Juan Sebastian Guayacán Conde 20131015053

ANÁLISIS DE ENTRADA

PARA LOS TIEMPOS ENTRE ARRIBOS

1. PRUEBA DE HOMOGENEIDAD (Kruskal-Wallis)

Teniendo una confiabilidad del 95% y 4 grados de libertad, verificamos el estadístico de X 2 el cual da como resultado:
9,487729; entonces como 9,487729 es mayor que 1,550 no se rechaza la hipótesis nula. Es decir, los datos son
homogéneos.

2. PRUEBA DE INDEPENDENCIA (Corridas)

De acuerdo a la prueba de corridas arriba y debajo de la media los datos son

independientes, pues el Z0 arroja un resultado de 0,410414 y el Z0,25 es
1,95996. Como Z0 < Z0,25 entonces la hipótesis nula no se rechaza. Los datos
son independientes.

De la misma manera sucede con la prueba de corridas arriba y abajo donde Z0

arroja un resultado de 0,162062 y el Z0,25 es 1,95996. Como Z0 < Z0,25 entonces
la hipótesis nula no se rechaza. Los datos son independientes.

Así mismo podemos observar en el

Juan Sebastian Guayacán Conde 20131015053
gráfico de correlación, que los datos no se encuentran correlacionados entre sí, pues están cercanas al 0.

CONCLUSIÓN: Los tiempo de arribos presentan un comportamiento exponencial, de acuerdo a la prueba de bondad
realizada en Stat:Fit

La mejor opción es una función de densidad de probabilidad exponencial con media 152.

PARA LOS TIEMPOS DE SERVICIO DE LOS DOS CAJEROS

1. PRUEBA DE HOMOGENEIDAD (Kruskal-Wallis)

Teniendo una confiabilidad del 95% y 1 grados de libertad, verificamos el estadístico de X2 el cual da como resultado:
3,84145882; entonces como 3,84145882 es mayor que 0,284 no se rechaza la hipótesis nula. Es decir, los datos son
homogéneos.

2. PRUEBAS DE INDEPENDENCIA (Corridas)

Para los dos cajeros simultáneamente

De acuerdo con los datos que arroja las pruebas de corridas por encima y debajo de la
media y la de corridas arriba y abajo, no se rechaza la hipótesis nula debido a que Z0 <
Z0,25; por lo tanto los datos son independientes.

Lo confirmamos con la gráfica de correlación y nube de puntos.

Juan Sebastian Guayacán Conde 20131015053

Para el cajero por separado

Con base en los resultados arrojados por Stat:Fit, se puede decir que al analizar los datos de manera separada por cada
cajero, ambos grupos son independientes y no tienen una correlación significativa.

CAJERO 1 CAJERO 2
Juan Sebastian Guayacán Conde 20131015053

Al realizar la bondad de ajuste para cada uno de los cajeros, arroja las siguientes posibles funciones de densidad.

Cajero 1

La mejor función de densidad que describe el comportamiento de los datos es BETA. Con los siguientes parámetros.

a: 101, b: 144, alfa 1: 1.11, alfa 2: 1.27

Cajero 2

La mejor función de densidad que describe el comportamiento de los datos es BETA.

a: 97, b: 144, alfa 1: 1.03, alfa 2: 1.1

Juan Sebastian Guayacán Conde 20131015053

SIMULACIÓN EN FLEXSIM

En esta parte, lo que se desea es conocer qué tanto se asemeja el sistema simulado al real. Para lo cual se estableció un
tiempo de 18000 segundos, equivalentes a 5 horas que es lo que el sistema ha durado en funcionamiento.

Reporte de Flexsim

Object Class stats_content stats_contentmin stats_contentmax stats_contentavg

Source1 Source 0 0 0 0
Queue1 Queue 0 0 4 0.098961
Processor1 Processor 0 0 1 0.495817
Processor2 Processor 0 0 1 0.250584
Sink1 Sink 1 0 1 0.988279

Object Class stats_input stats_output stats_staytimemin stats_staytimemax

Source1 Source 0 108 0 0

Queue1 Queue 108 108 0 206.021329
Processor1 Processor 72 72 103.459154 143.679723
Processor2 Processor 36 36 100.884175 143.263473
Sink1 Sink 108 0 0 0

waiting
waiting for
Object Class stats_staytimeavg state_current processing empty for
transporter
operator
Source1 Source 0 5 0 0 0 0
Queue1 Queue 16.49355 6 0 16872.4078 0 0
Processor1 Processor 123.954144 1 8924.69835 0 0 0
Processor2 Processor 125.291834 1 4510.50604 0 0 0
Sink1 Sink 0 7 0 0 0 0
Juan Sebastian Guayacán Conde 20131015053

Ahora se va a realizar la simulación en flexsim como si el cajero 1 fuera el único que estuviese en servicio, como se
propone.

stats_conte stats_conte stats_conte stats_conte stats_outpu stats_stayti stats_stayti stats_stayti state_curre waiting for waiting for
Object Class stats_input empty
nt ntmin ntmax ntavg t memin memax meavg nt operator transporter
Source1 Source 0 0 0 0 0 120 0 0 0 5 0 0 0
Queue1 Queue 0 0 11 4.014458 120 120 0 1308.72702 602.168694 6 0 0 5878.3049
Processor1 Processor 1 0 1 0.824785 120 119 103.399811 143.723859 124.508933 2 0 0 0
Sink1 Sink 1 0 1 0.988279 119 0 0 0 0 7 0 0 0
Para este caso el cajero 1 tiene un porcentaje de servicio de 82,4% y un porcentaje de ocio del 17,6%

Ahora para como si el cajero 2 fuera el único cajero de servicio

stats_conte stats_conte stats_conte stats_conte stats_outpu stats_stayti stats_stayti stats_stayti state_curre waiting for waiting for
Object Class stats_input empty
nt ntmin ntmax ntavg t memin memax meavg nt operator transporter
Source1 Source 0 0 0 0 0 100 0 0 0 5 0 0 0
Queue1 Queue 1 0 6 0.875389 100 99 0 697.463294 159.097575 8 0 0 11217.063
Processor1 Processor 1 0 1 0.651953 99 98 97.679662 143.002894 119.735701 2 0 0 0
Sink1 Sink 1 0 1 0.988359 98 0 0 0 0 7 0 0 0
Para este caso el cajero 2 tiene un porcentaje de servicio del 65,2% y un porcentaje de tiempo de ocio de 34,8%

ANÁLISIS DE SALIDA

Es evidente que los dos posibles sistemas (Tener los dos cajeros-Tener un solo cajero) son completamente distintos.