Pontificia Universidad Católica de Chile

Escuela de Ingeniería
Departamento de Ingeniería de Minería
IMM - 2700 Gestión Activos Físicos

_________________________________________________

Profesor: Rodrigo Pascual Domingo 23 de abril 2017

Informe Primer Avance

“Staffing”

Héctor Ruiz Astorquiza

 Resumen Ejecutivo

En este primer avance de proyecto el enfoque principal fue la comprensión del

tema de fondo a tratar y el desarrollo de un bosquejo del modelo de simulación a
utilizar. Se hizo una lectura analítica de la referencia base que se entregó para
desarrollar el proyecto, donde se presenta el caso de estudio que se pretende
resolver mediante el modelo de simulación, a modo de obtener una dimensión
óptima de cuadrilla de trabajos de mantención de equipos para minimizar los costos
de producción. Se hizo además un estudio sobre el estado del arte del Staffing,
mediante el cual se determinó que la mayoría de los trabajos realizados sobre el
tema son antiguos (previos al año 2000) y que hoy en día las empresas no
demuestran mayor interés en la resolución de este tipo de problemas mediante la
simulación. Se establece, entonces, que el tema está abierto y que hay espacio y
oportunidad para incursionar y generar avances que podrían ser significativos para
optimizar la producción de las empresas.
Índice de contenido

1. Introducción………………………………………………………………….………….2
2. Estado del arte……………………………………………………………………….….3
3. Descripción del caso base…………………………………………………….……….5
4. Modelo y parámetros……………………………………………….……………..……6
5. Estructura general de pseudocódigo…………………………….………………..….8
6. Bibliografía………………………………………………………………………….….10
7. Anexos…………………………………………………………………………….……11

Índice de tablas

Tabla 1: Parámetros generales del problema……………………………………….….5

Tabla 2: Distribuciones para el tiempo medio entre fallas por máquina…………….6
Tabla 3: Resultados de la simulación………………………………….…………..……6

Índice de ilustraciones

Ilustración 1: Esquema de rutina central…………………………………………..…...8

Ilustración 2: Esquema de rutina de falla de máquina………………………….….….9
Ilustración 3: Esquema de rutina de despacho de máquina…………………...….….9
Ilustración 4: Esquema de rutina de reporte de resultados…………………..………..9

1
1. Introducción

Actualmente el rubro de la producción se desarrolla en un ambiente altamente

competitivo y que exige a las empresas ser lo más eficiente posible en sus procesos
productivos. Frente a esto, se observa la necesidad de mantener a un nivel óptimo
el mantenimiento de los componentes de la producción para maximizar la calidad o
beneficio que se obtiene a partir de dichos procesos. Entonces, gran parte del
problema reside en la capacidad que tiene una empresa de mantener operativa su
maquinaria utilizándola de buena manera y realizando mantenciones y reparaciones
cuando corresponde realizarlas. Un factor clave para llevar a cabo las tareas
paralelas a la producción es la cantidad de gente que se tiene disponible para
realizar dichos trabajo, vale decir la dimensión de la cuadrilla, y cuya estimación es
abordada justamente por el “Staffing”.
La respuesta es, entonces, una función de la cantidad de equipos que se
requiere mantener, las características que poseen dichos equipos y que podrían
eventualmente exigir habilidades particulares de parte de la cuadrilla, y la
probabilidad de falla o confiabilidad que tienen en un momento determinado. A partir
de estos datos se genera un sistema de mantención que funciona en paralelo al
sistema de producción, el cual tiene por objetivo mantener en su óptimo a este
último.
Para abordar este problema existen muchas aproximaciones, pero las
principales son la utilización de un modelo estacionario de fallas y la utilización de
un modelo de simulación. El método estacionario consiste en trabajar las
necesidades de mantención en términos de un promedio general de las fallas, con
lo cual se obtiene una distribución uniforme de probabilidad de ocurrencia en un
período determinado de tiempo. La principal limitación de este método es que la
aproximación mediante un estado estacionario no refleja lo que ocurre realmente en
el día a día del proceso productivo, que corresponde más bien a un estado
transitorio o variable. Por otra parte, el método de simulación corresponde a una
aproximación de los tiempos de falla según distintas distribuciones probabilísticas,
tales como la distribución exponencial o la de Weibull. Entonces, una vez generados

2
los tiempos de ocurrencia de eventos, se realiza la simulación utilizando distintos
valores para la dimensión de la cuadrilla (es un proceso iterativo) y se define como
óptimo el que maximice la producción o minimice los costos, según el objetivo que
tenga la empresa. Para lograr esto, es clave lograr establecer, en términos
matemáticos, una función que logra relacionar la dimensión del staff con la
productividad o los costos de producción, razón por la cual se debe generar un
modelo de simulación. En general, se establece que este último es un mejor método
para determinar la cuadrilla que el método estacionario, razón por la cual será el
foco de desarrollo del proyecto para abordar el problema presentado.
A continuación se presentan los pasos o etapas que deben realizarse para el
lograr de buena manera el objetivo del proyecto. En primer lugar se deben
determinar los tipos de máquinas a reparar y los tipos de fallas que se pueden
presentar, para así establecer las habilidades que deben poseer las personas de
mantenimiento y clasificarlos, a su vez, en tipos de cuadrilla. Luego se debe estudiar
la lógica de trabajo que se utiliza en la compañía del caso de estudio, y definir una
nueva lógica de asignación según lo que se obtuvo en la etapa previa. Después, se
debe generar el modelo de mantenimiento para las máquinas según la tasa de falla
que estas poseen, y se debe determinar el costo que significa la espera de las
máquinas para ser reparadas (relacionado al lucro cesante). Luego se debe
desarrollar el software de simulación y finalmente utilizar el modelo iterativamente
para establecer el patrón óptimo de staff, que será el que optimice la producción.

2. Estado del arte

Respecto a la simulación y a su uso para la determinación de la cuadrilla se

tienen una serie de trabajos o estudios realizados por diversos matemáticos o
expertos del área de investigación operativa. Entre ellos destaca uno de los
primeros trabajos realizados en el área, por parte de Abdul Raouf en 1968, que
consistió en el desarrollo de métodos para estimar la cuadrilla requerida para
labores de producción indirectas (que no se asocian de forma directa a la producción

3
pero que sí sirven para que esta se lleve a cabo eficientemente). Ejemplos de estas
labores indirectas son los supervisores, guardias, contadores financieros y hombres
de mantenimiento de equipos.
Después se tienen los trabajos investigativos de Anthony Kelly, quien en 1989
desarrolló una suerte de guía para entender, planificar y organizar el mantenimiento
de los equipos. Describió una forma de generar, a partir de la simulación, una
estrategia de mantenimiento efectiva.
Posteriormente, se tiene el trabajo realizado por T. C. E. Cheng y B. R. Feiring,
quienes desarrollaron un modelo del sistema operativo de una compañía de lavado.
Para hacerlo determinaron un promedio de las filas de espera del flujo de material
de lavado, la dimensión de dicho flujo y el nivel de utilización de las máquinas de la
compañía. Mediante un programa de simulación pudieron determinar que no
existían “cuellos de botella” en el flujo del sistema y que el nivel de utilización de las
máquinas era aceptable. Este trabajo de 1991 fue un gran aporte para el aprendizaje
sobre la aplicación de simulación para resolver problemas operacionales en
industrias de servicios.
Luego, en 1992, se publicó un trabajo conjunto entre Salih Osman Duffua y el
ya mencionado Abdul Raouf, quienes desarrollaron propuestas para resolver
mediante la simulación problemas de Staffing en industrias y servicios. Además,
aplicaron un modelo de simulación a un caso de estudio particular para determinar
el tamaño óptimo de cuadrillas de mantenimiento de los equipos. Es precisamente
este caso de estudio el que se abordará más adelante en el presente proyecto.
Por último, se tiene en 2005 el trabajo publicado por Norbert Dreesch, quien
explica una guía metódica para la determinación de la cuadrilla, con una serie de
pasos y reglas a seguir (sin el uso de simulación); y en 2006 una investigación de
J. Witt para la aplicación de técnicas de Staffing en el área de la salud.
Cabe destacar que estos no son los únicos trabajos realizados en el rubro, sino
que son solo una muestra. En general, la característica que comparten la mayoría
de ellos es que son relativamente antiguos, y presentan poca continuidad. Se
concluye que la principal causa de esto es que las empresas presentan poco o nulo
interés en la aplicación de la simulación para resolver problemas de este tipo,

4
desincentivando su investigación y desarrollo. En consecuencia, se presenta una
buena oportunidad para investigar y generar nuevo conocimiento en el área, a fin
de diseñar herramientas que puedan servir para optimizar los procesos productivos
de las industrias y compañías de servicios.

3. Descripción del caso base

El caso de estudio corresponde a una línea de producción de latas de refresco

que consta de un circuito de 13 máquinas de las cuales 5 fueron definidas como
críticas (máquinas 1,2, 5, 6 y 8), es decir, fallan a una tasa considerablemente mayor
que las demás y provocan una pérdida mayor (no vale la pena incluir el resto en la
simulación). Cada equipo corresponde a un componente de la producción que
puede fallar con una probabilidad determinada. La falla implica cierto tiempo mínimo
de reparación, además del tiempo de espera que tiene el equipo para que un técnico
lo revise, el cual provoca un costo por lucro cesante igual a 108 SR/min. Notar que
los tiempos requeridos para reparación de cada máquina poseen una distribución
de probabilidad que fue obtenida a partir de análisis de datos (revisar en anexos).
Por otro lado, el costo incurrido en cada técnico es de 2500 SR mensual. El objetivo,
entonces, es desarrollar un modelo de simulación que ligue la dimensión de la
cuadrilla con el costo de producción total por unidad de tiempo resultante, para así
determinar el óptimo mediante la iteración. A continuación, se presentan tablas con
el resumen de los datos utilizados como input para el análisis del caso:

Tabla 1: Parámetros generales del problema

Número de máquinas 13
Número de máquinas críticas 5
Costo de técnico (SR/mes) 2500
Costo de indisponibilidad (SR/min) 108

5
 Tabla 2: Distribuciones para el tiempo medio entre fallas por máquina

Máquina Distribución Tasa de falla (min/falla) Eta Beta

1 Exp. Negativa 313 - -
2 Exp. Negativa 457 - -
5 Weibull - 20,35 0,839
6 Weibull - 418,42 0,6482
8 Exp. Negativa 484 - -

El problema fue resulto mediante el modelo de simulación, iterando durante un

tiempo de 2 meses (con la tecnología de ese entonces) y probando diferentes
escenarios, con lo que se obtuvo que el número óptimo de personal era de una
persona. A continuación se adjunta tabla con resumen de resultados:

Tabla 3: Resultados de la simulación

Número de técnicos Costo total de servicio Costo total indisponibilidad Costo global
1 2500 SR 33,33 SR 2533,03 SR
2 5000 SR 0 SR 5000 SR

Como se puede ver, el resultado indica que conviene aceptar cierto nivel de
indisponibilidad antes que mantener el funcionamiento continuo con un mayor
número de técnicos.

4. Modelo y parámetros

A continuación se presenta la generalidad del modelo utilizado para resolver el

caso de estudio, el cual permite la obtención de un número óptimo de staff mediante
la simulación.

6
 i) Parámetros (inputs):
- M: número de máquinas (i: índice de máquinas).
- Cs: costo de técnico por unidad de tiempo.
- Ci: costo de espera de máquina i por unidad de tiempo.
- Pn: probabilidad de que hayan n máquinas en espera de reparación.
- Ti: tiempo requerido de mantención por máquina i.

ii) Variables:
- S: tamaño de cuadrilla (j: índice de técnicos) → Variable de decisión
- Αj: indica si trabajador j está ocupado (0: libre, 1: ocupado) → Auxiliar
- La: cantidad de máquinas en espera → Variable de estado
- Fi: tiempo en que falla la máquina i → Variable de estado
- W: tiempo de espera en el sistema → Output
- W q(i): tiempo de espera total en fila de máquina i → Output
- Wc: costo total de espera → Output
- Sc: costo de servicio (técnicos) → Output
- Tc: costo total → Output
- S*: número de staff óptimo → Output

El objetivo del modelo es encontrar S* (staff óptimo) tal que se genere el menor
Tc (costo total) posible. Para ello, se presenta la siguiente función objetivo a
minimizar:

Función objetivo:[𝐶𝑠 ∙ 𝑆 + ∑ 𝑐 ∙ 𝑊𝑞 ]
𝑖 (𝑖)
𝑖=1

Esta función se puede entender como la minimización de la suma entre el costo

total de servicio (Sc = Cs ∙ S) y el costo total de espera (Wc = ∑𝑀
𝑖=1 𝑐 ∙ 𝑊𝑞 ). Por
𝑖 (𝑖 )
otro lado, para efectos de la simulación se debe generar otro input que corresponde
a una serie de arreglos o listas que incluyen los eventos que ocurren durante la
simulación. Dado que S es el número de trabajadores con el que se está realizando

7
 la prueba, entonces se requerirán S + 2 arreglos. El primero de estos incluye a la
variable Fi, que es el tiempo en que ocurre la falla de la máquina i. Desde el arreglo
2 al S + 1 se incluye la variable Αj, que indica la disponibilidad del trabajador j. Y el
último arreglo incluye el tiempo del evento, el tipo de evento, la máquina involucrada
(i) y el trabajador involucrado (j). Notar que se definen 3 tipos de posibles eventos.
Los primeros son los que involucran una llegada de máquina a la fila de espera (si
es que no hay trabajador disponible), los segundos son los que involucran un
despacho de la máquina (reparación terminada) y los terceros indican el fin de la
simulación.

5. Estructura general de pseudocódigo

Se presentan a continuación esquemas de cómo funciona el programa de

simulación paso a paso, en base a una rutina central del programa y 3 rutinas para
eventos de llegada, de despacho, y de entrega de resultado. El pseudocódigo
preliminar en sí se presentará en los anexos.

Lectura de parámetros

No
Si

Fin Si

Ilustración 1: Esquema de rutina central

8
 Si
Si
No
Si
Return
Return

Ilustración 2: Esquema de rutina de falla de máquina

No
Si

Si
Si

Return
Return

Ilustración 3: Esquema de rutina de despacho de máquina

Return

Ilustración 4: Esquema de rutina de reporte de resultados de la simulación

9
6. Bibliografía

Cheng, T. C. E., Feiring, B. R. (1991). “Simulation modelling of a comercial laundry

facility”, International Journal of Modelling and Simulation, Vol. 2, No. 1.

Dreesch, N., et al., An approach to estimating human resource requirements to

achieve the Millennium Development Goals. Health Policy Plan 2005; 20 (5): 267-
276.

Duffua, S. O., Raouf, A. (1992). “A simulation model for determining maintenance

staffing in an industrial environment”. Simulation, 59(2), 93-99.

Kelly, A., “Maintenance and its management”, Conference Communication, Monks

Hill, England, 1989.

Raouf, A., “Methods of predicting indirect labor staffing”, Univ. of Windsor, I. R. I.

Report, 1968.

Witt, J., et al., Estimation of Human Resource Needs And Cost of Adding Registered
Dietitians To Primary Care Networks, Canadian Journal of Dietetic Practice and
Research, 2006, 67(S1)

10
 7. Anexos

Anexo 1: Carta Gantt para el proyecto.

Número Tarea Semana 1 Semana 2 Semana 3 Semana 4 Semana 5 Semana 6 Semana 7 Semana 8 Semana 9 Semana 10 Semana 11 Semana 12 Semana 13
1 Selección de tema de proyecto
2 Lectura de caso de estudio
3 Estudio del estado del arte
4 Definición de variables del modelo
5 Estructuración del Código
6 Presentación de primer avance
7 Entrega de informe de avance
8 Inicio de programación
9 Ajustes de modelo
10 Presentación de segundo avance
11 Entrega de informe de avance
12 Pruebas de simulación
13 Programa completo y definitivo
14 Resultados de simulación
15 Presentación de tercer avance
16 Entrega de informe final
17 Preparación para presentación
18 Presentación final EGAF

Anexo 2: Distribución de probabilidades para tiempo de reparación por máquina

Máquina 1 Máquina 4 Máquina 5

Tiempo Servicio (min) Probabilidad Tiempo Servicio (min) Probabilidad Tiempo Servicio (min) Probabilidad
1 1/6 2 7/37 1 4/15
2 1/2 3 1/37 2 7/15
3 1/6 4 4/37 3 3/25
4 1/18 5 11/37 4 1/75
7 1/27 6 1/37 5 2/25
10 1/54 7 1/37 7 1/75
35 1/54 10 8/37 8 1/75
15 2/37 15 2/75
17 1/37
60 1/37
Máquina 6 Máquina 8
Tiempo Servicio (min) Probabilidad Tiempo Servicio (min) Probabilidad
1 8/15 1 11/16
2 3/10 3 1/8
3 1/15 5 1/8
5 1/30 8 1/16
7 1/30
10 1/30

11
Anexo 3: Pseudocódigo preliminar

Falta definir las funciones para rutina de llegada de máquinas (fallas) y despacho
(reparadas). Falta ligar la información de la lista de eventos al desarrollo del
programa. Falta definir función auxiliar para calcular tiempos de espera por
máquina.

12