Tema: Simular el comportamiento del servicio al cliente para la solución de problemas de

colas en las menestras del negro del centro de la ciudad de Ambato

1. ANTECEDENTES

Desde 1998, Menestras del Negro, se ha preocupado por rescatar el sabor tradicional de los
platos hechos por las familias ecuatorianas, recetas que mantienen el inconfundible sabor
como preparado en casa. Es la marca dedicada a rescatar las vivencias y costumbres
personales traducidas en sabores y olores, es el refugio de éstas en el día a día.

Menestras del Negro, se caracteriza por utilizar productos netamente ecuatorianos, con
altos estándares de calidad y excelente servicio lo que hace que este restaurante fortalezca
y rescate la herencia del arte culinario de nuestro país. Un gran ejemplo es el Churrasco
Montado apetecido por todos los clientes por su gran sabor y presentación.

Dentro del menú cuenta con platos de diversas regiones de los cuales destaca la carne a la
parrilla con arroz y menestra con ese sabor único que te trae tantos recuerdos como si
estuvieras en casa. La Cecina de Cerdo, una receta muy antigua y conocida que consiste en
un filete de pulpa de cerdo, adobado con diversos productos que son parte del secreto de la
sazón. También encontraremos el tradicional seco de carne, característico del Ecuador,
variedad de platillos con filetes de carne, pollo y cerdo acompañados de un delicioso jugo
natural.

El local MN44 “Menestras del Negro”, se encuentra ubicado en la ciudad de Ambato en las
calles av. de las Américas y González Suarez, se construyó en el año 2013 con fines de
servicio, el cual empieza a dar sus servicios comerciales de comidas y bebidas, actualmente
tiene un personal de 12 trabajadores y 2 administradores con una capacidad disponible de
personas de 152 en el área establecida.

1 PLANTEAMIENTO DEL PROBLEMA

En la empresa “Menestras del Negro” ubicada en la ciudad de Ambato se ha observado la

insatisfacción de los clientes, debido a las demoras al momento de realizar el despacho de
sus pedidos, este factor es una consecuencia directa del problema que genera esta variable
que de una u otra forma disminuye la rentabilidad de la empresa.

2 OBJETIVOS
2.1 Objetivos General

Alcanzar la satisfacción de los clientes mediante la simulación en el software ProModel para

dar solución al tiempo de servicio a los mismos en la empresa “Menestras del Negro”
ubicado en la ciudad de Ambato.

2.2 Objetivos Específicos

 Analizar las condiciones del servicio al cliente de la empresa “Menestras del Negro”
para conocer el estado actual del sistema.
 Sintetizar el comportamiento de las filas de espera que se desarrollan durante el día
en la empresa.
 Verificar que se cumplan con los condiciones en relación a la prueba Chi-cuadrado K-
S, Anderson Darling de manera que valide los datos para la validación
 Evaluar el proceso de forma que se pueda realizar observaciones las mismas que
servirán para el desarrollo oportuno correcto de la investigación mediante el uso de la
herramienta Stat-Fit de ProModel.
 Elaborar el plan de procesamiento de información a través de la simulación utilizando
ProModel para mejorar el tiempo de servicio.
 Diseñar un nuevo método para mejorar el tiempo de servicio y lograr la satisfacción
del cliente.

3 JUSTIFICACIÓN

El proyecto de simulación que se realiza sobre la empresa “MENESTRAS DEL NEGRO”,

nace por la necesidad de poner en práctica todos los conocimientos aprendidos sobre la
misma materia. Oportunamente podremos dar una simulación en el buen servicio al cliente y
tomar en cuenta los tiempos para ver qué tiempo de servicio es el que se demora más.

Como resultado de esta de simulación podremos darnos cuenta como se realiza la atención
al cliente y tratar de hacer una mejora en los tiempos o si es necesario una mejor
distribución de los puestos de trabajo, verificar si los datos aleatorios relacionados entre un
margen de los tiempos de cada servicio al cliente sean los precisos para dicha simulación.
4 MARCO REFERENCIAL

La simulación se desarrolla con la teoría de muestreo estadístico y análisis de sistemas

físicos probabilísticos complejos. El aspecto común de ambos es el uso de números y
muestras aleatorias para aproximar soluciones. (Ferreiro, Cistina Azcarate, & Mallor, 2011)
Durante la Guerra Fría se intensificó el uso de la simulación para resolver problemas de
interés militar; trayectorias y dinámicas de satélites artificiales, guiar mísiles, etc. Muchos de
estos problemas exigen la resolución de sistemas de ecuaciones diferenciales no lineales.
Para abordar estos problemas se utilizaron computadoras analógicas que usaban elementos
electrónicos para resolver operaciones matemáticas: integración, suma, multiplicación,
generación de funciones, etc. (Delgado & Mejia, 2011)

La simulación avanzo cuando muchas pequeñas empresas comenzaron a usar la simulación

en etapas tempranas de sus proyectos, donde realmente podía tener mayor impacto. La
llegada de los procesadores de alta velocidad amplió el número de aplicaciones, y con ello,
el número de problemas teóricos y prácticos abordables. (Ferreiro, Cistina Azcarate, &
Mallor, 2011)

Hoy en día, la simulación se realiza mediante computadoras y software específicos, siendo

una poderosa técnica de resolución de problemas reales, se experimenta con un modelo
numérico, de tal forma que con los resultados se puede obtener una estimación de las
características del sistema. (Ferreiro, Cistina Azcarate, & Mallor, 2011)

Para añadir problemas reales se realizar una serie de simplificaciones que toman la forma
de relaciones matemáticas o lógicas, constituyendo un modelo que se usa para comprender
el comportamiento del sistema real. Se trata de trasladar la realidad a reglas matemáticas
que lo representen de la forma más fidedigna posible. (Ferreiro, Cistina Azcarate, & Mallor,
2011)

Si las relaciones matemáticas que componen el modelo son suficientemente simples, es

posible usar métodos matemáticos (tales como álgebra, cálculo o teoría de la probabilidad),
para obtener una información exacta de las cuestiones de interés; a esto se le llama solución
analítica. Sin embargo, la mayoría de los sistemas del mundo real no pueden evaluarse
analíticamente, y lo que se puede hacer, es estudiar dichos modelos mediante la simulación.
(Ferreiro, Cistina Azcarate, & Mallor, 2011)

Actualmente la simulación de eventos se ha aplicado en casi todas las areas del sector
productivo, comercial y de servicios, existiendo en esta última mencionada estudios con
resultados satisfactorios para las empresas logrando alcanzar estabilidad y agilización en la
presta de servicios. (Guerrero Hernandez & André Felipe, 2014)

5 FUNDAMENTACIÓN TEÓRICA
5.1 Marco teórico
 SIMULACIÓN

La simulación de procesos es una de las más grandes herramientas de

la ingeniería industrial, resume toda la teoría relacionada con un proceso en el cual se
sustituyen las situaciones reales por otras creadas artificialmente, de las cuales se deben
aprender ciertas acciones, habilidades y hábitos.

En los últimos años, la simulación de procesos ha llegado a ser una herramienta adecuada y
oportuna de apoyo para el diseño, caracterización, optimización y monitoreo del
funcionamiento de procesos industriales. Para aplicar estas simulaciones existen en la
actualidad una gran variedad de Simuladores de Procesos.

Determinación del tipo de distribución de un conjunto de datos

La distribución de probabilidad de los datos históricos puede determinarse mediante las

pruebas Chi-cuadrada, de Kolmogorov-Smirnov y de Anderson-Darling.

Prueba Chi-cuadrada

Se trata de una prueba de hipótesis a partir de datos, basada en el cálculo de un valor

llamado estadístico de prueba, al cual suele comparársele con un valor conocido como valor
crítico, mismo que se obtiene, generalmente, de tablas estadísticas. El procedimiento
general de la prueba es:

 Obtener al menos 30 datos de la variable aleatoria a analizar.

 Calcular la media y varianza de los datos.
 Crear un histograma de m = √𝑛 intervalos, y obtener la frecuencia observada en cada
intervalo O.
 Establecer explícitamente la hipótesis nula, mediante una distribución de probabilidad
que se ajuste a la forma del histograma.
 Calcular la frecuencia esperada, E¡ a partir de la función de probabilidad propuesta.
 Calcular el estadístico de prueba

 Definir el nivel de significancia de la prueba, a, y determinar el valor crítico de la

prueba, X, m-k-1{k es el número de parámetros estimados en la distribución
propuesta).
  Comparar el estadístico de prueba con el valor crítico. Si el estadístico de prueba es
menor que el valor crítico no se puede rechazar la hipótesis nula.

Prueba de Kolmogorov-Smirnov

Desarrollada en la década de los treinta del siglo XX, esta prueba permite — al igual que la
prueba Chi-cuadrada— determinar la distribución de probabilidad de una serie de datos.

Una limitante de la prueba de Kolmogorov-Smirnov estriba en que solamente se puede

aplicar al análisis de variables continuas. El procedimiento general de la prueba es:

 Obtener al menos 30 datos de la variable aleatoria a analizar.

 Calcular la media y la varianza de los datos.
 Crear un histograma de m = √𝑛 intervalos, y obtener la frecuencia observada en cada
intervalo 0¡.
 Calcular la probabilidad observada en cada intervalo PO¡ = 0 ¡ / n , esto es, dividir la
frecuencia observada O. entre el número total de datos, n.
 Acumular las probabilidades PO, para obtener la probabilidad observada hasta el i-
ésimo intervalo, POA.
 Establecer de manera explícita la hipótesis nula, para esto se propone una
distribución de probabilidad que se ajuste a la forma del histograma.
 Calcular la probabilidad esperada acumulada para cada intervalo, PEA¡, a partir de la
función de probabilidad propuesta.
 Calcular el estadístico de prueba.

 Definir el nivel de significancia de la prueba a, y determinar el valor crítico de la

prueba, D, n.
 Comparar el estadístico de prueba con el valor crítico. Si el estadístico de prueba es
menor que el valor crítico no se puede rechazar la hipótesis nula.

PROMODEL

Herramienta de simulación que funciona en computadoras personales en un ambiente

Windows. Mediante una combinación ideal de facilidad de uso, flexibilidad y potencia,
permite diseñar y analizar sistemas de producción y servicios de todo tipo y tamaño y
modelar prácticamente toda situación, en forma casi real, mediante sus capacidades
gráficas y de animación.
APLICACIONES

 Líneas de ensamble
 Sistemas de manufactura flexible
 Producción por lotes
 Justo a tiempo (JAT) y Sistemas de producción KANBAN.
 Sistemas de colas. (Para servicios o manufactura tales como líneas de
empaque).
 Optimización de la distribución en planta y el manejo de materiales.

COMANDOS DEL PROGRAMA

Nombramos al programa

Seleccionamos las unidades de tiempo

Seleccionamos las unidades de

distancia
Siguiendo con la opción file podemos encontrar dentro, los módulos más comunes
para el manejo de archivo, como son nuevo, abrir, guardar, salir y por último en
promodel viene una opción que es Create Model Package que sirve para crear un
paquete de nuestro modelo que sea transportable con nuestras gráficas así como con
los dibujos insertados. En esta opción se encuentran todos los módulos para poder
crear nuestro modelo.

En esta opción se encuentran todos los módulos para poder crear nuestro
modelo.

LOCACIONES: LOCATIONS

Son lugares fijos en el sistema (máquinas, colas, almacenes, estaciones de

trabajo, etc.) donde las entidades transitan para procesarse.
En esta parte se da nombre y características a las locaciones, como es;
capacidad, unidades, (cuantas localidades de ese tipo va a haber) unidades de
tiempo, especificamos series de tiempos, reglas.

Para darle nombre a nuestra entidad así como, especificar la velocidad y

estadísticos a recopilar

Menú para elegir una

entidad

Menú para editar una entidad.

RUTAS-PATH NETWORKS

Son opcionales y definen las trayectorias posibles donde las entidades y los recursos
pueden viajar al moverse a través del sistema. Las redes de la trayectoria consisten
en los nodos conectados por segmentos de la trayectoria y se definen gráficamente
con tecleos simples del ratón. Las redes múltiples de la trayectoria pueden ser
definidas y uno o más recursos y/o entidades pueden compartir la misma red.

Dar las características específicas a las rutas, como son nombre, tipo,
vel
oci
dad
,
no
dos
e interfaces

ARRIBOS-ARRIVALS

En este módulo se introduce toda la información referente a la forma de llegada

de las entidades en nuestro sistema.
Para la definición de una llegada, tiene un menú muy parecido a los que hemos
estado viendo, lo diferente aquí es especificar el número de ocurrencias que va tener
esa llegada, y con que frecuencia va a ser eso. Las otras ya básicamente las
conocemos alrededor de este manual las hemos mencionado.

SIMULATION:
SAVE AND-RUN
(GUARDAR Y
SIMULAR)

Aquí encontramos
las opciones RUN
para correr el modelo creado, SAVE & RUN para correr y guardar las últimas
correcciones, en OPTIONS podemos indicar el número de réplicas de la corrida así
como la cantidad de horas que se va a simular el modelo

TOOL STAT :: FIT

Sirve para obtener en base a los datos que proporcionemos, la mejor

distribución así como su grafica
 REPORTE GENERAL

6 MARCO METODOLÓGICO
6.1 Metodología

Se analizarán las variables de importancia como:

 Tiempo de espera 1 del cliente. (Variable continua).

 Tiempo de servicio del cajero. (Variable continua).
 Tiempo de espera 2 del cliente. (Variable continua).

Para el desarrollo de toma de datos preliminares se procederá a realizar de forma

cuantitativa y cualitativa para conocer el número de observaciones necesarias para
poder simular el sistema del servicio al cliente.

6.1.1 Tipo de investigación

Aplicada y experimental
  Tamaño de muestra

𝑺𝟐
𝒏 = 𝒁(𝜶⁄𝟐)𝟐 ∗
𝑬

n= Tamaño de muestra (número de observaciones)

z= Nivel de confianza 95%

𝑺𝟐 = Desviación estándar

𝑬= Margen de Error +- 5%

6.1.2 Tamaño de muestreo

Para calcular el número de observaciones del tiempo de espera se tomara en cuenta 10
datos cuantitativos preliminares a 10 clientes de una población de 50 clientes para
conocer su desviación estándar, el porcentaje de error de la media, un nivel de
confianza del 95% y un margen de error del 10%.

6.1.3 Técnicas de recolección de datos

 Visualización de las condiciones actuales de servicio al cliente
 Sintetis de 10 datos cuantitativos preliminares extraídos de una población de 50
clientes.
 Se aplicara métodos como la prueba Chi-cuadrado, K-S y Anderson Darling para
conocer el tipo de distribución y verificar si cumplen con las condiciones
establecidas.
 Evaluar el proceso de forma que se pueda realizar observaciones las mismas
que servirán para el desarrollo correcto de la investigación mediante el uso de la
herramienta Stat-Fit de ProModel.

Técnicas de procesamiento de datos

Cronometraje de los siguientes servicios:

 Tiempo de espera 1 del cliente
 Tiempo de servicio del cajero
 Tiempo de espera 2 del cliente
De forma que las observaciones se realizaran y se introducirán en: el Programa
ProModel; en la herramienta Stat: Fit.
De forma que sea de guía para conocer el tipo de distribución se asemeja los datos;
además mediante Stat:fit se puede comprobar si los datos son idóneos para la
simulación ya que incluye el análisis en

 Chi Cuadrado
 K-S
 Anderson Darling

A partir del dato que exportaremos de Stat:Fit se colocara el tipo de distribución para
cada servicio involucrado en el sistema.

Utilizaremos el software ProModel

Simularemos el proceso actual con datos obtenidos en la recolección de la información

utilizando Stat fit, Excel las variables dentro del sistema serán el tiempo.
7 BIBLIOGRAFÍA
Rivas, W. A. (2011). DETERMINACIÓN DEL NÚMERO MÍNIMO DE OBSERVACIONES EN
INVESTIGACIÓN,. Didáctica Ambiental, 57-60.

Delgado, K., & Mejia, M. (2011). Aplicación de la simulación discreta. Industria Data Revista
de investigacion, 47-54.
Ferreiro, M., Cistina Azcarate, & Mallor, F. (2011). Simulacion de proceso productivo de
Inasa Foil.SA. Bogota: Nexus.
Guerrero Hernandez, M., & André Felipe, H. (2014). Simulacion de eventos discretos de la
cadena logistica. Revista chilena de ingenieria, 7-13.
G. Dunna, Simulación y análisis de sistemas con ProModel, México: Pearson, 2013.