2017

IX Concurso
Latinoamericano de
simulación en
logística

HOZCORP

Imagen
del modelo

Grupo de consultoría SIMUN

Gheraldinne Paulette Cardona Valenzuela

Pablo Alejandro Londoño Ramírez
Juan Sebastián Numpaque Cano

Asesor:
Prof. Juan Pablo Castrellón Torres

Universidad Nacional de Colombia

 Resumen ejecutivo

La pregunta
¿Cómo debe ser la configuración del centro industrial de Hozcorp para poder ofrecer un alto nivel
de servicio realizando la menor inversión posible?

La respuesta La alternativa
El centro industrial debe contar con: Con una inversión adicional de 300.000
• 2 zonas de cargue de líquido. USD es posible:
• 1 zona de descargue de líquido. • Aumentar a 97,9% el nivel de servicio.
• 4 zonas de atención de bultos. • Reducir en 18,9 minutos el tiempo de
• 1 zona de descargue de granel. atención.
• 8 básculas y 7 porterías. • Duplicar la capacidad de atención en el
• Parqueadero para 100 vehículos. área de granel.

Las ventajas Confiabilidad

• Atención de todos los vehículos el 93,3%
de los días. • 22396 datos analizados.
• Tiempo de atención tan solo 19,7 minutos • 20 escenarios evaluados.
más alto que el menor posible. • 20000 días simulados.
• Mínimo costo de inversión para el nivel de • Niveles de confianza del 95%.
servicio deseado.

El costo El equipo

• Primer año: 1,500,000 USD. • Gheraldinne Paulette Cardona Valenzuela

• Años siguientes: 200,000 USD. • Pablo Alejandro Londoño Ramírez
• Juan Sebastián Numpaque Cano
• Prof. Juan Pablo Castrellón Torres (Asesor)

1
SIMUN
04/12/2017
Introducción
Hozcorp es una empresa enfocada en el sector químico y farmacéutico. Dado su crecimiento, la
empresa abrirá un nuevo complejo industrial con centro de distribución y para su óptimo
funcionamiento requiere definir todos los aspectos relacionados con la atención de los vehículos
que pueden transportar materia prima o producto terminado. En específico, se requiere determinar
la cantidad adecuada de puntos de atención para los vehículos y los tipos de sistemas que deben
adquirirse, lo cual es el objeto de la presente consultoría.

Para el desarrollo de la solución, se realizó un modelo de simulación en el programa Flexsim que

permite no solo evaluar los distintos escenarios sin incurrir en costos de implementación, sino que
aporta a la evaluación de la operación futura y posibilita la visualización de la operación en un
ambiente tridimensional.

Resumen
El presente informe de consultoría resume el análisis realizado por el grupo SIMUN para determinar
la configuración ideal del complejo industrial de Hozcorp. En primera instancia, se presenta el
sustento teórico del modelo realizado; después, se detalla la metodología utilizada; luego, se
presentan los resultados de la simulación y, por último, se presenta el análisis de los mismos, dando
lugar a las recomendaciones de SIMUN para Hozcorp. Adicionalmente, se describe la lógica del
modelo utilizado para el debido análisis de su funcionamiento.

Objetivo
Determinar una posible configuración del complejo industrial de Hozcorp, considerando cantidad
de posiciones de parqueo y tipos de sistemas de bombeo, que permita llevar a cabo la operación
manteniendo una equilibro entre costo de inversión y servicio.

1. Justificación y sustento teórico

Ante las dudas que se presentan con respecto a la atención de vehículos en el complejo de Hozcorp,
SIMUN reafirma la decisión de Hozcorp de realizar un modelo para simular su operación,
asegurando que esta es la mejor alternativa para resolver las inquietudes existentes, pues permite
analizar el sistema en distintos escenarios sin incurrir en costos de implementación y sin requerir
modelos matemáticos complejos y abstractos, tanto así que es la alternativa que se encuentra con
mayor frecuencia en la literatura para el estudio de sistemas logísticos.

1.1 Supuestos (“Todo debe ser tan simple como sea posible, pero no más simple” – Albert Einstein)
Para simplificar la realización del modelo de simulación, se consideraron los siguientes supuestos:
• Todos los camiones aprueban todas las revisiones satisfactoriamente en todos los casos.
• Los camiones no tienen que salir o parar dentro del complejo por fallas mecánicas.
• No hay paradas en las zonas de atención por fallas mecánicas ni por mantenimiento.
• Los operarios no presentan fatiga y siempre hay un reemplazo disponible en su descanso.
• Los costos analizados son los costos relevantes para cada proceso.
• Siempre hay espacio disponible para descarga de Materia Prima.
• Siempre hay Producto Terminado para cargar los camiones.
• No se presenta ausentismo laboral.
• Los camiones tienden a circular a la velocidad máxima (15 km/h).

2
SIMUN
04/12/2017
 2. Metodología
Para la realización del modelo de simulación, se delimitó el sistema al interior del complejo
industrial, incluyendo el parqueadero de vehículos. Lo que ocurra con los vehículos antes de llegar
al complejo o después de ser atendidos no es de interés para la presente consultoría. Dentro del
sistema, se definieron como únicos recursos de interés las zonas de atención de líquidos, bultos y
granel, además de las básculas y las porterías. Se consideraron también los espacios de espera, los
carriles de tránsito y las normas de circulación establecidas previamente por Hozcorp.

Los vehículos fueron clasificados por tipo, según fueran de cargue o descargue de líquido, bultos o
granel. Con esta clasificación, se caracterizaron algunos atributos como su hora de llegada, la
cantidad de carga que llevan y la cantidad de camiones que llegan cada día. Igualmente, se
caracterizaron los tiempos de atención, parqueo, revisión y salida de cada zona de atención.

Posteriormente, se implementó el modelo en FlexSim y se le realizaron pruebas piloto para observar

su comportamiento y para realizar su debida calibración, luego, se establecieron los escenarios a
simular con la realización de un diseño experimental y, finalmente, se realizaron las simulaciones y
el análisis de los resultados de las mismas.

2.1 Software
La presente consultoría es resultado de un amplio análisis pre y post simulación. Considerando este
hecho, es muy importante dar crédito al gran número de herramientas de análisis estadístico,
manejo de datos y simulación que facilitaron notablemente la obtención de los resultados que acá
se presentan. Así pues, se listan los programas utilizados junto con su relevancia para el análisis:

• Excel: Utilizado para organizar y filtrar información, crear tablas dinámicas para su análisis,
realizar conversiones de datos y calcular medidas de tendencia central y de dispersión.
• Orange: Utilizada para visualizar y filtrar datos, creando además gráficos a partir de ellos.
• R: Utilizado para realizar histogramas, diagramas de caja y de frecuencia, resumir
información, realizar pruebas de bondad de ajuste y calcular intervalos de confianza.
• FlexSim: Utilizado para implementar el modelo de simulación. Las funcionalidades del
programa facilitaron notablemente el modelado de muchas de las condiciones de
funcionamiento del sistema. Se utilizaron también las siguientes herramientas del mismo:
o ExpertFit: Utilizado para ajustar distribuciones de probabilidad a los datos y para
evaluar dichos ajustes, mediante pruebas de bondad de ajuste.
o Experimenter: Utilizado para realizar las simulaciones.
• Input Analyzer (Rockwell Arena): Utilizado para ajustar algunas distribuciones de
probabilidad a los datos (sobre todo aquellas triangulares, no consideradas por ExpertFit).
• Minitab: Utilizado para la realización y análisis del diseño experimental.

2.2 Análisis de datos de entrada

Para la realización del modelo se consideraron los datos proporcionados por Hozcorp, que
corresponden a los registros de los camiones durante 30 días de operación, indicando su tipo, hora
de llegada y cantidad de carga. Para aprovechar al máximo la información presente en estos datos,
se ajustaron distribuciones de probabilidad a los mismos, de manera tal que los datos fuesen
extensibles, es decir, que pudieran generarse nuevos datos sin limitar las simulaciones solo a los 30
días que resultarían de tomar los datos en bruto. Cabe mencionar que esta metodología se prefiere,

3
SIMUN
04/12/2017
en la gran mayoría de los casos, sobre la utilización de los datos en bruto para la simulación, pues al
usarse estos últimos se incurre en el error de realizar un sobreajuste al modelo (en inglés,
overfitting). Este sobreajuste es problemático puesto que la información de salida se ajusta muy
bien a la que proporcionan los datos de entrada, pero es mucho menos precisa, fiable y extensible,
especialmente al momento de realizar predicciones o generalizaciones sobre el comportamiento
normal del sistema.

2.2.1 Cantidad de camiones

La caracterización de la cantidad de camiones que llegan por día durante los 30 días se realizó
mediante el uso de distribuciones de probabilidad discretas, es decir, considerando que tiene un
comportamiento aleatorio y que la cantidad de camiones es un número entero. Las distribuciones
utilizadas se presentan en la Tabla 1.

Tabla 1. Distribuciones de la cantidad de camiones por día

2.2.2 Hora de llegada de los camiones

La hora de llegada de los camiones también fue caracterizada mediante el uso de distribuciones de
probabilidad. En este caso, se observó que las llegadas de los vehículos de bultos, divididos en
cargue y descargue, al igual que las de vehículos de granel, ocurrían en ciertas franjas horarias, con
horas pico determinadas, lo cual motivó a evaluar distribuciones triangulares en los ajustes
realizados. En el caso de los vehículos de cargue y descargue de líquidos, que eran más particulares,
se optó por utilizar las distribuciones sugeridas por ExpertFit, teniendo cuidado de restringir sus
posibles valores al horario de atención del complejo industrial. Las distribuciones (no ajustadas) se
presentan en la Ilustración 1, mientras que las distribuciones utilizadas se muestran en la Tabla 2.

2.2.3 Carga de los camiones

En la caracterización de la carga transportada por los camiones, se realizó un procedimiento similar
al del punto 2.2.1, ajustando distribuciones de probabilidad a los datos, que dependiendo del tipo
de carga podían ser discretas o continuas. Una consideración especial, necesaria para facilitar el
modelado, era la independencia entre la cantidad de carga de los camiones y su hora de llegada, es
decir, que no fuera necesario modelar, por ejemplo, que los camiones que llegan en la mañana
transportaran más carga que los que llegan en la tarde. Para esto, se calculó el coeficiente de
correlación entre los datos de carga y hora de llegada, resultando un valor tan bajo que permite
asumir esta independencia. La Tabla 2 presenta las distribuciones ajustadas a los datos de hora de
llegada y de carga de los camiones, junto con el coeficiente de correlación calculado entre los
mismos.

4
SIMUN
04/12/2017
 Ilustración 1. Hora de llegada de los camiones por tipo de vehículo: (a) Distribuciones suavizadas de los datos,
(b) diagramas de caja, (c) histogramas y (d) diagrama de frecuencia.

Ilustración 2. Carga estándar de los camiones por tipo de vehículo: (a) Distribuciones suavizadas de los datos,
(b) diagramas de caja, (c) histogramas y (d) diagrama de frecuencia. Las cantidades se estandarizaron aprovechando su
comportamiento uniforme exclusivamente por efectos de visualización de los datos.

5
SIMUN
04/12/2017
 *Distribución discreta
Tabla 2. Distribuciones de horas de llegada y cantidad de carga por camión

2.2.4 Validación de las distribuciones

Todas las distribuciones de probabilidad utilizadas para ajustar los datos fueron evaluadas y
contrastadas con los mismos utilizando dos pruebas de bondad de ajuste: la de Kolmogórov-Smirnov
y la de Anderson-Darling. Los resultados de dichas pruebas (Anexo 1) indicaron, con un nivel de
confianza del 95%, que es muy razonable utilizar estas distribuciones para caracterizar los datos.

2.2.5 Atención en porterías, básculas y tiempos de preparación

Otras distribuciones utilizadas para caracterizar los procesos de parqueo, revisión de carga,
aprobación y salida de parqueadero se construyeron a partir de la información proporcionada por
Hozcorp en la presentación del caso. Estas, son resultado de la interpretación de la misma y son las
que se presentan en la Tabla 3.

Tabla 3. Distribuciones de los tiempos de proceso indicados por Hozcorp.

Por último, para los tiempos de atención de cargue y descargue de los camiones se tomaron los
valores determinísticos dependientes de la carga que se proporcionaron en la presentación del caso
y se presentan en la tabla4.

Proceso Duración
Bultos 400 bultos por hora
Liquido Unidireccional 8,8 galones por segundo
Liquido Bidireccional 7,93 galones por segundo
Granel 30 segundos por tonelada
Tabla 4. Tiempos de proceso indicados por Hozcorp.

6
SIMUN
04/12/2017
2.3 Implementación
El modelo de simulación se implementó en el programa Flexsim. Complementando lo indicado en
la parte introductoria de este apartado, las zonas de atención de líquidos, de bultos y de granel, las
básculas y las porterías fueron modeladas como servidores (procesadores); las zonas de espera y el
parqueadero como colas y los carriles de tránsito como una red de nodos, cuyas normas de flujo
eran acordes a las preestablecidas por Hozcorp:

• Los vehículos que salen tienen prioridad sobre los que entran.
• La velocidad máxima es de 15 km/h.
• Los vehículos deben dejar el equivalente a 5 metros de distancia entre uno y otro.
• Los vehículos no pueden adelantarse entre ellos.

Respecto a los camiones, a estos se les asignan aleatoriamente sus atributos (el tipo de vehículo, la
hora de llegada y la carga que transportan) al momento de ser creados, según las distribuciones
presentadas en 2.2. El cálculo del número diario de camiones que llegan, en cambio, no se genera
con Flexsim, sino que se realiza en Excel, respetando la distribución de probabilidad establecida.
Esta característica, que respecta particularmente al número de llegadas, es la que permite usar de
la técnica de reducción de varianza de “Common Random Numbers”, de la cual se hablará en 3.

Por otro lado, el parqueo en reversa de los vehículos, así como la permanencia de los conductores
dentro del camión fueron fácilmente simulados a nivel gráfico, mas no representan un efecto sobre
el desempeño del sistema. Otros detalles que respectan al funcionamiento del modelo se pueden
consultar en el archivo “Léame.txt”, adjunto al mismo.

2.4 Indicadores de desempeño

Para evaluar el desempeño del sistema en el modelo, de acuerdo con los requerimientos de la
consultoría, se establecieron los siguientes indicadores:

• Nivel de servicio: Definido como el porcentaje de días en que se logra atender todos los
camiones durante la simulación.
• Tiempo promedio de atención: Promedio del tiempo que demoran en ser atendidos los
vehículos dentro del complejo industrial, incluyendo su tiempo de espera en parqueadero.
• Máximo en parqueadero: Número máximo de vehículos que se encontraron de forma
simultánea esperando en el parqueadero.

2.5 Calibración del modelo

La calibración del modelo, para el caso en cuestión, estuvo muy limitada por el hecho de que no se
tenían valores de referencia para los indicadores de desempeño con ninguna de las posibles
configuraciones. Así pues, el ejercicio realizado se centró solo en tener resultados que superaran el
mínimo desempeño esperado, es decir, que el sistema en su máxima capacidad posible fuera capaz
de atender todos los camiones en al menos el 85% de los días simulados. Igualmente, se debía
verificar que las condiciones lógicas necesarias para el desarrollo normal de la operación estuvieran
bien implementadas. Como resultado de esta calibración, fue necesario incluir una condición en el
funcionamiento del sistema, la cual consiste en que no se adelanta el proceso de atención en
portería si están ocupadas todas las básculas, la zona de espera de las básculas y todas las porterías,
menos una. Esto porque, aunque es un escenario muy improbable, puede ocurrir que todos los
camiones que se encuentran en portería estén ingresando y que todos los camiones que estén

7
SIMUN
04/12/2017
siendo atendidos en básculas estén saliendo, mas no hayan terminado su proceso de atención. Si
esto ocurre y llega un camión, al no haber ninguno esperando una portería para salir, se autoriza el
ingreso, dando lugar a una situación en la cual, al terminar de ser atendidos, todos los camiones en
portería esperarán básculas libres y viceversa, lo que bloquea el sistema.

2.6 Cálculo de capacidad necesaria teórica

Luego de tener el modelo listo para evaluar los distintos escenarios, se calculó la cantidad teórica
de estaciones que se necesitarían para atender los camiones si no hubiera variabilidad. Gracias a
este cálculo se pudieron acotar las alternativas, descartando totalmente aquellas no viables y dando
lugar al diseño experimental que se presenta en 2.7. Este análisis, resumido en la Ecuación 1,
consiste en multiplicar el tiempo promedio que demora un camión en ser atendido por el número
promedio de camiones que llegan por día, para así calcular el número de estaciones necesarias para
atenderlos suponiendo que los camiones llegan uniformemente durante las 12 horas de servicio del
complejo.

Ecuación 1. Ecuación de cantidad teórica necesaria por día

De este cálculo, resultaron las cantidades presentadas en la Tabla 5. Con ellas se concluye que es
necesario tener por lo menos tres (3) posiciones de parqueo para atender todos los camiones que
llegan al área de bultos, tres (3) para atender los que llegan al área de líquido (sea con bombas
unidireccionales que con bidireccionales) y una (1) para atender los que llegan al área de granel.

*Para Líquido Cargue y Descargue se consideran bombas unidireccionales; para Acumulado, bidireccionales

Tabla 5. Resultados del análisis de cantidad teórica.

2.7 Diseño de experimentos

Partiendo de los resultados de 2.6, se definieron las alternativas a simular, variando la configuración
de cada área de atención. En líquidos se consideraron tres posibles escenarios: (1) dos bombas de
cargue y una de descargue, (2) una bomba de cargue, una de descargue y una bidireccional y (3) tres
bombas bidireccionales. En bultos, en cambio, solo se consideraron los dos escenarios (3 y 4
servidores) posibles dado que no pueden tenerse menos de tres zonas de parqueo ni más de cuatro.
Finalmente, para granel, se consideraron también dos escenarios (1 y 2 servidores), pues con solo
aumentar a dos las zonas de atención se triplica la capacidad teórica requerida, lo que hace pensar
que más de dos servidores llevarían a incurrir en costos innecesarios. La Tabla 6 resume el diseño
experimental que resultó tras definir los posibles escenarios.

8
SIMUN
04/12/2017
 Tabla 6. Alternativas seleccionadas para la simulación en el primer diseño experimental.

Cabe mencionar que en todos los escenarios del diseño experimental se utilizan el máximo número
posible de porterías (7) y básculas (8), debido a que sus costos asociados no son significativos para
el análisis y no es un objetivo de la consultoría definir el número de posiciones necesarias, por otro
lado, se maneja la máxima cantidad posible pues impactan directamente el desempeño del sistema
al permitir que los procesos de revisión y pesaje se adelanten para los camiones que esperan en
parqueadero.

3. Resultados
Este apartado muestra los resultados de las simulaciones realizadas, junto con la realización de un
segundo experimento y sus resultados. Este segundo experimento se diseñó en vista de los hallazgos
presentados más adelante, en 3.2. Para cada uno de los escenarios de los distintos experimentos se
realizaron 10 corridas de 100 días de operación, utilizando la herramienta Experimenter, de FlexSim.
El resumen de los resultados obtenidos de los 12000 días simulados para el primer experimento se
presenta en la Tabla 7.

Respecto a las corridas, teniendo en cuenta que la finalidad de los experimentos es comparar las
distintas alternativas, se utilizó la técnica de reducción de varianza de “Common Random Numbers”,
manteniendo invariables los valores aleatorios generados para el número de camiones que llegan
al complejo por día. Esta técnica, básicamente, permite evaluar el desempeño de escenarios
diferentes al ser sometidos a las mismas condiciones, por lo cual la comparación entre ellos es más
confiable.

9
SIMUN
04/12/2017
 Tabla 7. Resultados de las alternativas evaluadas en el primer diseño experimental. Los escenarios en líquidos
corresponden a: (1) dos bombas de cargue y una de descargue, (2) una bomba de cargue, una de descargue y una
bidireccional y (3) tres bombas bidireccionales.

3.1 Efectos principales en el primer experimento

A partir de los resultados de las simulaciones, se analizó el efecto que tiene sobre los indicadores de
desempeño el hecho de realizar cambios en las zonas de atención. Este efecto que tiene el cambiar
un solo factor sobre un indicador es el que se conoce como efecto principal. La Ilustración 3 resume
los efectos principales de las tres zonas de atención sobre los tres indicadores de desempeño.

Así pues, en estas gráficas de efectos principales se observa que el número de zonas de atención en
bultos es el factor que tiene mayor efecto sobre el nivel de atención, siendo que pasar de 4 zonas
de atención a 3 provoca en él una disminución de más del 30%. Seguido a este se encuentra el efecto
de aumentar la capacidad en granel, mientras que el efecto de cambiar la configuración en líquido
es tan bajo que no es estadísticamente significativo a un nivel de confianza del 95%. Un análisis
similar se puede realizar con respecto al tiempo de atención y al número máximo de camiones en
parqueadero, concluyendo que la zona de granel es la que tiene un mayor efecto sobre ambos
indicadores, seguida de la zona de bultos y finalmente de la zona de líquidos, cuyo único efecto es
significativo es sobre el tiempo de atención.

3.2 Zonas de atención en bultos y nivel de servicio

Complementando los hallazgos expuestos en 3.1, el principal resultado, contundente y fácilmente
observable, de este primer experimento fue que las configuraciones en que se cuenta con 3 zonas
de atención en bultos están bastante lejos de alcanzar un nivel de servicio del 85%, que es el mínimo
admisible por Hozcorp. Este hecho es apreciable en la Tabla 6 y se puede verificar en el Anexo 2,
donde se muestran los intervalos de confianza del 95% que se calcularon para este indicador. Así
pues, para el área de bultos la única alternativa viable es instalar las 4 posiciones de parqueo
posibles, con sus respectivas cuadrillas. A partir de esto, se pudieron delimitar más los posibles
escenarios, por lo cual se decidió replantear el experimento de manera que se consideraran nuevas
configuraciones en el área de líquido. Este experimento se presenta en 3.3.

10
SIMUN
04/12/2017
Ilustración 3: (a) Diagrama de Pareto de efectos sobre el nivel de atención y gráficas de efectos principales de las zonas
de Líquidos, Bultos y Granel sobre (b) el nivel de atención, (c) el tiempo de atención y (d) el máximo en parqueadero

3.3 Replanteamiento del diseño experimental

En vista de que se redujo a la mitad la cantidad de posibles escenarios, tras descartar la alternativa
de tener 3 zonas de parqueo en bultos, se decidió analizar 4 nuevas configuraciones para la zona de
líquidos: (4) dos bombas de cargue y dos de descargue, (5) una bomba de cargue, una de descargue
y dos bidireccionales, (6) dos bombas de cargue, una de descargue y una bidireccional y (7) una
bomba de cargue y dos bidireccionales. Así, se diseñó el experimento presentado en la Tabla 8.

Tabla 8. Alternativas seleccionadas para la simulación en el segundo diseño experimental.

Se realizaron las simulaciones de los nuevos escenarios y se trabajó con las realizadas anteriormente
para los escenarios redundantes, obteniendo los resultados que se resumen en la Tabla 9.

11
SIMUN
04/12/2017
 Tabla 9. Resultados de las alternativas evaluadas en el primer diseño experimental. Los escenarios en líquidos
corresponden a: (1) dos bombas de cargue y una de descargue, (2) una bomba de cargue, una de descargue y una
bidireccional, (3) tres bombas bidireccionales, (4) dos bombas de cargue y dos de descargue, (5) una bomba de cargue,
una de descargue y dos bidireccionales, (6) dos bombas de cargue, una de descargue y una bidireccional y (7) una
bomba de cargue y dos bidireccionales

3.4 Efectos principales en el segundo experimento

El mismo análisis de efectos principales descrito en 3.1 se realizó para los resultados del segundo
diseño experimental, obteniendo las gráficas que se presentan en la Ilustración 4.

Ilustración 4: Gráfica de efectos principales de las zonas de Líquidos y Granel sobre

el nivel de atención (izquierda) y el tiempo de atención (derecha)

En estas gráficas puede observarse que todas las alternativas consideradas cumplen con el nivel de
servicio deseado y que no existen diferencias considerables entre los efectos de unas y otras, ni
sobre el nivel de atención, ni sobre el tiempo de atención, por lo que puede considerarse que las
distintas configuraciones tienen el mismo desempeño en el sistema, dejando como único factor a
considerar el costo de implementación de cada alternativa. A partir de esto, se escoge la
configuración número 1, es decir, tres bombas unidireccionales: dos de cargue y una de descargue.

12
SIMUN
04/12/2017
 4. Alternativa escogida
Sintetizando los resultados presentados en la sección 3, SIMUN considera los siguientes aspectos al
momento de escoger la configuración que cumple con los criterios definidos por Hozcorp:
1. Deben tenerse cuatro zonas de atención en bultos, pues de ser menos no se lograría
atender todos los camiones el 85% de los días.
2. Existen muchas configuraciones posibles en el área de líquidos que, en cuanto a su
desempeño, cumplen los criterios establecidos y son muy similares entre sí. Se escoge pues
aquella de dos bombas de cargue y una de descargue (todas unidireccionales), siendo esta
la que incurre en el menor costo de inversión, sin perjudicar el nivel de servicio.
3. Una sola zona de servicio en granel cumple con los requerimientos de Hozcorp, por lo cual
una estación adicional, aunque mejora el nivel de servicio, lleva a realizar un costo de
inversión que no es estrictamente necesario.

4.1 Indicadores
La configuración escogida cuenta con las características que se muestran en la Tabla 10:

Tabla 10. Medidas de desempeño de la alternativa escogida.

Si Hozcorp opta por esta alternativa, incurrirá en un costo de inversión de 1.500.000. Por otro lado,
se muestran los indicadores de una alternativa idéntica pero con dos zonas de atención en Granel,
que eventualmente puede ser de interés parra Hozcorp puesto que permite ofrecer un mejor nivel
de servicio. Los indicadores de esta segunda alternativa se muestran en la Tabla 11. Si Hozcorp
optase por esta segunda alternativa, incurriría en un costo total de 1.800.000.

Tabla 11. Medidas de desempeño de la segunda mejor alternativa.

4.2 Ventajas
La alternativa escogida presenta las siguientes ventajas:
• Incurre en el costo de inversión más bajo entre todas las alternativas que satisfacen los
requerimientos de Hozcorp.
• El nivel de servicio es un 8,3% más alto que el indicado por Hozcorp como referencia.
• El tiempo promedio de espera y atención en el centro es tan solo 19,7 minutos más alto que
el mínimo observado en las alternativas consideradas
• Permite implementar fácilmente el segundo mejor escenario, siendo necesaria solo la
adquisición adicional de una zona de atención en el área de granel, por un costo de 300.000.
Esto conviene si en un escenario futuro Hozcorp desea mejorar su nivel de servicio, reducir
el tiempo de atención en el complejo y/o atender más camiones en el área de granel.

13
SIMUN
04/12/2017
 Anexo 1: Resultados de las pruebas de bondad de ajuste

Kolmogórov- Anderson-
Distribución
Smirnov (95%) Darling (95%)
Líquido descargue Uniforme(15, 59) No rechaza No rechaza
N° diario de
camiones

Líquido cargue Uniforme(20, 44) No rechaza No rechaza

Bulto descargue Uniforme(26, 51) No rechaza No rechaza
Bulto cargue Uniforme(42, 73) No rechaza No rechaza
Granel descargue Uniforme(18, 29) No rechaza No rechaza
Hora de llegada

Líquido descargue Beta(0, 32, 15.43, 22.12) No rechaza No realizada

Líquido cargue Log-Laplace(0,14.42, 8.99) No rechaza No rechaza
Bulto descargue Triangular(8, 16, 11.1) No rechaza No realizada
Bulto cargue Triangular(11, 19, 14.2) No rechaza No realizada
Granel descargue Triangular(10, 16, 12.4) No rechaza No realizada
Líquido descargue Uniforme(8000,11000) No rechaza No rechaza
Cantidad de

Líquido cargue Uniforme(8500,11000) No rechaza No rechaza

carga

Bulto descargue Uniforme(80,100) No rechaza No rechaza

Bulto cargue Uniforme(80,100) No rechaza No rechaza
Granel descargue Uniforme(30,38) No rechaza No rechaza

Todas las distribuciones uniformes y Log-Laplace fueron estimadas utilizando el programa ExpertFit,
el cual realizaba automáticamente las pruebas de Kolmogórov-Smirnov y Anderson-Darling. La
distribución de Hora de llegada para Líquido descargue (Beta) también fue estimada utilizando
ExpertFit, superando ambas pruebas, sin embargo, se cambiaron mínimamente los parámetros de
locación y escala para hacer la información más presentable, obteniendo un modelo al cual se le
realizó únicamente la prueba de Kolmogórov-Smirnov en R. Finalmente, las distribuciones
triangulares se estimaron utilizando el programa Input-Analyzer, el cual también realizó las pruebas
de Kolmogórov-Smirnov de forma automática.

14
SIMUN
04/12/2017
 Anexo 2: Detalle de los resultados del primer diseño experimental

Tiempo de atención
Nivel de servicio (%) Máximo en
Líquido Bultos Granel (minutos)
parqueadero
(escenario) (servidores) (servidores)
Límite Límite Límite Límite (camiones)
inferior superior inferior superior
1 3 1 55,2 67,1 134,5 135,0 104
1 3 2 61,6 73 119,4 120,1 96
1 4 1 90,1 96,2 123,5 124,3 103
1 4 2 95,9 99,5 104,7 105,5 98
2 3 1 54,2 66,1 134,4 134,9 103
2 3 2 61,2 72,6 119,3 119,8 95
2 4 1 90,4 96,4 123,3 124,1 103
2 4 2 95 99,1 104,4 105,1 97
3 3 1 54,6 66,5 134,0 134,8 102
3 3 2 62 73,3 118,9 119,3 92
3 4 1 90,3 96,4 122,6 123,5 103
3 4 2 95,4 99,3 103,8 104,6 95

En la tabla se muestran los intervalos de confianza calculados para las medidas de desempeño. Estos
se calcularon en R realizando un “Bootstrapping” de 10000 replicaciones. Este “Bootstrapping” es
una técnica de estadística no paramétrica que permite estimar la media poblacional con un nivel de
confianza del 95% independientemente de la distribución de los datos. Para el Máximo en
parqueadero, en cambio, no se reporta un intervalo de confianza pues se realizó únicamente una
estimación puntual con el máximo valor observado en los 1000 días simulados en cada escenario.

15
SIMUN
04/12/2017