterna Grande G84 S/. 59 500,00867 Cisterna Mediana DB5 S/. 38 160,00868 Cisterna Chica G90 S/. 17 460,00869 Cisterna Chica DB5 S/. 19 080,00870 Cisterna Chica G90 S/. 17 460,00871 Cisterna Grande G90 S/. 61 110,00872 Cisterna Chica DB5 S/. 19 080,00873 Cisterna Chica PI500 S/. 13 690,00874 Cisterna Chica PI500 S/. 13 690,00875 Cisterna Chica PI500 S/. 13 690,00876 Cisterna Chica PI500 S/. 13 690,00877 Cisterna Chica G90 S/. 17 460,00878 Cisterna Chica G84 S/. 17 000,00879 Cisterna Chica D2 S/. 19 580,00880 Cisterna Grande D2 S/. 68 530,00881 Cisterna Chica DB5 S/. 19 080,00
882 Cisterna Chica G90 S/. 17 460,00883 Cisterna Grande PI500 S/. 47 915,00884 Cisterna Mediana DB5 S/. 38 160,00885 Cisterna Mediana DB5 S/. 38 160,00
N°Tamaño de
CisternaCombust. Precio Total
887 Cisterna Chica G90 S/. 17 460,00888 Cisterna Chica G90 S/. 17 460,00889 Cisterna Chica PI500 S/. 13 690,00890 Cisterna Chica PI500 S/. 13 690,00891 Cisterna Chica G84 S/. 17 000,00892 Cisterna Chica DB5 S/. 19 080,00893 Cisterna Chica PI500 S/. 13 690,00894 Cisterna Grande G90 S/. 61 110,00895 Cisterna Mediana PI500 S/. 27 380,00896 Cisterna Chica DB5 S/. 19 080,00897 Cisterna Mediana G90 S/. 34 920,00898 Cisterna Mediana PI500 S/. 27 380,00899 Cisterna Chica DB5 S/. 19 080,00900 Cisterna Grande PI500 S/. 47 915,00901 Cisterna Chica PI500 S/. 13 690,00902 Cisterna Mediana DB5 S/. 38 160,00903 Cisterna Grande DB5 S/. 66 780,00904 Cisterna Grande G90 S/. 61 110,00905 Cisterna Mediana G90 S/. 34 920,00906 Cisterna Chica DB5 S/. 19 080,00907 Cisterna Chica DB5 S/. 19 080,00908 Cisterna Mediana PI500 S/. 27 380,00909 Cisterna Chica G84 S/. 17 000,00910 Cisterna Mediana G90 S/. 34 920,00911 Cisterna Chica D2 S/. 19 580,00912 Cisterna Grande PI500 S/. 47 915,00913 Cisterna Mediana G90 S/. 34 920,00914 Cisterna Chica G90 S/. 17 460,00TOTAL SIMULACIÓN
(3 SERVIDORES)S/. 25 320 600,00
915 Cisterna Mediana G84 S/. 34 000,00916 Cisterna Chica PI500 S/. 13 690,00917 Cisterna Mediana G90 S/. 34 920,00918 Cisterna Chica G90 S/. 17 460,00919 Cisterna Chica D2 S/. 19 580,00920 Cisterna Chica DB5 S/. 19 080,00921 Cisterna Chica D2 S/. 19 580,00922 Cisterna Chica DB5 S/. 19 080,00923 Cisterna Chica DB5 S/. 19 080,00924 Cisterna Chica G90 S/. 17 460,00925 Cisterna Chica DB5 S/. 19 080,00926 Cisterna Chica D2 S/. 19 580,00927 Cisterna Chica G90 S/. 17 460,00928 Cisterna Chica G84 S/. 17 000,00929 Cisterna Chica PI500 S/. 13 690,00930 Cisterna Mediana DB5 S/. 38 160,00931 Cisterna Chica PI500 S/. 13 690,00932 Cisterna Mediana PI500 S/. 27 380,00933 Cisterna Mediana DB5 S/. 38 160,00934 Cisterna Grande PI500 S/. 47 915,00935 Cisterna Chica DB5 S/. 19 080,00936 Cisterna Mediana G84 S/. 34 000,00937 Cisterna Chica DB5 S/. 19 080,00938 Cisterna Chica G84 S/. 17 000,00939 Cisterna Chica PI500 S/. 13 690,00940 Cisterna Chica G90 S/. 17 460,00941 Cisterna Mediana G84 S/. 34 000,00942 Cisterna Chica G90 S/. 17 460,00
111
943 Cisterna Chica PI500 S/. 13 690,00 944 Cisterna Chica PI500 S/. 13 690,00
112
945 Cisterna Chica PI500 S/. 13 690,00946 Cisterna Chica PI500 S/. 13 690,00
N°Tamaño de
CisternaCombust. Precio Total
947 Cisterna Mediana PI500 S/. 27 380,00948 Cisterna Grande G90 S/. 61 110,00949 Cisterna Chica G90 S/. 17 460,00950 Cisterna Chica G84 S/. 17 000,00951 Cisterna Grande DB5 S/. 66 780,00952 Cisterna Mediana PI500 S/. 27 380,00953 Cisterna Chica G84 S/. 17 000,00954 Cisterna Mediana G90 S/. 34 920,00955 Cisterna Grande DB5 S/. 66 780,00956 Cisterna Chica G84 S/. 17 000,00957 Cisterna Grande DB5 S/. 66 780,00958 Cisterna Chica G84 S/. 17 000,00959 Cisterna Mediana G90 S/. 34 920,00960 Cisterna Mediana G90 S/. 34 920,00961 Cisterna Chica G90 S/. 17 460,00962 Cisterna Chica G84 S/. 17 000,00963 Cisterna Mediana PI500 S/. 27 380,00964 Cisterna Mediana G90 S/. 34 920,00965 Cisterna Chica DB5 S/. 19 080,00966 Cisterna Mediana D2 S/. 39 160,00967 Cisterna Grande PI500 S/. 47 915,00968 Cisterna Chica G90 S/. 17 460,00969 Cisterna Mediana DB5 S/. 38 160,00970 Cisterna Mediana G90 S/. 34 920,00971 Cisterna Mediana DB5 S/. 38 160,00972 Cisterna Mediana PI500 S/. 27 380,00973 Cisterna Mediana G84 S/. 34 000,00974 Cisterna Chica DB5 S/. 19 080,00975 Cisterna Mediana DB5 S/. 38 160,00976 Cisterna Grande G84 S/. 59 500,00977 Cisterna Chica DB5 S/. 19 080,00978 Cisterna Chica D2 S/. 19 580,00979 Cisterna Chica DB5 S/. 19 080,00980 Cisterna Chica DB5 S/. 19 080,00981 Cisterna Mediana G84 S/. 34 000,00982 Cisterna Grande DB5 S/. 66 780,00983 Cisterna Mediana G84 S/. 34 000,00984 Cisterna Grande G90 S/. 61 110,00985 Cisterna Chica G84 S/. 17 000,00986 Cisterna Chica PI500 S/. 13 690,00987 Cisterna Mediana G90 S/. 34 920,00988 Cisterna Grande PI500 S/. 47 915,00989 Cisterna Mediana G84 S/. 34 000,00990 Cisterna Grande G90 S/. 61 110,00991 Cisterna Chica DB5 S/. 19 080,00992 Cisterna Mediana G90 S/. 34 920,00993 Cisterna Chica PI500 S/. 13 690,00994 Cisterna Chica DB5 S/. 19 080,00995 Cisterna Mediana G90 S/. 34 920,00996 Cisterna Grande PI500 S/. 47 915,00997 Cisterna Chica G90 S/. 17 460,00998 Cisterna Chica DB5 S/. 19 080,00999 Cisterna Mediana PI500 S/. 27 380,00100
0Cisterna Chica G84 S/. 17 000,00
1001
Cisterna Chica G90 S/. 17 460,00
1002
Cisterna Grande PI500 S/. 47 915,00
100 Cisterna Grande G84 S/. 59 500,00
3100
4Cisterna Mediana G84 S/. 34 000,00
1005
Cisterna Grande D2 S/. 68 530,00
1006
Cisterna Mediana G90 S/. 34 920,00
1007
Cisterna Mediana PI500 S/. 27 380,00
1008
Cisterna Chica DB5 S/. 19 080,00
N°Tamaño de
CisternaCombust. Precio Total
1010
Cisterna Mediana G90 S/. 34 920,00
1011
Cisterna Chica G84 S/. 17 000,00
1012
Cisterna Mediana DB5 S/. 38 160,00
1013
Cisterna Chica PI500 S/. 13 690,00
1014
Cisterna Chica DB5 S/. 19 080,00
1015
Cisterna Mediana G90 S/. 34 920,00
1016
Cisterna Chica DB5 S/. 19 080,00
1017
Cisterna Mediana PI500 S/. 27 380,00
1018
Cisterna Mediana G84 S/. 34 000,00
1019
Cisterna Chica DB5 S/. 19 080,00
1020
Cisterna Chica PI500 S/. 13 690,00
1021
Cisterna Chica DB5 S/. 19 080,00
1022
Cisterna Chica G90 S/. 17 460,00
1023
Cisterna Mediana G90 S/. 34 920,00
1024
Cisterna Mediana G90 S/. 34 920,00
1025
Cisterna Mediana G84 S/. 34 000,00
1026
Cisterna Chica DB5 S/. 19 080,00
1027
Cisterna Chica PI500 S/. 13 690,00
1028
Cisterna Chica PI500 S/. 13 690,00
N°Tamaño de
CisternaCombust. Precio Total
1030
Cisterna Grande DB5 S/. 66 780,00
1031
Cisterna Mediana DB5 S/. 38 160,00
1032
Cisterna Chica G84 S/. 17 000,00
1033
Cisterna Grande DB5 S/. 66 780,00
1034
Cisterna Mediana G90 S/. 34 920,00
1035
Cisterna Mediana DB5 S/. 38 160,00
113
1036
Cisterna Grande DB5 S/. 66 780,00
1037
Cisterna Chica DB5 S/. 19 080,00
1038
Cisterna Mediana DB5 S/. 38 160,00
1039
Cisterna Chica PI500 S/. 13 690,00
1040
Cisterna Chica G90 S/. 17 460,00
1041
Cisterna Mediana G90 S/. 34 920,00
104 Cisterna Chica G84 S/. 17 000,00
2104
3Cisterna Chica DB5 S/. 19 080,00
1044
Cisterna Mediana D2 S/. 39 160,00
1045
Cisterna Chica G84 S/. 17 000,00
1046
Cisterna Mediana DB5 S/. 38 160,00
TOTAL SIMULACIÓN(4 SERVIDORES)
S/. 27 530 460,00
Fuente. Elaboración propia
Los resultados obtenidos de la simulación Montecarlo
son los siguientes:
En la simulación con 2 servidores se atendió a 639
cisternas, obteniendo S/. 17 235 725,00 de ingresos, con
un total de ventas de 2 149 000 galones.
En la simulación con 3 servidores se atendió a 914
cisternas, obteniendo S/. 25 320 600,00 de ingresos, con
un total de ventas de 3 095 000 galones.
En la simulación con 4 servidores se atendió a 1046
cisternas, obteniendo S/. 27 530 460,00 de ingresos, con
un total de ventas de 3 541 000 galones.
4.6 Comparación del método actual y los propuestos
Las comparaciones entre el modelo actual y los propuestos mostraran
los aportes del estudio de la línea de espera para mejorar y optimizar el
servicio de despacho de combustible en la empresa GMP Oil Tanking.
114
4.6.1 Comparación de optimización del modelo de
línea de espera
Los resultados de las optimizaciones del modelo de línea de
espera con respecto a los tiempos y el número de clientes esperando se
ven en la siguiente tabla:
Tabla 37. Optimización del modelo de línea de esperaN° de
servidoresNúmero
de clientes
en la cola
Tiempo del
cliente en el
sistema
Probabilidad de que el
sistema esté lleno
Costo de espera por
hora
2 (Actual) 18,4673 6,4889 1,0000 S/. 801,01783 12,9996 3,4164 0,9757 S/. 608,74394 2,7937 1,1714 0,6401 S/. 61,4243
Fuente. Elaboración Propia
Se observa que en las comparaciones que al aumentar el
número de servidores se optimiza mediante la reducción de clientes
esperando en la cola, lo cual nos permite reducir el costo de espera en
la cola, el tiempo del cliente en el sistema también se reduce, y la
probabilidad de que una cisterna llegue y el sistema se encuentre lleno
baja significativamente de una probabilidad nula a unas probabilidades
aceptables.
4.6.2 Comparación de optimización de los ingresos
y ventas
Los resultados de las optimizaciones de los ingresos y ventas
del servicio de despacho en galones se muestran en la siguiente tabla:
Tabla 38. Optimización de los ingresos y ventas
N° de servidores
Número de clientes atendidos
en 200 horas
Ingresos en soles en 200
horas
Cantidad de combustible vendido en 200 horas(galones)
2 (Actual) 639 S/. 17 235 725,00 2 149 0003 914 S/. 25 320 460,00 3 095 0004 1046 S/. 27 530 460,00 3 541 000
115
Fuente. Elaboración Propia
En los resultados mostrados, se observa que mediante la
simulación Montecarlo en 200 horas equivalente a 1 mes, se optimizan
la cantidad de atenciones a los clientes aumentando significativamente,
teniendo el dato del aumento de clientes atendidos, conlleva a generar
mayores ingresos en los sistemas propuestos de 3 y 4 servidores que en
el actual que es de 2 servidores, aumentando también la venta de
galones de los diferentes combustibles de la empresa.
4.7 Índice de percepción de clientes (IPC)
Con el índice de percepción de cliente (IPC), los autores desarrollaron
un modelo que identifica factores relevantes que caracterizan al servicio de la
empresa, las cuales son representadas en una cuestionario de cómo perciben
los clientes en un ámbito general los factores, los datos obtenidos de dicha
fuente permiten identificar y cuantificar las brechas más importantes que
determinan el grado de satisfacción en los clientes, y por lo tanto, la calidad de
servicio.
El objetivo de aplicar el índice de percepción del cliente es conocer
con certeza, cual es la brecha actual y la calificación que le asignaron, y como
percibiría si se mejoran los factores relevantes, los cuales son definidos por
intervalos reportando en que rango se encuentra la empresa en estos puntos.
Para lo cual se obtuvieron los siguientes resultados. Como se muestra en el
anexo 23.
116
4.7.1 Factores relevantes
Los factores relevantes para el índice general de percepción del
cliente para el presente informe fueron las siguientes:
Tiempo de servicio
Calidad de servicio
Islas
Orden
Costo
Cantidad de clientes atendidos
4.7.2 Definición de intervalos
Los intervalos para el índice general de percepción del cliente
para el siguiente informe se muestran en la siguiente tabla:
Tabla 39. Intervalos del IPCIntervalo Rango
Desde Hasta0% 55% Critico
56% 75% Estable76% 90% Diferenciador91% 100% Ventaja Competitiva
Fuente. Elaboración Propia
4.7.3 Resultados del IPC
A continuación se muestra en la siguiente tabla los
resultados de los índices generales de percepciones de los
clientes en tanto por ciento, donde el primer índice fue de
53,28% teniendo un rango de crítico y el segundo índice fue de
85,55% teniendo un rango de diferenciador.
Tabla 40. Comparación de IPC
IPC RangoÍndice General de Percepción del Cliente 1 53,28% Critico
Índice General de Percepción del Cliente 2 85,55% Diferenciador
Fuente. Elaboración propia
117
Figura 17. Índices generales de Percepciones del clienteFuente. Elaboración propia
4.8 Análisis de resultados cuantitativos
4.8.1 Resultados de servidores
4.8.1.1 Número de clientes en la cola
El Coeficiente de determinación que explica la
correlación múltiple entre los servidores y el número de
clientes en la cola es: R2= 61,9%.
El Coeficiente de correlación entre los servidores y el
número de clientes en la cola es: R= 78,7%.
Tabla 41. Resumen del modelo de número de clientes en la cola
Modelo R R cuadradoR cuadrado corregida
Error típ. de la estimación
1 ,787a ,619 ,565 4,55482a. Variables predictoras: (Constante), ServidoresFuente. Elaboración propia
El modelo que explica la relación entre el número
de clientes en la cola y los servidores en la empresa Consorcio
Terminales GMP OIL TANKING es el siguiente:
Y ( Nro. declientes en la cola )=15,801−1,983 (servidores)
118
Tabla 42. Coeficientes del modelo de número de clientes en la cola
Modelo
Coeficientes no
estandarizados
Coeficientes
tipificados t Sig.
B Error típ. Beta
1(Constante) 15,801 3,841 4,114 ,004
Servidores -1,983 ,588 -,787 -3,372 ,012
a. Variable dependiente: Número_de_clientes_en_la_colaFuente. Elaboración propia
4.8.1.2 Tiempo promedio en la cola
El Coeficiente de determinación que explica la
correlación múltiple entre los servidores y tiempo promedio
en el sistema es: R2= 55,4%.
El Coeficiente de correlación entre los servidores y
tiempo promedio en el sistema es: R= 74,4%.
Tabla 43. Resumen del modelo de tiempo promedio en el sistema
Modelo R R cuadradoR cuadrado
corregida
Error típ. de la
estimación
1 ,744a ,554 ,491 1,44146
a. Variables predictoras: (Constante), ServidoresFuente. Elaboración propia
El modelo que explica la relación entre el tiempo
promedio en el sistema y los servidores en la empresa
Consorcio Terminales GMP OIL TANKING es el siguiente:
Y (Tiempo promedio enel sist . )=1,216−0,186 (servidores )
Tabla 44. Coeficientes del modelo de tiempo promedio en el sistema
ModeloCoeficientes no estandarizados
Coeficientes tipificados t Sig.
B Error típ. Beta
1(Constante) 4,966 1,216 4,085 ,005
Servidores -,549 ,186 -,744 -2,950 ,021a. Variable dependiente: Tiempo_promedio_del_cliente_en_el_sistemaFuente. Elaboración propia
119
4.8.2 Resultados de capacidad del sistema
El Coeficiente de determinación que explica la correlación
múltiple entre optimización del servicio y capacidad del sistema es:
R2= 98,6%.
El Coeficiente de correlación entre la capacidad del sistema y
la optimización de servicio es: R= 99,3%.
Tabla 45. Resumen del modelo de capacidad del sistema
Modelo R R cuadradoR cuadrado corregida
Error típ. de la estimación
1 ,993a ,986 ,972 903402,77217a. Variables predictoras: (Constante), Capacidad_del_sistema
120
Fuente. Elaboración propia
El modelo que explica la relación entre la capacidad del
sistema y la optimización del servicio en la empresa Consorcio
Terminales GMP OIL TANKING es el siguiente:
Y (Optimizacióndel servicio )=908418,247
−25918,249(Capacidad del sistema)
Tabla 46. Coeficientes del modelo de capacidad del sistema
ModeloCoeficientes no estandarizados
Coeficientes
tipificados t Sig.
B Error típ. Beta
1(Constante) 908418,247 2715761,490 ,334 ,794
Capacidad_del_sistema 25918,249 3076,419 ,993 8,425 ,075
a. Variable dependiente: Optimización_del_servicioFuente. Elaboración propia
4.9 Resultados metodológicos
4.9.1 Validez del instrumento
El criterio de validez tiene que ver con la validez del contenido
y la validez de construcción.
Se realizó el juicio de expertos que recogió un conjunto de
opiniones de profesionales expertos en Ingeniería, los que están
relacionados al tema desarrollado. Ver Anexo 3.
Los profesionales que brindaron la información fueron los
siguientes:
Experto 1: Edgardo Octavio Carreño Cisneros
CIP N° 46389
Experto 2: Pedro Pablo Martínez Infantes
CIP N°26125
Experto 3: Ricardo Vílchez Chumacero
121
CIP N°44470
La calificación que se obtuvo de cada uno de los expertos, así
como la validez obtenida se muestra en la tabla 47.
Tabla 47. Validez del instrumento
ExpertoCalificació
n Calificación (%) Validez
Edgardo Octavio Carreño Cisneros 14 88%
Pedro Pablo Martínez Infantes 15 94% 90%
Ricardo Vílchez Chumacero 14 88%Fuente: Elaboración propia
Tabla 48. Escala de validez
Escala Indicador
0,00 - 0,53 Validez nula
0,54 - 0,64 Validez baja
0,65 - 0,69 Valida
0,70 - 0,80 Muy valida
0,81 - 0,94 Excelente validez
0,95 - 1,00 Validez perfecta
Fuente: Elaboración propia
4.9.2 Análisis de confiabilidad de la encuesta
El desarrollo de la investigación se realizó mediante una
encuesta, para ellos se obtuvo un alfa de Cronbach.
Tabla 49. Resumen de procesamiento de datos de la encuesta
N %
CasosVálidos 120 97,6
Excluidosa 3 2,4Total 123 100,0
a. Eliminación por lista basada en todas las variables del procedimiento.Fuente. Elaboración propia – procesamiento SPSS
Tabla 50. Resumen de procesamiento de fiabilidad (Alfa de Cronbach)
Alfa de CronbachAlfa de Cronbach
basada en los elementos tipificados
N de elementos
,935 ,934 40Fuente. Elaboración propia – procesamiento SPSS
122
Debido a que la investigación tiene un alfa de Cronbach igual
al 93,5%, significa que la encuesta tiene una excelente confiabilidad
según la escala de la siguiente tabla.
Tabla 51. Escala de confiabilidad
Fuente. (Herrera, 1998)
4.9.3 Respuesta al problema principal
El coeficiente de determinación que explica la correlación
múltiple entre optimización del servicio y las tres dimensiones
respectivas del modelo es R2=60,9%.
El coeficiente de correlación entre la optimización del servicio
y las tres dimensiones respectivas del modelo es: R= 78,0%.
El 39,1% de la optimización del servicio, se debe a factores
ajenos a la investigación.
Tabla 52. Variables introducidas/eliminadas
Modelo Variables introducidasVariables
eliminadasMétodo
1Capacidad_del_Sistema,
Servidores, Distribución_de_Arribos
. Introducir
a. Todas las variables solicitadas introducidas.b. Variable dependiente: Optimización_del_Servicio
Fuente. Elaboración propia – procesamiento SPSS
Tabla 53. Resumen del modelo general
123
Escala Indicador0,00 - 0,53 Confiabilidad nula0,54 - 0,64 Confiabilidad baja0,65 - 0,69 Confiable0,70 - 0,80 Muy confiable0,81 - 0,94 Excelente confiabilidad0,95 - 1,00 Confiabilidad perfecta
Modelo R R cuadradoR cuadrado corregida
Error típ. de la estimación
1 ,780a ,609 ,598 1,58489a. Variables predictoras: (Constante), Capacidad_del_Sistema, Servidores, Distribució_de_ArribosFuente. Elaboración propia – procesamiento SPSS
Tabla 54. Escala de correlaciónEscala Indicador
0,00 - 0,19 Correlación nula0,20 - 0,39 Correlación baja0,40 - 0,69 Correlación moderada0,70 - 0,89 Correlación alta0,90 - 0,99 Correlación muy alta
1,00 Correlación grande y perfectaFuente. Elaboración propia
4.9.4 Respuesta al objetivo principal
El modelo que explica la relación entre modelo de línea de
espera y optimización del servicio en la empresa Consorcio Terminales
GMP OIL TANKING es el siguiente:
Y (Optimizacióndel servicio )=20,437+¿
0,106∗( Distribución de Arribos )+0,200∗(Servidores )
+0,349∗(Capacidad del sistema)
Tabla 55. Coeficientes del modelo general
ModeloCoeficientes no estandarizados
Coeficientes tipificados t Sig.
B Error típ. Beta
1
(Constante) 20,437 2,079 9,830 ,000
Distribución_de_Arribos ,106 ,077 ,152 1,366 ,175Servidores ,200 ,083 ,269 2,429 ,017
Capacidad_del_Sistema ,349 ,085 ,415 4,097 ,000a. Variable dependiente: Optimización_del_ServicioFuente. Elaboración propia – procesamiento SPSS
4.9.5 Respuesta a la hipótesis principal
a) Formulación de las hipótesis
H 0: Si determinamos el modelo de línea de espera; entonces,
no se optimizará el servicio de despacho de combustible
124
en la empresa Consorcio Terminales GMP OIL
TANKING – Supe Puerto, 2014.
H 1: Si determinamos el modelo de línea de espera; entonces,
se optimizará el servicio de despacho de combustible en
la empresa Consorcio Terminales GMP OIL TANKING –
Supe Puerto, 2014.
b) Nivel de significancia
α=5%
c) Estadístico de prueba
X2 crítica(gl ;α)
d) Establecer el criterio de decisión
Se rechazará la H 0 si: X2 crítica< X2calculado
e) Cálculos
Tabla de contingencia y frecuencias esperadas
La tabla 56; consolida las respuestas del instrumento de
la investigación en valor cuantitativo según la escala de Likert
que corresponden las variables modelo de línea de espera (X) y
optimización del servicio (Y), asimismo consolida las
frecuencias esperadas según el cálculo respectivo con la
ecuación 26.
f e=f r∗f k
n (26)
125
Donde:
f e: Frecuencia esperada
f r: Frecuencia total de una fila
f k: Frecuencia total de una columna
Por ejemplo, el cálculo de la frecuencia esperada para la
fila 1, columna 1 es:
f e=f r∗f k
n=15∗29
120=3,6
Tabla 56. Tabla de contingencia y frecuencias esperadas (X – Y)Y_Optimización_del_servicio
TotalDe Acuerdo Muy de Acuerdo
X_Modelo_de_Línea_de_espera
No séRecuento 12 3 15Frecuencia esperada 3,6 11,4 15,0
De AcuerdoRecuento 17 87 104Frecuencia esperada 25,1 78,9 104,0
Muy de Acuerdo
Recuento 0 1 1Frecuencia esperada ,2 ,8 1,0
TotalRecuento 29 91 120Frecuencia esperada 29,0 91,0 120,0
Fuente. Elaboración propia – procesamiento SPSS
Grados de libertad
Para el cálculo de los grados de libertad se considera la
ecuación 27.
gl=(r−1)(k−1) (27)
Donde:
gl: Grados de libertad
r: Número de filas
k : Número de columnas
Por lo tanto:
126
gl=(r−1 ) ( k−1 )= (3−1 ) (2−1 )=2
Valor crítico para el estadístico de prueba.
X2 crítica ( gl;α )=X2crítica ( gl=2 ;α=0,05 )=5,99
Valor calculado para el estadístico de prueba.
El estadístico de prueba chi cuadrada, se calcula con la
ecuación 28.
X2 calculado=Σ(f o−f e)
2
f e
(28)
Donde:
X2: Estadístico de prueba chi cuadrada
f o: Frecuencia observada
f e: Frecuencia esperada
Por lo tanto:
X2=Σ(f o−f e )2
f e
=(12−3,6 )2
3,6+
(3−11,4 )2
11,4
+ (17−25,1 )2
25,1+(87−78,9)2
78,9+(0−0,2)2
0,2+(1−0,8)2
0,8
X2=29,485
Tabla 57. Tabla de prueba de chi-cuadrado (X – Y)
127
Valor glSig. asintótica
(bilateral)Chi-cuadrado de Pearson 29,305a 2 ,000Razón de verosimilitudes 25,070 2 ,000
Asociación lineal por lineal 27,965 1 ,000
N de casos válidos 120
a. 3 casillas (50.0%) tienen una frecuencia esperada inferior a 5. La frecuencia mínima esperada es .24.Fuente. Elaboración propia – procesamiento SPSS
Toma de decisión
Como X2 calculado es mayor a X2 crítico y cae en la
región de rechazo, entonces rechazamos la H 0 y aceptamos la
H 1, a un nivel de significancia del 5%; es decir, que al
determinar el modelo de línea de espera, permite optimizar el
servicio de despacho de combustible en la empresa Consorcio
Terminales GMP OIL TANKING – Supe Puerto, 2014.
4.9.6 Respuesta al problema específico 1
El coeficiente de correlación entre optimización del servicio y
la dimensión de distribución de los arribos es: R= 69,8%.
También se obtuvo un coeficiente de determinación de
R2=48,7%.
Tabla 58. Resumen del modelo (optimización del servicio – distribución de arribos)
Modelo R R cuadradoR cuadrado corregida
Error típ. de la estimación
1 ,698a ,487 ,483 1,79842a. Variables predictoras: (Constante), Distribución_de_ArribosFuente. Elaboración propia – procesamiento SPSS
4.9.7 Respuesta al objetivo específico 1
El modelo que explica la relación entre la distribución de
arribos y optimización del servicio en la empresa Consorcio
Terminales GMP OIL TANKING es el siguiente:
128
Y (Optimizacióndel servicio )=27,157
+0,486∗(distribuciónestadística )
Tabla 59. Coeficientes del modelo (optimización del servicio – distribución de arribos)
ModeloCoeficientes no estandarizados
Coeficientes tipificados T Sig.
B Error típ. Beta
1(Constante) 27,157 1,823 14,898 ,000
Distribución_de_Arribos ,486 ,046 ,698 10,590 ,000a. Variable dependiente: Optimización_del_ServicioFuente. Elaboración propia – procesamiento SPSS
4.9.8 Respuesta a la hipótesis específica 1
a) Formulación de las hipótesis
H 0: La distribución de arribos de clientes, no influye
significativamente en la optimización del servicio de
despacho de combustible en la empresa Consorcio
Terminales GMP OIL TANKING – Supe Puerto, 2014.
H 1: La distribución de arribos de clientes, influye
significativamente en la optimización del servicio de
despacho de combustible en la empresa Consorcio
Terminales GMP OIL TANKING – Supe Puerto, 2014.
b) Nivel de significancia
α=5%
c) Estadístico de prueba
X2 crítica(gl ;α)
d) Establecer el criterio de decisión
Se rechazará la H 0 si: X2 crítica< X2calculado
129
Si se rechaza la H 0 de independencia; entonces las 2
variables son dependientes, es decir existe relación entre
ambas.
e) Cálculos
Tabla de contingencia y frecuencias esperadas
La tabla 60; consolida las respuestas del instrumento de
la investigación en valor cuantitativo según la escala de Likert
que corresponde la distribución de arribos de clientes (X1) y la
optimización del servicio (Y), asimismo consolida las
frecuencias esperadas según el cálculo respectivo con la
ecuación 26.
Por ejemplo, el cálculo de la frecuencia esperada para la
fila 1, columna 1 es:
f e=f r∗f k
n=13∗3,9
120=3,9
Tabla 60. Tabla de contingencia y frecuencias esperadas (X1 – Y)Y_Optimización_del_servicio
TotalDe Acuerdo Muy de Acuerdo
X1_Distribución_de_Arribos
No séRecuento 13 3 16
Frecuencia esperada 3,9 12,1 16,0
De AcuerdoRecuento 16 85 101
Frecuencia esperada 24,4 76,6 101,0
Muy de AcuerdoRecuento 0 3 3
Frecuencia esperada ,7 2,3 3,0
TotalRecuento 29 91 120
Frecuencia esperada 29,0 91,0 120,0Fuente: Elaboración propia – procesamiento SPSS
130
Grados de libertad
Para el cálculo de los grados de libertad se considera la
ecuación 26.
Por lo tanto:
gl=(r−1 ) ( k−1 )= (3−1 ) (2−1 )=2
Valor crítico para el estadístico de prueba.
X2 crítica ( gl;α )=X2crítica ( gl=2 ;α=0,05 )
X2 crítica ( gl;α )=5,99
Valor calculado para el estadístico de prueba.
El estadístico de prueba chi cuadrada, se calcula con la
ecuación 28.
Por lo tanto:
X2=Σ(f o−f e )2
f e
=(13−3,9 )2
3,9+
(3−12,1 )2
12,1
+ (16−24,4 )2
24,4+
(85−76,6 )2
76,6+
(0−0,7)2
0,7+(3−2,3)2
2,3
X2=32,803
Tabla 61. Tabla de prueba de chi-cuadrado (X1 – Y)
Valor GlSig. asintótica
(bilateral)Chi-cuadrado de Pearson 33,224a 2 ,000Razón de verosimilitudes 28,995 2 ,000
Asociación lineal por lineal 29,894 1 ,000
N de casos válidos 120
a. 3 casillas (50.0%) tienen una frecuencia esperada inferior a 5. La frecuencia mínima esperada es .73.Fuente. Elaboración propia – procesamiento SPSS
131
Toma de decisión
Como X2 calculado es mayor a X2 crítico y cae en la
región de rechazo, entonces rechazamos la H 0 y aceptamos la
H 1, a un nivel de significancia del 5%; es decir, que la
distribución de arribos de clientes, influye significativamente
en la optimización del servicio de despacho de combustible en
la empresa Consorcio Terminales GMP OIL TANKING – Supe
Puerto, 2014.
4.9.9 Respuesta al problema específico 2
El coeficiente de correlación entre optimización de servicio y la
dimensión Servidores es: R= 71,9%.
También se obtuvo un coeficiente de determinación de
R2=51,6%.
Tabla 62. Resumen del modelo (optimización del servicio – servidores)
Modelo R R cuadradoR cuadrado corregida
Error típ. de la estimación
1 ,719a ,516 ,512 1,74663a. Variables predictoras: (Constante), ServidoresFuente. Elaboración propia – procesamiento SPSS
4.9.10 Respuesta al objetivo específico 2
El modelo que explica la relación entre servidores y
optimización del servicio en la empresa Consorcio Terminales
GMP OIL TANKING es el siguiente:
132
Y (Optimizacióndel servicio )=27,701
+0,535∗(servidores)
Tabla 63. Coeficientes del modelo (optimización del servicio – servidores)
ModeloCoeficientes no estandarizados
Coeficientes tipificados t Sig.
B Error típ. Beta
1(Constante) 27,701 1,672 16,567 ,000
Servidores ,535 ,048 ,719 11,225 ,000a. Variable dependiente: Optimización_del_ServicioFuente. Elaboración propia – procesamiento SPSS
4.9.11 Respuesta a la hipótesis específica 2
a) Formulación de las hipótesis
H 0: Los servidores, no influyen significativamente en la
optimización del servicio de despacho de combustible en
la empresa Consorcio Terminales GMP OIL TANKING –
Supe Puerto, 2014.
H 1: Los servidores, influyen significativamente en la
optimización del servicio de despacho de combustible en
la empresa Consorcio Terminales GMP OIL TANKING –
Supe Puerto, 2014.
b) Nivel de significancia
α=5%
c) Estadístico de prueba
X2 crítica(gl ;α)
d) Establecer el criterio de decisión
133
Se rechazará la H 0 si: X2 crítica< X2calculado
Si se rechaza la H 0 de independencia; entonces las 2
variables son dependientes, es decir existe relación entre
ambas.
e) Cálculos
Tabla de contingencia y frecuencias esperadas
La tabla 64; consolida las respuestas del instrumento de
la investigación en valor cuantitativo según la escala de Likert
que corresponde a los servidores (X2) y la optimización del
servicio (Y), asimismo consolida las frecuencias esperadas
según el cálculo respectivo con la ecuación 26.
Por ejemplo, el cálculo de la frecuencia esperada para la
fila 1, columna 1 es:
f e=f r∗f k
n= 49∗29
120=11,8
Tabla 64. Tabla de contingencia y frecuencias esperadas (X2 – Y)Y_Optimización_del_servicio
TotalDe Acuerdo Muy de Acuerdo
X2_ServidoresNo sé
Recuento 27 22 49Frecuencia esperada 11,8 37,2 49,0
De AcuerdoRecuento 2 69 71
Frecuencia esperada 17,2 53,8 71,0
TotalRecuento 29 91 120
Frecuencia esperada 29,0 91,0 120,0Fuente. Elaboración propia – procesamiento en SPSS
Grados de libertad
Para el cálculo de los grados de libertad se considera la
ecuación 27.
Por lo tanto:
gl=(r−1 ) ( k−1 )= (2−1 ) (2−1 )=1
134
Valor crítico para el estadístico de prueba.
X2 crítica ( gl;α )=X2crítica ( gl=1 ;α=0,05 )
X2 crítica ( gl;α )=3,84
Valor calculado para el estadístico de prueba.
El estadístico de prueba chi cuadrada, se calcula con la
ecuación 28.
Por lo tanto:
X2=Σ(f o−f e )2
f e
=(27−11,8 )2
11,8+
(22−37,2 )2
37,2
+ (2−17,2 )2
17,2+
(69−53,8 )2
53,8
X2=43,517
Tabla 65. Tabla de prueba de chi-cuadrado (X3 – Y)
Valor GlSig. asintótica
(bilateral)
Chi-cuadrado de Pearson 43,247a 1 ,000
Corrección por continuidadb 40,441 1 ,000
Razón de verosimilitudes 47,080 1 ,000
Estadístico exacto de Fisher
Asociación lineal por lineal 42,886 1 ,000
N de casos válidos 120
a. 0 casillas (.0%) tienen una frecuencia esperada inferior a 5. La frecuencia mínima esperada es 11.84.b. Calculado sólo para una tabla de 2x2.Fuente. Elaboración propia – procesamiento SPSS
Toma de decisión
Como X2 calculado es mayor a X2 crítico y cae en la
región de rechazo, entonces rechazamos la H 0 y aceptamos la
135
H 1, a un nivel de significancia del 5%; es decir, que los
servidores, influyen significativamente en la optimización del
servicio de despacho de combustible en la empresa Consorcio
Terminales GMP OIL TANKING – Supe Puerto, 2014.
4.9.12 Respuesta al problema específico 3
El Coeficiente de correlación entre Optimización de servicio y
la dimensión Capacidad del sistema es: R= 74,5%.
También se obtuvo un coeficiente de determinación de
R2=55,4%.
Tabla 66. Resumen del modelo (optimización del servicio – capacidad del sistema)
Modelo R R cuadradoR cuadrado corregida
Error típ. de la estimación
1 ,745a ,554 ,551 1,67670a. Variables predictoras: (Constante), Capacidad_del_SistemaFuente. Elaboración propia – procesamiento SPSS
4.9.13 Respuesta al objetivo específico 3
El modelo que explica la relación entre capacidad del
sistema y optimización del servicio en la empresa Consorcio
Terminales GMP OIL TANKING es el siguiente:
Y=19,907+0,626∗(Capacidad del sistema)
Tabla 67. Coeficientes del modelo (optimización del servicio – capacidad del sistema)
ModeloCoeficientes no estandarizados
Coeficientes tipificados T Sig.
B Error típ. Beta
1(Constante) 19,907 2,191 9,086 ,000
Capacidad_del_Sistema ,626 ,052 ,745 12,115 ,000a. Variable dependiente: Optimización_del_ServicioFuente. Elaboración propia – procesamiento SPSS
4.9.14 Respuesta a la hipótesis específica 3
a) Formulación de las hipótesis
136
H 0: La capacidad del sistema, no influye significativamente
en la optimización del servicio de despacho de
combustible en la empresa Consorcio Terminales GMP
OIL TANKING – Supe Puerto, 2014.
H 1: La capacidad del sistema, influye significativamente en
la optimización del servicio de despacho de combustible
en la empresa Consorcio Terminales GMP OIL
TANKING – Supe Puerto, 2014.
b) Nivel de significancia
α=5%
c) Estadístico de prueba
X2 crítica(gl ;α)
d) Establecer el criterio de decisión
Se rechazará la H 0 si: X2 crítica< X2calculado
Si se rechaza la H 0 de independencia; entonces las 2
variables son dependientes, es decir existe relación entre
ambas.
e) Cálculos
Tabla de contingencia y frecuencias esperadas
La tabla 68; consolida las respuestas del instrumento de
la investigación en valor cuantitativo según la escala de Likert
137
que corresponde capacidad del sistema (X3) y la optimización
del servicio (Y), asimismo consolida las frecuencias esperadas
según el cálculo respectivo con la ecuación 26.
Por ejemplo, el cálculo de la frecuencia esperada para la
fila 1, columna 1 es:
f e=f r∗f k
n=1∗29
0,2=3,9
Tabla 68. Tabla de contingencia y frecuencias esperadas (X3 – Y)Y_Optimización_del_servicio
TotalDe Acuerdo Muy de AcuerdoX3_Capacidad_del_Sistema No sé Recuento 1 0 1
Frecuencia esperada ,2 ,8 1,0De Acuerdo Recuento 28 61 89
Frecuencia esperada 21,5 67,5 89,0Muy de Acuerdo Recuento 0 30 30
Frecuencia esperada 7,3 22,8 30,0Total Recuento 29 91 120
Frecuencia esperada 29,0 91,0 120,0Fuente. Elaboración propia
Grados de libertad
Para el cálculo de los grados de libertad se considera la
ecuación 27.
Por lo tanto:
gl=(r−1 ) ( k−1 )= (3−1 ) (2−1 )=2
Valor crítico para el estadístico de prueba.
X2 crítica ( gl;α )=X2crítica ( gl=2 ;α=0,05 )
X2 crítica ( gl;α )=5,99
Valor calculado para el estadístico de prueba.
El estadístico de prueba chi cuadrada, se calcula con la
ecuación 28.
138
Por lo tanto:
X2=Σ(f o−f e )2
f e
=(1−0,2 )2
0,2+
(0−0,8 )2
12,1
+ (28−21,5 )2
21,5+
(61−67,5 )2
67,5+(0−7,3)2
7,3+(30−22,8)2
22,8
X2=16,165
Tabla 69. Tabla de prueba de chi-cuadrado (X3 – Y)
Valor glSig. asintótica
(bilateral)Chi-cuadrado de Pearson 15,282a 2 ,000Razón de verosimilitudes 21,871 2 ,000
Asociación lineal por lineal 14,465 1 ,000
N de casos válidos 120
a. 2 casillas (33.3%) tienen una frecuencia esperada inferior a 5. La frecuencia mínima esperada es .24.Fuente. Elaboración propia – procesamiento SPSS
Toma de decisión
Como X2 calculado es mayor a X2 crítico y cae en la
región de rechazo, entonces rechazamos la H 0 y aceptamos la
H 1, a un nivel de significancia del 5%; es decir, que la
capacidad del sistema, influye significativamente en la
optimización del servicio de despacho de combustible en la
empresa Consorcio Terminales GMP OIL TANKING – Supe
Puerto, 2014.
139
5 DISCUSIÓN, CONCLUSIONES Y RECOMENDACIONES
CAPÍTULO V
DISCUSIÓN,
CONCLUSIONES Y
RECOMENDACIONES
_____________________
5.1 Discusión
La información recabada para la realización de este trabajo de
investigación, a través de libros, tesis anteriores y medios electrónicos, fue una
guía de mucha importancia para la realización de la presente investigación,
puesto que mediante el análisis de las técnicas y herramientas empleadas para
el modelo de línea de espera y la comparación con trabajos anteriores y sus
problemas existentes, fueron la pauta para la culminación del presente trabajo
de investigación.
Los resultados obtenidos en la presente investigación muestran la
relación existente entre el modelo de línea de espera y la optimización del
servicio de despacho de combustible en la Empresa Consorcio Terminales
GMP OIL TANKING – Supe Puerto, 2014.
La validez de la presente investigación permitieron dar la
confiabilidad de los datos tomados de las muestras, en este caso se realizó con
140
el coeficiente de alfa de Cronbach que fue igual al 93,5%; es decir, la toma de
datos de las encuestas tiene una excelente confiabilidad.
La validez del instrumento se realizó el juicio de expertos que recogió
un conjunto de opiniones de profesionales expertos en Ingeniería, los que
están relacionados al tema desarrollado. La validez obtenida por parte de los
experto fue de 90% estando en el rango de una excelente valides del
instrumento.
Resultados
El tipo distribución de los arribos se ingresó los consolidados de 2
semanas siendo 42 intervalos, que son de cada 15 minutos, donde el Stat fit
nos reporta como resultado que el (λ) tiene una distribución de
comportamiento de Poisson.
El Coeficiente de correlación entre los servidores y el número de
clientes en la cola obtenidos de la investigación es de R= 78,7%; es decir tiene
una relación alta; teniendo el modelo que explica dicha relación en la siguiente
ecuación: Y (Número de clientes en la cola) = 15,801 - 1,983*(servidores); esa
correlación alta se debe a que si hay cambios significativos en la cantidad de
clientes cuando la cantidad de servidores va en aumento.
El Coeficiente de correlación entre los servidores y tiempo promedio
en el sistema obtenidos de la investigación es de R= 74,4%; es decir tiene una
relación alta, teniendo en cuenta el modelo que explica dicha relación en la
siguiente ecuación: Y (Tiempo promedio en el sistema) = 1,216 -
0,186*(servidores); ese nivel alto del coeficiente de correlación se debe que el
141
tiempo promedio del cliente en el sistema va disminuyendo significativamente
con respecto al aumento del número de servidores.
El Coeficiente de correlación entre la capacidad del sistema y la
optimización de servicio obtenidos de la investigación es de R= 99,3%; es
decir tiene una relación muy alta, teniendo en cuenta el modelo que explica
dicha relación en la siguiente ecuación: Y (Optimización del servicio) =
908418,24 - 25918,249*(Capacidad del sistema). Esto nos indica que se
optimizará más el servicio a medida que el número máximo de atenciones
diarias se vean aumentadas a causa del modelo de líneas de espera.
El Coeficiente de correlación entre la Optimización del Servicio y las
tres dimensiones respectivas del modelo obtenidos de la encuesta es de R=
78,0%; es decir tiene una relación alta, teniendo en cuenta el modelo que
explica dicha relación en la siguiente ecuación: Y (Optimización del servicio)
= 20,437 + 0,106*(Distribución de arribos) + 0,200*(Servidores) +
0,349*(Capacidad del sistema). Esto nos indica que nuestras variables si se
relacionan con respecto a la optimización, lo cual afirmamos que la capacidad
del sistema es la que más influye en la optimización del servicio ya que
directamente tiene que ver con los ingresos dados por el número de clientes
atendidos, el siguiente que más influye es el número de servidores lo cual nos
lleva a que si se instala más servidores por lo consiguiente se podrá atender
más clientes, lo cual también llevara a una optimización tanto de numero de
clientes, tiempos, e ingresos; por último el menos influyente es la distribución
de arribos ya que es solo un soporte para poder determinar el modelo de línea
de espera.
142
Para realizar las simulaciones del servicio de despacho se hicieron 5
simulaciones con 2 servidores en la cual el promedio que se logra atender son
639 cisternas, se obtuvo los ingresos simulando el tamaño de cisterna, el tipo
de combustible, dando como resultados S/. 17 235 725,00 de ingresos, con un
total de ventas de 2 149 000 galones.
Al simular el servicio de despacho de combustible con 3 servidores se
logra atender 914 cisternas, obteniendo S/. 25 320 600,00 de ingresos, con un
total de ventas de 3 095 000 galones.
Al simular el servicio de despacho de combustible con 4 servidores se
logra atender 1046 cisternas, obteniendo S/. 27 530 460,00 de ingresos, con un
total de ventas de 3 541 000 galones.
Las contrastaciones de las hipótesis para confirmar las relaciones entre
las 2 variables de investigación se desarrollaron mediante la prueba de chi
cuadrado, como X2 calculado 29,485 es mayor a X2 crítico 5,99 y cae en la
región de rechazo, entonces rechazamos la H 0 y aceptamos la H 1, a un nivel
de significancia del 5%; es decir, que al determinar el modelo de línea de
espera, permite optimizar el servicio de despacho de combustible en la
empresa Consorcio Terminales GMP OIL TANKING – Supe Puerto, 2014.
Las contrastaciones entre las dimensiones de la variable independiente
con la variable dependiente se realizaron con la prueba chi cuadrado, como
X2 calculado 32,803 es mayor a X2 crítico 5,99 y cae en la región de rechazo,
entonces rechazamos la H 0 y aceptamos la H 1, a un nivel de significancia del
5%; es decir, que la distribución de arribos de clientes, influye
significativamente en la optimización del servicio de despacho de combustible
143
en la empresa Consorcio Terminales GMP OIL TANKING – Supe Puerto,
2014.
Como X2 calculado 43,517 es mayor a X2 crítico 3,84 y cae en la
región de rechazo, entonces rechazamos la H 0 y aceptamos la H 1, a un nivel
de significancia del 5%; es decir, que los servidores, influyen
significativamente en la optimización del servicio de despacho de combustible
en la empresa Consorcio Terminales GMP OIL TANKING – Supe Puerto,
2014.
Como X2 calculado 16,165 es mayor a X2 crítico 5,99 y cae en la
región de rechazo, entonces rechazamos la H 0 y aceptamos la H 1, a un nivel
de significancia del 5%; es decir, que la capacidad del sistema, influye
significativamente en la optimización del servicio de despacho de combustible
en la empresa Consorcio Terminales GMP OIL TANKING – Supe Puerto,
2014.
(Figuera, 2006) sostiene que: “La optimización de servicio no se
refiere ahorrar o suprimir, se define como la mejor forma de realizar una
actividad”. Es por ello que la presente investigación enfatiza en la
optimización del servicio de despacho de combustible, que da como resultados
la mejora del índice de percepción del cliente aumentando de un 53,28% de
nivel crítico, a un 85,55% de nivel diferenciador.
En la investigación realizada por (González & Sepulveda, 2010)
concluye que:
144
“Nos permitió evaluar diferentes escenarios rápidamente para
identificar las posibles mejoras que se pueden realizar en el transcurso
de la investigación. Para asegurar la confiabilidad de los modelos
simulados es importante contrastar esta información con resultados
reales como pueden ser resultados de otras investigaciones, situaciones
de la vida real, opiniones de expertos en los diferentes temas, entre
otras”, lo que está de acuerdo a la metodología utilizada en la presente
investigación.
En la investigación realizada por (Acosta & Muñoz, 2009) argumenta:
“Propósito de este proyecto radica en el diseño de estrategias para mejorar el
servicio de Venta de Boletos aplicando un modelo de Teoría de Colas en la
empresa de transporte marítimo CONFERRY C.A.”, lo que de acuerdo a la
metodología utilizada en la presente investigación, donde se enfoca aplicar el
modelo de línea de espera para la mejora del servicio.
Por medio de la presente investigación se determinó que existe una
correlación alta entre el modelo de línea de espera y la optimización del
servicio de despacho de combustible, así también se determinó que existe una
correlación alta entre las dimensiones: distribución de arribos, servidores, y
capacidad del sistema con la optimización del servicio de despacho de
combustible.
5.2 Conclusiones
1. El tipo distribución de arribos se ingresó los consolidados de 2
semanas siendo 42 intervalos, que son de cada 15 minutos,
145
donde el Stat fit nos reporta como resultado que el (λ) tiene
una distribución de comportamiento de Poisson.
2. Al simular el servicio de despacho de combustible con 2
servidores se logra atender 639 cisternas, obteniendo S/. 17 235
725,00 de ingresos, con un total de ventas de 2 149 000
galones.
3. Al simular el servicio de despacho de combustible con 3
servidores se logra atender 914 cisternas, obteniendo S/. 25 320
600,00 de ingresos, con un total de ventas de 3 095 000
galones.
4. Al simular el servicio de despacho de combustible con 4
servidores se logra atender 1046 cisternas, obteniendo S/. 27
530 460,00 de ingresos, con un total de ventas de 3 541 000
galones.
5. Se obtuvo un primer Índice general de percepción del cliente
donde un número piloto de 5 clientes dieron su percepción de
cómo se encuentra la empresa con respecto a los factores
relevantes donde el resultado fue de 53,28% estando en el
rango de crítico.
6. Se obtuvo el segundo Índice general de percepción del cliente
donde un numero piloto de 5 clientes dieron su percepción una
vez que se planteó las mejoras que brinda esta investigación
con respecto a los factores relevantes donde el resultado fue de
85,55% estando en el rango de diferenciador.
146
7. El alfa de Cronbach de la siguiente investigación fue igual al
93,5%; es decir, la encuesta tiene una excelente confiabilidad.
8. El Coeficiente de correlación entre los servidores y el número
de clientes en la cola obtenidos de la investigación es de R=
78,7%; es decir tiene una relación alta; teniendo el modelo que
explica dicha relación en la siguiente ecuación: Y (Número de
clientes en la cola) = 15,801 - 1,983*(servidores).
9. El Coeficiente de correlación entre los servidores y tiempo
promedio en el sistema obtenidos de la investigación es de R=
74,4%; es decir tiene una relación alta, teniendo en cuenta el
modelo que explica dicha relación en la siguiente ecuación: Y
(Tiempo promedio en el sistema) = 1,216 - 0,186*(servidores)
10. El Coeficiente de correlación entre la capacidad del sistema y
la optimización de servicio obtenidos de la investigación es de
R= 99,3%; es decir tiene una relación muy alta, teniendo en
cuenta el modelo que explica dicha relación en la siguiente
ecuación: Y (Optimización del servicio) = 908418,24 -
25918,249*(Capacidad del sistema)
11. El Coeficiente de correlación entre la Optimización del
Servicio y las tres dimensiones respectivas del modelo
obtenidos de la encuesta es de R= 78,0%; es decir tiene una
relación alta, teniendo en cuenta el modelo que explica dicha
relación en la siguiente ecuación: Y (Optimización del servicio)
= 20,437 + 0,106*(Distribución de arribos) +
0,200*(Servidores) + 0,349*(Capacidad del sistema).
147
12. Como X2 calculado 29,485 es mayor a X2 crítico 5,99 y cae en
la región de rechazo, entonces rechazamos la H 0 y aceptamos
la H 1, a un nivel de significancia del 5%; es decir, que al
determinar el modelo de línea de espera, permite optimizar el
servicio de despacho de combustible en la empresa Consorcio
Terminales GMP OIL TANKING – Supe Puerto, 2014.
13. El Coeficiente de correlación entre Optimización del Servicio y
la dimensión de distribución de arribos es de R= 69,8%; es
decir una relación moderada, teniendo en cuenta el modelo
que explica dicha relación en la siguiente ecuación: Y
(Optimización del servicio) = 27,157 + 0,48*(distribución de
arribos)
14. Como X2 calculado 32,803 es mayor a X2 crítico 5,99 y cae en
la región de rechazo, entonces rechazamos la H 0 y aceptamos
la H 1, a un nivel de significancia del 5%; es decir, que la
distribución de arribos de clientes, influye significativamente
en la optimización del servicio de despacho de combustible en
la empresa Consorcio Terminales GMP OIL TANKING – Supe
Puerto, 2014.
15. El Coeficiente de correlación entre Optimización de servicio y
la dimensión Servidores es de R= 71,9%; es decir una relación
alta, teniendo en cuenta el modelo que explica dicha relación
en la siguiente ecuación: Y (Optimización del servicio) =
27,701 + 0,535*(servidores).
148
16. Como X2 calculado 43,517 es mayor a X2 crítico 3,84 y cae en
la región de rechazo, entonces rechazamos la H 0 y aceptamos
la H 1, a un nivel de significancia del 5%; es decir, que los
servidores, influyen significativamente en la optimización del
servicio de despacho de combustible en la empresa Consorcio
Terminales GMP OIL TANKING – Supe Puerto, 2014.
17. El Coeficiente de correlación entre Optimización de servicio y
la dimensión Capacidad del sistema es de R= 74,5%; es decir
una relación alta, teniendo en cuenta el modelo que explica
dicha en la siguiente ecuación: Y = 19,907 +
0,626*(Capacidad del sistema)
18. Como X2 calculado 16,165 es mayor a X2 crítico 5,99 y cae en
la región de rechazo, entonces rechazamos la H 0 y aceptamos
la H 1, a un nivel de significancia del 5%; es decir, que la
capacidad del sistema, influye significativamente en la
optimización del servicio de despacho de combustible en la
empresa Consorcio Terminales GMP OIL TANKING – Supe
Puerto, 2014.
5.3 Recomendaciones
Se recomienda realizar estudios de inversión para implementar una isla
más en la empresa Consorcio Terminales GMP OIL TANKING terminal Supe
Puerto o hacer operativo la isla 3, ya que al aumentar el servidor se reduce
tiempos de espera, se aumenta los ingresos, y la venta de galones de
combustible se incrementan.
149
Se recomienda también realizar análisis constantes de índice de
percepción del cliente para poder mejor los rangos e ir aumentando la
satisfacción del cliente en la empresa Consorcio Terminales GMP OIL
TANKING.
Aplicar el presente trabajo de investigación como base de futuros
trabajos de investigación para el mejoramiento continuo del servicio de
distribución de combustibles en la empresa Consorcio Terminales GMP OIL
TANKING
150
6 FUENTES DE INFORMACIÓN
CAPÍTULO VI
FUENTES DE
INFORMACIÓN
_____________________
6.1 Fuentes bibliográficas
Estrada, W. (2007). Servicio y atención al cliente (Primera ed.). Lima, Perú:
Publicaciones y Proyectos.
Figuera, P. (2006). Optimización de productos y procesos industriales (Primera ed.).
Barcelona, España: Gestión 2000.
Gaither, N., & Frazier, G. (2000). Administración de Producción y Operaciones
(Octava ed.). México: Thomson International.
García Criollo, R. (2005). Estudio del trabajo, Ingeniería de métodos y medición del
trabajo (Segunda ed.). México, México: McGraw Hill.
García, A. M. (2008). Simulación y Análisis de modelos estocásticos. México D.F.,
México: Mc Graw Hill.
Heizer, J., & Render, B. (2009). Principios de Administración de Operaciones
(Séptima ed.). Naucalpan, Edo. de, México: PEARSON EDUCACIÓN.
151
Jananía Abraham, C. (2008). Manual de Tiempos y Movimientos (Primera ed.).
(NorieaEditores, Ed.) México D.F., México: Limusa.
Meyers, F. E. (2000). Estudios de tiempos y movimientos (Segunda ed.). (G. S.
García, Trad.) México D.F., México: Pearson educación.
Niebel, B. W., & Freivalds, A. (2009). Ingeniería Industrial: Métodos, estándares y
diseño del trabajo (Duodécima ed.). México D.F., México: McGraw Hill.
Prawda W., J. (1984). Métodos y Modelos de Investigación de Operaciones (primera
ed., Vol. II Modelos Estocásticos). D.F., México: Limusa.
Shamblim, J. E., & Stevens, J. G. (1986). Investigación de Operaciones (Primera ed.).
México D.F., México: Mc Graw Hill.
Taha, H. A. (2012). Investigación de Operaciones (Novena Edición ed.). (G. L.
Ballesteros, Ed.) Mexico, Naucalpan, Juarez: Pearson.
6.2 Fuentes electrónicas
Acosta, Y., & Muñoz, L. (Marzo de 2009). http://ri.bib.udo.edu.ve. Recuperado el
Setiembre de 2014, de
http://ri.bib.udo.edu.ve/bitstream/123456789/1113/1/Tesis.SERVICIO%20DE
%20VENTA%20DE%20BOLETOS.pdf
Ayala, M. E. (2007). Recuperado el setiembre de 2014
Barrena, A. M. (Mayo de 2011). http://dspace.espoch.edu.ec. Recuperado el
Setiembre de 2014, de http://dspace.espoch.edu.ec/handle/123456789/1352
Cazorla, F. R. (2014). Recuperado el Setiembre de 2014, de
http://dspace.espoch.edu.ec:
152
http://dspace.espoch.edu.ec/handle/123456789/3207
Clemente, L. a. (2008). http://tesis.pucp.edu.pe. Recuperado el Setiembre de 2014, de
http://tesis.pucp.edu.pe/repositorio/bitstream/handle/123456789/318/
CLEMENTE_LUIS_MEJORA_EN_EL_NIVEL_DE_ATENCI
%C3%93N_A_LOS_CLIENTES_DE_UNA_ENTIDAD_BANCARIA_USA
NDO_SIMULACI%C3%93N.pdf?sequence=1
González, M., & Sepulveda, E. (Noviembre de 2010). http://repositorio.utp.edu.co.
Recuperado el Setiembre de 2014, de
http://repositorio.utp.edu.co/dspace/bitstream/11059/2008/1/51982G643.pdf
Guevara, A. K., & Rivadeneira, M. G. (2011). http://bibdigital.epn.edu.ec.
Recuperado el setiembre de 2014, de
http://bibdigital.epn.edu.ec/bitstream/15000/3881/1/CD-3441.pdf
Marquez, L. (Diciembre de 2012). http://www.upc.edu.pe. Recuperado el setiembre de
2014, de
http://repositorioacademico.upc.edu.pe/upc/bitstream/10757/314987/2/
marquez_as-pub-tesis.pdf
Martínez, C. E. (2009). http://www.javeriana.edu.co. Recuperado el Setiembre de
2014, de /biblos/tesis/ingenieria/tesis285.pdf
Ortiz Chang, J. R. (2004). http://biblioteca.usac.edu.gt. Recuperado el Setiembre de
2014, de http://biblioteca.usac.edu.gt/tesis/08/08_1289_IN.pdf
153
ANEXOS
154
ANEXO 1. Muestreo de la cantidad de atención de cisternas semanales en la empresa Consorcio Terminales GMP OIL TANKING
155
ANEXO 2. INSTRUMENTO
CUESTIONARIO
I. PRESENTACIÓN: Los tesistas Sergio Rosazza Montañez y Carlos Rosazza Montañez de la EAP Ingeniería Industrial de la FIISI, UNJFSC-Huacho, han desarrollado la tesis titulada: Modelo de Línea de Espera para la Optimización del Servicio en la Empresa PETROPERU – Puerto Supe, año 2014. , cuyo objetivo es beneficiar tanto a los clientes, como a la empresa. Por tanto, es importante que usted ANÓNIMAMENTE nos facilite sus puntos de vista a los factores o aspectos más importantes considerados.
II. INSTRUCCIONES:2.1. La información que Ud. Nos brinde es personal, Sincera y Anónima.2.2. Marque sólo una de las respuestas de cada pregunta, que Ud. Considere la opción correcta.2.3. Debe contestar todas las preguntas.
III. ASPECTOS GENERALES:
3.1. EDAD ( ) 15 a 20 años ( ) 21 a 25 años ( ) 26 a 30 años ( ) 31 a 35 años ( ) 36 a 40 años ( ) 41 a más años
3.2. NIVEL DE INSTRUCCIÓN ( ) Primaria ( ) Secundaria ( ) Universitaria
3.3. TIEMPO COMO CLIENTE DE LA EMPRESA ( ) 1 año ( ) 2 años ( ) 3 años ( ) 4 años ( ) 5 años ( ) 6 años a más
Escala de Calificación
1 2 3 4 5
Nunca Rara VezAlgunas veces
Normalmente Siempre
Muy Malo Malo Bueno Regular Excelente
Muy en DesacuerdoEn
DesacuerdoNo sé De Acuerdo Muy de Acuerdo
Muy Insatisfecho Insatisfecho Indiferente Satisfecho Muy Satisfecho
Dimensiones de la Variable Modelo de línea de espera y la variable Optimización del servicio
Distribución de arribos ServidoresCapacidad
delSistema
CostosNúmeros de
clientes atendidos
(1 al 10) (11 al 20) (21 al 30) (31 al 40) (41 al 50)
I. DISTRIBUCIÓN DE ARRIBOS Califique usted cada pregunta del 1 al 5 CalificaciónN° Preguntas 1 2 3 4 5
1 Consideras que hay horas específicas donde hay más cantidad de clientes.
2Existe un tiempo adecuado en el servicio de la empresa Consorcio Terminales GMP.
3 Existe una atención de acuerdo al orden de llegada.
4 Semanalmente requiere los servicios de la empresa al menos 5 días.
5 Existe un tiempo adecuado de servicio en el proceso de verificación de la cisterna.
6 Existe un tiempo adecuado de atención para recibir la instrucción de carga.
7 Existe un tiempo adecuado en el proceso de precintado.
8 Existe orden en el estacionamiento externo de la empresa.
9 Existen días donde hay más clientes
10 Considera que las cisternas llegan con más frecuencia en las mañanas
II. SERVIDORES Califique usted cada pregunta del 1 al 5 Calificación
156
N° Preguntas 1 2 3 4 5
11 Como evaluaría el tiempo de despacho de la isla 1.
12 Como evaluaría el tiempo de despacho de la isla 2.
13 Percibe que la empresa debería contar con una isla más.
14 Como calificas el rendimiento de la isla 1.
15 Como calificas el rendimiento de la isla 2.
16 Percibe que deberían cambiar la isla 1.
17 Percibe que deberían cambiar la isla 2.
18 Percibes que sería más eficiente una isla con multiproductos.
19 Con que frecuencia llegaría usted si se le aumentaría la 3era isla.
20 Existe alguna preferencia con respecto a alguna de las islas.
III. CAPACIDAD DEL SISTEMA Califique usted cada pregunta del 1 al 5 Calificación
N° Preguntas 1 2 3 4 5
21 Percibe que la empresa no cubre a todos los clientes.
22 Percibe fallas en el sistema de la empresa.
23 Percibe fallas en los procesos de la empresa.
24 Existen quejas a menudo del tiempo de espera para entrar al terminal.
25 Se quedó sin ser atendido en alguna ocasión.
26 Tuvo problemas por no llevar a tiempo el pedido en la empresa.
27 Consideras que las 2 islas abastecen a todos los clientes de la empresa.
28 Alguna vez tuvo contratiempos con el llenado del producto.
29 Con que frecuencia les ofrecen soluciones a los tiempos de demoras.
30 Se siente limitado a recibir solo un número máximo de servicios al día.
IV. COSTOS Califique usted cada pregunta del 1 al 5 Calificación
N° Preguntas 1 2 3 4 5
31 Considera estar perdiendo dinero esperando por el servicio de la empresa.
32Considera que la empresa también pierde dinero al no atender con rapidez a los clientes.
33Se siente limitado con respecto a sus ganancias, a causa de los tiempos de espera.
34 Considera que hay un límite de servicios por cliente por las colas.
35Consideras que si el rendimiento de la isla 1 aumentara, la empresa generaría más ingresos.
36Consideras que si el rendimiento de la isla 2 aumentara, la empresa generaría más ingresos.
37Consideras que si el rendimiento de la isla 1 aumentara, los clientes generarían más ingresos
38Consideras que si el rendimiento de la isla 2 aumentara, los clientes generarían más ingresos.
39 Consideras que si existiera una isla más, usted generaría más ganancias.
40Considera que si hubiera más fluidez en el servicio el número de clientes aumentarían.
IV. NUMERO DE CLIENTES ATENDIDOS Califique usted cada pregunta del 1 al 5 Calificación
N° Preguntas 1 2 3 4 5
157
41 Cree que al solo tener 2 islas, limita el número de clientes atendidos.
42 Considera que hay soluciones para que siempre sea atendido con más eficiencia
43 Se siente obligado a llegar a la empresa, porque es la que está más cerca.
44 Considera que requerirá más servicios, si el sistema fuera más rápido.
45Considera que la cantidad de clientes aumentaría si se pone operativa una isla más.
46Consideras que si el rendimiento de la isla 1 aumentara, aumentaría los servicios diarios.
47Consideras que si el rendimiento de la isla 2 aumentara, aumentaría los servicios diarios.
48 Percibe que hay demoras en el área de precintado.
49 Percibe que hay demoras en la verificación de las cisternas.
50 Se siente limitado a recibir solo un número máximo de servicios diarios.
158
ANEXO 3. Formato 1 de arribo de cisternas a estacionamiento externo
FORMATO1: ARRIBO DE CAMIONES ESTACIONAMIENTO EXTERNO FECHA: -----/-----/2014(Se considera el arribo a la cola externa del local dentro del horario de atención)
Terminal:_________________________ Responsable:_____________________
Hora Cantidad Total Hora Cantidad Total
07:30-07:45 13:30-13:45
07:45-08:00 13:45-14:00
08:00-08:15 14:00-14:15
08:15-08:30 14:15-14:30
08:30-08:45 14:30-14:45
08:45-09:00 14:45-15:00
09:00-09:15 15:00-15:15
09:15-09:30 15:15-15:30
09:30-09:45 15:30-15:45
09:45-10:00 15:45-16:00
10:00-10:15 16:00-16:15
10:15-10:30 16:15-16:30
10:30-10:45 16:30-16:45
10:45-11:00 16:45-17:00
11:00-11:15 17:00-17:15
11:15-11:30 17:15-17:30
11:30-11:45 17:30-17:45
11:45-12:00 17:45-18:00
12:00-12:15
12:15-12:30
12:30-12:45
12:45-13:00
13:00-13:15
13:15-13:30
159
ANEXO 4. Formato 2 de tiempo de actividad en mayoristas
FORMATO 2: TIEMPO DE ACTIVIDAD: MAYORISTA FECHA: -----/-----/2014DESCRIPCION: Tiempo neto que el chofer permanece en el mayorista (DEBE COMPLETAR TODAS SUS ORDENES).Terminal: _______________________ Responsable:_____________________ OBS: SI EL DATO SE TOMA CON CRONOMETRO SOLO LLENAR LA COLUMNA “TIEMPO NETO DE ATENCION”
Obs.TIEMPO INICIO
(HR/MIN/SEG)
TIEMPO FIN(HR/MIN/SEG)
TIEMPO NETO
DE ATENCION(MIN/SEG)
12345789101112131415161718192021222324252627282930
160
ANEXO 5. Formato 3 de tiempo de Instrucción de carga
FORMATO 3: TIEMPO DE ACTIVIDAD: INSTRUCCIÓN DE CARGA FECHA: -----/-----/2014DESCRIPCION: Desde que el Transportista alcanza la ventanilla hasta que le entrega la Instrucción de carga, en este tiempo está la validación de la orden en el SCOP y el ingreso de la orden de carga en el DANTAS.Terminal:_________________________ Responsable:___________________
OBS: SI EL DATO SE TOMA CON CRONOMETRO SOLO LLENAR LA COLUMNA “TIEMPO NETO DE ATENCION”
Obs.Tiempo inicio
(HR/MIN/SEG)Tiempo fin
(HR/MIN/SEG)
TIEMPO NETO
DE ATENCION(MIN/SEG)
12345789101112131415161718192021222324252627282930
161
ANEXO 6. Formato 4 de tiempo de Instrucción de carga
FORMATO 4: TIEMPO DESPLAZAMIENTO FECHA: -----/-----/2014PUERTA ENTRADA -ZONA ESTACIONAMIENTO INTERNODESCRIPCION: Tiempo neto que le toma al chofer desplazar el camión desde la puerta entrada hasta la zona de estacionamiento interno.Terminal:________________________ Responsable:_____________________ OBS: SI EL DATO SE TOMA CON CRONOMETRO SOLO LLENAR LA COLUMNA “TIEMPO NETO DE ATENCION”
ObsTiempo inicio
(HR/MIN/SEG)Tiempo fin
(HR/MIN/SEG)
TIEMPO NETO
DE ATENCION(MIN/SEG)
12345789101112131415161718192021222324252627282930
162
ANEXO 7. Formato 5 de tiempo de Verificación de Vigilante
FORMATO 5: TIEMPO DE ACTIVIDAD: VERIFICACION DE VIGILANTE FECHA: -----/-----/2014DESCRIPCION: Tiempo neto que le toma al vigilante verificar los datos, el camión y hacer pasar al camión.Terminal:_______________________ Responsable:___________________
OBS: SI EL DATO SE TOMA CON CRONOMETRO SOLO LLENAR LA COLUMNA “TIEMPO NETO DE ATENCION”
Obs.Tiempo inicio
(HR/MIN/SEG)Tiempo fin
(HR/MIN/SEG)
TIEMPO NETO
DE ATENCION(MIN/SEG)
12345789101112131415161718192021222324252627282930
163
ANEXO 8. Formato 6 de tiempo de desplazamiento de estacionamiento interno a la isla
FORMATO 6: TIEMPO DESPLAZAMIENTO FECHA: -----/-----/2014Estacionamiento Interno IslaDESCRIPCION: Tiempo neto que le toma al chofer desplazar el camión desde el estacionamiento interno hacia la Isla.Terminal:________________________ Responsable:_____________________
OBS: SI EL DATO SE TOMA CON CRONOMETRO SOLO LLENAR LA COLUMNA “TIEMPO NETO DE ATENCION”
Obs.Tiempo inicio
(HR/MIN/SEG)Tiempo fin
(HR/MIN/SEG)
TIEMPO NETO
DE ATENCION(MIN/SEG)
12345789101112131415161718192021222324252627282930
164
ANEXO 9. Formato 7 de tiempo de desplazamiento de la isla al estacionamiento interno
FORMATO 7: TIEMPO DESPLAZAMIENTO FECHA: -----/-----/2014Isla -- Estacionamiento Interno DESCRIPCION: Tiempo neto que le toma al chofer desplazar el camión desde la isla al estacionamiento interno, cuando requiere llenar otro combustible y no está disponible la isla.Terminal:______________________ Responsable:_______________________
OBS: SI EL DATO SE TOMA CON CRONOMETRO SOLO LLENAR LA COLUMNA “TIEMPO NETO DE ATENCION”
ObsTiempo inicio
(HR/MIN/SEG)Tiempo fin
(HR/MIN/SEG)
TIEMPO NETODE ATENCION
(MIN/SEG)12345789101112131415161718192021222324252627282930
165
ANEXO 10. Formato 8 de tiempo de desplazamiento de la isla a la cola de área de precintado
FORMATO 8: TIEMPO DESPLAZAMIENTO FECHA: -----/-----/2014ISLA-- COLA AREA PRECINTADODESCRIPCION: Tiempo neto que le toma al chofer desplazar el camión desde la ISLA hacia la cola del área de precintado.Terminal:__________________________ Responsable:______________________ OBS: SI EL DATO SE TOMA CON CRONOMETRO SOLO LLENAR LA COLUMNA “TIEMPO NETO DE ATENCION”
ObsTiempo inicio
(HR/MIN/SEG)Tiempo fin
(HR/MIN/SEG)
TIEMPO NETO
DE ATENCION(MIN/SEG)
12345789101112131415161718192021222324252627282930
166
ANEXO 11. Formato 9 de tiempo de precintado y revisión
FORMATO 9: TIEMPO DE ACTIVIDAD: PRECINTADO Y REVISION FECHA: ---/---/2014DESCRIPCION: Tiempo neto que le toma al precintador verificar los datos y cerrar los compartimientos.Terminal:________________________ Responsable:______________________
OBS: SI EL DATO SE TOMA CON CRONOMETRO SOLO LLENAR LA COLUMNA “TIEMPO NETO DE ATENCION”
Obs.Tiempo inicio
(HR/MIN/SEG)Tiempo fin
(HR/MIN/SEG)
TIEMPO NETO
DE ATENCION(MIN/SEG)
12345789101112131415161718192021222324252627282930
167
ANEXO 12. Formato 10 de Hora de ingreso al terminal
Hay 2 formatos adicionales que son los formatos 10 y 11, los cuales son usados para hacer un seguimiento a cada camión muestreado y poder obtener un tiempo de permanencia en el Terminal. Estos dos formatos se trabajan juntos, y son complementarios. Se requiere un mínimo de 60 muestras por cada día de la semana (Lunes, martes, miércoles, jueves, viernes y sábado).
FORMATO 10: HORA INGRESO EN TERMINAL FECHA: -----/-----/2014
(Se considera el arribo a la cola externa del local dentro del horario de atención)
Terminal:_______________________ Responsable:______________________
Obs
PLACA
TRACTO
PLACACARRE
TA
Tipo CamiónCisterna Grande,
mediana, Chica
Tiempo Arribo
cola externa
(HR/MIN/SEG)
Tiempo Salida al recibir
Instrucción de carga
Tiempo IngresoPuerta
(HR/MIN/SEG)
1234578910111213141516171819202122232425
168
ANEXO 13. Formato 11 de hora de salida del terminal
FORMATO 11: HORA SALIDA DE TERMINAL FECHA: -----/-----/2014(Se considera la salida del camión cuando pasan por la puerta de salida dentro del horario de atención)Terminal:____________________ Responsable:_____________________ Tomar un mínimo de 60 muestras por día, para un lunes, martes, miércoles, jueves, viernes y sábado.
Obs
PLACATRACTO(Delante)
PLACACARRETA
(Atrás)
Tipocamión
Hora de salida porLa puerta de
salida(HR/MIN/SEG)
Hora de partida luego
De recoger factura deMayorista
(HR/MIN/SEG)1234578910111213141516171819202122232425
169
ANEXO 14. Aleatorización de semanas en STATS
ANEXO 15. Ingreso de datos al winQSB
170
ANEXO 16. Resultados del winQSB
6.2.1.1
6.2.1.2
6.2.1.3
6.2.1.4
6.2.1.5
6.2.1.6
6.2.1.7
ANEXO 17. Análisis de sensibilidad de servidores en WinQSB
171
ANEXO 18. Análisis de sensibilidad de la tasa de servicio en WinQSB
ANEXO 19. Análisis de sensibilidad de la tasa de arribos de clientes en WinQSB
172
ANEXO 20. Simulación con 2 servidores
Iteración 1
Iteración 2
173
Iteración 3
Iteración 4
174
Iteración 5
ANEXO 21. Simulación con 3 servidores
175
Iteración 1
Iteración 2
176
Iteración 3
Iteración 4
Iteración 5
177
ANEXO 22. Simulación con 4 servidores
Iteración 1
178
Iteración 2
Iteración 3
179
Iteración 4
Iteración 5
180
ANEXO 23. Índice de percepción de clientes
Otras definiciones
Cantidad de Factores Relevantes : 6Cantidad de Clientes Encuestados : 5
Máxima Calificación Posible : 5
Definición de los intervalos:
IntervaloRango
Desde Hasta
0% 55% Critico
56% 75% Estable
76% 90% Diferenciador
91% 100% Ventaja Competitiva
Definición de factores relevantes:
181
Factores Relevantes
1 Tiempo de servicio
2 Calidad de servicio
3 Islas
4 Orden
5 Costo
6 Cantidad de clientes atendidos
Clientes encuestados:
Clientes Encuestados
1 Cliente 1
2 Cliente 2
3 Cliente 3
4 Cliente 4
5 Cliente 5
Importancia que cada cliente asigna a cada factor relevante:
FR Tiempo de
servicio
Calidad de
servicioIslas Orden Costo
Cantidad de clientes
atendidosCliente
1 Cliente 1 5 5 5 4 4 4
2 Cliente 2 5 4 3 4 4 5
3 Cliente 3 4 5 4 5 5 4
4 Cliente 4 5 4 4 4 4 55 Cliente 5 4 4 4 3 4 4
Evaluación del cada cliente acerca del desempeño de la empresa
Consorcio Terminales GMP OIL TANKING en el cumplimiento de
cada uno de estos factores relevantes
FR Tiempo de
servicio
Calidad de
servicioIslas Orden Costo
Cantidad de clientes
atendidosCliente
1 Cliente 1 2 3 2 2 3 3
2 Cliente 2 3 3 3 3 2 3
3 Cliente 3 2 3 3 3 3 4
4 Cliente 4 2 2 2 2 3 3
5 Cliente 5 3 3 2 3 2 3
Índices de evaluación de los clientes:
182
FR Puntaje Total FR
Tiempo de servicio
Calidad de
servicioIslas Orden Costo
Cantidad de clientes atendidos
TotalCliente
1 Cliente 1 27 7,407% 11,111%7,407
% 5,926% 8,889% 8,889% 49,630%
2 Cliente 2 25 12,000% 9,600%7,200
% 9,600% 6,400% 12,000% 56,800%
3 Cliente 3 27 5,926% 11,111%8,889
% 11,111% 11,111% 11,852% 60,000%
4 Cliente 4 26 7,692% 6,154%6,154
% 6,154% 9,231% 11,538% 46,923%
5 Cliente 5 23 10,435% 10,435%6,957
% 7,826% 6,957% 10,435% 53,043%
Índice general de percepción del cliente:
Índice General de Percepción del Cliente 53,279% Critico
Evaluación del cada cliente acerca del desempeño de la empresa
Consorcio Terminales GMP OIL TANKING en el cumplimiento de
cada uno de estos factores relevantes con los factores donde se les da a
conocer que se va a mejorar con la presente investigación y que
percepción tendría.
FR Tiempo de
servicio
Calidad de
servicioIslas Orden Costo
Cantidad de clientes
atendidosCliente
1 Cliente 1 4 4 4 5 3 4
2 Cliente 2 5 4 4 4 4 4
3 Cliente 3 4 5 5 4 5 5
4 Cliente 4 5 5 4 4 4 4
5 Cliente 5 4 4 5 4 4 4
Índices de evaluación de los clientes:
FR Puntaje Total
FR
Tiempo de servicio
Calidad de
servicioIslas Orden Costo
Cantidad de
clientes atendidos
Total
Cliente
1 Cliente 1 27 14,815% 14,815% 14,815% 14,815% 8,889% 11,852% 80,000%
2 Cliente 2 25 20,000% 12,800% 9,600% 12,800% 12,800% 16,000% 84,000%
3 Cliente 3 27 11,852% 18,519% 14,815% 14,815% 18,519% 14,815% 93,333%
4 Cliente 4 26 19,231% 15,385% 12,308% 12,308% 12,308% 15,385% 86,923%
5 Cliente 5 23 13,913% 13,913% 17,391% 10,435% 13,913% 13,913% 83,478%
Índice general de percepción del cliente:
Índice General de Percepción del Cliente 85,547% Diferenciador
183
M: MuestraOX: Observación de la
Variable indepen.OY: Observación de la
Variable depend.r : Coeficiente de Correlación
Ox
M r Oy
ANEXO 24. MATRIZ DE CONSISTENCIA: MODELO DE LÍNEA DE ESPERA Y OPTIMIZACIÓN DEL SERVICIO DE DESPACHO DE COMBUSTIBLE EN LA EMPRESA CONSORCIO TERMINALES GMP OIL TANKING – SUPE PUERTO, 2014
PROBLEMA PRINCIPAL
OBJETIVO PRINCIPAL
JUSTIFICACIÓN HIPÓTESIS PRINCIPAL VARIABLES INDICADORES TIPO Y DISEÑO
¿De qué manera el modelo de línea de espera permite la optimización del servicio de despacho de combustible en la Empresa Consorcio Terminales GMP OIL TANKING – Supe Puerto, 2014?
Determinar el modelo de línea de espera que permita la optimización del servicio de despacho de combustible en la Empresa Consorcio Terminales GMP OIL TANKING – Supe Puerto, 2014.
La investigación se justifica, puesto que al desarrollar un modelo de línea de espera, permitirá mejorar el servicio de la empresa Consorcio Terminales GMP OIL TANKING terminal Supe Puerto, de esta manera influirá en los factores de reducción de costos y en el tiempo de servicio que brinda la empresa, ya que toda empresa busca la optimización y la satisfacción de los clientes, donde dicha actividad se considera factible para la empresa Consorcio Terminales GMP OIL TANKING 2014.
Si determinamos el modelo de línea de espera; entonces, se optimizará el servicio de despacho de combustible en la Empresa Consorcio Terminales GMP OIL TANKING – Supe Puerto, 2014.
X: VARIABLE INDEPENDIENTE
X1.1: Distribución de llegadasX1.2: Distribución del tiempo de servicio.X1.3: Diseño de ServidoresX1.4: Disciplina de servicioX1.5: Tamaño de la línea de espera (finito o infinito).
X2.1: Número de Servidores
X3.1: Estudio de tiempos
Y1.1: Costo de ServicioY1.2: Costo de Espera
Y2.1: Número de Cisternas
TIPO:Es una Investigación Aplicada, porque utilizaremos de los conocimientos teóricos en la práctica basados en nuestras variables, para aplicarlos, en la investigación, para provecho de la empresa.
NIVEL:La investigación es de nivel correlacionar y descriptiva.
DISEÑO:Correlacional
Línea de espera
DIMENSIONES:
X1: Distribución de Arribos
X2: Servidores
X3: Capacidad del Sistema
PROBLEMAS ESPECÍFICOS
OBJETIVOS ESPECÍFICOS
HIPÓTESIS ESPECÍFICAS
¿De qué manera la distribución de arribos de clientes permite la optimización del servicio de despacho de combustible en la Empresa Consorcio Terminales GMP OIL TANKING – Supe Puerto, 2014?
Determinar la influencia de la distribución de arribos de clientes en la optimización del servicio de despacho de combustible en la Empresa Consorcio Terminales GMP OIL TANKING – Supe Puerto, 2014.
Es necesario determinar la distribución del proceso, ya que permitirá comprender la situación actual de la empresa, y determinar los indicadores que nos permitirán procesar los datos.
La distribución de arribos de clientes, influye significativamente en la optimización del servicio de despacho de combustible en la empresa Consorcio Terminales GMP OIL TANKING – Supe Puerto, 2014.
Y: VARIABLE DEPENDIENTE
¿De qué manera los servidores influyen en la optimización del servicio despacho de combustible en la Empresa Consorcio Terminales GMP OIL TANKING – Supe Puerto, 2014?
Determinar la influencia de los servidores en la optimización del servicio despacho de combustible en la Empresa Consorcio Terminales GMP OIL TANKING – Supe Puerto, 2014.
Es necesario determinar los servidores para hallar los rendimientos, y ver si estos abastecen a todos los clientes de la empresa, ya que la cantidad de servidores es una de las principales causas de la línea de espera.
Los servidores, influyen significativamente en la optimización del servicio de despacho de combustible en la empresa Consorcio Terminales GMP OIL TANKING – Supe Puerto, 2014.
Optimización del Servicio
DIMENSIONES:
Y1: Costos
Y2: Clientes atendidos
184
¿De qué manera la capacidad del sistema influye en la optimización del servicio de despacho de combustible en la Empresa Consorcio Terminales GMP OIL TANKING – Supe Puerto, 2014?
Determinar la influencia de la capacidad del sistema en la optimización del servicio de despacho de combustible en la Empresa Consorcio Terminales GMP OIL TANKING – Supe Puerto, 2014.
Es necesario determinar la capacidad del sistema, para ver a cuantos clientes se puede atender actualmente y encontrar la forma de optimizar, aumentando la capacidad del sistema, la cual beneficiaria económicamente a la Empresa.
La capacidad del sistema, influye significativamente en la optimización del servicio de despacho de combustible en la empresa Consorcio Terminales GMP OIL TANKING – Supe Puerto, 2014.
185
186
