Documente Academic
Documente Profesional
Documente Cultură
GRUPO : 05
PIURA – PERU
2019
1
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
INDICE
INTRODUCCION ........................................................................................................................................3
I. PLANTEAMIENTO DEL PROBLEMA ...................................................................................................4
1.1. DESCRIPCIÓN DEL PROBLEMA:.................................................................................................4
1.2. DEFINICIÓN Y DELIMITACIONES DEL PROBLEMA: ....................................................................4
II. JUSTIFICACIÓN E IMPORTANCIA DE LA INVESTIGACIÓN: ................................................................5
III. OBJETIVOS ....................................................................................................................................5
IV. MARCO TEORICO ..........................................................................................................................6
4.1. MARCO REFERENCIAL: .............................................................................................................6
4.2. FUNDAMENTOS TEORICOS: .....................................................................................................7
V. RECOPILACIÓN DE INFORMACIÓN ................................................................................................ 12
5.1. SUPUESTOS: .......................................................................................................................... 12
5.2. INFORMACIÓN RECOLECTADA: ............................................................................................. 12
5.3. GENERACIÓN DE VARIABLES ALEATORIAS: ........................................................................... 14
5.3.1. Ajuste de una distribución para el Tiempo entre Llegadas: .......................................... 14
5.3.1. Ajuste de una distribución para el Tiempo de Atención de Caja: ................................. 17
5.3.2. Ajuste de una distribución para el Tiempo de Atención de Caja: ................................. 19
5.3.3. Ajuste de una distribución para el Tiempo de Atención de Entrega: ........................... 20
5.4. GENERACION DE NÚMEROS ALEATORIOS: ........................................................................... 22
5.4.1. Pruebas a los números Aleatorios:................................................................................ 23
VI. MODELO MATEMATICO DE SIMULACIÓN ................................................................................. 34
6.1. PROCESO DE SIMULACIÓN .................................................................................................... 35
6.1.1. Simuladores o Generadores de las Variables Exógenas: ............................................... 35
6.1.2. Resultados: .................................................................................................................... 38
VII. CONCLUSIONES: ........................................................................................................................ 40
VIII. RECOMENDACIONES ................................................................................................................. 40
IX. REFRENCIAS BLIBLIOGRAFICA ................................................................................................... 41
X. ANEXOS: ........................................................................................................................................ 42
2
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
INTRODUCCION
3
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
Efectos Negativos:
Beneficios:
4
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
La Simulación de Sistemas es una forma de bajo costo para ver las falencias que
se tienen en diferentes aspectos de cualquier entidad, en nuestro caso Servicio de
Comida Rápida donde todos los procesos deben seguir ciertas resoluciones que deben
cumplirse para su buen funcionamiento y darle a los clientes mejor servicio en donde el
tiempo no sea un problema.
Lo anterior ayuda a entender por qué se pretende elaborar un modelo de
Simulación de Sistemas de colas, pues es un método innovador para aplicarlo en muchos
de los procesos que se llevan a cabo en Kentucky y así alcanzar el objetivo final que es
llegar a los problemas antes de que sucedan y no cuando ya han sucedido.
La herramienta a utilizar es XLSTAT, es una completa solución de estadística y
análisis de datos para Microsoft Excel. Tomando como interfaz de entrada y salida las
hojas de cálculo Excel, XLSTAT integra una completa librería de funciones estadísticas
y matemáticas para el análisis de datos, tanto financieros como científicos.
III. OBJETIVOS
Objetivo General:
Objetivos Específicos:
5
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
1. Simulación de Sistemas:
6
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
KFC Corporation, con sede en Louisville, Kentucky, es una de las pocas marcas en
los Estados Unidos que puede hacer alarde de décadas de éxito e innovación. Todo
comenzó con un cocinero que creó, hace más de 70 años, una receta que pronto se haría
famosa en todo el mundo, una lista de hierbas y especias secretas pegada en la parte
posterior de la puerta de la cocina. Ese cocinero era el Coronel Harland Sanders por
supuesto, y ahora KFC es la cadena de restaurantes de pollo más famosa del mundo y
se especializa en la misma Receta Original, junto con pollo Extra Crispy, complementos
caseros y biscuits. Hay más de 18,000 restaurantes KFC en 115 países y territorios en
todo el mundo.
Todo comenzó con un pollo frito preparado por Harland Sanders, quien nació en
Henryville Indiana en 1890. Desde pequeño aprendió a luchar por la vida, por tener la
responsabilidad de cuidar a sus hermanos pequeños. Cuando su madre falleció y tuvo
que trabajar para sostener a su familia. Sanders logró el dominio del arte culinario,
después de haber intentado varias profesiones descubrió su verdadera vocación.
En 1930 con 40 años de edad, inventa la receta original en una pequeña freidora a
presión. Los clientes comían en el propio comedor de Sanders y en poco tiempo su
comida se tornó en una atracción. Este suceso llevó a ampliar el negocio donde paso a
servir cerca de 100 personas diariamente en el restaurante de Corbin - Kentucky USA,
dedicándose exclusivamente a la preparación del pollo. Sanders perfeccionó en los años
siguientes la receta secreta con la mezcla de 11 hierbas, las cuales permanecen hasta hoy
en las cocinas de KFC.
7
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
Con una idea en la cabeza y el talento en sus manos, Sanders recorrió los
restaurantes de los EEUU ofreciendo franquicias para la comercialización de su pollo
frito, su idea era simple y honesta, él hacía la demostración a los funcionarios y
propietarios del restaurante para que su receta fuese aprobada, 5 centavos de dólar de
cada pollo vendido eran para él.
En 1964 ya contaba con más de 600 franquicias en USA y Canadá. En el año 1980
muere el Coronel Sanders a los 90 años de edad. En 1981 se abrió el 1er KFC en PERU.
Misión:
Satisfacer cada uno de los segmentos del mercado en las que participamos,
adecuando de manera inteligente en la marca que operamos.
Visión:
Ser los operadores de franquicias más rentables del Perú, respetando fielmente
los principios que nos comprometen, trasladándolos a nuestros clientes,
proveedores y la sociedad.
Imagen 1
8
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
Menú:
A. MEGAS
9
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
. 1 pieza de
pollo
C. BIG BOX
D. PACKS
E. POSTRES:
10
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
11
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
V. RECOPILACIÓN DE INFORMACIÓN
5.1. SUPUESTOS:
1. El pago con tarjeta, tiene un costo para la empresa de S/. 0.18 por facturación
de pagos.
2. La jornada de trabajo es de 11:00 am a 11:00 pm, es decir, 12 horas de
trabajo.
3. El Tipo de Producto es Independiente de cada día.
4. Se trata de un día No Festivo (martes), ya que los precios son regulares ese
día.
5. Todo cliente espera sin protestar en cola, sin montar cargos adicionales a las
ganancias de Kentucky.
6. El tiempo de atención en el sistema (Caja, Despacho y Entrega) NO debe ser
mayor a 5 minutos.
Jornada de Trabajo:
Día: Martes
Horario: 11:00am – 10:55 pm
Numero de servidores: 3 servidores
A continuación se muestra una parte de los datos recolectados en una jornada de trabajo:
12
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
Imagen 2
13
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
Con el XLSTAT:
La distribución que se ajusta mejor a los datos para la prueba de bondad de ajuste es la distribución Exponencial.
Parámetro estimado:
Estadísticas estimadas sobre los datos y calculadas utilizando los parámetros estimados de la distribución Exponencial:
Chi-cuadrado (Valor56,082
observado)
Chi-cuadrado (Valor15,507
crítico)
GDL 8
p-valor < 0,0001
alfa 0,05
Interpretación de la prueba:
H0: La muestra sigue una distribución Exponencial
Ha: La muestra non sigue una distribución Exponencial
Como el p-valor computado es menor que el nivel de significación alfa=0,05, se debe rechazar la hipótesis nula H0, y
aceptar la hipótesis alternativa Ha.
El riesgo de rechazar la hipótesis nula H0 cuando es verdadera es menor que 0,01%.
Imagen 3
14
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
140
120
100
Frecuencia
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10
Clase
Observaciones Distribución
Histogramas
0,35
0,3
0,25
Densidad
0,2
0,15
0,1
0,05
0
0 5 10 15 20 25
DATOS
DATOS Exponencial(0,309)
Imagen 4
15
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
grupos Frecuencias
0 24
1 61 Distribucion Exponencial
2 52
70
3 34
60
4 6
5 11 50
Frecuencias
6 4 40
7 5 30
8 3 Series1
20
9 2
10 3 10
11 2 0
12 2 0 5 10 15 20 25
13 3 20 Grupos
14 2
15 1
16 1
17 1
18 1
19 1
20 2
Suma= 221
Imagen 5
16
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
Con el XLSTAT:
La distribución que se ajusta mejor a los datos para la prueba de bondad de ajuste es la distribución Normal.
Parámetros estimados:
Estadísticas estimadas sobre los datos y calculadas utilizando los parámetros estimados de la distribución Normal:
Chi-cuadrado (Valor
236,810
observado)
Chi-cuadrado (Valor14,067
crítico)
GDL 7
p-valor < 0,0001
alfa 0,05
Interpretación de la prueba:
H0: La muestra sigue una distribución Normal
Ha: La muestra non sigue una distribución Normal
Como el p-valor computado es menor que el nivel de significación alfa=0,05, se debe rechazar la hipótesis nula H0, y
aceptar la hipótesis alternativa Ha.
El riesgo de rechazar la hipótesis nula H0 cuando es verdadera es menor que 0,01%.
Imagen 6
17
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
90
80
70
60
Frecuencia
50
40
30
20
10
0
1 2 3 4 5 6 7 8 9 10
Clase
Observaciones Distribución
Histogramas
1,6
1,4
1,2
1
Densidad
0,8
0,6
0,4
0,2
0
0 0,5 1 1,5 2 2,5 3
T atencion Caja
Imagen 7
18
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
grupos Frecuencias
0,5 15
1 52
Distribución Normal
1,5 91 100
90
2 49
80
2,5 14 Frecuencias 70
Suma= 221 60
50
40 Series1
30
20
10
0
0 0,5 1 1,5 2 2,5 3
Grupos
Imagen 8
Como los tiempos de atención en despacho eran de 0.5, 1 y 1.5 minutos, creímos
conveniente realizar la distribución de probabilidad siguiente:
Suma= 221 1
80
60
Series1
40
20
0
0 0,5 1 1,5 2
Título del eje
Imagen 9
19
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
0,5; 0- 0,2307692
F(X) 1; 0,2307692 - 0,7737557
1,5; 0,7737557 - 1
Imagen 10
Con el XLSTAT:
La distribución que se ajusta mejor a los datos para la prueba de bondad de ajuste es la distribución Normal.
Parámetros estimados:
Estadísticas estimadas sobre los datos y calculadas utilizando los parámetros estimados de la distribución Normal:
Prueba de Kolmogorov-Smirnov:
D 0,198
p-valor < 0,0001
alfa 0,05
Interpretación de la prueba:
H0: La muestra sigue una distribución Normal
Ha: La muestra non sigue una distribución Normal
Como el p-valor computado es menor que el nivel de significación alfa=0,05, se debe rechazar la hipótesis nula H0, y
aceptar la hipótesis alternativa Ha.
El riesgo de rechazar la hipótesis nula H0 cuando es verdadera es menor que 0,01%.
20
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
Imagen 11
Histogramas
1,6
1,4
1,2
1
Densidad
0,8
0,6
0,4
0,2
0
0 0,5 1 1,5 2 2,5 3
T atencion Entrega
Imagen 12
100
Tiempo Atencion Entrega
90
grupos Frecuencias 80
0,5 16 70
1 50
60
1,5 87
50
2 51 Series1
2,5 17 40
Suma= 221 30
20
10
0
0 0,5 1 1,5 2 2,5 3
Imagen 13
21
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
GENERADOR 1 GENERADOR 4
Xn+1= (129 Xn+47) mod 10000 Xn+1= (203 Xn) mod 100000
X0= 77 X0= 100000
GENERADOR 2 ImGENERADOR 5
Xn+1= (71561 Xn+56822117) mod 341157 Xn+1= (194755 Xn) mod 37739
X0= 31767 X0= 45583
GENERADOR 3 GENERADOR 6
Xn+1= (452 Xn+37452) mod 1231 Xn+1= (2111 Xn) mod 100000000
X0= 4571 X0= 19
22
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
Prueba de Promedios:
Para Generador 1:
( promedio * )
Ho: μri = 0,5 Zcalc=
n= 600
∑= 295,21
0,492016667
α= 0,05
Zcalc = -0,677408296
Z tabla(0,05/2)= 1,96
Imagen 14
Para Generador 2:
23
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
n= 600
∑= 302,26594
0,503776567
α= 0,05
Zcalc = 0,320452308
Z tabla(0,05/2)= 1,96
Imagen 15
Para Generador 3:
( √
Ho: μri = 0,5 Zcalc= )/√( )
n= 600
∑= 296,76195
0,49460325
α= 0,05
Zcalc = -0,457929423
Z tabla(0,05/2)= 1,96
Imagen 16
Para Generador 4:
24
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
( √
Ho: μri = 0,5 Zcalc= )/√( )
n= 600
∑= 298,58
0,497633333
α= 0,05
Zcalc = -0,200818326
Z tabla(0,05/2)= 1,96
Imagen 17
Para Generador 5:
( √
Ho: μri = 0,5 Zcalc= )/√( )
n= 600
∑= 311,49676
0,519161267
α= 0,05
Zcalc = 1,625887392
Z tabla(0,05/2)= 1,96
Imagen 18
Para Generador 6:
25
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
( √
Ho: μri = 0,5 Zcalc= )/√( )
n= 600
∑= 305,233
0,508721667
α= 0,05
Zcalc = 0,740057957
Z tabla(0,05/2)= 1,96
Imagen 19
Prueba de Frecuencias:
Para Generador 1:
maximo= 0,9997
Minimo= 0,001
rango= 0,9987
rango nuevo= 1
K= 10 α= 0,05
Amplitud=C= 0,1
FE= 60
RN-RO= 0,0013
k intervalo FO FE 〖(FOi-FEi)〗^2/FEi
1 0,0-0,1 59 60 0,016666667
2 0,1-0,2 64 60 0,266666667
3 0,2-0,3 62 60 0,066666667
4 0,3-0,4 60 60 0
5 0,4-0,5 54 60 0,6
6 0,5-0,6 63 60 0,15
7 0,6-0,7 65 60 0,416666667
8 0,7-0,8 64 60 0,266666667
9 0,8-0,9 58 60 0,066666667
10 0,9-1,0 51 60 1,35
total= 600
X^2 Calc= 3,2
Imagen 20
26
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
Para Generador 2:
( − )
X ^2 calc=
maximo= 0,99786
Minimo= 0,00067
rango= 0,99719
rango nuevo= 1
K= 10 α= 0,05
Amplitud=C= 0,1
FE= 60
RN-RO= 0,00281
k intervalo FO FE 〖(FOi-FEi)〗^2/FEi
1 0,0-0,1 67 60 0,816666667
2 0,1-0,2 67 60 0,816666667
3 0,2-0,3 53 60 0,816666667
4 0,3-0,4 60 60 0
5 0,4-0,5 50 60 1,666666667
6 0,5-0,6 51 60 1,35
7 0,6-0,7 58 60 0,066666667
8 0,7-0,8 57 60 0,15
9 0,8-0,9 76 60 4,266666667
10 0,9-1,0 61 60 0,016666667
total= 600
X^2 Calc= 9,966666667
Imagen 21
27
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
Para Generador 3:
maximo= 0,99838
Minimo= 0
rango= 0,99838
rango nuevo= 1
K= 10 α= 0,05
Amplitud=C= 0,1
FE= 60
RN-RO= 0,00162
k intervalo FO FE 〖(FOi-FEi)〗^2/FEi
1 0,0-0,1 59 60 0,016666667
2 0,1-0,2 55 60 0,416666667
3 0,2-0,3 64 60 0,266666667
4 0,3-0,4 56 60 0,266666667
5 0,4-0,5 65 60 0,416666667
6 0,5-0,6 65 60 0,416666667
7 0,6-0,7 71 60 2,016666667
8 0,7-0,8 60 60 0
9 0,8-0,9 54 60 0,6
10 0,9-1,0 51 60 1,35
total= 600
X^2 Calc= 5,766666667
Imagen 22
28
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
Para Generador 4:
maximo= 0,99859
Minimo= 0,00177
rango= 0,99682
rango nuevo= 1
K= 10 α= 0,05
Amplitud=C= 0,1
FE= 60
RN-RO= 0,00318
k intervalo FO FE 〖(FOi-FEi)〗^2/FEi
1 0,0-0,1 57 60 0,15
2 0,1-0,2 51 60 1,35
3 0,2-0,3 76 60 4,266666667
4 0,3-0,4 54 60 0,6
5 0,4-0,5 66 60 0,6
6 0,5-0,6 64 60 0,266666667
7 0,6-0,7 63 60 0,15
8 0,7-0,8 58 60 0,066666667
9 0,8-0,9 47 60 2,816666667
10 0,9-1,0 64 60 0,266666667
total= 600
X^2 Calc= 10,53333333
Imagen 23
29
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
Para Generador 5:
maximo= 0,99682
Minimo= 0,00021
rango= 0,99661
rango nuevo= 1
K= 10 α= 0,05
Amplitud=C= 0,1
FE= 60
RN-RO= 0,00339
k intervalo FO FE 〖(FOi-FEi)〗^2/FEi
1 0,0-0,1 61 60 0,016666667
2 0,1-0,2 48 60 2,4
3 0,2-0,3 48 60 2,4
4 0,3-0,4 54 60 0,6
5 0,4-0,5 67 60 0,816666667
6 0,5-0,6 68 60 1,066666667
7 0,6-0,7 61 60 0,016666667
8 0,7-0,8 76 60 4,266666667
9 0,8-0,9 60 60 0
10 0,9-1,0 59 60 0,016666667
total= 602
X^2 Calc= 11,6
Imagen 24
30
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
Para Generador 6:
maximo= 0,99921
Minimo= 0,00077
rango= 0,99844
rango nuevo= 1
K= 10 α= 0,05
Amplitud=C= 0,1
FE= 60
RN-RO= 0,00156
k intervalo FO FE 〖(FOi-FEi)〗^2/FEi
1 0,0-0,1 48 60 2,4
2 0,1-0,2 69 60 1,35
3 0,2-0,3 55 60 0,416666667
4 0,3-0,4 55 60 0,416666667
5 0,4-0,5 62 60 0,066666667
6 0,5-0,6 70 60 1,666666667
7 0,6-0,7 56 60 0,266666667
8 0,7-0,8 62 60 0,066666667
9 0,8-0,9 72 60 2,4
10 0,9-1,0 51 60 1,35
total= 600
X^2 Calc= 10,4
Imagen 25
31
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
Prueba de Kolmogorov:
alfa= 0,05
Para Generador 1:
DN 0,024966667
Dcalc= 0,024966667
Dtabla= 1.36/Raiz(600)
= 0,055521768
Si Dcalc<Dtabla → Se acepta
Imagen 26
Para Generador 2:
DN= 7,66784667
Dcalc= 0,03203667
Dtabla= 1.36/Raiz(600)
= 0,05552177
Si Dcalc<Dtabla → Se acepta
Imagen 27
Para Generador 3:
DN= 6,39270333
Dcalc= 0,03184333
Dtabla= 1.36/Raiz(600)
= 0,05552177
Si Dcalc<Dtabla → Se acepta
Imagen 28
32
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
Para Generador 4:
DN= 4,61345333
Dcalc= 0,02475667
Dtabla= 1.36/Raiz(600)
= 0,05552177
Si Dcalc<Dtabla → Se acepta
Imagen 29
Para Generador 5:
DN= 12,3926533
Dcalc= 0,0517
Dtabla= 1.36/Raiz(600)
= 0,05552177
Si Dcalc<Dtabla → Se acepta
Imagen 30
Para Generador 6:
DN= 6,01698
Dcalc= 0,03106333
Dtabla= 1.36/Raiz(600)
= 0,05552177
Si Dcalc<Dtabla → Se acepta
Imagen 31
Prueba de Series:
33
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
Componentes:
Clientes:
Hora de llegada
Hora de inicio de atención.
Hora de salida.
Empleado:
Tiempo de servicio.
Cola:
Tiempo de permanencia.
Variables Endógenas:
Variables Exógenas:
34
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
- Duración del tiempo de Atención del i-esimo cliente (TSi): I=1, 2, 3,..., n. en
Despacho.
- Duración del tiempo de Atención del i-esimo cliente (TSi): I=1, 2, 3,..., n en
Entrega.
𝑋 = − ln( − )
0,309
35
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
36
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
Imagen 32
37
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
6.1.2. Resultados:
Inicio de Atención:
4,4 minutos (11 y 4 AM)
Porcentaje de clientes que tuvieron que esperar para ser atendidos en:
Caja= 45%
Despacho= 14%
Entrega= 38%
38
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
39
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
VII. CONCLUSIONES:
La simulación del proceso de líneas de espera en KFC, resulto exitosa, ya que los
modelos de distribución generados se ajustaron a los procesos estudiados.
Se logró el análisis esperado para la detección de ineficiencias en el tiempo de atención
en el sistema, el tiempo en el sistema (general), muchas veces fue mayor a 5 minutos,
el cual no está permitido en este tipo de centro de comida rápida, así como también se
detectó, cuál de los tres servidores era el más eficiente e ineficiente en el tiempo de
atención a los clientes.
Se estimó el tiempo promedio que invierte un empleado en la atención de cada tipo de
transacciones, gracias al uso de herramientas estadísticas y modelos de simulación.
VIII. RECOMENDACIONES
Se recomienda a la tienda KFC, apertura una caja extra, ya que el mayor porcentaje de
clientes que esperaron para ser atendidos fue en el servidor caja, este servidor también
tiene el promedio más alto en hacer esperar al cliente.
40
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
http://www.material_simulacion.ucv.cl/definicion_de_la_simulacion_de_s1.htm
http://espanol.kfc.com/about/
41
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
X. ANEXOS:
42
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
43
UNIVERSIDAD NACIONAL DE PIURA Escuela Profesional de Ingeniería Industrial
44