UNIVERSIDAD NACIONAL DE MISIONES

FACULTAD DE INGENIERÍA

Carrera:
INGENIERÍA INDUSTRIAL

Cátedra:
CURSO DE SIMULACIÓN 2010

Tema:
SIMULACIÓN DE UN PROCESO PRODUCTIVO

Autores:

ARRUA, Martin Sebastián.

GOMEZ, Armando David.
LOPEZ, Mauro Ezequiel.
PERGHER, Alexander Abel.
Disertantes:
Ing. ENRIQUEZ, Hector Darío.
Ing. LOZANO, Gabriel Antonio.
Docentes:

Mgter. Ing. KOWALSKI, Victor Andres.

Mgter. Ing. MICHALUS, Juan Carlos.

Oberá-Misiones-Octubre de 2010
 2

ÍNDICE

1 ABSTRACT ....................................................................................................................3
2 RESUMEN......................................................................................................................4
3 INTRODUCCIÓN ............................................................................................................5
4 DESARROLLO ...............................................................................................................6
4.1 Descripción del Proceso de Producción .................................................................6
5 EL MODELO DE SIMULACIÓN ......................................................................................8
5.1 Elaboración de un modelo de simulación ...............................................................8
5.2 Definición del problema y Plan general del proyecto ..............................................9
5.3 Diseño del modelo conceptual ...............................................................................9
5.4 Objetivos planteados en la simulación .................................................................10
5.5 Recolección y Tratamiento de los datos de entrada .............................................10
5.6 Análisis estadístico de los datos de entrada .........................................................11
5.7 Análisis de los datos del proceso de montaje. Malacate ......................................11
5.8 Análisis de los datos del proceso de corte. Sierra Horizontal ...............................12
5.9 Análisis de los datos del proceso de corte. Sierra Vertical ...................................13
5.10 Análisis de los datos del proceso de despunte. Despuntado……………………..14
6 CONSTRUCCIÓN DEL MODELO ................................................................................16
6.1 Proceso de ingreso de datos del modelo al software SIMUL8 ..............................16
6.2 Periodo de calentamiento. Warm Up ....................................................................20
6.3 Verificación del modelo ........................................................................................21
6.4 Validación del modelo ..........................................................................................23
6.5 Experimentación y análisis de las salidas ............................................................24
6.6 Resumen de resultados .......................................................................................24
7 CONCLUSIONES .........................................................................................................25
8 REFERENCIAS BIBLIOGRÁFICAS Y OTRAS FUENTES DE INFORMACIÓN ............26
ANEXOS .........................................................................................................................27
 3

1 ABSTRACT

It first presents the analysis of the production process used in the production of manufac-
tured products for the category of forestry. With the data obtained from this analysis and
the subsequent steps necessary to proceed to make the model represents the operation
of its production. Model which is then turned to SIMUL8 ® simulation software and by ex-
perienced different changes in the variables involved, identifying results, problems that the
process has, thus testing the true scope of the model constructed and the process simula-
tion. It is also noted that after being subjected to experimentation, the model is doing well,
returning data that far from being unsuccessful, have been very useful, providing reliable
information to be taken into account in making decisions, revealing the true potential of
this tool to evaluate various options without the need to take risks that resent the real sys-
tem performance studied.

Keywords: model, process simulation, production process, sawmill.

 4

2 RESUMEN

Se presenta en primer lugar el análisis de un proceso productivo empleado en la elabora-

ción de productos manufacturados del rubro de la actividad forestal. Con los datos obte-
nidos de este análisis y las subsiguientes etapas necesarias se procede a confeccionar el
modelo que representa el funcionamiento de esta actividad productiva. Modelo que poste-
riormente es volcado al software de simulación SIMUL8® y mediante el cual se experi-
mentan diferentes cambios en las variables implicadas, identificando en los resultados
obtenidos, los problemas que el proceso presenta, poniendo así a prueba el verdadero
alcance del modelo construido y el de la simulación del proceso. Se observa además que
luego de ser sometido a la etapa de experimentación, el modelo responde satisfactoria-
mente, devolviendo datos que lejos de ser infructuosos, han sido de gran utilidad, brin-
dando información fehaciente a ser tenida en cuenta en la toma de decisiones, dejando a
la luz la verdadera importancia de poseer una herramienta capaz de evaluar diversidades
de opciones sin la necesidad de correr riesgos que puedan comprometer el normal des-
empeño del sistema real estudiado.

Palabras clave: modelo, simulación de procesos, proceso productivo, aserradero.

 5

3 INTRODUCCIÓN

Los sistemas actuales, cualquiera sea el contexto donde estén definidos, presentan difi-
cultades que los analistas, mediante las técnicas tradicionales, no pocas veces logran
identificar o, en caso de lograrlo, comprender en su totalidad como éstas interactúan con
el medio que las rodea, esto se acentúa a medida que aumenta la complejidad de los
subsistemas componentes. Es así que se hace necesario acudir a otro tipo de herramien-
tas que sean capaces de brindar la información necesaria como para superar este tipo
de barreras. Se presenta de este modo una alternativa para superar estas limitaciones,
se trata pues de los softwares de simulación, que si bien se encuentran disponibles en
una diversidad de formatos y presentaciones, sus aplicaciones actuales no se correspon-
den del todo con sus verdaderas virtudes y potencialidades. Poco tiempo ha transcurrido
desde aquella subestimación hasta la actualidad, donde la simulación se ha convertido en
una herramienta fundamental en el análisis de los procesos, presentando como carac-
terística sobresaliente una gran flexibilidad, posibilitando esto una mayor comprensión del
funcionamiento de un sistema complejo de la vida real, haciéndolo más atractivo aun la
posibilidad de obtener resultados a muy corto plazo, y como medio para plantear diferen-
tes opciones en cuanto a posibles soluciones que pudieran llegar a mejorar o no el grado
de desempeño del proceso.

Con el objeto de comprobar tales virtudes, se presenta a continuación un trabajo de in-

vestigación que tiene por fin resolver una serie de problemas mediante la aplicación dire-
cta de la simulación de procesos a un caso del campo laboral, se trata del proceso pro-
ductivo de una empresa del rubro forestal utilizado para el aserrado de maderas duras y
semiduras, enfocando el análisis al estudio específico de las actividades desarrolladas en
los centros de trabajo que componen el mismo. Los datos necesarios para conseguir esto
se han conseguido utilizando instrumentos de registro de datos, técnicas de estudio de
tiempos, seguimiento de flujo de materia a lo largo de una línea de producción. Por otra
parte han sido de gran utilidad los softwares especializados en aplicaciones estadísticas.
 6

4 DESARROLLO

4.1 Descripción del Proceso de Producción

Maderera López Hnos. S.A es una empresa vinculada con la actividad forestal, ubicada
en la ciudad de Oberá, en la zona centro de la provincia de Misiones, en particular dedi-
cada al aserrado de madera blanda, dura y semidura como actividad principal, continuan-
do su cadena de valor mediante la producción de tirantería para techos, preparación de
pisos, machimbres, cornisas, cenefas, mojones; todos ellos de variadas dimensiones.
El proceso se inicia en el stock de rollos ubicados al Noroeste de la instalación, lugar
comúnmente conocido como playa†, en la cual un operario, mediante una máquina (trac-
tor), transporta los rollos hacia la rampa de carga, lugar donde son depositados a la espe-
ra de ser procesados. Una vez allí se realiza la operación de trasladar la materia prima al
carro de carga (CT1). Para efectuar esto son necesarios dos operarios, uno de ellos en-
cargado de fijar el gancho del malacate (grúa) al tronco mientras el restante opera dicha
máquina, haciendo las veces de operador. El siguiente paso consiste en fijar el tronco al
carro de avance, mediante unos ganchos (uñas) laterales que se fijan al rollo clavándolos
al mismo, los que impedirán el movimiento del tronco cuando se realicen sobre él las ac-
tividades posteriores. Concluida esta operación los operarios se reincorporan a sus res-
pectivos centros de trabajo (CT2 y CT3).
La actividad productiva continúa con el corte horizontal (CT2). En ella, primera-
mente el encargado del sector realiza una breve inspección de la hoja de corte, reem-
plazándola en caso de no hallarse en óptimas condiciones. Seguidamente se traslada el
carro hasta una distancia mínima de la hoja de corte horizontal, punto A (ver Lay-Out),
con el objeto de regular la medida de corte a realizar, proporcionando de este modo el
espesor deseado a la tabla, el operario realiza esto mediante una manivela giratoria dis-
puesta en la máquina para tal fin. Una vez culminada esta etapa se da marcha al carro,
que avanza con una velocidad constante definida por el operario y a su consideración, en
función del tipo de madera de que se trate hasta el punto B (ver lay-out), ocurriendo el
corte al pasar por la máquina; retirando al final del recorrido la tabla obtenida y regresan-
do nuevamente el carro a la posición original, al punto A. Extendiendo este ciclo junto
con los ajustes de medida de corte hasta llegar a disminuir la mitad del tronco aproxima-
damente. En este punto se vuelve el carro hasta la grúa para reposicionar el rollo, girán-
dolo sobre su eje longitudinal, de manera que la sección ya cortada apoye sobre la plata-
forma del carro de corte y continuar con el mismo procedimiento descrito anteriormente.
A medida que se realizan los sucesivos cortes se inspeccionan las tablas salientes
como referencia de selección, desechando aquellas que presenten grandes defectos y

†
Playa o plancha: espacio amplio del terreno, lugar de depósito de materia prima, donde se dispo-
nen los troncos provenientes del desmonte.
 7

enviándolas al lugar destinado para leña de caldera. Las maderas aptas continúan el pro-
ceso hacia el siguiente CT, el corte vertical, que constituye el Centro de Trabajo 3 (CT3).
En este lugar se realiza una primera inspección visual con el fin de situar el made-
ro de manera apropiada sobre la mesa de corte móvil. El operario comienza a mover la
plataforma móvil hacia la sierra sin fin de posición vertical, causando el corte y definiendo
luego el ancho de la tabla cuando la mesa retorna a su posición de origen, pasando nue-
vamente por la hoja de sierra, se retiran los bordes extremos y examinan los mismos si
pueden ser recuperados, que en caso afirmativo serán destinados a una máquina recupe-
radora para su posterior re-procesamiento o enviados al sector correspondiente de leña
de caldera. En la continuidad del proceso, las tablas calificadas siguen su camino hacia la
máquina despuntadora (CT4). El operario de este sector de trabajo analiza las imperfec-
ciones de la tabla obtenida antes y procede a eliminarlas, valiéndose para ello de una
sierra circular de avance manual; determinando en este punto la longitud final del produc-
to. Los retazos desechados son enviados a un depósito para ser comercializados como
leña de consumo doméstico a los vecinos de la zona y demás particulares. En cuanto a la
sección útil de la tabla, la misma es marcada sobre uno de sus extremos con un lápiz de
crayón, registrando sus dimensiones de interés, ancho y largo de la misma.
Como punto final del proceso, el producto terminado, así concebido es trasladado
al paquete correspondiente a su espesor, siendo luego transportado a su ubicación final
en planta o a los centros de venta que los requieran.
 8

5 EL MODELO DE SIMULACIÓN

5.1 Elaboración de un modelo de simulación

Se realizará en esta sección la construcción de un modelo con la finalidad de simular el

proceso productivo utilizado en la empresa “Maderera Lopez Hnos. S.A.” para elaborar
sus productos, partiendo de esta base se plantearán una serie de modificaciones al pro-
ceder actual de la firma con el objeto de intentar mejorar el proceso en caso de ser éstas
necesarias.
Se define sistema en este trabajo a la parte de la planta que comprende el aserra-
do de madera dura y semidura, y más específicamente a la línea de producción en sí,
desde el ingreso de la materia prima y hasta el punto en que se produce el despunte de
las tablas, consideradas como producto terminado. No es posible experimentar in situ las
diferentes alternativas que se puedan proponer, debido a los altos costos que esto impli-
ca y las imposibilidades lógicas de que para ello se deberá suspender la actividad pro-
ductiva de la empresa. Se recurre entonces a las herramientas alternativas que provee la
Administración de los Procesos, y es por ello que se elaborará un modelo del sistema
antes definido (un modelo matemático) y en base a ello se realizará la simulación del pro-
ceso actual en estudio y de los posibles escenarios a plantear.
El sistema en cuestión cuenta con recursos permanentes, se trata de las máqui-
nas siguientes:
 Grúa (Centro de Trabajo 1, CT1).
 Sierra sin fin horizontal (Centro de Trabajo 2, CT2).
 Sierra sin fin vertical (Centro de Trabajo 3, CT3).
 Sierra circular despuntadora (Centro de Trabajo 4, CT4).
Se describen brevemente a continuación las actividades realizadas en cada uno de los
centros de trabajo y el tipo de evento de que trata cada uno de ellos.
Centro de Trabajo 1, grúa: transporte y ubicación del rollo de madera (tronco) al carro
de corte ubicado sobre los rieles. (Evento externo).
Centro de trabajo 2, sin fin horizontal: corte longitudinal del tronco en tablas y trans-
porte de las mismas. (Evento endógeno).
Centro de trabajo 3, sin fin vertical: corte de los lados irregulares de la tabla y trans-
porte. (evento endógeno).
Centro de trabajo 4, sierra circular: despunte, longitud final y transporte a stock de ta-
blas sobre pallets (palletizado). (Evento endógeno).
Para confeccionar el modelo de simulación en primera instancia se deben realizar una
serie de simplificaciones al proceso real, una de las principales consistió en uniformizar el
diámetro medio de los rollos que constituyen la materia prima principal, dada la variabili-
dad de los mismos, consecuencia esto último de tratarse de madera nativa, proveniente
 9

de árboles que no han sido controlados durante su proceso de crecimiento, dando lugar a
variados tamaños y geometrías de sus secciones, para atenuar estas variaciones se su-
pondrá que los mismos poseen geometría cilíndrica, asumiendo por otra parte una homo-
geneidad de la madera, tal que la misma no presente fallas considerables o de importan-
tes dimensiones.

5.2 Definición del problema y Plan general del proyecto

Para la elaboración de este trabajo, el caso que se pretende abordar refiere a los proble-
mas de productividad que pueda presentar el proceso de aserrado de maderas duras y
semiduras de Maderera Lopez Hnos. S.A con el procedimiento actualmente utilizado, en
el sentido de reconocer si con los recursos actuales de que dispone, el proceso se halla
en un estado de escaso nivel de producción y, si fuese este el caso, identificar los moti-
vos que originan esta situación, planteando posibles actuaciones a los fines de regulari-
zar la misma, ello mediante la simulación de diferentes escenarios que se consideren
pertinentes para soslayar el problema hallado, tratando de incrementar la elaboración de
ítems en la medida que pueda ello ser realizable.
Luego del correspondiente análisis de la situación, se identificó que el principal problema
que presenta el proceso en cuestión se encuentra en la actividad de corte en la sierra
vertical, que constituye el centro de trabajo 3, presentándose aquí un cuello de botella del
sistema productivo, en él se observa que tanto el operario como la máquina a su cargo se
encuentran con un nivel de ocupación excesivo, como consecuencia del ritmo de trabajo
que le imprime al proceso en su conjunto, el operario del centro de trabajo anterior. Es a
partir de ello que se plantearán una serie de medidas y cambios a implementar en el mo-
delo de simulación, de manera de estudiar la factibilidad de la ejecución de cada una de
ellas, contrastándolas con los resultados actuales, como se verá más adelante.

5.3 Diseño del modelo conceptual

Para la elaboración del modelo conceptual se tienen en cuenta además de las simplifica-
ciones anteriormente establecidas, algunos supuestos adicionales para la adecuada re-
presentación del sistema:
1º Se considerará un aprovisionamiento continuo de materia prima en la rampa don-
de se encuentran los rollos a la espera de ingresar a la línea de producción. Se
trata entonces de una fuente de arribos ilimitados, por lo tanto no se tiene en
cuenta la actividad y sobre todo, los tiempos que requiere el hecho de dirigirse
hasta la playa en búsqueda de nuevos troncos.
2º No serán necesarias las reiteradas tareas de inspección y las actividades com-
plementarias llevadas a cabo en los centros de trabajo a lo largo del proceso de
conformación de los ítems, dada la uniformidad supuesta más arriba.
 10

3º La jornada laboral, si bien consta de ocho horas reloj, éstas se completan en dos
turnos de cuatro horas, uno por la mañana y el siguiente por la tarde. Esto no se
contemplará en la corrida de la simulación y la misma se hará de 7,5 horas conti-
nuas, contemplando así la pausa que realizan los operarios en ambos turnos, de
ahí que las corridas tengan un tiempo efectivo diferente a estas ocho horas.
Se muestra a continuación el diagrama elemental que representa la actividad del aserra-
do de madera, teniendo en cuenta para ello todas las simplificaciones consideradas

Personal Personal
disponible? disponible?
C.T 1 C.T 2
Si Corte Horizontal Si
Transporte y
INICIO Ajuste a malacate
y
Transporte
No No

demora demora

C.T 4 C.T 3
Despuntado Corte vertical
FIN y demora y
Transporte a Stock Transporte de tablas

®
Figura 1. Diagrama elemental del proceso. Fuente: elaboración propia, Microsoft Visio .

5.4 Objetivos planteados en la simulación

En base a la identificación del problema se plantearon una serie de objetivos a los que se
hace mención, como ser:
 Estudio detallado y conocimiento de una línea de proceso productivo.
 Modelación del Sistema Productivo.
 Simulación del Proceso.
 Incrementar la utilidad de las máquinas para aumentar la cantidad de producción de
tablas.
 Plantear y contrastar las alternativas.

5.5 Recolección y Tratamiento de los datos de entrada

Para realizar un análisis estadístico del sistema (aserradero), en primer lugar es necesa-
rio disponer de datos que representen al mismo de manera fiel, estos datos serán los
tiempos de proceso de cada uno de los centros de trabajo en una jornada laboral en con-
diciones normales, para ello se realizó una visita de reconocimiento a las instalaciones
del establecimiento maderero a los fines de familiarizar a los integrantes del grupo con el
 11

proceso, al tener identificados los centros de trabajo, las actividades desarrolladas por los
operarios y las que hacen al normal funcionamiento del proceso productivo, se elaboraron
planillas de registro específicas para cada CT, en las cuales se han tenido en cuenta los
tiempos de preparación de las máquinas (puesta a punto o set-up) durante cada paso en
la evolución de un ítem a lo largo del proceso, como así también del corte de la madera
(funcionamiento de la máquina) en cada centro de trabajo.

Nº medición Tiempo de ajuste (min.) Tiempo de corte (min.)

1 1,30 1,10
2 1,14 1,08
3 1,28 0,56
®
Tabla 2. Ejemplo de planilla utilizada. Fuente, elaboración propia Microsoft Word 2010.

Los datos recabados se obtuvieron, por un lado, luego de haber visitado la empresa en
varias oportunidades y en diferentes horarios de la jornada laboral, unas veces por la
mañana, otras por la tarde, esto es para tratar de evitar que exista correlación entre los
datos y variables de interés, y por otro lado, de consultas realizadas a los operarios y a
los encargados de la empresa (propietarios).
En cada centro de trabajo se tomaron entre cincuenta (50) y sesenta (60) mediciones, de
acuerdo a la teoría de muestreo vista oportunamente, que posteriormente fueron analiza-
das para obtener las características de funcionamiento y los parámetros de referencia
que serán de utilidad en la confección del modelo, se muestran a continuación el análisis
estadístico de los datos relevados de cada uno de los CT.

5.6 Análisis estadístico de los datos de entrada

Se presenta el análisis estadístico de los datos recabados durante la etapa de releva-

miento en los centros de trabajo para poder luego simularlos correctamente en el softwa-
re de simulación SIMUL8® ya que de nada serviría cargar erróneamente los datos en el
mismo si estos no reflejan por lo menos en buen grado de aproximación el proceso real
(ver tablas A1, A2, A3, A4. Anexos).

5.7 Análisis de los datos del proceso de montaje. Malacate

Este centro como se refirió anteriormente es el que mayor dificultad presentó a la hora de
la toma de datos ya que ingresan a este lugar pocas unidades de rollizos por cada turno
de trabajo, es decir que la actividad aquí es un tanto pausada y de baja frecuencia y para
recoger un mínimo de 50 datos se tendría que disponer de un tiempo considerable para
su obtención, no disponiendo del cual, se consideró más viable obtener unas pocas
muestras (ver tabla A1) y consultar al personal con experiencia, la distribución estadística
mas recomendable en estos casos es la Triangular la cual se suele usar cuando se dis-
 12

pone de pocos datos sobre la variable y/o se puede consultar a un experto (Enríquez,
2010). La Distribución Triangular queda definida por los valores máximo, mínimo y la mo-
da o valor más probable provisto por el operario consultado.

Figura 2. Distribución Triangular. Fuente: Apuntes Curso de Simulación 2010.

Parámetro
Máx Mín Moda Media Variancia
Valor 7,50 min 6,02 min 7,00 min 6,84 min 0,09446 min2

Tabla 3. Resultados obtenidos. Fuente: elaboración propia.

5.8 Análisis de los datos del proceso de corte. Sierra Horizontal

Para el estudio estadístico de este centro se utilizó el software ExperFit ®, específico en

este tipo de tareas, provisto por cátedra, con el cual se obtienen las distribuciones mas
probables para los datos relevados (ver tabla A2); el número de intervalos, k, se aproxima

con la siguiente fórmula k= n , donde n es el tamaño de la muestra, así como la amplitud

max-min
del mismo, H= . Para este caso se tiene:
k
n k H
50 8 0,32500

Los estadísticos descriptivos obtenidos en el software ExperFit® se observan en la tabla

4, puede observarse además el Histograma de Frecuencias Relativas con la distribución
que mejor se adapta en la figura 3, el estudio de la independencia de los datos resulta
bastante favorable observando los diagramas de dispersión y auto-correlación figuras A4,
A5 (ver anexo) respectivamente, el software brindó tres distribuciones candidatas (ver
figura Nº anexo) de las cuales se adoptó la distribución Weibull como la más representati-
va, en cuanto a los Test de hipótesis, resultaron aceptables como se observa en las figu-
ras A6, A7, A8 (ver anexos) Por lo tanto se adopta la distribución Weibull como admisible
para introducirla en el software de simulación al representar al centro de trabajo Corte
Horizontal.
 13

Max. Min. Media Mediana Variancia Sesgo Coef. De

Nº observ.
(min.) (min.) (min.) (min.) (min2.) variación
50 3,47 0,87 1,73 1,59 0,33 0,88 0,33
®
Tabla 4. Estadísticos descriptivos CT2. Fuente: Elaboración propia en ExperFit 2010.

Figura 3. Comparación Histograma-Distribución Weibull CT2.

®
Fuente: Elaboración propia. Software ExperFit 2010.

5.9 Análisis de los datos del proceso de corte. Sierra Vertical

En este caso sí se han podido obtener número considerable de datos (ver tabla A3,
anexos) además de los siguientes valores de los parámetros k=8, n=55, H=1.8975 .Cabe
aclarar que en el histograma se utiliza el valor H=2.1075 ya que permite que se considere
la totalidad de los datos que está limitado usando el valor anterior, los estadísticos des-
criptivos obtenidos se observan en la tabla 5, y el Histograma de Frecuencias Relativas
en la figura A9 (ver anexo), los diagramas de dispersión y auto-correlación figuras A10,
A11 (ver anexo) señalan una aceptable independencia de los registros, el software brindó
como mejor distribución candidata la distribución Gamma, cuya gráfica se compara con el
histograma en la figura 4, en cuanto a los test de hipótesis, resultaron aceptables como
se observa en las figuras A12, A13, A14 (ver anexo). Por lo tanto se adopta la distribución
Gamma como razonable para representar adecuadamente la distribución de los datos
correspondientes a este CT.

Nº ob- Max. Min. Media Mediana Variancia Coef. de

Sesgo
serv. (min.) (min.) (min.) (min.) (min2.) variación
55 16,02 0,84 3,39 2,30 7,77 2,00 0,82
®
Tabla 5. Estadísticos descriptivos CT3. (Fuente: Elaboración propia. Software ExperFit 2010.
 14

Figura 4. Comparación Histograma-Distribución Gamma CT3.

®
Fuente: Elaboración propia. Software ExperFit 2010.

5.10 Análisis de los datos del proceso de despunte. Despuntado

En este centro de trabajo se tomó una muestra de un total de 50 datos (ver tabla A4,
anexos) por lo tanto n=50, el número de intervalos aproximados es k=8 y la amplitud
H=0.115 pero en el Histograma se adopta H=0.12 para abarcar todos los datos, también
se reconoce que no fue necesario eliminar los datos atípicos de los centros 2 3 y 4 ya que
son lo suficientemente independientes para este análisis, los estadísticos descriptivos y el
Histograma se ven en la tabla 6 y figura A15 (ver anexo), así como también los diagra-
mas para verificar la independencia de la muestra en las figuras A16, A17 (ver anexo). El
software promovió la distribución Gamma para este modelo y se puede ver la compara-
ción con el histograma en la figura 5, los test de hipótesis resultaron satisfactorios para
esta distribución propuesta ver figuras A18, A19, A20 (ver anexo).
Entonces se considera como buena la distribución candidata Gamma para representar la
distribución de la muestra.

Nº ob- Max. Min. Media Mediana Variancia Sesgo Coef. De

2
serv. (min.) (min.) (min.) (min.) (min .) variación
50 1,02 0,10 0,38 0,39 0,03 1,15 0,43

Tabla 6. Estadísticos descriptivos CT4. Fuente: Elaboración propia en ExperFit, 2010

 15

Figura 5. Comparación Histograma-Distribución Gamma CT4.

®
Fuente: Elaboración propia. Software ExperFit 2010.
 16

6 CONSTRUCCIÓN DEL MODELO

6.1 Proceso de ingreso de datos del modelo al software SIMUL8

El objeto de esta sección es explicar paso a paso la carga de los datos en el software
SIMUL8 para la creación del modelo de simulación, en primer término se ingresa al menú
File>New>Blank Simulation con el propósito de crear un archivo nuevo en el software,
hecho esto se realiza un click sobre el icono Create Work Entry Point para crear las en-
tradas al modelo. Una vez creada la entrada se realiza doble click en la misma para darle
las propiedades correspondientes, en este caso se tiene un tiempo entre llegadas de
troncos cada 40 minuto aproximadamente, se selecciona la distribución Fixed como mas
apta lo cual queda como se observa en la figura 6, además se ingresa la opción First at
Start Time lo cual permite que al inicio de la simulación llegara un ítem.

Figura 6. Work Entry Point Properties (Fuente: Elaboración propia en Simul8, 2010)

El siguiente paso es crear una cola de espera para los rollizos con una capacidad máxi-
ma de 3 de los mismos antes de entrar al centro de trabajo 1 ``Malacate´´, para ello se
selecciona el icono de Create Storage Area y situar la misma hacia la derecha de la en-
trada, los cuales deben ser unidos mediante una flecha provista por el icono Route Dra-
wing Mode. La cola de espera queda como la figura 7.

Figura 7. Storage Bin 1 Properties Fuente: Elaboración propia enSimul8, 2010

Dicha cola se une al centro de trabajo 1 ``Malacate´´ como el proceso anteriormente

mencionado, el centro de trabajo debe ser creado con el icono Create Work Center y
aplicar doble click al mismo para insertar los parámetros correspondientes, en este caso
 17

distribución triangular y sus datos, en la opción Resources seleccionar un Pool Resource

conformado por los operarios 1 y 2 respectivamente, en la opción Routing in se seleccio-
na Collect igual a 1 se le da Ok y la salida Routing Out se hace click en la Priorize,
además se considero una eficiencia del 100% en Efficiency, en resumen como se ve en
la figura 8.

Figura 8. Work Center Properties CT1 (Fuente: Elaboración propia en Simul8, 2010)

Nuevamente se crea un centro de trabajo para el ``Corte Horizontal´´ unido al centro an-
terior, se agregan los datos de distribución Weibull en este caso alfa y beta (1.48024,
0.94864) , en la opción Resources se crea el operario 1, en este caso se midió la eficien-
cia del centro de trabajo por lo tanto se selecciona Efficiency>Detailed se ingresa en el
tiempo entre fallas 180 minutos y como duración de la reparación 10 minutos luego Ok.En
las opciones Routing in y Routing Out se selecciona Collect igual a 1 y Priorize y en el
Batching igual a 9. Para finalizar se muestra la figura 9 como quedó el centro 2.

Figura 9. Work Center Properties CT2 (Fuente: Elaboración propia en Simul8, 2010)

Seguidamente se crea una nueva cola unida al centro anterior sin seleccionar ningún
atributo como se ve en la figura 10.
 18

Figura 10. Storage Bin 2 Properties. Fuente: Elaboración propia enSimul8, 2010

El paso siguiente es crear 3 nuevos centros de trabajo unidos a la cola anterior con la
distribución Gamma y sus parámetros alfa y beta (0.82338, 3.09769) agregar en Resour-
ce un operario 2 para los 3 centros, en Routing In para los 3 se coloca Collect igual a 1 en
cambio en la opción Routing Out se adopta Percent con los siguientes valores para cada
centro 10.526%;42.105%;47.368% y hacer click en Batching y se ingresa 1 para el
10.526%, 2 para 42.105% y 3 en 47.368% estos son el numero de tablas que salen del
tablón principal que llega a este centro de corte hacia la despuntadora y sus respectivos
porcentajes de salida, es decir estos 3 nuevos centros están englobados como uno solo
``Corte Vertical (en la realidad es 1 solo centro que realiza este trabajo) ver figura 11.

Figura 11. Work Center Global CT3. Fuente: Elaboración propia enSimul8, 2010

Cada uno de estos 3 centros será cargado individualmente como se observa,

Figura 12. Work Center Properties CT3. Fuente: Elaboración propia en Simul8, 2010

Seguido de este proceso se ingresa una nueva cola sin ningún atributo, unida a los 3 cen-
tros anteriores, para finalizar se ingresa el ultimo centro de trabajo ``Despuntado´´, el
mismo tiene una distribución Gamma con alfa y beta (5.75426, 0.06732), además de cre-
ar un recurso operario 3 el cual solo desarrolla esa actividad. En la opción Routing In se
 19

ingresa Collect igual a 1, en Routing Out se selecciona Priorize y en el Batching el valor

1. La figura 13 presenta la carga de datos para el centro 4”Despuntado”.

Figura 13. Work Center Properties CT4. Fuente: Elaboración propia en Simul8, 2010

Para finalizar se selecciona el icono Create Work Exit Point el cual irá unido al centro an-
terior, puede verse luego de esto un cuadro de dialogo como en siguiente, al cual no se
realiza ninguna especificación.

Figura 14. Work Complete Properties. Fuente: Elaboración propia en Simul8, 2010

El siguiente paso es configurar el tiempo de simulación del modelo a analizar, con este fin
se selecciona, en el menú principal, “Clock” > “Clock Properties”, la cual se presenta un
cuadro de dialogo como el de más abajo, en la misma se escoge en “Time units” la uni-
dad de tiempo minutos, el “Time Format” se adopta Time & Day. La simulación será de
una jornada laboral completa, en la realidad se trabajan 7:30 horas, por lo tanto en la op-
ción Duration of day se inserta éste valor y no las 8 horas, como así también se menciona
en la opción de Start Time Each Day la hora de inicio de la jornada laboral de 07:00 a.m.
 20

Figura 15. Clock Properties. Fuente: Elaboración propia en Simul8, 2010

6.2 Periodo de calentamiento. Warm Up

Para la realización del Warm Up se utilizó el Método de Welch, donde se procedió de la

siguiente manera:
 Se fijó una cantidad de replicas igual a 15, presentando resultados acordes.
 Para cada replica se tomó el valor de la cantidad de tablas producidas en interva-
los de tiempo iguales a treinta minutos (30min), hasta el final de cada replica. La
cantidad de periodos utilizados será de 15, que en total suman cuatrocientos cin-
cuenta minutos (450min) que conforman un día laborable.
 Luego se realizo el promedio de tablas para cada periodo.
 El siguiente paso será la de calcular el promedio móvil de los datos promedios ob-
tenidos, tomados cada 5 periodos.
 Por último, se los gráfica en función del tiempo como se muestra a continuación:

Figura 16. Gráfico Promedio Móvil Simple vs Tiempo. Fuente: Elaboración propia.
 21

Como se observa en el gráfico obtenido, el sistema tiende a estabilizarse luego de trans-

curridos unos ciento ochenta minutos (180min), justamente este tiempo es el Warm Up
buscado y el que se utilizará en la simulación.

Al realizar un click en la opción Run o Play la simulación comenzará a funcionar. El mo-

delo final armado se presenta en siguiente figura

Centro 3
Sierra vertical

Figura 17. Modelo final. Fuente: Elaboración propia en Simul8, 2010

6.3 Verificación del modelo

El modelo de simulación que acaba de presentarse ha sido verificado mediante la técnica

dinámica, donde se evaluó las respuestas del modelo tras reiteradas repeticiones y se ha
utilizado además para este fin el intervalo de confianza como herramienta estadística.
Teniendo como base de comparación datos históricos del proceso productivo obtenidos
de expertos, se ha tomado como medida de desempeño del sistema el número promedio
de tablas aserradas y terminadas a lo largo de un turno laboral de 8 horas.
Se han hecho replicaciones múltiples, simulando el sistema reiteradas veces y luego se
ha hecho uso de los datos obtenidos, contrastándolos con los datos históricos mediante
intervalos de confianza para la media poblacional del parámetro en cuestión.
Primeramente, de los datos históricos recabados se registró que la cantidad de troncos
aserrados en una jornada laboral normal se halla entre 13 y 18 unidades, se adoptó como
media 17 rollos/turno. Luego se obtuvo la cantidad media de tablas aserradas, también
por turno, teniendo presente, de datos de expertos, que se obtienen un total de 16 de las
mismas. El cálculo es el siguiente:
rollos tablas
17 x17 x1turno  272tablas
turno rollo
Entonces, se ha considerado como parámetro a comparar con la simulación la media
poblacional  = 272 tablas.
 22

Hecho esto se determinó la cantidad de réplicas necesarias para obtener un intervalo de

confianza para la media poblacional que contenga (1- α)×100% de confianza en la re-

presentatividad de los valores que toma la media de la simulación, teniendo un   100%

de nivel de significancia.
Se realiza una prueba piloto en el software que debe constar de 15 a 30 réplicas, con lo
cual se realizaron un total de 20 de éstas.
Para obtener la cantidad de réplicas necesarias se utiliza la siguiente fórmula:
2
 
S2 × t
 np-1,α 
n=  2
k2
Donde:
• n = número de réplicas a realizar para alcanzar la precisión requerida (k);
• S = desviación estándar;
• t np-1,α/2 = estadístico de la distribución t de Student;
• np = número de réplicas de la prueba piloto
• k = precisión requerida, en este caso 0,95 o 95%.
Luego de obtener la esta muestra piloto, la desviación estándar, los grados de libertad y
el valor del estadístico de la distribución Student, se obtiene la cantidad de réplicas a rea-
lizar, dando ésta por resultado un valor de 71 corridas.
Luego de realizadas éstas 71 corridas del software de simulación, se registran los valores
de la cantidad de tablas al final del turno, la tabla con los valores pueden observarse en el
anexo (ver tabla A0).
El paso siguiente consiste en obtener los parámetros estadísticos necesarios para reali-
zar el intervalo de confianza de la media poblacional. Debe destacarse que en esta etapa
se ha prefijado el nivel de exactitud, al cual se le asigna un valor de 0,99 o 99%.
 La media muestral es de 268,87 que tomando medidas de índole discreta, arroja un
resultado de 269tablas .
 La desviación estándar muestral (S) es 16,933 o 17 tablas.
 El tamaño de muestra en este caso es la cantidad de replicas, o sea 71.

 z1-α  es el estadístico de la distribución Normal, en este caso con un valor de 1,96.

2

Se utiliza la distribución Normal porque se cuenta e este caso con más de 30 datos.
Posteriormente, se obtiene el intervalo de confianza, que se presenta a continuación:
262<  < 272
 23

La media poblacional de la cantidad de tablas por turno se encuentra entre límites antes
citados con un 99% de confianza, mientras que en la realidad la media es de 269 tablas
por turno, pudiendo observar que los resultados del modelo se ajustan de manera satis-
factoria a la configuración productiva de la entidad de la cual se trata.
262<  < 272
Estimación del intervalo de la media (del modelo de simulación) 269 tablas/turno datos
obtenidos de la realidad.

6.4 Validación del modelo

Una vez procesados los datos de cada centro de trabajo y realizado el modelo de simu-
lación el mismo fue analizado de manera exhaustiva con el fin de que represente al sis-
tema real lo mejor posible, luego de ello, se procede a comparar los resultados de la si-
mulación con los datos relevados en la empresa (consultados con los operarios y los
dueños), estas comparaciones de producción dan por rollo procesado se obtiene el pro-
ducto final (tablas) en una cantidad aproximada de dieciséis (16) unidades en la realidad.
El modelo simulado genera una cantidad de diecinueve (19) unidades de producto final
respecto a cada rollo estándar adoptado por el grupo, cuyas dimensiones son diámetro
igual a 0,50 m., longitud 3,5 m.
Cabe mencionar que existe un diferencia de 18,75% aproximadamente en la cantidad de
tablas del rollo estándar utilizado en la simulación respecto del real, esto es consecuen-
cia de la simplificación. Con esto ponemos de manifiesto que el rollo del modelo no po-
see defectos internos. También se puede reflejar esta diferencia en cuanto al volumen de
la cantidad de tablas que se obtiene por rollo, siendo ésta aproximadamente igual a
0,069 m3. Superior en el rollo del modelo empleado.
Es destacable el hecho de que el rollo real promedio suministrado por la empresa es de
aproximadamente 0.70 m. de diámetro y 4.50 m. de longitud presentando forma irregular
y defectos (grietas, nudos, etc.), algunos bastante significativos.
La cantidad promedio de rollos procesados por día es de 12 en la realidad, en la simu-
lación se obtiene un promedio de 10 en el mismo lapso de tiempo, lo cual es una buena
aproximación con un 16.67% de diferencia entre ambos, siendo superior ésta en el rollo
real. En lo concerniente a la cantidad de tablas producidas por día se tiene un promedio
de 192 unidades en el aserradero, por su parte la simulación arroja una media muestral
de 196 unidades siendo exigua la diferencia entre ambas con un error del orden de
2.08%.
En cuanto al volumen de tablas obtenidas a diario, contraponiéndolo con el volumen
real se encontró un error del 2.08% entre ambos.
 24

Debido a todo lo expuesto anteriormente, como última instancia el modelo con sus resul-
tados fue presentado a los dueños del establecimiento, los cuales consideraron el modelo
presentado como satisfactorio.

6.5 Experimentación y análisis de las salidas

La primera alternativa implementada con el modelo de simulación consiste en Introducir

una nueva máquina de corte vertical de características similares, junto con su correspon-
diente operario y en paralelo a la ya existente en el CT 3, la sierra de posición vertical.
Esto es con la finalidad de agilizar las actividades de corte en este lugar y ayudar a su-
primir el cuello de botella que presenta el proceso en este sector.
Luego de simular este escenario, los resultados obtenidos de esta acción significaron un
incremento promedio en la productividad del aserradero de 215%. Por otra parte, el grado
de utilización del CT1 presenta una mejoría de 37,38% sobre el proceso actual, el CT 2
un 4,86%, el CT 4 un 49,24% y el CT 3 un decremento leve de 2,12%.
Un segundo escenario radica en la posibilidad de agregar un operario adicional al CT3,
sin incrementar la maquinaria disponible en este lugar, para que sea éste quien, además
de realizar las tareas propias de este centro, acuda a la tarea de auxiliar al operario del
CT2 al momento de realizar el montaje de un nuevo rollo y/o cualquier tipo de operación
en el sector del malacate. Esta opción surge de observar que a la hora de realizar tales
actividades, el CT3 queda desatendido por completo, reduciendo considerablemente su
factor de utilidad. La simulación de esta alternativa lleva a los resultados de la tabla 7.
Como alternativa final a simular, se ha planteado cambiar la metodología de trabajo en la
actividad del CT1, en el malacate, a la hora realizar alguna de las actividades inherentes
a este lugar, utilizando para esta tarea a los operarios de los centros de trabajo 4 y 2 en
lugar de la metodología utilizada actualmente, en la que quienes llevan a cabo dichas
tareas son los operarios de los centros de trabajo 2 y 3. Esta opción posibilitaría que el
CT3 aumente su producción ya que este operario se podrá enfocar solo en su actividad
específica. Los resultados obtenidos de la simulación y sus variaciones relativas pueden
apreciarse en la tabla 7.

6.6 Resumen de resultados

Alternativa Tablas % Productividad % Trabajo

CT1 CT2 CT3 CT4
Proceso actual 267 21,65 2,83 77,98 23,16
59,43 7,69 75,86 72,40
Alternativa 1 842 215,06
+37,78 +4,86 -2,12 +49,24
41,25 5,46 94,38 45,13
Alternativa 2 522 95,33
+19,6 +0,85 +20,7 +6,39
Alternativa 3 344 28,74 28,04 3,68 98,73 29,55
 25

+6,39 +2,63 +16,4 +21,97

Tabla 7. Resumen de resultados. Fuente: elaboración propia.

 26

7 CONCLUSIONES

Como evaluación principal del trabajo que precede, en cuanto a la aplicación de los con-
ceptos de simulación, estos han sido alcanzados al modelar satisfactoriamente un proce-
so productivo, pudiendo con él vislumbrar el comportamiento actual de las actividades
que forman parte del mismo, identificando de este modo sus debilidades productivas para
encauzar el trabajo hacia estos puntos conflictivos con el objeto de mejorar el funciona-
miento del sistema en su conjunto.
De la instancia correspondiente a la experimentación con el modelo construido y luego de
simular los diferentes escenarios propuestos, se obtuvieron resultados que posibilitaron
un exhaustivo análisis de las mencionadas situaciones. De la experimentación con la pri-
mer alternativa se desprende que ésta presenta mayor complejidad a la hora de la im-
plantación ya que se debería cambiar la distribución en planta (lay-out), luego, los costos
de contratar un nuevo operario y la adquisición de la máquina son relativamente eleva-
dos, esto requiere un adecuado análisis de costos, cuestión que se encuentra fuera del
alcance del trabajo. En cuanto a la segunda opción, solo se deberá incrementar la mano
de obra, implementando un operario auxiliar al centro de trabajo que se encuentra sobre-
cargado. Para finalizar, la solución propuesta en último lugar posee mayores posibilida-
des de concreción ya que ésta no implica cambios de magnitudes considerables al siste-
ma productivo en vigencia sino que solamente se requiere de un cambio de funciones
operacionales.
Estos resultados se han obtenido sobre la base de una serie de simplificaciones asumi-
das previamente a la confección del correspondiente modelo y es conveniente en este
punto traerlas a colación a los fines de sentar las bases de futuros proyectos, las dimen-
siones reales de los rollos se encuentran lejos de ser uniformes así como los cortes reali-
zados en las distintas actividades, puede verse con claridad luego de este estudio que es
posible acercar estos parámetros a valores más certeros y representativos de la realidad,
incrementando el grado de detalle y a la vez la complejidad del sistema cuanto se desee,
pudiendo ser materia de estudios posteriores.
 27

8 REFERENCIAS BIBLIOGRÁFICAS Y OTRAS FUENTES DE INFORMACIÓN

DOMINGUEZ MACHUCA, J. A., ALVAREZ GIL, Mª J, GARCIA GONZALES, S., DOMIN-

GUEZ MACHUCA, M.A. RUIZ GIMENEZ, A. [1995] Dirección de operaciones:
aspectos tácticos en la producción y los servicios. Madrid, España: Mc Graw-
Hill/Interamericana de España S.A. 503p.

ENRIQUEZ, Héctor Darío. [2010] Cuaderno didáctico de Asignatura: Curso de Simulación

2010. Tema: Simulación. Facultad de Ingeniería, Universidad Nacional de Misio-
nes. Oberá, Misiones, Argentina.

POSLUSNY, L. [2010] Cuaderno didáctico de Asignatura: Sistemas de Producción. Te-

ma: El proceso de producción. Facultad de Ingeniería, Universidad Nacional de Misio-
nes. Oberá, Misiones, Argentina.

WALPOLE Y MYERS. [1992] Probabilidad y Estadística. Cuarta edición México, Mc

Graw. Hill. Interamericano de México.
 28

ANEXOS
 29

Figura A1. Diagrama de flujo del proceso. Fuente: elaboración propia, Microsoft Visio
 30

Figura A2. Distribución en planta de maquinas y equipos (Lay-out).

®
Fuente: elaboración propia, Microsoft Visio .
 31

198 192 198 219 214 180 184 198 181 198 216 180
216 180 205 201 280 256 193 211 198 180 198 198
193 191 186 199 162 205 180 205 198 186 198 188
234 198 216 198 183 198 193 198 198 216 198 211
198 181 180 216 185 193 234 180 191 186 180 178
199
Tabla A0. Cuadro de valores de 71 replicas para obtener intervalo de confianza para  modelo.
Fuente: Elaboración propia en Microsoft Word 2010.
 32

CT1 Malacate
Tiempos Enganche Traslado Ajuste Total (min)
1 1´39,48´´ 1´11,04´´ 3´11,04´´ 6.02
2 1´29,52´´ 3´´ 2´59,64´´ 7.50
3 38,08´´ 1´15,45´´ 5´11,4´´ 7.07
4 48,8´´ 52,47´´ 5´7,53´´ 6.83

Tabla A1. Datos CT1 Malacate. (Fuente: Elaboración propia en Microsoft Excel, 2010)

CT 2 Sierra Horizontal
Muestra Espera (min) Corte-Ajuste (min) Total (min)
1 0.25 1.01 1.26
2 0.33 1.06 1.39
3 0.48 1.11 1.59
4 0.42 1.16 1.58
5 0.42 1.46 1.88
6 0.58 1.47 2.05
7 0.22 1.35 1.57
8 0.53 1.48 2.01
9 0.67 0.80 1.47
10 0.93 0.83 1.76
11 0.68 1.08 1.76
12 0.58 1.12 1.70
13 0.70 1.48 2.18
14 1.07 1.50 2.57
15 0.43 1.90 2.33
16 0.45 1.30 1.75
17 0.43 1.05 1.48
CT 2 Sierra Horizontal
Muestra Espera (min) Corte-Ajuste (min) Total (min)
18 0.38 1.22 1.60
19 0.43 1.57 2.00
20 0.50 1.88 2.38
21 0.80 1.63 2.43
22 0.32 1.55 1.87
23 0.35 2.02 2.37
24 0.58 0.95 1.53
25 0.68 0.73 1.41
26 0.35 0.92 1.27
27 0.55 1.77 2.32
28 0.55 1.45 2.00
29 1.03 2.05 3.08
30 0.75 1.75 2.50
31 0.73 0.43 1.16
32 0.80 0.55 1.35
33 0.50 0.78 1.28
34 0.55 0.70 1.25
Tabla A2. Datos CT2 Sierra Horizontal. (Fuente: Elaboración propia en Microsoft Excel, 2010)
 33

CT 2 Sierra Horizontal
Muestra Espera (min) Corte-Ajuste (min) Total (min)
35 0.97 0.80 1.77
36 0.57 0.42 0.99
37 0.30 0.68 0.98
38 1.18 0.75 1.93
39 0.87 0.70 1.57
40 0.30 0.77 1.07
41 0.57 0.65 1.22
42 0.77 0.85 1.62
43 0.47 0.76 1.23
44 0.63 0.35 0.98
45 0.40 0.47 0.87
46 0.62 0.58 1.20
47 0.55 0.58 1.13
48 0.82 0.45 1.27
49 2.37 0.57 2.94
50 2.72 0.75 3.47
Continuación Tabla A2.

CT 3 Sierra Vertical CT 3 Sierra Vertical

Muestra Espera (min) Corte-Ajuste (min) Total (min) Muestra Espera (min) Corte-Ajuste (min) Total (min)
1 0.55 0.93 1.48 19 0.26 1.15 1.41
2 0.26 1.63 1.89 20 0.26 1.40 1.66
3 1.23 1.95 3.18 21 0.40 1.08 1.48
4 1.97 2.50 4.47 22 0.30 0.93 1.23
5 2.50 0.92 3.42 23 0.26 0.86 1.12
6 1.03 2.45 3.48 24 0.25 1.37 1.62
7 4.32 2.85 7.17 25 0.68 1.62 2.30
8 0.52 1.58 2.10 26 1.35 2.25 3.60
9 0.70 2.72 3.42 27 1.72 1.58 3.30
10 1.92 3.33 5.25 28 0.38 0.60 0.98
11 3.10 2.78 5.88 29 0.26 0.93 1.19
12 4.63 1.37 6.00 30 0.12 0.93 1.05
13 4.97 2.11 7.08 31 0.22 2.10 2.32
14 9.02 0.92 9.94 32 0.36 1.40 1.76
15 14.85 1.17 16.02 33 2.73 2.25 4.98
16 0.46 0.62 1.08 34 3.00 1.33 4.33
17 0.33 1.10 1.43 35 3.33 1.27 4.60
18 0.26 0.95 1.21 36 0.46 1.12 1.58
Tabla A3. Datos CT3 Sierra vertical. (Fuente: Elaboración propia en Microsoft Excel, 2010)
 34

CT 3 Sierra Vertical
Muestra Espera (min) Corte-Ajuste (min) Total (min)
37 1.33 0.85 2.18
38 2.45 0.93 3.38
39 2.42 2.50 4.92
40 3.37 2.50 5.87
41 2.85 1.52 4.37
42 1.73 0.43 2.16
43 0.63 0.63 1.26
44 0.96 5.47 6.43
45 0.22 0.76 0.98
46 0.10 0.95 1.05
47 0.15 1.00 1.15
48 2.10 4.25 6.35
49 0.93 0.70 1.63
50 0.13 0.93 1.06
51 0.30 2.37 2.67
52 3.22 4.48 7.70
53 0.15 1.12 1.27
54 0.12 0.72 0.84
55 0.30 5.83 6.13
Continuación Tabla A3.

CT 4 Despuntado CT 4 Despuntado
Muestra Total (min) Muestra Total (min)
1 0.68 26 0.17
2 0.47 27 0.27
3 0.42 28 0.52
4 0.47 29 0.25
5 0.23 30 0.40
6 0.43 31 0.28
7 0.45 32 0.42
8 0.42 33 0.47
9 0.32 34 0.45
10 0.55 35 0.27
11 0.53 36 0.43
12 0.37 37 0.32
13 0.27 38 0.27
14 0.18 39 0.32
15 0.32 40 0.22
16 0.43 41 0.23
17 0.40 42 0.68
18 0.43 43 0.32
19 0.43 44 1.02
20 0.17 45 0.15
21 0.22 46 0.10
22 0.73 47 0.38
23 0.55 48 0.38
24 0.40 49 0.55
25 0.25 50 0.38
Tabla A4. Datos CT4 Despuntado. (Fuente: Elaboración propia en Microsoft Excel, 2010)
 35

Figura A3. Diagrama de dispersión CT2. (Fuente: Elaboración propia en ExperFit, 2010)

Figura A4. Diagrama de auto-correlación CT2. (Fuente: Elaboración propia en ExperFit, 2010)

Relative Evaluation of Candidate M odels

Relative
M odel Score Parameters
1 - Weibull(E) 100 Location 0.86492
Scale 0.94864
Shape 1.48024
2 - Lognormal 85 Location 0
Scale 1.6411
Shape 0.31748
3 - Gamma(E) 72.5 Location 0.86492
Scale 0.49299
Shape 1.74951
11 models are defined with scores between 2.50 and 100.00
Absolute Evaluation of M odel 1 - Weibull(E)

Evaluation: Good
Suggestion: Additional evaluations using Comparisons Tab might be informative.
Additional Information about M odel 1 - Weibull(E)

"Error" in the model mean

relative to the sample mean 0.00469 = 0.27%

Figura A5. Modelos Candidatos para CT2. (Fuente: Elaboración propia en ExperFit, 2010)
 36

Anderson-Darling Test with Model 1 - Weibull(E)

Sample size 50
Test statistic 0.20170

Note: No critical values exist for this special case.

The following critical values are for the case where
all parameters are known, and are conservative.
Critical Values for Level of Significance (alpha)
Sample Size 0.25 0.1 0.05 0.025 0.01 0.005
50 1.248 1.933 2.492 3.07 3.857 4.5
Reject? No

Figura A6. Test Anderson-Darling CT2. (Fuente: Elaboración propia en ExperFit, 2010)

Kolmogorov-Smirnov Test with Model 1 - Weibull(E)

Sample size 50
Normal test statistic 0.05510
Modified test statistic 0.38962

Note: No critical values exist for this special case.

The following critical values are for the case where
all parameters are known, and are conservative.
Critical Values for Level of Significance (alpha)
Sample Size 0.15 0.1 0.05 0.025 0.01
50 1.117 1.201 1.332 1.452 1.597
Reject? No
Figura A7. Test Kolmogorov-Smirnov CT2. (Fuente: Elaboración propia en ExperFit, 2010)

Equal-Probable Chi-Square Test with Model 1 - Weibull(E)

Number of intervals 8
Expected (model) count 6.25000
Test statistic 2.80000

Warning: The test may not be statistically valid because a method

other than maximum likelihood was used to estimate parameters.
Degrees Observed Level Critical Values for Level of Significance (alpha)
of Freedom of Significance 0.25 0.15 0.1 0.05 0.01
7 0.903 9.037 10.748 12.017 14.067 18.475
Reject? No
Figura A8. Test Chi-Cuadrado CT2. (Fuente: Elaboración propia en ExperFit, 2010)
 37

Figura A9. Histograma de frecuencias relativas CT3. (Fuente: Elaboración propia en ExperFit, 2010)

Figura A10. Diagrama de dispersión CT3. (Fuente: Elaboración propia en ExperFit, 2010)

Figura A11. Diagrama de auto-correlación CT3. (Fuente: Elaboración propia en ExperFit, 2010)
 38

Anderson-Darling Test with M odel 1 - Gamma(E)

Sample size 55
Test statistic 0.49749

Note: No critical values exist for this special case.

The following critical values are for the case where
all parameters are known, and are conservative.
Critical V alues for Level of Significance (alpha)
Sample Size 0.25 0.1 0.05 0.025 0.01 0.005
55 1.248 1.933 2.492 3.07 3.857 4.5
Reject? No

Figura A12. Test Anderson-Darling CT3. (Fuente: Elaboración propia en ExperFit, 2010)

Kolmogorov-Smirnov Test w ith M odel 1 - Gamma(E)

Sample size 55
Normal test statistic 0.08193
M odified test statistic 0.60762

Note: No critical values exist for this special case.

The follow ing critical values are for the case w here
all parameters are know n, and are conservative.
Critical V alues for Level of Significance (alpha)
Sample Size 0.15 0.1 0.05 0.025 0.01
55 1.118 1.202 1.334 1.454 1.599
Reject? No

Figura A13. Test Kolmogorov-Smirnov CT3. (Fuente: Elaboración propia en ExperFit, 2010)

Equal-Probable Chi-Square Test with M odel 1 - Gamma(E)

Number of intervals 8
Expected (model) count 6.87500
Test statistic 7.10909

Warning: The test may not be statistically valid because a method

other than maximum likelihood was used to estimate parameters.

Degrees Observed Level Critical V alues for Level of Significance (alpha)

of Freedom of Significance 0.25 0.15 0.1 0.05 0.01
7 0.418 9.037 10.748 12.017 14.067 18.475
Reject? No

Figura A14. Test Chi-Cuadrado CT3. (Fuente: Elaboración propia en ExperFit, 2010)

Figura A15. Histograma de frecuencias relativas CT4. (Fuente: Elaboración propia en ExperFit, 2010)
 39

Figura A16. Diagrama de dispersión CT4 (Fuente: Elaboración propia en ExperFit, 2010)

Figura A17. Diagrama de auto-correlación CT4. (Fuente: Elaboración propia en ExperFit, 2010)

Anderson-Darling Test with Model 1 - Gamma

Sample size 50
Test statistic 0.42298

Note: The following critical values are approximate.

Critical Values for Level of Significance (alpha)
Sample Size 0.25 0.1 0.05 0.025 0.01 0.005
50 0.473 0.636 0.758 0.881 1.043 1.171
Reject? No

Figura A18. Test Anderson-Darling CT4. (Fuente: Elaboración propia en ExperFit, 2010)
 40

Kolmogorov-Smirnov Test with M odel 1 - Gamma

Sample size 50
Normal test statistic 0.09728
M odified test statistic 0.68790

Note: No critical values exist for this special case.

The following critical values are for the case where
all parameters are known, and are conservative.
Critical V alues for Level of Significance (alpha)
Sample Size 0.15 0.1 0.05 0.025 0.01
50 1.117 1.201 1.332 1.452 1.597
Reject? No

Figura A19. Test Kolmogorov-Smirnov CT4. (Fuente: Elaboración propia en ExperFit, 2010)

Equal-Probable Chi-Square Test with Model 1 - Gamma

Number of intervals 8
Expected (model) count 6.25000
Test statistic 9.20000

Degrees Observed Level Critical Values for Level of Significance (alpha)

of Freedom of Significance 0.25 0.15 0.1 0.05 0.01
7 0.239 9.037 10.748 12.017 14.067 18.475
Reject? Yes No

Figura A20. Test Chi-Cuadrado CT4. (Fuente: Elaboración propia en ExperFit, 2010)