Professional Documents
Culture Documents
-1-
-2-
-3-
a) Por una parte esta el establecimiento de tarjetas, que dadas unas condiciones
de produccin, trata de determinar el nmero de tarjetas ptimo para la
consecucin de unos determinados objetivos. Se han propuesto diversos
procedimientos basados en modelos analticos (ver por ejemplo Hopp y
Spearman, 1991 Herer y Masin, 1997), modelos de simulacin (ver por
ejemplo Bonvik et al, 1997 Gaury et al, 2000) modelos hbridos simulacinanalticos (Luh et al, 2000). El nmero de tarjetas as determinado permanecer
estable a lo largo del periodo considerado.
b) El otro modo de determinar el nmero de tarjetas es de forma dinmica, es
decir, emplear un mecanismo de control dinmico. En la bibliografa hay pocas
contribuciones referentes al ajuste dinmico del nmero de tarjetas, siendo
conocidas las de Rees et al, 1987, que desarrollaron un mtodo de ajuste basado
en la inecuacin de Monden (Monden, 1983), la de Gupta y Al-Turki, 1997 que
aplica un sistema de control dinmico de tarjetas a un sistema Kanban de dos
tarjetas, la de Hopp y Roof, 1998 que desarrollaron el sistema STC (Statistical
Throughput Control) el cual fue concebido para ajustar de manera dinmica el
nmero de tarjetas en un sistema Conwip en entornos contra pedido, la de
Takahashi y Nakamura, 1999 que se basa en un estudio previo del sistema por
medio de simulacin, la de Tardif y Maaseidvaag, 2001 que propone un sistema
Conwip operando en un entorno contra stock y por ltimo la de Framin et al,
2003, que proponen un sistema de control dinmico de tarjetas, aplicable a
cualquier sistema de la produccin basado en tarjetas y que puede operar tanto
en entornos contra pedido como contra stock
El funcionamiento del sistema estudiado en el presente proyecto se encaja dentro de este
segundo grupo. Hay que tener en cuenta que estos sistemas contienen ms de un
parmetro a considerar y en el sistema objeto de estudio no se ha propuesto ningn
mtodo para optimizar los parmetros de funcionamiento del sistema. Por otra parte hay
que considerar que el nmero de parmetros a optimizar no es lo suficientemente
elevado como para emplear una tcnica heurstica de propsito general como por
ejemplo los algoritmos genticos. Sin embargo un estudio analtico -como por ejemplo
la teora de colas, programacin dinmica, etc- tampoco sera viable, ya que se
limitara a casos extremadamente sencillos y de poca utilidad prctica. Por ello se ha
pensado en utilizar la metodologa RSM (Response Surface Methodology.) como
metodologa de optimizacin del sistema objeto de estudio. La aplicacin de esta
tcnica nos permitir, a su vez, obtener un mayor conocimiento sobre la influencia en
las respuestas de los parmetros propios del sistema.
El objeto del proyecto es el estudio de un mtodo de optimizacin de una lnea de
fabricacin, de un solo producto, controlada mediante un sistema de control dinmico
de tarjetas. Los detalles sobre este sistema, similar al Conwip, se encuentra en Framin
et al, 2003. Los autores desarrollaron un procedimiento para controlar de forma
dinmica el nmero de tarjetas en sistemas de control de la produccin basados en
tarjetas, operando tanto en entornos contra pedido como contra stock, mejorando a los
existentes. El mtodo se basa en el compromiso entre el inventario de productos
terminados FGI y la demanda acumulada en un cierto instante, siendo el objetivo
-4-
-6-
1.2 SUMARIO
El resto del documento se organiza como sigue: en el segundo captulo Sistemas
basados en tarjetas. El sistema Conwip adaptativo se presentan las caractersticas
generales de los sistemas de produccin, su clasificacin tradicional en sistemas pull y
push, y su clasificacin segn el mecanismo de control: Sistemas basados en tarjetas
(token-based), Sistemas basados en el tiempo (time-based) y Sistemas basados en
excedentes (surplus-based). El sistema Conwip, as como el Kanban, del cual deriva,
son instrumentos para llevar a cabo la filosofa Justo a Tiempo a nivel operacional, por
lo que tambin se presenta una breve introduccin a ella y al importante papel que
juegan los inventarios dentro de los gastos de una empresa. A continuacin, se
describen en profundidad el sistema Conwip y el mtodo de ajuste dinmico de tarjetas
presentado por Framin et al, 2003.
En el tercer captulo, titulado Simulacin. Modelado del sistema, se hace una
pequea introduccin sobre la simulacin como herramienta en la toma de decisiones,
comentando sus caractersticas, ventajes e inconvenientes. A continuacin se va a
describir con mayor detalle la simulacin de eventos discretos, que va a ser la
herramienta que vamos a utilizar en la realizacin de los experimentos. Debido al
carcter estocstico de los procesos objeto de estudio, esta va a ser la herramienta
adecuada para estudiar el sistema objeto del proyecto. Seguidamente, se describe el
modelo sobre el que se van ha realizar los experimentos y se exponen las hiptesis
consideradas. Termina este captulo con el clculo de los parmetros de simulacin
como son, el tiempo efectivo de simulacin (T-W), el warm-up o periodo de
calentamiento (W) y el nmero de rplicas (n).
El cuarto captulo cuyo ttulo es Diseo de experimentos y Optimizacin RSM
comienza con una descripcin del diseo de experimentos, siguiendo con la
presentacin los diseos factoriales y el diseo factorial 2k. El captulo termina con la
exposicin de la metodologa de la superficie de respuesta con la que optimizaremos el
sistema con los datos obtenidos en los experimentos.
El quinto captulo Estudio experimental del sistema se dedica a la
experimentacin. Primero se definen los escenarios en donde esta se desarrolla. A
continuacin se plantean los experimentos que se van a llevar a cabo. La
experimentacin est compuesta por dos fases bien diferenciadas. En la primera se
realiza un experimento de caracterizacin, cuyo objetivo es averiguar qu significacin
tienen los factores en la respuesta del sistema objeto de estudio y conocer si existen
interacciones entre ellos. En la segunda fase se va a llevar a cabo el proceso de
optimizacin propiamente dicho, para lo que se va a aplicar la metodologa RSM
(Response Surface Methodology) o metodologa de la superficie de respuesta. Esta fase
consta a su vez de tres partes. En la primera se realiza la experimentacin para un valor
predeterminado del nivel de servicio del 100%, Para el escenario y los datos de la lnea
y demanda considerados el nivel de servicio objetivo del 100% no es realista por lo que
se repite el proceso para un valor predeterminado del nivel de servicio del 98%. En la
-7-
-8-
CAPTULO 2:
SISTEMAS BASADOS EN TARJETAS.
EL SISTEMA CONWIP ADAPTATIVO
-9-
2.1 INTRODUCCIN
En este captulo se van a describir con mayor detalle los aspectos ms importantes sobre
el sistema de control de la produccin Conwip. Antes de entrar en detalle es conveniente
hacer una breve introduccin a ciertos trminos en los que se apoya el sistema Conwip y
que comparte con el sistema Kanban del cual deriva.
Ambos son sistemas del tipo pull y basados en tarjetas. Tradicionalmente los sistemas
de control de la produccin se clasifican en sistemas push y pull, dependiendo de la
direccin que sigue la informacin dentro del proceso.
Los sistemas push (push significa empujar en ingls), son aquellos en los que la
produccin se programa de antemano en el plan maestro de produccin, obligando a
que este plan se cumpla. El inventario tiene un efecto de empuje. En la figura siguiente
se muestra el funcionamiento de este tipo de sistemas:
Los sistemas pull (pull significa tirar en ingls), son aquellos en los que la produccin
no esta programada de antemano, si no que la finalizacin de un trabajo autoriza el
comienzo del siguiente. La transmisin de la autorizacin se realiza haciendo circular
tarjetas entre las distintas estaciones de trabajo. El esquema de funcionamiento de este
tipo de sistemas se puede apreciar en la siguiente figura:
- 10 -
Los sistemas Conwip y Kanban son sistemas del tipo pull y basados en tarjetas. Estos
dos sistemas son instrumentos para llevar a cabo la filosofa Justo a Tiempo (Just in
Time) a nivel operativo. Es muy comn confundir los trminos Just in Time y
Kanban, sin embargo son conceptos distintos. Ambos aparecieron en la industria
japonesa dentro de una misma manera de entender la empresa y su aplicacin suele
hacerse de forma conjunta. La idea central de esta filosofa radica en la eliminacin de
todo tipo de gasto. Dentro de los distintos tipos de gasto que nos podemos encontrar en
una empresa, el principal es la existencia de inventarios, es decir, materiales situados en
almacenes o esperando ante las mquinas su procesamiento, ocupando espacio, tiempo
y dinero. La filosofa Justo a Tiempo propone para su eliminacin que todas las
operaciones y materiales se realicen y se reciban justo en el momento preciso, ni antes
ni despus. Esto, junto al carcter estocstico de los sistemas de produccin hace que
llevarla a cabo sea una tarea compleja.
Los inventarios tambin se utilizan como una prueba de la existencia de otros
problemas, amortigundolos. Para explicar esto se suele emplear el smil del cauce de
un ro, donde el nivel de inventario es anlogo al nivel de las aguas y los problemas a
las piedras que estn en el fondo. Si el nivel de las aguas sube, es decir, aumenta el nivel
- 11 -
Cero averas: Se eliminaran todos los retrasos debidos a los fallos de equipos
durante las horas de trabajo.
Pero por otro lado, la filosofa Justo a Tiempo tambin tiene una serie de
inconvenientes, a saber (Chase et al, 2002):
Los proveedores deben afincarse cerca, ya que las entregas deben de ser
frecuentes y pequeas.
- 12 -
- 13 -
- 14 -
En un entorno contra stock, una vez procesada una pieza en la ltima estacin de la
lnea, pasa al almacn de productos terminados (Finished Goods Inventory, FGI) junto a
su tarjeta siendo esta liberada y enviada de vuelta cuando la pieza es entregada al
cliente. Ver figura 2.5. Al igual que en la figura 2.4 los almacenes intermedios se han
suprimido por claridad en la representacin.
FGI
Flujo de trabajo
Estacin
Flujo de informacin
Almacen
Los sistemas pull de control de la produccin, tales como el Kanban o el Conwip, son
considerados superiores a los sistemas push, tales como MRP y MRPII, en aquellos
escenarios de produccin donde ambos pueden ser empleados.(Spearman et al, 1990,
Roderick et al, 1992). Esta superioridad se pone de manifiesto principalmente en tres
aspectos: en el entorno, las colas y en el control.
- 15 -
Hay entornos en donde un sistema Kanban no puede ser empleado, como son aquellos
en donde se tienen ordenes de trabajo con tiempos de produccin cortos, o aquellos
donde se tienen tiempos de set-up significativos, scrap loss o grandes e imprevisibles
fluctuaciones de la demanda. Estudios de simulacin realizados por Krejewski et al,
1987, ponen de manifiesto que el tipo de entorno es la causa principal de la superioridad
de los sistemas pull sobre los push, dada la facilidad que los pull tienen para mejorarlo.
Los efectos de las colas fueron estudiados por Spearman y Zazanis, 1988, quienes
probaron que el WIP total y el flow time medio eran menores en un sistema pull que en
un sistema push. Tambin hay evidencia de que la varianza del flow time ser menor en
los sistemas pull que en un sistema push equivalente. Reducidas varianzas y tiempos
medios del flow time implican unos WIP y FGI reducidos para un lead time dado (Hopp
et al, 1988).
El control del los sistemas pull es otra de sus ventajas sobre los sistemas push. Los
primeros son inherentemente ms fciles de controlar que los segundos, debindose esto
a dos razones. La primera es que el WIP es directamente observable en los pull y la
segunda es que los errores cometidos en el ajuste de los niveles de WIP afectarn a las
prestaciones de los sistemas pull en menor medida que los errores cometidos estimando
la capacidad afectarn a las prestaciones de un sistema push (Spearman y Zazanis,
1988).
Las ventajas del sistema Conwip respecto al sistema MRP han sido extensamente
descritas (Herer y Masin, 1997, Hopp y Spearman, 1996) siendo las ms importantes:
o Observabilidad: WIP es directamente observable y mantener cierto nivel
de inventario es ms simple que establecer una tasa de salida del
sistema.
o Eficiencia: requiere menos WIP para obtener la misma tasa de salida.
o Variabilidad: los sistemas MRP tienen una mayor variabilidad a lo largo
del tiempo.
o Robustez: Conwip es menos sensible a variaciones del nivel de
inventario (WIP) que un sistema push bajo el mismo tipo de error.
Las ventajas del sistema Conwip respecto al Kanban son (Spearman et al, 1990):
o Mayor simplicidad en el nmero de parmetros, dado que Conwip
requiere solamente un contador de tarjetas, relajando las condiciones de
trabajo del sistema Kanban.
o Mayor robustez respecto a la variacin del tiempo de proceso.
o Mayor aplicabilidad a diferentes entornos productivos.
- 16 -
- 17 -
Por otra parte hay que considerar que la tasa de salida objetivo sea adecuada a los
lmites de capacidad del sistema.
De manera esquemtica, el procedimiento es el siguiente:
Paso 0: Establecer el nmero inicial de tarjetas, m , y el periodo de calentamiento, n.
Paso 1: Establecer la tasa de produccin objetivo, .
Paso 2: Poner a cero las estadsticas de la media del tiempo entre operaciones, , as
como la desviacin estndar, , hasta que se ha superado el periodo de
calentamiento, n .
Paso 3: Despus de completar cada trabajo, calcular la media de los tiempos entre
operaciones, y su desviacin estndar, .
Paso 4:
Si
a) >
b) <
Paso 5: Ir a paso 3.
-.Tardif
- 18 -
si
N (t) <= R
y
x(t) > 0
no
MP
Piezas al Cliente
D
si
N (t) > C
y
x(t) < E
no
Tarjeta Extra a MP
- 19 -
debido a su mayor facilidad para ser estudiados mediante cadenas de Markov. Por otra
parte se dejan las puertas abiertas a futuros estudios en los que se empleen sistemas
desequilibrados (distintos tiempos de proceso), sistemas con reprocesado de piezas o
sistema que contemplen averas en las mquinas.
-.Framin et al, 2003, desarrollaron un procedimiento, denominado PS, que se basa en
monitorear la salida del sistema para comprobar si est por debajo o por encima de un
objetivo propuesto. El sistema emplea un cierto nmero de tarjetas extra, como en el
modelo propuesto por Tardif y Maaseidvaag. El objetivo es alcanzar una tasa de salida o
nivel de servicio objetivo, en entornos contra pedido y contra stock respectivamente. La
tasa de salida se define como (Hopp y Spearman, 1996):
Tasa de Salida (%) =
trabajos
* CTcuellodebotella *100
periodo
(1)
donde CT es el tiempo del ciclo en el cuello de botella. Es una medida del grado de
utilizacin del cuello de botella.
El nivel de servicio se expresa como (Hopp y Spearman, 1996):
Nivel de Servicio (%) =
(2)
Tanto la tasa de salida como el nivel de servicio pueden ser monitorizados de dos
formas diferentes:
- 21 -
Los autores proponen el uso de un nivel fijo igual a uno y no considerar periodo de
warm-up o calentamiento entre cambios.
El efecto del periodo transitorio en el sistema depende del correcto ajuste del intervalo
de tiempo anteriormente comentado o del nivel de piezas retiradas del sistema. Por una
parte, ser interesante elegir un intervalo de tiempo o un nivel de piezas retiradas
pequeo para obtener una respuesta del sistema rpida para un nivel de servicio o una
tasa de respuesta dada. Por otra parte, hay que tener en cuenta que si la respuesta del
sistema fijada no es estable, pequeos intervalos de tiempo o bajos niveles de piezas
retiradas pueden desencadenar fluctuaciones en el sistema, siendo en esta caso mejor
seleccionar un periodo de tiempo o nmero de trabajos alto. Para evitar estos efectos los
autores del sistema PS decidieron limitar el nmero mximo de tarjetas extras, as el
nmero de tarjetas en el sistema en cualquier instante esta limitado por:
Limite inferior = {0; nmero inicial de tarjetas nmero de tarjetas extra}
Limite superior = {nmero inicial de tarjetas + nmero de tarjetas extra}
Como ya se ha comentado anteriormente, el sistema PS se basa en monitorear la
respuesta del sistema y comprobar si esta se encuentra por debajo o por encima de un
objetivo de produccin dado. Segn nos encontremos en un entorno contra pedido o
contra stock, este objetivo se medir por la tasa de salida o el nivel de servicio
respectivamente. En un entorno contra pedido la respuesta es grabada por el sistema
cada vez que un trabajo sale del sistema y en un entorno contra stock cada vez que un
cliente llega al sistema.
El proceso de aadir o sustraer tarjetas del sistema se da cada vez que la respuesta del
sistema es monitoreada, momento en el que contador de piezas que son retiradas del
sistema se pone a uno. Esto induce una rpida respuesta del sistema y se corre el riesgo
de que el comportamiento de este se vuelva inestable, impidindolo el echo de estar
limitado el nmero de tarjetas extras, como ya se ha comentado.
El sistema PS funciona segn dos parmetros. Por un lado esta el parmetro K (0) que
corresponde con un nmero fijo de tarjetas que van a operar a lo largo de la lnea de
produccin. Por otro lado, se tiene el parmetro E que corresponde con el nmero de
tarjetas extras que se van a tener dispuesta en el casillero de tarjetas extra. El proceso de
aadir al sistema o sustraer de este, tarjetas extra va a ser el siguiente: si la tasa de salida
(o nivel de servicio) est por debajo de un objetivo predefinido y hay tarjetas extra
disponibles en el casillero, se aade una tarjeta extra al sistema. Si la salida (o nivel de
servicio) est por encima del objetivo predefinido, se retira una tarjeta extra del sistema
y se enva de nuevo al panel de control de tarjetas extra. En la figura 2.7 se muestra un
diagrama de flujo que explica el proceso. La notacin empleada es la siguiente:
- 22 -
si
(t) <
y
x(t) > 0
si
K(t) = K(t) +1
no
K(t) = K(t) -1
si
si
(t) >
y
x(t) < E
FIN
- 23 -
en la respuesta estacionaria. Este ltimo resultado era en cierto punto previsible dado
que el sistema PS se basa en el mecanismo usado por Tardif y Maaseidvaag.
El sistema PS se hace especialmente interesante por las ventajas que presenta:
Es un sistema que puede operar bajo entornos contra pedido y contra stock, no
como el sistema STC que slo puede operar en entorno contra pedido o como los
sistemas de Tardif y Maaseidvaag o Takahashi y Nakamura que slo lo pueden
hacer en entornos contra stock.
Puede aplicarse a todo los sistemas de control de la produccin del tipo pull, no
como, por ejemplo los sistemas STC y Tardif que slo son aplicables a sistemas
Conwip, o como los sistemas propuestos por Rees et al, 1987, y Gupta y AlTurki, 1997, que slo se pueden emplear en sistemas Kanban o el sistema de
Takahashi y Nakamura que esta diseado para ser empleado en sistemas Kanban
y Base-Stock.
El nmero de parmetros necesarios es de slo dos, K (0) y E por los cuatro que
son necesarios en el sistema de Tardif y Maaseidvaag.
Sin embargo en los estudios del sistema propuesto (PS), no se ofreci ningn mtodo
para la optimizacin de los parmetros K (0) y E, por lo que el objeto del presente
proyecto es estudiar en profundidad la determinacin e importancia de los parmetros K
(0) y E. Emplearemos las tcnicas del diseo y anlisis de experimentos para conocer la
importancia de los parmetros y la metodologa de superficies de repuesta, para la
optimizacin de los mismos.
Por otra parte se dejan las puertas abiertas a futuros estudios en los que se extienda el
estudio a otros tipos de sistemas pull de control de la produccin. Tambin ser
interesante aplicar el sistema PS a sistemas desequilibrados (distintos tiempos de
proceso), sistemas con reprocesado de piezas, sistema que contemplen averas en las
mquinas y a entornos multiproducto.
- 24 -
CAPTULO 3:
SIMULACIN. MODELADO DEL SISTEMA.
- 25 -
3.1 INTRODUCCIN
El objetivo de este proyecto es hallar la combinacin ptima de los parmetros que
gobiernan un sistema de produccin Conwip adaptativo, segn el modelo PS. La
utilizacin de la simulacin mediante eventos discretos se hace imprescindible en este
caso, ya que al ser procesos estocsticos y, como se coment en la seccin 1.1, el
estudio mediante mtodos analticos/matemticos sera poco viable o limitado a casos
extremadamente sencillos y de poca utilidad prctica.
En primer lugar se va a realizar una breve descripcin de lo que es la simulacin,
comentando sus caractersticas, ventajas e inconvenientes y otros aspectos relacionados
con ella. Posteriormente se comentan los aspectos principales de la simulacin de
eventos discretos, herramienta que vamos a utilizar en la realizacin de los
experimentos.
En segundo lugar mostraremos el modelo de la lnea de produccin objeto de estudio y
presentaremos las hiptesis consideradas en l.
Finalmente, se determinarn los parmetros de simulacin necesarios para la realizacin
de las simulaciones. Estos parmetros son el tiempo efectivo de simulacin, el periodo
de calentamiento o warm-up y el nmero de rplicas.
- 26 -
3.2 SIMULACIN
Hoy en da la simulacin es una herramienta fundamental en el proceso de toma de
decisiones. Aunque parezca lo contrario, la simulacin es una tcnica muy antigua.
Desde hace bastante tiempo ya se han construido objetos con los que experimentar
dinmicamente, con el objeto de comprender la realidad y toda su complejidad, sin
necesidad de interactuar con el sistema real. Ms recientemente, con la aparicin de los
ordenadores, la simulacin digital cada vez est ms implantada. La simulacin digital
se define como una tcnica que permite imitar en un ordenador el comportamiento de un
sistema fsico o terico segn ciertas condiciones de operacin. Para analizar, estudiar y
mejorar el comportamiento de un sistema, el primer paso a seguir es desarrollar un
modelo conceptual que describa las dinmicas de inters para despus implantarlo en un
ordenador para poder analizar los resultados (Guash et al, 2002). En el campo de la
produccin, la simulacin se utiliza para determinar los niveles de inventario, los
procedimientos de mantenimiento, los programas de produccin, la planificacin de los
procesos, etc... (Chase et al, 2002).
Un sistema puede ser definido como una coleccin de objetos o entidades que
interactan entre s para alcanzar un cierto objetivo (Guash et al, 2002). El estado de un
sistema puede ser definido por un conjunto mnimo de variables. A estas variables se las
denominan variables de estado.
Los sistemas se pueden clasificar segn su comportamiento a lo largo del tiempo en
(Guash et al, 2002):
Sistemas Continuos: Son aquellos en las que las variables de estado evolucionan
de un modo continuo a lo largo del tiempo.
Sistemas Discretos: Son aquellos en los que las propiedades de inters del
sistema cambian en un cierto instante o secuencia de instantes, que normalmente
obedecen a un patrn peridico.
- 27 -
Para que un modelo pueda ser procesado por un ordenador es necesario el uso de
modelos simblicos matemticos, los cuales reproducen con estructuras matemticas las
relaciones entre las propiedades fsicas del sistema que se pretende modelar. Para
garantizar una representacin eficiente del sistema real ha de tenerse en cuenta las
siguientes consideraciones:
Un modelo debe de recoger los aspectos esenciales del sistema real y al mismo
tiempo debe de ser una representacin lo ms simple posible.
Por lo general la simulacin conduce a una mejor comprensin del sistema real.
La simulacin no interfiere con el sistema real, por lo que este puede seguir
funcionando sin interferencias de ningn tipo.
Eventos: Son acciones instantneas que pueden cambiar el estado del modelo.
No consumen tiempo y se pueden clasificar en:
-
Actividades: Son las tareas o acciones que tienen lugar entre dos eventos.
Generalmente, tienen duracin temporal conocida, aunque esto no significa que
sea constante. En procesos estocsticos su duracin, y por lo tanto su instante de
finalizacin se determina a partir de una distribucin de probabilidad.
Entidades: Son los objetos que constituyen o se mueven a lo largo del sistemas.
Se pueden agrupar en dos grupos:
-
Recurso o entidades permanentes, que son los medios gracias a los cuales
se pueden ejecutar las actividades. Definen quien o qu ejecuta la
actividad, su nmero permanece constante a lo largo de la simulacin y
suelen parametrizarse por caractersticas tales como capacidad, velocidad
o tiempo de ciclo.
Entidades temporales: Son los objetos que llegan, se procesan y salen del
sistema. Se crean y se destruyen a lo largo de la simulacin.
- 30 -
Entorno contra pedido, MTO o entorno contra stock, MTS (Ver seccin 2.2).
del
La lnea de produccin va ha ser del tipo serie (flow-shop), compuesta por cuatro
estaciones en tndem, tal y como fue el modelo utilizado por Tardif en su estudio. Cada
estacin estar compuesta por una mquina, donde se realizarn el procesado del
trabajo, y un almacn intermedio de salida (o Output Buffer), donde el trabajo que sale
de la mquina va ha permanecer hasta que pueda pasar a la siguiente estacin. En la
siguiente figura se representa esta lnea de produccin:
Los crculos representan a las mquinas y los tringulos a los almacenes intermedios.
Las materias primas entran al sistema directamente del almacn de materias primas o
desde otra seccin anterior, mientras que los trabajos terminados se almacenarn hasta
su salida del sistema, en el almacn intermedio de salida de la ltima estacin, llamado
FGI (Finished Goods Inventory).
En el presente estudio se han considerado las siguientes hiptesis:
No hay retraso en el transporte de las piezas entre las distintas estaciones que
componen la lnea, es decir, el transporte se considera instantneo. (Tardif y
Maaseidvaag, 2001, Bonvik et al, 1997, Duri et al, 2000).
No se consideran trabajos de desecho que haya que retirar del sistema, es decir,
no se considera scrap.
- 34 -
(3)
Los escenarios en donde se van a realizar los experimentos son similares a los
empleados en la lnea de produccin que propuso Tardif y con la que se compar el
sistema PS (ver la seccin 2.3), la cual estaba formada por cuatro mquinas iguales, con
tiempos de procesado distribuidos segn una funcin exponencial de media 5. El tiempo
entre la llegada de cada cliente se distribua segn una funcin de Poisson de media 10.
El sistema objeto de estudio tambin est compuesto por cuatro mquinas iguales cuyos
tiempos de procesado van a venir definidos igualmente por una funcin de media 5. Sin
embargo, hemos credo que la demanda se representara de una manera ms real usando
una funcin exponencial. Para corroborar esto ltimo, realizamos una pequea serie de
pruebas piloto de los experimentos anteriores usando ambas distribuciones y en todas
obtuvimos valores muy altos del nivel de servicio para la distribucin de Poisson, del
orden de un 40-45% superior al nivel de servicio obtenido con la funcin exponencial a
igualdad de condiciones.
A la hora de elegir la media de esta funcin exponencial hay que tener en cuenta que un
valor grande permitira funcionar al sistema de una manera desahogada sin generar un
nmero significativo de clientes insatisfechos. Por el contrario, un tiempo de llegada
entre clientes medio muy pequeo llevara a la saturacin del sistema y sera muy difcil
satisfacer las necesidades de produccin por bueno que fuese el sistema. Tras la
realizacin de una serie de pruebas piloto los valores ms razonables se obtuvieron para
una funcin exponencial de media 8, por lo que este ha sido el valor tomado para el
resto de simulaciones.
- 35 -
Horizonte de simulacin
Warm-up o periodo de calentamiento
Nmero de rplicas
El primer paso a seguir es definir el escenario que se va a utilizar para calcular estos
parmetros. Al ser el nuestro, un problema de optimizacin, no conocemos a priori la
mejor configuracin que define al sistema por lo que parece razonable partir de una
regin de experimentacin alrededor de la empleada por los autores de PS, en el
experimento en el que comparaban las prestaciones del sistema PS con las del sistema
propuesto por Tardif y Maaseidvaag. La configuracin elegida fue K (0) = 2 y E = 8.
Estos autores partieron de un nmero de tarjetas bajo que les permitiera el estudio del
periodo transitorio. El parmetro E fue elegido tras la realizacin de una serie de
pruebas piloto y el nivel de servicio objetivo fue del 100% debido a que el sistema de
Tardif y Maaseidvaag esta diseado para operar al mximo nivel de servicio.
Estos valores de K (0) y E se han tomado como los puntos centrales de sendos intervalos
de radio dos, dentro de los cuales se han elegido de forma totalmente aleatoria los
valores de K (0) y E, de una batera de cinco experimentos que se han utilizado en el
clculo de los parmetros de simulacin. Para ello se ha usado la funcin
ALEATORIO.ENTRE (inferior, superior) del programa Excel de Microsoft, donde el
lmite inferior del intervalo ha sido de 1 y el superior de 4 para el parmetro K (0) y de 6
y 10 para el parmetro E. Los resultados obtenidos han sido los siguientes (Tabla 3.1):
Experimento 1
Experimento 2
Experimento 3
Experimento 4
Experimento 5
K
4
3
2
3
2
E
10
8
9
7
7
efectivo de simulacin, a lo largo del que se miden todas las estadsticas y valores que
nos van a permitir determinar el funcionamiento del sistema. Tanto el warm-up como el
tiempo efectivo de simulacin tienen que ser lo suficientemente largos. Si el warm-up es
corto, los valores obtenidos podran corresponder a una situacin concreta a corto plazo
y si el tiempo efectivo de simulacin fuera a su vez corto, los valores obtenidos no
representaran al funcionamiento buscado a largo plazo. Tampoco interesa un valor
excesivamente largo para estos, ya que el tiempo total de experimentacin sera muy
largo, consumiendo recursos computacionales intilmente. El tiempo efectivo de
simulacin, el warm-up y el nmero de rplicas se ha obtenido como se explica a
continuacin.
- 37 -
0,500
0,450
IC (99) WIP
0,400
0,350
Exp-1
0,300
Exp-2
0,250
Exp-3
0,200
Exp-4
Exp-5
0,150
0,100
0,050
5000 15000 25000 35000 45000 55000 65000 75000
T-W
Grfica 3.1. Intervalos de confianza para el inventario en proceso. Clculo de T-W.
- 38 -
7,000
6,000
Exp-1
Exp-2
Exp-3
Exp-4
Exp-5
5,000
4,000
3,000
2,000
1,000
5000
T-W
Grfica 3.2. Intervalos de confianza para el nivel de servicio. Clculo de T-W.
Se observa que conforme los tiempos efectivos de simulacin van aumentando, los
intervalos de confianza van siendo menores. A partir de 35.000 unidades de tiempo el
valor de los intervalos de confianza se mantienen dentro de unos lmites aceptables, por
lo que este va ser el valor tomado para el tiempo efectivo de simulacin de aqu en
adelante.
- 39 -
3.4.2 WARM-UP
Para la siguiente batera de simulaciones el valor inicial del warm-up va ha ser de
30.000 unidades de tiempo, que junto con el valor del tiempo efectivo de simulacin
elegido en el apartado anterior, hace un horizonte de simulacin de 65.000 unidades de
tiempo. El valor del warm-up va ir disminuyendo de 1.000 unidades en 1.000 unidades
de tiempo hasta un valor final de 1.000. Esto hace un total de treinta simulaciones para
cada configuracin del sistema, realizndose tambin cincuenta rplicas de cada
simulacin. Los resultados obtenidos para los intervalos de confianza del WIP y el nivel
de servicio han sido (grficas 3.3 y 3.4):
0,220
0,200
Exp1
IC (99) WIP
0,180
Exp2
0,160
Exp3
Exp4
0,140
Exp5
0,120
0,100
0
5000
10000
15000
20000
25000
30000
2,900
2,700
Exp1
2,500
Exp2
2,300
Exp3
2,100
Exp4
Exp5
1,900
1,700
1,500
0
5000
10000
15000
20000
25000
30000
- 40 -
En este caso no hay una disminucin del tamao de los intervalos de confianza tan clara
como en el apartado anterior, por lo que parece ser que el warm-up no influye en gran
medida en el funcionamiento de este tipo de sistemas. Sin embargo tomamos un warmup de 18.000 unidades de tiempo para tener una cierta garanta de evitar los efectos
transitorios.
- 41 -
0,450
IC (99) WIP
0,400
0,350
Exp-1
0,300
Exp-2
Exp-3
0,250
Exp-4
Exp-5
0,200
0,150
0,100
5
15
25
35
45
N Rplicas (n)
7,000
6,500
6,000
5,500
5,000
4,500
4,000
3,500
3,000
2,500
2,000
Exp-1
Exp-2
Exp-3
Exp-4
Exp-5
15
25
35
45
N Rplicas (n)
- 42 -
- 43 -
CAPTULO 4:
DISEO DE LOS EXPERIMENTOS Y
OPTIMIZACIN RSM
- 44 -
4.1 INTRODUCCIN
El diseo de experimentos es una potente herramienta que se usa ampliamente en el
mundo de la ingeniera, ya sea para mejorar o desarrollar un proceso de fabricacin, ya
sea para el diseo y mejora de productos. Las aplicaciones en el primer caso pueden ser
por ejemplo:
Mejoras en el rendimiento del proceso
Reduccin en el tiempo de desarrollo
Reduccin de costos
Un experimento se define como una prueba o serie de pruebas en las que se hacen
cambios deliberados en las variables de entrada de un proceso o sistema para observar e
identificar las razones de los cambios que pudieran observarse en la respuesta de salida
(Montgomery, 1991).
Un proceso o sistema puede representarse con el modelo de la figura 4.1:
- 45 -
Factores controlables
X1
Xp
Entradas
Proceso
Salida
Y
Z1 Z2
Zq
Factores no controlables
Figura 4.1 Modelo general de un proceso o sistema
donde el proceso puede ser una combinacin de mquinas, personas, mtodos u otros
recursos que transforman cierta entrada en una salida que tiene una o ms respuestas
observables. Algunas variables del proceso x1, x2, ..., xp son controlables, mientras que
otras z1, z2, ..., zq no son controlables. A los distintos valores que toman los factores se
les denominan niveles. Supongamos un experimento de laboratorio en el que se
pretende obtener la mayor concentracin de un compuesto C a partir de otros dos A y B.
La reaccin qumica se realiza en un reactor en el que se puede fijar la temperatura pero
no la humedad. El proceso ser la reaccin qumica mediante la cual se obtiene el
producto C. Los compuestos A, B y la temperatura sern factores controlables y la
humedad ser un factor no controlable. La salida o respuesta ser el compuesto C. De
los compuestos A y B se tienen varias concentraciones, que sern los distintos niveles
que tomarn cada uno de ellos, de la misma forma que los diferentes valores que tome
la temperatura sern los niveles de esta. A las diferentes formas de llevar a cabo y
plantear este experimento se las denominan estrategias de experimentacin.
Una estrategia sera la del enfoque de la mejor hiptesis, consistente en que el
experimentador selecciona una combinacin de los factores que intervienen en el
experimento, probndolos y ver que pasa. Segn sea la respuesta obtenida acta. Esta
estrategia puede dar buenos resultados si el experimentador tiene gran experiencia en la
realizacin de ese tipo de experimentos y profundos conocimientos del sistema que est
estudiando. Sin embargo este enfoque presenta dos serias desventajas. La primera es
que el experimentador no obtenga los resultados deseados en la hiptesis inicial, por lo
que deber hacer otra combinacin. Esto se puede repetir por mucho tiempo sin llegar a
resultados satisfactorios, consumiendo recursos intilmente. La segunda es que el
experimentador obtenga un resultado satisfactorio en la hiptesis inicial, dando esa
combinacin por buena, suspendiendo las pruebas sin garanta de haber llegado a la
mejor combinacin.
Otra estrategia es el enfoque secuencial de un factor a la vez. Este mtodo consiste en
seleccionar una combinacin de partida, para posteriormente ir variando sucesivamente
- 46 -
Concentracin de C (gr/l)
un solo factor manteniendo el resto de los factores constantes. Una vez hallada la mejor
respuesta para ese factor, se fija su valor y hace variar al siguiente de los factores hasta
obtener otro mximo de la respuesta, repitindose el proceso hasta hallar el mximo
valor de la respuesta correspondiente al ltimo de los factores, lo cual no garantizara
que fuera el ptimo del sistema. Veamos la aplicacin de esta estrategia al ejemplo del
experimento de laboratorio comentado anteriormente. Por motivos de claridad
supongamos que el experimentador decide no tener en cuenta la humedad debido a que
su influencia es muy pequea en la respuesta y que la temperatura se mantiene constante
a lo largo de todo el experimento, por lo que no la tiene en cuenta. El punto inicial es
una concentracin de A de 6 gramos por litro y una de B de 3 gr/l, obtenindose una
concentracin de C de 4 gr/l. Mantiene fijo el valor de la concentracin de B
obtenindose los siguientes valores, grfica 4.1:
8
7
6
5
4
3
5
10
15
20
Concentracin de A (gr/l)
Concentracin de C (gr/l)
Podemos observar en la grfica como para un valor de A de 12,5 gr/l tenemos una
mxima concentracin de C de 7,2 gr/l, luego repetimos el proceso, variando la
concentracin de B y manteniendo constante la de A en el valor de 12,5 gr/l. Se obtienen
los siguientes resultados, grfica 4.2:
10
9
8
7
6
5
2
10
12
14
16
Concentracin de B (gr/l)
- 47 -
Vemos que el mximo valor de C es de 8,1 gr/l y se ha obtenido para una concentracin
de B de 13,5 gr/l. Esta estrategia nos ha llevado a un valor de concentracin de C de 8.1
gr/l, para unas concentraciones de los factores A y B de 12,5 gr/l y 13,5 gr/l
respectivamente. Aparentemente el procedimiento esta bien organizado, conduce al
ptimo y los resultados son muy fciles de analizar, sin embargo esta estrategia tiene
dos graves carencias. La primera es que no asegura que alcancemos al ptimo global,
slo un ptimo aparente. Observemos la figura 4.2:
15
9
12
9
6. 5
6
7
7. 2
12
15
18
20
11
11
10
10
7
2%
2%
4%
4%
Polmero F
Polmero E
Ante estos resultados los experimentadores piensan que usando ambos polmeros en la
composicin del neumtico sus efectos se sumaran, reduciendo aun ms la distancia de
frenado, por lo que deciden realizar cuatro pruebas ms, usando las cuatro
combinaciones posibles entre los dos niveles de cada uno de los dos factores
obtenindose grfica 4.5:
12
11
Polmero F al 2%
10
9
Polmero F al 4%
8
7
2%
4%
Polmero E
Se observa que las rectas se cruzan, indicando que hay interaccin entre los factores,
obtenindose una distancia de frenado de 7.5 metros para la combinacin del polmero
E en su nivel E1 con el polmero F en su nivel F2. Por el contrario, si las rectas del
- 49 -
12
11
Polmero F al 2%
10
Polmero F al 4%
9
8
2%
4%
Polm ero E
- 50 -
- 51 -
7.5
11
10
2%
4%
Polmero F
4%
2%
Polmero E
E=
Lo que significa que cuando el factor E pasa de su nivel bajo al alto, la distancia de
frenado se incrementa en 1,25 metros. De manera similar se calcula el efecto principal
F, que es:
- 52 -
F=
Se observa que la distancia de frenado disminuye en 0.25 metros al pasar del nivel bajo
de F al nivel alto. Esto significa que ambos factores interaccionan. El efecto de la
interaccin se puede hallar calculando el efecto de E con el nivel bajo de F, E = (9-10) =
-1 y el efecto de E con el nivel alto de F, E = (11-7.5) = 3.5, siendo la magnitud del
efecto de la interaccin EF el promedio de estas dos cantidades: EF = 3.5-(-1) = 4.5,
valor que indica que la interaccin puede ser grande comparada con los efectos
principales.
Las observaciones de un experimento factorial se pueden describir por un modelo,
siendo las formas ms habituales el modelo de regresin, el modelo de las medias y el
modelo de los efectos fijos, (Montgomery, 1991). Supongamos un experimento factorial
general de dos factores, A y B, con a y b niveles respectivamente y n rplicas. El modelo
de regresin vendra dado por:
y = 0 + 1 x1 + 2 x2 + 12 x1 x2 +
(4)
i = 1, 2,..., a
j = 1, 2,..., b
k =1, 2,..., n
yijk = ij + ijk
(5)
- 53 -
i = 1, 2,..., a
j = 1, 2,..., b
k =1, 2,..., n
yi jk = + i + j + ( )i j + ijk
(6)
donde es comn a todos los factores y se llama media global, i es el efecto del nivel
i-simo del factor A, j es el efecto del nivel j-simo del factor B, ()ij es el efecto de
la interaccin entre A y B , y ijk es un componente del error relativo. Se supone que
los efectos de los tratamientos se definen como las desviaciones de la media global, por
a
b
lo que = 0 y = 0 , similarmente se tiene que los efectos de las
i =1
j =1
( ) = ( )
b
i =1
ij
j =1
ij
= 0 . Habr abn
H 0 :1 = 2 = L = a = 0
H 1 : al menos una i 0
A Ho se le denomina hiptesis nula y a H1 hiptesis alternativa.
La posible igualdad de los efectos de los b distintos niveles de B con:
H 0 : 1 = 2 = L = b = 0
H 1 : al menos una j 0
- 54 -
H 0 : ( )ij = 0
H 1 : al menos una ( )ij 0
Estas hiptesis se demuestran mediante el anlisis de varianza de los factores, con el
que se analiza la variabilidad total, estudiando la variabilidad de cada uno de los
componentes del experimento. La variabilidad global de los datos se mide con la suma
de cuadrados total corregida, SST. Intuitivamente, su uso se explica por que una medida
estndar de la variabilidad es la varianza muestral, y si se divide SST por los grados de
libertad (abn-1) se obtiene la varianza muestral de las respuestas obtenidas en el
experimento. Tengamos, (Montgomery, 1991):
b
yi .. = yijk
yi .. =
j =1 k =1
a
y. j . = yijk
y. j . =
i =1 k =1
n
yij . = yi jk
yij . =
y... = yijk
i =1 j =1 k =1
bn
yij .
an
yij .
n
y
y... = ...
abn
k =1
yi ..
i = 1, 2,..., a
(7)
j = 1, 2,..., b
(8)
i = 1, 2,..., a
j = 1, 2,..., b
(9)
(10)
i =1 j =1 k =1
i =1 j =1 k =1
j =1
i =1 j =1
i =1 j =1 =1
(11)
Simblicamente se puede escribir, (Montgomery, 1991):
SST = SS A + SS B + SS AB + SS E
(12)
- 55 -
Efecto
A
B
Interaccin AB
Error
Total
Grados de libertad
a-1
b-1
(a-1)(b-1)
ab(n-1)
abn-1
La asignacin de los grados de libertad puede justificarse por que los efectos
principales, A y B, tienen a y b niveles respectivamente, y por lo tanto (a-1) y (b-1)
grados de libertad. Los grados de libertad de la interaccin son los ab-1 grados de
libertad de todos los niveles menos el nmero de grados de libertad de los dos factores
principales A y B con lo que tenemos, ab-1-(a-1)-(b-1)= (a-1)(b-1). Para cada uno de los
ab niveles tenemos n rplicas con (n-1) grados de libertad, con lo que habr ab(n-1)
grados de libertad para el error. Si sumamos los grados de libertad de los efectos
principales, la interaccin y el error, tendremos los grados de libertad totales, estando en
consonancia con lo indicado en la ecuacin simblica de SST.
Cada suma de cuadrados dividida por sus grados de libertad es un cuadrado medio y sus
valores esperados son:
a
bn i2
SS
E ( MS A ) = E A = 2 + i =1
a 1
a 1
b
(13)
an j
(14)
SS
j =1
E (MS B ) = E B = 2 +
b 1
b 1
a
n ( )ij
2
SS AB
= 2 + i =1 j =1
E (MS AB ) = E
(a 1) (b 1)
(a 1) (b 1)
SS E
E (MS E ) = E
= 2
ab(n 1)
(15)
(16)
Si la hiptesis nula de los efectos del factor A, de los efectos del factor B y la
interaccin AB fuera verdadera, tendramos que los cuadrados medios MSA, MSB, MSAB
y MSE serian estimadores insesgados de la varianza 2, sin embargo, si la hiptesis nula
fuera falsa, habra diferencias entre los cuadrados medios MSA, MSB, MSAB y MSE,
siendo MSA, MSB y MSAB mayores que el cuadrado medio del error MSE. Basta dividir el
cuadrado medio de los factores A, B y la interaccin AB por el cuadrado medio del error
para probar la significacin de los efectos principales y su interaccin.
- 56 -
Suponiendo que el modelo de los factores fijos es adecuado y que los trminos del error,
ijk, siguen una distribucin normal e independiente con varianza 2 constante, entonces
los cocientes anteriormente comentados, MSA/ MSE, MSB/ MSE y MSAB/ MSE se
distribuyen como una distribucin F con a-1, b-1 y (a-1)(b-1) grados de libertad en el
numerador, respectivamente, y con ab(n-1) grados de libertad en el denominador,
siendo la regin crtica la cola superior de la distribucin F. Cada uno de estos cocientes
va ha ser el estadstico de prueba F0 para la hiptesis nula, H0, de que no hay diferencias
entre los efectos del factor correspondiente al cuadrado medio del numerador,
rechazndose H0 si para cada efecto se cumple lo siguiente, (Montgomery, 1991):
Efecto A
Efecto B
F0 > F ,b 1,ab ( n 1)
Efecto de la interaccin AB
A modo de resumen, todos los pasos del anlisis de varianza se muestran en la siguiente
tabla, (Montgomery, 1991):
Fuente de
variacin
Suma de
cuadrados
Grados
de
libertad
Factor A
SS A
a-1
Factor B
SS B
b-1
Interaccin
SS AB
(a-1)(b-1)
Error
SS E
ab(n-1)
Total
SST
abn-1
Cuadrado medio
F0
SS A
(a 1)
SS B
MS B =
(B 1)
MS A
MS E
MS B
F0 =
MS E
MS A =
MS AB =
SS AB
(a 1) (b 1)
MS E =
F0 =
F0 =
MS AB
MS E
Condicin de rechazo
F0 > F ,a 1,ab ( n 1)
SS E
ab(n 1)
Tabla 4.1. Tabla del anlisis de varianza para el diseo factorial de dos factores, A y B, con a y b niveles,
respectivamente, n rplicas y descrito con el modelo de factores fijos.
Todos los conceptos vistos hasta ahora se han aplicado a un experimento factorial de
dos factores. Para el caso general con k factores no hay ms que aadir los trminos
correspondientes, siendo el planteamiento del problema anlogo a lo visto hasta ahora.
- 57 -
ei jk = yijk y ijk
(17)
(18)
En el anlisis grfico de los residuales se suelen emplear tres pruebas, como son la
comprobacin de normalidad, la representacin de los residuales frente al tiempo y la
representacin de los residuales contra los valores ajustados.
La comprobacin de normalidad se realiza mediante una grfica de probabilidad normal
para los residuales, donde estos deben aparecer como una muestra de una distribucin
normal independiente con centro en cero si se cumple el supuesto de que los errores se
distribuyen como una normal independiente de media cero y varianza 2. Si la grfica
tiene la apariencia de una recta, esto indicara que se cumple el supuesto. Es frecuente
que un residual sea mucho ms grande que cualquiera de los otros, llamndosele punto
atpico. Las causas de la aparicin de un punto atpico pueden ser un error en los
clculos, un error al copiarlo, etc. Para detectar si un punto es atpico se examinan los
residuales estandarizados, (Montgomery, 1991):
dij =
eij
MS E
(19)
Si los errores son una distribucin normal independiente de media cero y varianza 2,
NID (0, 2), los residuales estandarizados debern ser aproximadamente normales con
media cero y varianza uno, por lo que cerca del 68% de ellos debern estar dentro de los
lmites 1, cerca del 95% dentro de 2 y prcticamente todos dentro de 3, as que si dij
es mayor de tres, estamos ante un punto atpico potencial.
La representacin de los residuales frente al tiempo de realizacin de la prueba busca
detectar correlaciones entre los residuales. Si en esta representacin se observa que los
residuales siguen un patrn indicara que el supuesto de independencia no se cumplira.
En la representacin de los residuales contra los valores ajustados los supuestos se
- 58 -
- 59 -
3
3
estas combinaciones se escriben como (1), a, b, ab, c, ac, bc y abc, notacin que
significa que el factor representado por la letra minscula se encuentra en su nivel alto y
los factores ausente se encuentran en su nivel bajo, as por ejemplo, la combinacin ab
significa que los factores A y B se encuentran en su nivel alto y el factor C en el bajo.
Con estos smbolos tambin se representan los totales de las n rplicas para cada
combinacin. Esto se ve claramente en la figura 4.4:
abc
bc
+ alto
Factor C
ac
ab
+ alto
- bajo
(1)
- bajo
- bajo
Factor A
+ alto
- 60 -
Ensayo
Combinacin
de
tratamientos
1
2
3
4
5
6
7
8
(1)
a
b
ab
c
ac
bc
abc
Efecto factorial
I
+
+
+
+
+
+
+
+
A
+
+
+
+
B
+
+
+
+
AB
+
+
+
+
C
+
+
+
+
AC
+
+
+
+
BC
+
+
+
+
ABC
+
+
+
+
1
[ (1) + a b + ab c + ac bc + abc]
4n
(20)
Siendo n el nmero de rplicas y las letras en minscula las cantidades totales de las n
rplicas para la combinacin dada. La cantidad entre corchetes se obtiene multiplicando
la columna del factor A con la de las combinaciones de los tratamientos y representa al
contraste entre las cuatro combinaciones de los tratamientos de la cara derecha del cubo
de la figura 4.4. De manera similar se calculan los efectos de los factores B y C,
(Montgomery, 1991):
B=
1
[ (1) a + b + ab c ac + bc + abc]
4n
(21)
C=
1
[ (1) a b ab + c + ac + bc + ac]
4n
(22)
- 61 -
Las interacciones se calculan de forma anloga, teniendo entre corchetes los contrastes
de las combinaciones de los tratamientos, (Montgomery, 1991).
AB =
1
[(1) a b + ab + c ac bc + abc]
4n
(23)
AC =
1
[(1) a + b ab c + ac bc + abc]
4n
(24)
BC =
1
[(1) + a b ab c ac + bc + abc]
4n
(25)
ABC =
1
[ (1) + a + b ab + c ac bc + abc]
4n
(26)
Las sumas de cuadrados necesarias para el anlisis de varianza se van a calcular tambin
fcilmente, (Montgomery, 1991):
(Contraste)
SS =
8n
(27)
Todo lo presentado hasta ahora se puede ampliar sin problemas al diseo general 2k.
Bastar con construir la matriz de diseo para los k factores y a partir de ella calcular los
efectos principales, efectos de las interacciones y las sumas de cuadrados segn las
formulas, (Montgomery, 1991):
AB L K =
2
(Contraste ABLK )
n2 k
(28)
SS A BLK =
1
2
(Contraste ABLK )
k
n2
(29)
En el primer paso estimamos los efectos de los factores y sus interacciones, como ya se
ha comentado y a continuacin se examinan sus signos y magnitudes, lo cual nos dar
una idea preliminar de cmo se desarrolla el experimento, indicndonos cuales pueden
ser importantes y en que direccin debern ajustarse.
Normalmente, para formar el modelo inicial se elige el modelo completo con todos los
factores e interacciones. En el paso tercero se va a realizar el anlisis de varianza para
probar formalmente la significacin de los efectos principales y las interacciones. El
anlisis de varianza para un diseo factorial 2k con n rplicas se muestra en la siguiente
tabla:
- 63 -
Fuente de
variacin
Suma de
cuadrados
Grados de
libertad
Cuadrado medio
SSA
MSA = SSA
SSB
MSB=SSB
SSK
MSK=SSK
AB
SSAB
MSAB=SSAB
AC
SSAC
MSAC=SSAC
JK
SSJK
MSJK = SSJK
ABC
SSABC
MSABC = SSABC
ABD
SSABD
MSABD = SSABD
IJK
SSIJK
MSIJK = SSIJK
ABCK
SSABCK
MSABCK=SSABCK
Error
SSE
2k(n-1)
Total
SST
n2k-1
F0
Condicin de
rechazo
k
efectos principales
MS A
MS E
MS B
F0 =
MS E
F0 =
F0 > F
,1, 2 k ( n 1 )
F0 > F
,1, 2 k ( n 1 )
MS K
MS E
F0 > F
MS AB
MS E
MS AC
F0 =
MS E
F0 > F
F0 =
,1, 2 k ( n 1 )
k
2
interacciones de dos
factores
F0 =
,1, 2 k ( n 1 )
F0 > F
,1, 2 k ( n 1 )
MS JK
F0 =
MS E
F0 > F
MS ABC
MS E
MS ABD
F0 =
MS E
F0 > F
,1, 2 k ( n 1 )
k
3
interacciones de
tres factores
F0 =
,1, 2 k ( n 1 )
F0 > F
,1, 2 k ( n 1 )
MS IJK
MS E
F0 > F
MS ABC ... K
MS E
F0 > F
F0 =
,1, 2 k ( n 1 )
k
k
interacciones de k
factores
MS E =
F0 =
SS E
n2 k 1
Tabla 4.3. Tabla del anlisis de varianza para el diseo factorial 2k con n rplicas.
- 64 -
,1, 2 k ( n 1 )
Factor A (C)
Factor B (%)
Factor C
Tabla 4.4. Niveles de los factores implicados en el ejemplo de diseo factorial 23.
abc
bc
Factor C
ac
ab
30 %(+)
NO (-)
(1)
25 C (-) Factor A
20 %(-)
45 C (+)
(1)
a
b
ab
c
ac
bc
abc
I
+
+
+
+
+
+
+
+
A
+
+
+
+
B
+
+
+
+
AB
+
+
+
+
C
+
+
+
+
AC
+
+
+
+
BC
+
+
+
+
ABC
+
+
+
+
Tabla 4.5. Matriz del diseo del ejemplo de diseo factorial 23.
1 =
1 35
Variables
naturales
1 2 3
25 20 no
45 20 no
25 30 no
45 30 no
25 20 si
45 20 si
25 30 si
45 30 si
10
Variables
codificadas
x1 x2 x3
-1 -1 -1
1
-1 -1
-1
1
-1
1
1
-1
-1 -1
1
1
-1
1
-1
1
1
1
1
1
2 =
2 25
5
Respuestas
Rplica 1
Rplica 2
1590
1217
1090
491
1704
1083
1004
513
1420
1207
790
470
1500
1193
1105
641
Una vez el experimento esta diseado se pasa a realizar los clculos estadsticos. En
primer lugar de calculan los efectos de los factores y las interacciones, y a continuacin
las suma de cuadrados.
- 66 -
A
B
C
AB
AC
BC
ABC
Error
Total
EFECTOS
-423,50
-601,25
58,50
-45,00
-47,25
47,00
38,25
SS
Contribucin porcentual
717409,00
31,07
1446006,25
62,63
13689,00
0,59
8100,00
0,35
8930,25
0,39
8836,00
0,38
5852,25
0,25
99871,00
4,33
2308693,75
100,00
Tabla 4.7.Contribucin porcentual de cada suma de cuadrados en el ejemplo de diseo factorial 23.
Observando las sumas de los cuadros se puede observar en un primer momento que los
efectos principales A y B dominan el proceso. Tambin llama la atencin su signo
negativo, que significa que aumentando tanto la temperatura como la proporcin de
endurecedor, disminuir el tiempo de fraguado. En la ltima columna de la tabla 4.7. se
expone la contribucin porcentual de cada uno de los trminos a la suma de cuadrados
total. Como se puede observar slo los factores A y B representan el 93.70 % de la
variabilidad total, mientras que el factor C y las interacciones de los factores representan
apenas el 2 %. Tambin parece lgico pensar que la temperatura va a influir ms en la
disminucin del tiempo de fraguado ya que su contribucin es prcticamente el doble
que la de la proporcin de endurecedor.
En el anlisis de varianza que se muestra en la tabla 4.8. se puede confirmar esto. Para
que un efecto o sus interacciones sean significativas se deba de cumplir la condicin
F0 > F ,1,8 . Se eligi un nivel de significacin = 0.05, que utilizando la funcin del
programa Excel DISTR.F.INV , da un valor de F0.05,1,8 = 5.32.
A
B
C
AB
AC
BC
ABC
Error
Total
EFECTOS
SS
-423,50 717409,00
-601,25 1446006,25
58,50
13689,00
-45,00
8100,00
-47,25
8930,25
47,00
8836,00
38,25
5852,25
99871,00
2308693,75
g.d.l
1
1
1
1
1
1
1
8
15
MSS
717409,00
1446006,25
13689,00
8100,00
8930,25
8836,00
5852,25
12483,875
Fo
57,47
115,83
1,10
0,65
0,72
0,71
0,47
Fo Tablas
5,32
5,32
5,32
5,32
5,32
5,32
5,32
Tabla 4.8. Anlisis de varianza de los datos del ejemplo de diseo factorial 23.
- 67 -
1300,00
Respuesta Media
1200,00
1100,00
1000,00
900,00
800,00
-1,5
-1
-0,5
0,5
1,5
Factor A
Grfica 4.7. Factor A frente a la respuesta media en el ejemplo de diseo factorial 23.
1450,00
Respuesta Media
1350,00
1250,00
1150,00
1050,00
950,00
850,00
750,00
-1,5
-1
-0,5
0,5
1,5
Factor B
Grfica 4.8. Factor A frente a la respuesta media en el ejemplo de diseo factorial 23.
- 68 -
Los regresores x1 y x2 son las variables codificadas de los distintos niveles de los
factores A y B respectivamente.
El siguiente paso pretende verificar la adecuacin del modelo para lo que se va a
emplear el anlisis grfico de los residuales para lo que se va a emplear tres grficas. La
primera de ellas va a representar la probabilidad normal de los residuales, en la segunda
los residuales frente a las respuestas predichas por el modelo anterior y en la tercera los
residuales frente al orden en el que se han realizado las observaciones. Para la
realizacin de estas tres grficas hay que calcular previamente los valores de los
residuales. A continuacin se muestras estos valores y las tres grficas:
- 69 -
% de probabilidad normal
99
95
90
70
50
30
20
10
-184.75
-106
-27.25
51.5
130.25
Residuales
En la grfica 4.10. se han representado los residuales frente a los valores del tiempo de
fraguado estimados por el modelo de regresin. En la que no se observa ningn patrn
que haga sospechar la inadecuacin del modelo:
- 70 -
200,00
150,00
Residuales
100,00
50,00
0,00
0,00
-50,00
500,00
1000,00
1500,00
2000,00
-100,00
-150,00
-200,00
200,00
150,00
Residuales
100,00
50,00
0,00
-50,00
10
15
20
-100,00
-150,00
-200,00
Nmero de observacin
- 71 -
- 72 -
C5
25
C4
20
15
C3 Factor B
Respuesta
10
C2
C5
C3
0
1
Factor B
C1
C1
1
Factor A
Factor A
La funcin ajustada que se suele emplear es una ecuacin polinomial que puede ser de
primer o segundo grado. Si la respuesta est bien modelada por una funcin lineal de las
variables independientes, la funcin aproximada ser un polinomio de primer orden,
llamado modelo de superficie de respuesta de primer orden, (Montgomery, 1991)
(Cornell, 1990):
y = 0 + 1 x1 + 2 x 2 + L + k x k +
(30)
i =1
i =1
y = 0 + i xi + ii x 2 i + i j xi x j +
(31)
i< j i< j
Los i son los coeficientes de regresin para los trminos de primer orden, los ii son los
coeficientes para los trminos cuadrticos puros, los ij son los coeficientes para los
trminos cruzados y representa el ruido o error observado.
Los parmetros de estos modelos se estiman mediante el mtodo de mnimos cuadrado.
En casi todos los problemas RSM se usan uno o ambos polinomios. La RSM es un
proceso secuencial que comienza aproximando la funcin de respuesta con el modelo de
primer orden, modelo que representa a un hiperplano de k dimensiones. Cuando
estamos en un punto lo suficientemente alejado del ptimo, el sistema presenta una
curvatura moderada y el modelo de primer orden se ajustar de manera apropiada.
Conforme vayamos acercndonos a la vecindad del ptimo, la superficie se ir curvando
ms y el modelo de primer orden ya no se ajustar a su curvatura, por lo que habr que
aproximar la funcin de respuesta por un modelo de segundo orden que la tenga en
cuenta mediante los trminos cuadrticos, x2i, y los trminos de los productos cruzados,
xixj.
Los modelos ajustados de primer orden y segundo orden se obtienen sustituyendo los
coeficientes de regresin del modelo de superficie de respuesta de primer y segundo
orden, respectivamente, por sus estimaciones, obtenindose la respuesta aproximada, ,
(Montgomery, 1991, Cornell, 1990):
k
y = 0 + i x i
i =1
- 74 -
(32)
i =1
i =1
y = 0 + i xi + ii x 2 i + i j xi x j
(33)
i< j i< j
Para medir la adecuacin del modelo que se pretender ajustar, ya sea de primer orden
como de segundo, se emplean las pruebas de significacin de los coeficientes, el anlisis
grfico de los residuales y la prueba de falta de ajuste. Con la prueba de significacin se
pretende comprobar que todos los trminos del modelo propuesto son significativos.
Con el anlisis de los residuales que las respuestas aproximadas ofrecidas por el modelo
son lo suficientemente prximas a las reales. Con la prueba de la falta de ajuste que la
superficie de respuesta proporcionada por el modelo ajustado recoge con suficiente
exactitud la curvatura de la real.
La utilidad de ambos modelos ajustados se mide con ciertas pruebas de hiptesis que
requieren que el error siga una distribucin normal e independiente con media cero y
varianza 2, resultando por tanto, que las respuestas tengan una distribucin normal e
independiente con media 0+ki=1 ixi y varianza 2.
La prueba de significacin de los coeficientes del modelo ajustado requiere al menos
nk+1 valores de la respuesta. La prueba de hiptesis en este caso es (Montgomery,
1991, Cornell, 1990):
H 0 : 1 : 2 = L = k = 0
H 1 : al menos una j 0
donde el rechazo de H0 implica que al menos uno de los regresores x1, x2,..., xk
contribuye de modo significativo al modelo. El procedimiento de prueba es un anlisis
de varianza de las distintas fuentes de variacin que contribuyen a la variacin total de
los datos. La variacin total recibe el nombre de suma de cuadrados total SST que se
divide en la suma de cuadrados debida al modelo o a la regresin, SSR, ms la suma de
cuadrados residual o debida al error, SSE, (Montgomery, 1991) ( Cornell, 1990):
2
SST = ( yi y )
(34)
i =1
SS R = ( y i y )
(35)
i =i
SS E = ( y i yi )
i =1
- 75 -
(36)
Fuente de
variacin
Suma de
cuadrados
Grados de
libertad
Regresin
SS R
Residual
SS E
n-k-1
Total
SST
n-1
Cuadrado medio
F0
MS R
SS R
F0 =
MS E
k
SS E
MS E =
(n k 1)
MSR =
Condicin de
rechazo
F0 > F , k , n k 1
Tabla 4.10. Tabla del anlisis de varianza de la significacin de los coeficientes estimados.
Adems de esta prueba se puede hacer un anlisis del ajuste del modelo con el
coeficiente de determinacin mltiple R2, que es la proporcin total de la variacin de
las respuestas yi, con respecto a la media que se puede explicar con la ecuacin de
regresin ajustada. R2 se calcula como, (Montgomery, 1991, Cornell, 1990):
R2 =
SS R
SST
(37)
La siguiente prueba a la que siempre deber someterse el modelo que se pretende ajustar
es la del anlisis grfico de los residuales. Este anlisis se hace anlogamente a como se
ha comentado en las secciones 4.2 y 4.3 de este mismo captulo.
La prueba de falta de ajuste (Montgomery, 1991, Cornell, 1990), ser la que cierre la
batera de pruebas que siempre habr que hacer para estar seguros de que el modelo
ajustado es adecuado. Para la realizacin de esta prueba se requiere que se cumpla:
(38)
- 76 -
SS PE = ( y ij y i )
m
ni
(39)
i =1 j =1
(n
i =1
1) = n m
(40)
SS LOF = n i ( yi y i )
(41)
i =1
El significado de SSLOF es que si los valores ajustados i estn cerca de las respuestas
promedio y i correspondientes, entonces hay un fuerte indicio de que el modelo
aproximado de primer orden es lineal. Si las i se desvan mucho de las y i entonces es
probable que el modelo ajustado no sea lineal. Hay mp grados de libertad asociados
con SSLOF por que hay m niveles de x, y se pierden p grados de libertad porque deben
estimarse p parmetros del modelo. SSLOF es ms cmodo calcularla mediante la
diferencia, (Montgomery, 1991, Cornell, 1990):
(42)
Para la prueba de falta de ajuste el estadstico, (Montgomery, 1991, Cornell, 1990) es:
SS LOF
F0 =
SS PE
(m p )
(43)
(n m )
producto cruzado y/o trminos de mayor grado en x1, x2,..., xk. Si se requieren puntos
adicionales para estimar coeficientes, estos se aaden. Se renen los datos y se vuelve a
hacer el anlisis.
Como ya se ha comentado anteriormente, la metodologa RSM es un proceso secuencial
que suele empezar por el ajuste de un modelo de primer orden. Si este modelo propuesto
pasa las pruebas anteriormente expuestas, se podr considerar adecuado y se podr usar
el mtodo de la mxima pendiente con l.
El mtodo de la mxima pendiente es un proceso por el que nos movemos
secuencialmente a lo largo de la superficie de respuesta en la direccin de la mxima
pendiente en el sentido del mximo ascenso, si se quiere ir en busca del mximo, o en el
sentido del mximo descenso si se busca el mnimo. Este mtodo se emplea tanto en
problemas de maximizacin como en problemas de minimizacin, en cuyo caso se
denomina mtodo del descenso ms pronunciado.
La direccin de mximo ascenso, en la que aumenta ms rpido, es paralela a la
normal de la superficie de respuesta y se suele tomar la trayectoria que pasa por el
centro de la regin de inters, por lo tanto los pasos a lo largo de ella son proporcionales
a los coeficientes de regresin, i . El tamao de los pasos los elige el experimentador y
las coordenadas de los puntos sobre la trayectoria del ascenso ms pronunciado se
determinan por el siguiente algoritmo, (Montgomery, 1991):
1. Se elige el tamao del paso en una de las variables del proceso, x j , eligindose
normalmente la variable con mayor coeficiente de regresin en valor absoluto,
j .
2. El tamao del incremento de las otras variables se calcula por:
x i =
i
j
i = 1, 2,, k; i j
(44)
x j
- 78 -
i =1
i =1
y = 0 + i x i + ii x 2 i + ij x i x j +
(45)
i< j i< j
i =1
i =1
y = 0 + i xi + ii x 2 i + ij xi x j
(46)
i< j i< j
0
0
-40
-40
-80
-120
-160
-120
-200
-160
-6
-200
-2
X1
2
-2
6
10
-10
-6
X2
- 79 -
-80
200
200
160
160
120
y
120
y
80
80
40
40
0
-6
-2
2
X1
-2
6
10
-10
-6
2
X2
150
150
100
100
50
-50
50
-50
-100
-6
-100
-2
X1
2
-2
6
10
-10
-6
X2
- 80 -
y = 0 + x' b + x' Bx
(47)
donde:
x1
x
x = 2
M
xk
11
B=
b = 2
M
12
1k
2
2 k
L
22
2
O
M
simetrica
kk
2
y
= b + 2 Bx = 0
x
(48)
1
x s = B 1 b
2
(49)
1
y s = 0 + x' s b
2
(50)
Hallado el punto estacionario tenemos que averiguar de qu tipo es, para lo que
podemos usar la grafica de contornos, siempre que haya dos o tres variables
independientes, o el anlisis cannico. Este ltimo consiste en expresar el modelo de
ajuste en la forma cannica del modelo aproximado, (Montgomery, 1991):
y = y s + 1 w 2 1 + 2 w 2 2 + L + k w 2 k
(51)
- 81 -
y = 0 + i xi +
(52)
i =1
el diseo a emplear es uno de primer orden ortogonal, ya que son los nicos que
minimizan la varianza de los coeficientes de regresin, i . Si todos los elementos que
estn fuera de la diagonal de la matriz (XX) son cero, se dice que el diseo es
ortogonal. Si expresamos el modelo anterior en forma matricial:
y = X +
(53)
La matriz X se define como la matriz de los niveles de las variables independientes del
modelo. Esta matriz y el resto de las que forman el modelo se muestran a continuacin:
y1
y
y = 2
M
yn
1 x11
1 x
21
X =
M M
1 x n1
x12
x 22
M
xn 2
L x1k
L x 2 k
M
L x nk
0
= 1
M
k
1
= 2
M
n
Los diseos factoriales 2k son diseos de primer orden ortogonales, sin embargo el
diseo factoriales 2k no permite la estimacin del error experimental por lo que se hace
necesario aadir rplicas que normalmente van a ser aadidas en el punto central del
diseo. Se recomienda que el nmero de rplicas en el centro sea de tres a cinco. Ni la
ortogonalidad del diseo ni los coeficientes i no se van a ver afectados por esta
- 82 -
medida, aunque si el coeficiente o , ya que este se estima con el promedio de todas las
observaciones del experimento. Hay que tener en cuenta al usar estos diseos que los
niveles bajos y altos de los factores deben de estar codificados en los niveles 1 y 1
respectivamente. Grficamente la adicin de puntos centrales a un diseo 22 se puede
observar en la figura 4.11:
(-1,1)
Factor B
(1,1)
(0,0)
(-1,-1)
(1,-1)
Factor A
Factor C
Factor A
- 83 -
A la hora de plantear un diseo de este tipo hay que especificar el nmero de puntos
centrales y la distancia al centro. El nmero de puntos centrales suele estar
comprendido entre tres y cinco. El valor va a depender del nmero de puntos del
factorial 2k, nf, y debe de ser elegido de manera que el diseo resulte rotable (Box y
Hunter, 1957). El que un diseo sea rotable significa que la varianza de la respuesta
predicha en algn punto x, V [ y ( x)] , sea la misma en todos los puntos x que estn a la
misma distancia del punto central del diseo, es decir, que la varianza de la respuesta
predicha sea constante en esferas concntricas con centro en el punto central del diseo.
Esta propiedad es importante que la tenga un diseo destinado a la optimizacin, ya que
a priori se desconoce la forma de la superficie de respuesta y la situacin del punto
ptimo, siendo interesante disponer de un diseo que proporcione la misma precisin
en todas direcciones. Para un diseo central compuesto el valor tpico del parmetro
es:
= (nf)1/4
(54)
Factor C
Factor A
Figura 4.13. Diseo central compuesto con centros en las caras para tres factores.
Lo visto en este apartado lo podemos aplicar al ejemplo del taller de modelismo visto en
el apartado 4.3. Los encargados del taller disearon un experimento factorial 23 para
intentar averiguar en qu medida se vea afectado el tiempo de fraguado de una resina
de poliuretano con la temperatura, la proporcin de endurecedor y la presencia o no de
un tinte. Llegaron a la conclusin de que el tiempo de fraguado dependa de la
temperatura y en menor medida de la proporcin de endurecedor. La presencia de tinte
no le afectaba y no haba interacciones entre los tres factores estudiados. Tras el
desarrollo del experimento decidieron realizar el proceso de mezcla y fraguado de la
resina a una temperatura de 45 C y a una proporcin de endurecedor del 30%.
Posteriormente, y tras los resultados del experimento anterior, se interesaron en hallar
- 84 -
las condiciones que minimizaban el tiempo de fraguado, por lo que decidieron aplicar
el mtodo de la mxima pendiente, aunque, en este caso, sera ms correcto decir el del
descenso ms pronunciado ya que se trata de un problema de minimizacin.
Al igual que en el experimento del ejemplo de la seccin 4.3 la temperatura iba a ser el
factor A y la proporcin de endurecedor el factor B:
Niveles de los factores
Nivel Bajo (-1)
25
20
Factor A (C)
Factor B (%)
Estas fueron las variables independientes naturales, que por comodidad en los clculos
se codificaron en el intervalo (1 y 1), usando las expresiones:
1 =
1 35
10
2 =
2 25
5
Para estimar el error experimental el diseo se iba a aumentar con cinco observaciones
en el punto central del rea que defina los niveles anteriores de los factores A y B. Este
punto fue el correspondiente a una temperatura de 35 C y a una proporcin de
endurecedor del 25%. En la figura 4.14. se puede apreciar con claridad la regin de
exploracin empleada:
30 %
25 %
20 % -1
-1
1
0
35 C
25 C
45 C
Factor A Temperatura (C)
- 85 -
Aplicando los mtodos para diseos factoriales 22, obtuvieron el anlisis de varianza del
experimento:
Termino Efectos
SS
Porcentaje g.d.l
A
-485 235225,00 40,82
1
B
-539 290521,00 50,42
1
AB
26
676,00
0,12
1
Error
49790,00
8,64
5
Total
576212,00 100,00
8
MSS
235225,00
290521,00
676,00
9958,00
Fo
Fo Tablas
23,62
6.61
29,17
6.61
0,07
6.61
Analizando la tabla anterior se observa que la interaccin de los dos factores no result
significativa por lo que este trmino no fue incluido en el modelo que se pretenda
ajustar. Con el valor de los efectos de los factores principales A y B se estimaron los
coeficientes de regresin 1, 2. Cada uno de ellos vale la mitad del efecto
correspondiente. El coeficiente 0 se estim con el promedio de las 9 observaciones. El
modelo de primer orden ajustado resultante fue:
y = 0 + 1 x1 + 2 x 2 =938-242.5 x1-269.5 x2
- 86 -
SS
525746,00
50466,00
13376,80
37089,20
576212,00
g.d.l
2
6
2
4
8
MSS
Fo
262873,00 31,253
8411,00
6688,40
0,721
9272,30
Fo Tablas
5,14
6,94
Tabla 4.14.Anlisis de varianza para la prueba de significacin y falta de ajuste del modelo ejemplo RSM.
- 87 -
99
95
90
70
50
30
20
10
-184
-117.5
-51
15.5
82
Residuales
Grfica 4.12. Probabilidad normal de los residuales del modelo de primer orden del ejemplo RSM.
200,00
150,00
Residuales
100,00
50,00
0,00
0,00
-50,00
500,00
1000,00
1500,00
2000,00
-100,00
-150,00
-200,00
- 88 -
200,00
150,00
Residuales
100,00
50,00
0,00
-50,00 0
10
-100,00
-150,00
-200,00
Nmero de observacin
Grfica 4.14. Residuales frente al orden de observacin del modelo de primer orden.
- 89 -
Pasos
Variables codificadas
x1
x2
0
0
0,45
0,50
0,45
0,50
0,90
1,00
1,35
1,50
1,80
2,00
2,25
2,50
2,70
3,00
3,15
3,50
3,60
4,00
4,05
4,50
4,50
5,00
Origen
Origen+
Origen+2
Origen+3
Origen+4
Origen+5
Origen+6
Origen+7
Origen+8
Origen+9
Origen+10
Variables naturales
1
2
35
25
4,5
2,5
39,5
27,5
44,0
30,0
48,5
32,5
53,0
35,0
57,5
37,5
62,0
40,0
66,5
42,5
71,0
45,0
75,5
47,5
80,0
50,0
Respuesta
Y
721
548
401
279
184
114
70
52
60
93
Tabla 4.16. Trayectoria de mximo descenso y repuestas del modelo ejemplo RSM.
730
630
530
430
330
230
130
30
1
7
8
Pasos
10
11
12
13
Grfica 4.15. Tiempo de fraguado obtenido a lo largo de la trayectoria del mximo descenso para el
modelo ejemplo RSM.
1 =
1 71
10
- 90 -
2 =
2 45
5
50
45 %
40 % -1
-1
1
0
61 C
81 C
71 C
Factor A Temperatura (C)
Figura 4.15. Regin de experimentacin para el segundo modelo lineal del ejemplo RSM.
- 91 -
Termino Efectos
SS Porcentaje g.d.l MSS
A
55,5 3080,25 17,82
1 3080,25
B
-82,5 6806,25 39,38
1 6806,25
AB
-4,5
20,25
0,12
1
20,25
Error
7378,14 42,69
5 1475,63
17284,8
Total
100,00
8
9
Fo
2,09
4,61
0,01
Fo Tablas
6,61
6,61
6,61
Tabla 4.18. Anlisis de varianza del factorial 22 del segundo modelo lineal del ejemplo RSM.
SS
9886,50
7398,39
7329,19
69,20
17284,89
g.d.l
2
6
2
4
8
MSS
4943,25
1233,06
3664,59
17,30
Fo
4,01
Fo Tablas
5,14
211,83
6,94
Tabla 4.19. Anlisis de varianza para la prueba de significacin y falta de ajuste del segundo modelo
lineal del modelo ejemplo RSM.
- 92 -
(55)
Para poder ajustar este modelo se hacia necesario aadir cuatro puntos axiales al
diseo y convertir este en un diseo central compuesto. Se pretendi que este diseo
fuese rotable, con los que los nuevos cuatro puntos vendran a estar situados en los
puntos (, 0) y (0, ), eligindose = (4)0.25 = 1.4142.
La nueva regin de experimentacin qued como sigue:
(71 C,52,07 %)
(0,1,4142)
(61 C,50 %)
(-1,1)
(-1,4142,0)
(56,86 C,45 %)
(81 C,50 %)
(1, 1)
(0,0)
(71 C,45 %)
(-1,-1)
(61 C,40 %)
(1,4142,0)
(85,14 C,45 %)
(1, -1)
(81 C,40 %)
(0,-1,4142)
(71 C,37,93 %)
- 93 -
Efectos
SS
62,04
7699,08
-76,96 11845,34
73,48
9388,83
40,48
2849,09
-4,50
20,25
217,40
32019,99
Porcentaje
24,04
36,99
29,32
8,90
0,06
0,68
100,00
g.d.l
1
1
1
1
1
7
12
MSS
Fo
Fo Tablas
7699,08 247,90
5,59
11845,34 381,40
5,59
9388,83 302,31
5,59
2849,09 91,74
5,59
20,25
0,65
5,59
31,06
Tabla 4.21. Anlisis de varianza del modelo de segundo orden propuesto para el ejemplo RSM.
- 94 -
Termino
Modelo
Residual
(Falta de ajuste LOF)
(Error puro)
Total
SS
31782,34
237,65
168,45
69,20
32019,99
g.d.l
4
8
4
4
12
MSS
7945,59
29,71
42,11
17,30
Fo
Fo Tablas
267,472
3,84
2,434
6,39
Tabla 4.22.Anlisis de varianza para la prueba de significacin y falta de ajuste del modelo de segundo
orden del ejemplo RSM.
El modelo result significativo ya que F0 > F.05, 4,8 y por lo tanto la hiptesis nula se
rechaz. La prueba de falta de ajuste tambin la pas el modelo propuesto, ya que se
cumpli la condicin F0 < F.05, 4, 4 , lo cual significaba que no se rechazaba la hiptesis
nula, con lo que el modelo se ajustaba a la superficie de respuesta real.
La ltima prueba a realizar para probar la adecuacin del modelo es el anlisis grfico
de los residuales. A continuacin se muestran los resultados que se obtuvieron:
Respuestas Prediccin Residuales
121
116,83
4,17
181
178,88
2,12
43
39,87
3,13
94
101,92
-7,92
77
82,00
-5,00
174
169,75
4,25
143
147,29
-4,29
42
38,46
3,54
56
52,40
3,60
49
52,40
-3,40
54
52,40
1,60
47
52,40
-5,40
56
52,40
3,60
Tabla 4.23. Respuestas predichas y residuales del modelo de segundo orden ajustado del ejemplo RSM.
- 95 -
% de probabilidad normal
99
95
90
70
50
30
20
10
-7.92
-4.88
-1.83
1.21
4.25
Residuales
Grfica 4.16. Probabilidad normal de los residuales del modelo de segundo orden del ejemplo RSM.
8,00
6,00
Residuales
4,00
2,00
0,00
0,00
-2,00
50,00
100,00
150,00
200,00
-4,00
-6,00
-8,00
Grfica 4.17. Residuales frente a las respuestas predichas del modelo de segundo orden del ejemplo RSM.
- 96 -
8,00
6,00
Residuales
4,00
2,00
0,00
-2,00
10
12
14
-4,00
-6,00
-8,00
Nmero de observacin
Grfica 4.18. Residuales frente al orden de las observaciones del modelo de segundo orden del ejemplo
RSM.
y = 0 + x' b + x' Bx
- 97 -
(56)
donde:
0
36.74
31.02
x
B
=
x = 1 b =
0
20.24
38.48
x2
El punto estacionario vendria dado por la formula:
1
x s = B 1b
2
(57)
resultando:
0.42
xs =
0.95
El punto estacionario, expresado en variables naturales, vino dado por una temperatura
de 66.78 C y una proporcin de endurecedor del 49.75 %.
Usando la frmula:
1
y s = 0 + x' s b
2
(58)
y = y s + 1 w 21 + 2 w 2 2
(59)
0
=0
20.24
- 98 -
(60)
obtenindose:
1 = 36.74
2 = 20.24
El modelo en forma cnica quedaba:
y = y s + 36.74 w 21 + 20.24 w 2 2
observndose que los dos autovalores resultaron positivos, lo que quiere decir que el
punto estacionario era un mnimo. Para confirmar los resultados obtenidos, en el taller
realizaron una muestra de resina a una temperatura de 66 C y una proporcin de
endurecedor del 49 %, obteniendo un tiempo de fraguado de 28 minutos, lo que
significa que el tiempo de fraguado se haba reducido en ms de 450 minutos en
comparacin con las condiciones iniciales de operacin, que recordemos, fueron de 45
C y el 30 %.
- 99 -
CAPTULO 5:
ESTUDIO EXPERIMENTAL DEL SISTEMA
- 100 -
5.1.- INTRODUCCIN
Una vez conocidos los parmetros de simulacin, en el presente captulo, nos centramos
en definir los distintos experimentos a realizar para comprobar la capacidad de la
metodologa RSM de obtener soluciones adecuadas al problema objeto de estudio.
Los parmetros de simulacin que se van a utilizar son los calculados en el captulo 3,
apartados 3.4.1, 3.4.2 y 3.4.3. El horizonte de simulacin (T) hallado fue de 53.000
unidades de tiempo, el Warm-up (W) de 18.000 y en nmero de rplicas (n) de 30.
Cada simulacin se va a realizar empleando un programa realizado en lenguaje C y
proporcionado por el grupo de investigacin Organizacin Industrial de la Universidad
de Sevilla, TEP-134. Las hiptesis, caractersticas, entradas y salidas de este se
comentan en la seccin 3.3 del captulo 3.
Uno de los objetivos de los sistemas de control de la produccin es maximizar el nivel
de servicio con el menor inventario en proceso (WIP). Este criterio va a ser el utilizado
para determinar cuando una determinada combinacin de los parmetros K (0), E va a
ser mejor que otra.
De las diferentes salidas que proporciona el modelo vamos a considerar como respuesta
al nivel de inventario medio de las 30 rplicas que componen cada simulacin. La
desviacin estndar del nivel de servicio medio, STD servicio medio, nos va a hacer
falta para el clculo de la suma de cuadrados del error y el WIP medio como valor a
tener en cuenta a la hora de determinar cuando una combinacin es mejor que otra.
Tambin se van a considerar los intervalos de confianza del nivel de servicio para
determinar la admisibilidad de las soluciones.
Para la realizacin de las simulaciones se emplear un ordenador personal Pentium II a
350 MHz. Tras la realizacin de una serie de pruebas piloto el tiempo medio de
simulacin obtenido para 30 rplicas ha sido de 55 segundos. Por lo general, en nuestro
caso, cada experimento esta compuesto por cuatro o cinco simulaciones, por lo que el
tiempo consumido en cada uno de ellos ha sido de aproximadamente cuatro o cinco
minutos respectivamente.
El proceso de experimentacin se va a dividir en dos fases. En la primera se va a
plantear un experimento factorial 22 con el fin de caracterizar el proceso, es decir,
determinar cuales de los factores que controlan un sistema PS son los que afectan a la
variable de respuesta y en qu medida, adems de conocer si existen interacciones
significativas entre ellos. Las variables de respuesta que se van a estudiar son el nivel
de servicio medio y el inventario en proceso medio. La herramienta estadstica que en
diseo de experimentos se emplea para este fin es el anlisis de varianza. En el captulo
4 se explica con detalle esta herramienta estadstica. Con los resultados arrojados por el
anlisis de varianza se podrn determinar los factores e interacciones significativos.
Estos factores e interacciones se tomaran para formar parte de un modelo de regresin
- 101 -
con el que podremos aproximar la respuesta del modelo. Este modelo debe ser
verificado y para ellos se emplear el anlisis de los residuales. Si este es positivo, el
modelo se puede dar por bueno y se podr realizar un anlisis grafico de los factores e
interacciones significativos. En nuestro caso los factores son los dos parmetros de los
que depende un sistema PS, el nmero de tarjetas K (0) y en nmero de tarjetas extra
E. En esta primera fase de la experimentacin se emplea un nivel de servicio
predeterminado = 100%, ya que este fue el valor con el que Framian et al
propusieron su modelo.
La segunda fase va a ser la optimizacin propiamente dicha. En esta se van a aplicar las
tcnicas estadsticas RSM (Response Surface Methodology) vistas en detalle en la
seccin 4.4. Como se recordar, esta metodologa consiste en ajustar un modelo de
regresin a la variable o variables de salida del sistema, que en nuestro caso son el nivel
de servicio medio y el inventario en proceso. Este modelo describe una superficie,
llamada superficie de respuesta, de dimensin una unidad mayor al nmero de factores
que la componen y de cuyo estudio se pretende extraer la combinacin de los
parmetros K (0) y E con los que el sistema PS va a operar de la forma ms cercana a
nuestros deseos, que no son otros que el sistema funcione con un nivel de servicio lo
ms cercano posible al predeterminado () con el menor inventario en proceso posible
(WIP).
Esta fase a su vez se va dividir en tres partes. En la primera se parte de la misma regin
experimental usada en la fase anterior aumentando las observaciones al punto central,
ya que en esta fase necesitamos ajustar un modelo que recoja la curvatura de la
superficie de respuesta real. La metodologa RSM es un proceso secuencial a lo largo
del cual se van ajustando modelos a la superficie de respuesta real con el fin de
movernos por las superficies de respuesta que estos determinan, de modo que podamos
encontrar un punto de la superficie que se aproxime ms a los valores que estamos
buscando. Si el modelo es de primer orden se emplea el mtodo de la mxima pendiente
y si es de segundo orden se emplea el anlisis cannico.
En esta fase de la experimentacin, tras ajustar varios modelos y emplear ambos
mtodos, se llega a la conclusin de que este sistema PS operando con un nivel de
servicio predeterminado del 100% no es econmicamente viable desde el punto de vista
del inventario en proceso, por lo que se emprende el mismo proceso aplicado al mismo
sistema pero esta vez con un nivel de servicio predeterminado del 98%.
En esta segunda parte de esta fase de la experimentacin se repiten los procesos
llevados a cabo en la parte anterior, llegando a un punto en el que no se puede avanzar
ms a lo largo de la superficie de respuesta por los mtodos de la mxima pendiente y el
anlisis cannico.
La solucin que se busca depende del compromiso del nivel de servicio y del inventario
en proceso, por lo que se decide el empleo del mtodo grfico de optimizacin
multirespuesta de la superposicin de las grficas de contornos. Este mtodo consiste en
proyectar las superficies de respuesta (grfica de contornos) para el nivel de servicio y
para el inventario en proceso a la vez, y estudiar grficamente en que zona se cumplen
- 102 -
las condiciones de bsqueda, es decir, nivel de servicio medio del 98% con el menor
WIP. De las distintas combinaciones que cumplen esta condicin, se estudian aquellas
que son soluciones admisibles. Por soluciones admisibles se entienden aquellas que
tienen un intervalo de confianza para el nivel de servicio en el que el valor del 98% est
incluido. Del anlisis de estas soluciones se observa que todas ellas cumplen la
propiedad de que sus parmetros K (0) y E suman un valor constante.
Su representacin es un lnea recta que la denominamos trayectoria de las soluciones
admisibles. Analizando las combinaciones que forman parte de esta pseudotrayectoria, llegamos a una combinacin que parece ser la que mejor cumple las
condiciones de bsqueda. Para comprobar esto se realiza una bsqueda exhaustiva en
todo el espacio de las soluciones y se demuestra que efectivamente es as. Esto abre las
puertas para pensar en un mtodo de bsqueda que nos permita llegar a esta
combinacin con el menor nmero de simulaciones y por tanto, con el menor consumo
de tiempo y de recursos computacionales, pero antes creemos conveniente el estudio de
un mtodo de optimizacin multirespuesta ms formal que el de superposicin de las
grficas de contorno.
En la tercera parte de esta fase se estudia la metodologa RSM multirespuesta. Esta
metodologa se basa en utilizar una funcin denominada desirability (deseabilidad en
ingls). La idea es emplear una funcin que si esta prxima a los valores deseados toma
el valor uno y si esta lejos toma el valor cero. Hay una funcin desirability por cada una
de las respuestas que intervienen en el proceso, y segn se pretenda maximizar,
minimizar o conseguir un determinado valor, as es la funcin desirability a emplear.
Adems, cada una de estas funciones depende de un exponente, llamado peso, que hace
que jueguen un papel ms o menos relevante. El valor de este peso lo decide el
experimentador, segn sean sus intereses. El papel de todas las funciones desirability
que intervienen en un experimento lo recoge el ndice D, que se define como la media
geomtrica de las funciones desirability que intervienen. Este ndice toma valores
comprendidos entre cero y uno, tomando un valor ms cercano a uno conforme ms se
acerque el conjunto de las funciones desirability al deseo del experimentador.
En esta ltima parte de la experimentacin se aplica esta metodologa en la misma
regin de experimentacin a la que anteriormente se le haba aplicado el mtodo de
superposicin de las graficas de contornos. Se realiza una batera de experimentos con
distintas combinaciones de pesos, desde la ms moderada a aquella que expresa con
mayor exigencia las condiciones de bsqueda. Se llega a la conclusin de que el empleo
de esta metodologa no aporta una ventaja significativa al anlisis de latrayectoria de
las soluciones admisibles, ya que slo parece capaz de proporcionar soluciones
alrededor de esta pseudo-trayectoria, sin embargo si que puede ser muy til para
estudiar la respuesta de las dos variables de salida en una regin de inters, como se
ver en el captulo seis al proponer un mtodo de bsqueda de la solucin ptima.
- 103 -
Segn el valor tomado por estos dos parmetros as ser el comportamiento del sistema,
por lo que estos dos parmetros van a ser los dos factores que se van a analizar.
A continuacin se ha de definir la regin de experimentacin, para lo que es necesario
definir qu valores van a tomar cada uno de los factores. En su estudio, Framin et al,
realizaron un experimento destinado a comparar las prestaciones del sistema PS con las
del sistema propuesto por Tardif y Maaseidvaag. En l la combinacin que emplearon
fue K (0) = 2 y E =8. Se ha decidido que esta sea el punto en el que nos vamos a basar
para hallar la regin de experimentacin inicial. El nivel de servicio objetivo fue el del
100% debido a que el sistema de Tardif y Maaseidvaag esta diseado para trabajar al
mximo nivel de servicio. Ya que la referencia que tenemos es este modelo, los
experimentos que vamos a realizar inicialmente tambin van a tener como nivel objetivo
este mismo valor.
El valor de dos tarjetas iniciales es un valor muy bajo para el parmetro K (0) por lo que
tras la realizacin de varias pruebas piloto se ha decidido que este sea el extremo
inferior del intervalo en el que se van a hallar los valores iniciales del factor K (0). Por
contra, el valor 8 para el parmetro E, nos parece idneo como centro del intervalo en el
que vamos a hallar los niveles de este parmetro. Cada factor va a tener dos niveles, el
mayor de ellos se denominara nivel alto y el menor, nivel bajo. Esto va a dar lugar a un
experimento factorial de dos factores con dos niveles cada uno de ellos. Para determinar
la cantidad que cada factor va a variar respecto a la combinacin anterior, se ha
realizado un pequeo programa en Excel que proporciona una variacin aleatoria del 5
al 100 % del valor dado. Para el factor K (0), la variacin dada por este programa fue
del 98 %, lo que significa un valor de 1,96. Como el valor inferior del intervalo ya lo
tenemos fijado en 2, una variacin del 98% significa que el nivel alto va a corresponder
con un valor de 4 tarjetas. Para el parmetro E el proceso es anlogo, salvo que la
variacin va a ser respecto al valor 8. El valor devuelto por el programa fue de una
variacin del 25%, lo que significa el valor bajo va a ser de 6 tarjetas y el alto de 10. En
figura 5.1 se muestra la regin de experimentacin y en la tabla 5.1 se muestran los
valores que la van a definir:
- 104 -
(4,10)
Factor B
(2,10)
(2,6)
(4,6)
Factor A
Los cuatro factores van a dar lugar a 22 combinaciones, dando por tanto lugar a 4
escenarios.
Escenario
1
2
3
4
K(0)
2
4
2
4
E
6
6
10
10
K(0)
+
+
E
+
+
- 105 -
1 =
1 3
1
, 2 =
2 8
2
K(0)
-1
1
-1
1
E
-1
-1
1
1
El nmero total de escenarios que van a formar parte del experimento es de 4. Para la
realizacin del experimento se van a realizar por tanto 4 simulaciones.
La matriz de diseo del experimento inicial es la siguiente:
Tratamientos
(I)
a
b
A
-1
1
-1
B AB
-1 1
-1 -1
1 -1
- 106 -
STD WIP
0,0073
0,0058
0,0075
0,0067
Tabla 5.6. Resultados de las simulaciones de los escenarios del experimento inicial.
Con los resultados de las simulaciones en todos los escenarios que definen la regin de
experimentacin ya se tienen todos los datos necesarios para la realizacin del anlisis
de varianza. Se va ha utilizar una tabla como la siguiente:
Termino
A
B
AB
Error
Total
Efectos
SS
Porcentaje
g.d.l
MSS
Fo
Fo Tablas
Tabla 5.7. Formato de la tabla utilizada para el anlisis de varianza del experimento inicial.
- 107 -
Termino
A
B
AB
Error
Total
Efectos
SS
Porcentaje
58,21 101660,85
84,28
22,73
15504,36
12,87
-4,99
746,85
0,62
2566,29
2,13
120492,80 100,00
g.d.l
1
1
1
116
119
MSS
Fo
Fo Tablas
3,92
101700 4595,22
3,92
15472,80 700,82
3,92
753,77
33,76
22,12
Los resultados obtenidos muestran que los dos factores y su interaccin son
significativos, con lo que el modelo de regresin vendr dado por la expresin:
y = 0 + 1 x1 + 2 x2 + 12 x1 x2
(61)
Prediccin
1,39
1,39
1,39
1,39
1,39
1,39
1,39
1,39
1,39
1,39
1,39
- 108 -
Residuales
-1,39
-1,39
-1,39
0,91
-1,39
-1,39
-1,39
-1,39
6,26
-1,39
-1,39
9,02
0,00
4,23
0,00
0,00
4,47
0,00
0,00
5,09
0,00
0,00
0,00
3,58
3,10
0,00
0,85
0,00
1,46
0,00
68,63
66,21
70,42
63,82
56,26
58,91
76,42
63,67
61,82
63,56
71,43
60,54
60,79
71,32
68,50
64,58
65,18
57,55
61,20
63,29
73,93
64,26
60,16
53,86
68,65
65,29
64,80
64,24
63,83
66,07
27,08
25,57
15,10
22,51
1,39
1,39
1,39
1,39
1,39
1,39
1,39
1,39
1,39
1,39
1,39
1,39
1,39
1,39
1,39
1,39
1,39
1,39
1,39
64,59
64,59
64,59
64,59
64,59
64,59
64,59
64,59
64,59
64,59
64,59
64,59
64,59
64,59
64,59
64,59
64,59
64,59
64,59
64,59
64,59
64,59
64,59
64,59
64,59
64,59
64,59
64,59
64,59
64,59
29,11
29,11
29,11
29,11
- 109 -
7,63
-1,39
2,84
-1,39
-1,39
3,08
-1,39
-1,39
3,70
-1,39
-1,39
-1,39
2,19
1,71
-1,39
-0,54
-1,39
0,07
-1,39
4,04
1,62
5,83
-0,77
-8,33
-5,68
11,83
-0,92
-2,77
-1,03
6,84
-4,05
-3,80
6,73
3,91
-0,01
0,59
-7,04
-3,39
-1,30
9,34
-0,33
-4,43
-10,73
4,06
0,70
0,21
-0,35
-0,76
1,48
-2,03
-3,54
-14,01
-6,60
29,81
24,13
27,85
28,96
29,31
34,24
23,55
41,57
22,71
21,81
26,62
37,30
39,33
27,82
21,73
30,67
24,64
34,87
31,00
31,43
41,77
29,59
35,58
26,13
34,97
25,77
85,50
81,94
87,54
83,22
77,59
75,02
84,67
88,11
78,71
85,60
82,09
81,79
79,27
88,51
87,92
78,22
84,32
80,40
81,36
83,51
91,47
77,50
82,63
78,60
75,15
79,03
84,93
29,11
29,11
29,11
29,11
29,11
29,11
29,11
29,11
29,11
29,11
29,11
29,11
29,11
29,11
29,11
29,11
29,11
29,11
29,11
29,11
29,11
29,11
29,11
29,11
29,11
29,11
82,38
82,38
82,38
82,38
82,38
82,38
82,38
82,38
82,38
82,38
82,38
82,38
82,38
82,38
82,38
82,38
82,38
82,38
82,38
82,38
82,38
82,38
82,38
82,38
82,38
82,38
82,38
- 110 -
0,70
-4,98
-1,26
-0,15
0,20
5,13
-5,56
12,46
-6,40
-7,30
-2,49
8,19
10,22
-1,29
-7,38
1,56
-4,47
5,76
1,89
2,32
12,66
0,48
6,47
-2,98
5,86
-3,34
3,12
-0,44
5,16
0,84
-4,79
-7,36
2,29
5,73
-3,67
3,22
-0,29
-0,59
-3,11
6,13
5,54
-4,16
1,94
-1,98
-1,02
1,13
9,09
-4,88
0,25
-3,78
-7,23
-3,35
2,55
79,13
80,75
85,65
82,38
82,38
82,38
-3,25
-1,63
3,27
% de probabilidad normal
99
95
90
80
70
50
30
20
10
5
-3.03
-1.59
-0.15
1.30
2.74
Residuales
- 111 -
15,00
10,00
Residuales
5,00
0,00
0,00
-5,00
20,00
40,00
60,00
80,00
100,00
-10,00
-15,00
Nivel de Servicio Predicho
Grfica 5.2. Residuales frente a en el experimento inicial.
Esta serie de pruebas finaliza con la representacin de los residuales frente al orden de
realizacin de las simulaciones. Con esta prueba se pretende averiguar si existe una
correlacin entre el valor de los residuales y el orden en que las simulaciones se
realizaron. En el caso de existir dicha correlacin se rompera el supuesto de
independencia. En la grfica 5.3 se muestran los residuales anteriores frente al orden en
el que se recopilaron los datos por lo que se acepta que no se rompe la condicin de
independencia.
15,00
Residuales
10,00
5,00
0,00
0
20
40
60
80
100
120
-5,00
-10,00
-15,00
Orden de Realizacin de la Sim ulacin
- 112 -
El resultado del anlisis grfico de los residuales no muestra ningn patrn que haga
sospechar que el modelo no es adecuado, por lo que se puede tomar este como una
buena representacin del experimento realizado.
Los efectos de los factores principales y de la interaccin los podemos representar de
forma grfica para evaluarlos. Las siguientes grficas muestran la variacin que se
produce en la respuesta al pasar del nivel bajo al alto para cada uno de los factores
significativos en el modelo y para la interaccin:
80
Nivel de Servicio
70
60
50
40
30
20
10
0
1
Factor A
80
Nivel de Servicio
70
60
50
40
30
20
10
0
5
10
Factor B
- 113 -
11
90
Nivel de Servicio
80
70
60
50
40
30
Nivel alto de B
20
Nivel bajo de B
10
0
1
Interaccin A-B
Queda de manifiesto que el nivel de servicio aumenta con el aumento de los factores
principales. El sistema parece ms sensible al aumento del nmero de tarjetas K (0)
(factor A) que al aumento del nmero de tarjetas extras, E, (factor B).
La interaccin entre los factores A y B parece indicar que el nivel de servicio aumenta
algo ms cuando se trabaja con el nivel bajo del factor B. Esto hace pensar que el nivel
de servicio variar ms al incrementarse el nmero de tarjetas K (0) con valores bajos
del nmero de tarjetas extra.
Este resultado tendremos que confirmarlo cuando se realicen los experimentos
encaminados a la optimizacin del sistema.
- 114 -
Factor B
(2,10)
(1,10)
(3,8)
(2,6)
(4,6)
Factor A
Figura 5.2. Regin de experimentacin del experimento inicial con punto central.
Escenario
1
2
3
4
5
K(0)
2
4
2
4
3
E
6
6
10
10
8
Tabla 5.10. Escenarios en el experimento inicial con punto central en variables naturales.
- 115 -
Escenario
1
2
3
4
5
K(0)
-1
1
-1
1
0
E
-1
-1
1
1
0
Tabla 5.11. Escenarios en el experimento inicial con punto central en variables codificadas.
La adicin de este nuevo punto no va a influir en los efectos y por consiguiente en los
coeficientes de regresin del modelo salvo en el termino 0 que se estimaba con el
promedio de todas las rplicas del experimento. Por tanto, el modelo en variables
codificadas a ajustar va a ser:
x3 = x1 x2
3 = 12
(62)
- 116 -
SS
117165,22
4913,85
1465,13
3448,72
122079,07
g.d.l
3
146
1
145
149
MSS
Fo
Fo Tablas
39055,07 1160,40
2,67
33,66
1465,13
61,60
3,91
23,78
Tabla 5.13.Prueba de significacin y falta de ajuste del experimento inicial con punto central.
- 117 -
(3,10.83)
Factor B
(2,10)
(1,10)
(1.59,8)
(4.41,8)
(3,8)
(2,6)
(4,6)
(3,10.83)
Factor A
Sin embargo se observa que esta regin de exploracin no es viable para nosotros, ya
que tanto los parmetros K (0) como E deben tomar valores enteros. Esto nos lleva a
elegir como diseo una variante del anterior, en la que toma el valor 1. A un diseo de
este tipo se le denomina diseo central compuesto con centros en las caras (ver seccin
4.4.). Un diseo de este tipo no es rotable, sin embargo es perfectamente valido para
ajustar un modelo de segundo orden. La regin de experimentacin se muestra en la
figura 5.4, y los escenarios en las tablas 5.14 y 5.15, tanto en variables naturales como
codificadas:
Factor B
(2,10)
(3,10)
(2,8)
(1,10)
(4,8)
(3,8)
(2,6)
(3,6)
(4,6)
Factor A
Figura 5.4. Regin de experimentacin del experimento central compuesto inicial con centros en las caras.
- 118 -
Escenario
1
2
3
4
5
6
7
8
9
K(0)
2
4
2
4
2
4
3
3
3
E
6
6
10
10
8
8
6
10
8
Tabla 5.14. Escenarios en el experimento central compuesto con centros en las caras inicial en variables naturales.
Escenario
1
2
3
4
5
6
7
8
9
K
-1
1
-1
1
-1
1
0
0
0
E
-1
-1
1
1
0
0
-1
1
0
Tabla 5.15. Escenarios en el experimento central compuesto con centros en las caras inicial en variables codificadas.
Los resultados de las simulaciones en esta nueva regin de experimentacin han sido las
siguientes:
Escenario Nivel de servicio medio (%) STD Nivel de Servicio WIP medio STD WIP
1
1,392
2,4649
8,024
0,0073
2
64,594
5,0789
10,019
0,0058
3
29,115
6,2844
12,037
0,0075
4
82,338
4,1386
4,1386
0,0067
5
16.348
6.2939
10.037
0.0057
6
75.379
4.0154
12.010
0.0069
7
36.470
5.8466
9.025
0.0062
8
61.718
5.1182
13.016
0.0083
9
52,173
5,5164
11,023
0,003
Tabla 5.16. Resultados de las simulaciones de los escenarios del experimento central compuesto con
centros en las caras.
- 119 -
Analizando los resultados obtenidos se aprecia que todos los trminos son significativos
por lo que el modelo de segundo orden queda, en variables codificadas, de la siguiente
forma:
g.d.l
5
264
3
261
269
MSS
Fo
Fo Tablas
36325,65 1385,78
2,25
26,21
34,74
1,33
2,64
26,12
Tabla 5.18.Prueba de significacin y falta de ajuste del modelo de segundo orden propuesto.
El modelo resulta significativo ya que F0 > F.05,5, 264 y por lo tanto la hiptesis nula se
rechaza. La prueba de falta de ajuste tambin la pasa el modelo propuesto, ya que se
cumple la condicin F0 < F.05,3, 261 , lo cual significa que no se rechaza la hiptesis nula,
con lo que el modelo se ajusta a la superficie de respuesta real.
- 120 -
La ltima prueba a realizar para probar la adecuacin del modelo es el anlisis grfico
de los residuales. A continuacin se muestran los resultados obtenidos:
Respuestas
0,00
0,00
0,00
2,30
0,00
0,00
0,00
0,00
7,65
0,00
0,00
9,02
0,00
4,23
0,00
0,00
4,47
0,00
0,00
5,09
0,00
0,00
0,00
3,58
3,10
0,00
0,85
0,00
1,46
0,00
68,63
66,21
70,42
63,82
56,26
58,91
76,42
63,67
61,82
63,56
71,43
60,54
60,79
71,32
68,50
64,58
65,18
Prediccin
0,66
0,66
0,66
0,66
0,66
0,66
0,66
0,66
0,66
0,66
0,66
0,66
0,66
0,66
0,66
0,66
0,66
0,66
0,66
0,66
0,66
0,66
0,66
0,66
0,66
0,66
0,66
0,66
0,66
0,66
64,17
64,17
64,17
64,17
64,17
64,17
64,17
64,17
64,17
64,17
64,17
64,17
64,17
64,17
64,17
64,17
64,17
- 121 -
Residuales
-0,66
-0,66
-0,66
1,64
-0,66
-0,66
-0,66
-0,66
6,99
-0,66
-0,66
8,36
-0,66
3,57
-0,66
-0,66
3,81
-0,66
-0,66
4,43
-0,66
-0,66
-0,66
2,92
2,44
-0,66
0,19
-0,66
0,80
-0,66
4,45
2,04
6,25
-0,35
-7,91
-5,26
12,24
-0,50
-2,36
-0,61
7,26
-3,63
-3,39
7,15
4,33
0,40
1,01
57,55
61,20
63,29
73,93
64,26
60,16
53,86
68,65
65,29
64,80
64,24
63,83
66,07
27,08
25,57
25,10
22,51
29,81
24,13
27,85
28,96
29,31
34,24
23,55
41,57
22,71
21,81
26,62
37,30
39,33
27,82
21,73
30,67
24,64
34,87
31,00
31,43
41,77
29,59
35,58
26,13
34,97
25,77
85,50
81,94
87,54
83,22
77,59
75,02
84,67
88,11
78,71
85,60
64,17
64,17
64,17
64,17
64,17
64,17
64,17
64,17
64,17
64,17
64,17
64,17
64,17
29,23
29,23
29,23
29,23
29,23
29,23
29,23
29,23
29,23
29,23
29,23
29,23
29,23
29,23
29,23
29,23
29,23
29,23
29,23
29,23
29,23
29,23
29,23
29,23
29,23
29,23
29,23
29,23
29,23
29,23
82,72
82,72
82,72
82,72
82,72
82,72
82,72
82,72
82,72
82,72
- 122 -
-6,62
-2,98
-0,88
9,76
0,09
-4,02
-10,31
4,47
1,12
0,63
0,07
-0,34
1,90
-2,15
-3,66
-4,13
-6,72
0,58
-5,10
-1,38
-0,26
0,08
5,01
-5,68
12,34
-6,51
-7,42
-2,61
8,07
10,10
-1,41
-7,50
1,44
-4,58
5,64
1,77
2,20
12,55
0,36
6,35
-3,10
5,74
-3,46
2,78
-0,78
4,82
0,50
-5,13
-7,69
1,96
5,40
-4,01
2,88
82,09
81,79
79,27
88,51
87,92
78,22
84,32
80,40
81,36
83,51
91,47
77,50
82,63
78,60
75,15
79,03
84,93
79,13
80,75
85,65
12,95
12,63
19,52
23,67
8,34
10,92
13,88
24,69
22,98
16,80
9,00
22,23
1,62
15,26
10,58
23,89
22,82
17,63
7,69
22,57
5,25
18,03
13,51
19,37
20,72
18,33
25,50
21,65
12,61
15,81
77,14
71,03
75,43
82,72
82,72
82,72
82,72
82,72
82,72
82,72
82,72
82,72
82,72
82,72
82,72
82,72
82,72
82,72
82,72
82,72
82,72
82,72
82,72
16,97
16,97
16,97
16,97
16,97
16,97
16,97
16,97
16,97
16,97
16,97
16,97
16,97
16,97
16,97
16,97
16,97
16,97
16,97
16,97
16,97
16,97
16,97
16,97
16,97
16,97
16,97
16,97
16,97
16,97
75,47
75,47
75,47
- 123 -
-0,63
-0,92
-3,44
5,80
5,21
-4,49
1,60
-2,32
-1,35
0,79
8,75
-5,22
-0,09
-4,12
-7,57
-3,69
2,21
-3,59
-1,97
2,94
-4,02
-4,34
2,55
6,70
-8,62
-6,04
-3,08
7,72
6,01
-0,17
-7,97
5,27
-15,35
-1,70
-6,38
6,92
5,85
0,66
-9,27
5,60
-11,72
1,07
-3,46
2,41
3,75
1,36
8,53
4,69
-4,36
-1,16
1,68
-4,43
-0,04
79,92
71,99
63,93
76,98
77,88
77,29
82,95
77,49
73,92
72,02
80,08
77,33
74,60
74,85
77,93
78,38
70,94
80,20
77,75
70,15
74,74
73,93
70,47
77,33
73,77
70,81
80,14
36,82
42,77
36,83
26,28
35,17
23,83
33,88
39,83
46,12
45,49
31,19
37,33
38,36
37,43
37,11
42,71
39,21
39,46
42,11
43,34
37,66
31,51
29,86
21,61
34,19
35,29
75,47
75,47
75,47
75,47
75,47
75,47
75,47
75,47
75,47
75,47
75,47
75,47
75,47
75,47
75,47
75,47
75,47
75,47
75,47
75,47
75,47
75,47
75,47
75,47
75,47
75,47
75,47
37,67
37,67
37,67
37,67
37,67
37,67
37,67
37,67
37,67
37,67
37,67
37,67
37,67
37,67
37,67
37,67
37,67
37,67
37,67
37,67
37,67
37,67
37,67
37,67
37,67
37,67
- 124 -
4,45
-3,48
-11,54
1,51
2,42
1,82
7,49
2,02
-1,55
-3,45
4,62
1,87
-0,87
-0,62
2,46
2,91
-4,53
4,73
2,29
-5,31
-0,72
-1,53
-5,00
1,86
-1,69
-4,66
4,67
-0,85
5,10
-0,84
-11,39
-2,50
-13,84
-3,79
2,16
8,45
7,82
-6,48
-0,34
0,69
-0,24
-0,56
5,04
1,54
1,79
4,45
5,67
-0,01
-6,16
-7,81
-16,06
-3,48
-2,38
35,03
34,23
39,43
40,07
64,41
64,37
61,42
62,36
54,95
56,67
63,66
58,41
63,62
66,68
56,88
60,00
67,38
69,01
65,65
61,07
56,28
65,83
63,95
60,52
67,93
62,67
60,97
52,04
55,68
49,65
57,07
65,29
70,41
66,69
46,07
53,15
60,92
46,78
54,01
47,41
57,15
51,22
50,17
48,74
48,49
50,73
56,23
57,29
56,57
61,94
52,83
61,08
56,44
37,67
37,67
37,67
37,67
61,22
61,22
61,22
61,22
61,22
61,22
61,22
61,22
61,22
61,22
61,22
61,22
61,22
61,22
61,22
61,22
61,22
61,22
61,22
61,22
61,22
61,22
61,22
61,22
61,22
61,22
61,22
61,22
61,22
61,22
51,47
51,47
51,47
51,47
51,47
51,47
51,47
51,47
51,47
51,47
51,47
51,47
51,47
51,47
51,47
51,47
51,47
51,47
51,47
- 125 -
-2,64
-3,44
1,76
2,40
3,19
3,14
0,19
1,13
-6,27
-4,56
2,44
-2,81
2,39
5,46
-4,34
-1,22
6,16
7,78
4,43
-0,15
-4,94
4,61
2,72
-0,71
6,71
1,44
-0,25
-9,18
-5,54
-11,57
-4,16
4,06
9,19
5,47
-5,40
1,68
9,45
-4,68
2,54
-4,06
5,68
-0,25
-1,30
-2,72
-2,98
-0,73
4,77
5,82
5,10
10,47
1,36
9,61
4,98
50,01
59,33
50,95
47,20
44,14
45,72
40,40
46,38
57,69
55,04
51,07
51,47
51,47
51,47
51,47
51,47
51,47
51,47
51,47
51,47
51,47
51,47
-1,46
7,86
-0,51
-4,27
-7,33
-5,75
-11,07
-5,08
6,22
3,57
-0,39
% de probabilidad normal
99
95
90
80
70
50
30
20
10
5
-14.14
-7.47
-0.80
5.86
12.53
Residuales
Grfica 5.7. Probabilidad normal de los residuales del modelo de segundo propuesto.
- 126 -
15,00
Residuales
10,00
5,00
0,00
0,00
-5,00
20,00
40,00
60,00
80,00
100,00
-10,00
-15,00
Nivel de Servicio Predicho
Grfica 5.8. Residuales frente a en el experimento central compuesto con centros en las caras.
15,00
Residuales
10,00
5,00
0,00
0
20
40
60
80
100
120
-5,00
-10,00
-15,00
Orden de Realizacin de la Sim ulacin
Grfica 5.9. Residuales frente al orden de avaluacin del experimento central compuesto con centros en las caras.
y = 0 + x' b + x' Bx
(63)
y aplicando la formula:
1
x s = B 1 b
2
(64)
En nuestro caso las matrices que intervienen van a tener los siguientes valores:
5.25 1.25
29.11
x
B
=
x = 1 b =
1.25 2.02
x2
11.37
2.47
xs =
1.29
que en variables naturales corresponde con el punto:
5.47
xs =
10.59
El siguiente paso es caracterizar el punto singular hallado, para lo que bastar con
observar el signo de los coeficientes del modelo expresado en forma cannica (ver
seccin 4.4). Estos coeficientes son los autovalores de la matriz B, y para hallarlos no
hay ms que plantear el determinante:
|B- I| = 0
5.25
1.25
1.25
=0
2.02
- 128 -
1 = -1.60
2 = -5.67
El modelo en forma cnica queda de la forma:
y = y s 1.60 w 21 5.67 w 2 2
con lo que el punto singular es un mximo al ser los dos autovalores negativos.
Observando el punto hallado, xs1 = 5.74, xs2 = 10.59, vemos que este no es viable ya que
ambos valores deberan de ser nmeros enteros. Para nuestros propsitos el punto a
considerar deber ser uno de los cuatro enteros que lo rodean. Cada uno de estos cuatro
puntos hay que validarlo, es decir, comparar el valor real del nivel de servicio con el
valor que el modelo nos predice en ellos. Los resultados son los siguientes:
K(0) (Factor A)
5
6
5
6
E (Factor B)
10
10
11
11
Valor Real
93.2531.100
95.1471.136
93.7561.041
96.3010.579
IC (99%)
92.153 <> 94.353
94.011 <> 96.283
92.715 <> 94.797
95.722 <> 96.880
Valor Predicho
93.70
94.19
94.56
93.79
- 129 -
(7,12)
Factor B
(5,12)
(6,11)
(5,10)
(7,10)
Factor A
Figura 5.5. Regin de experimentacin del nuevo experimento con punto central.
K(0)
5
7
5
7
6
E
10
10
12
12
11
Tabla 5.21. Escenarios en el nuevo experimento con punto central en variables naturales.
K(0)
-1
1
-1
1
0
E
-1
-1
1
1
0
Tabla 5.22. Escenarios en el nuevo experimento con punto central en variables codificadas.
- 130 -
Escenario Nivel de servicio medio (%) STD Nivel de Servicio WIP medio
1
93.253
2.3395
14.992
2
96.784
1.2659
16.979
3
95.165
1.7170
16.984
4
98.104
0.9059
18.969
5
96.301
1.2306
16.978
STD WIP
0.0070
0.0256
0.0089
0.0312
0.0255
Tabla 5.23. Resultados de las simulaciones de los escenarios del segundo experimento con punto central.
SS
373,15
330,77
6,24
324,53
703,92
g.d.l MSS
Fo
Fo Tablas
2 186,57 82,92
3,06
147 2,25
2
3,12
1,39
3,06
145 2,24
149
Tabla 5.25. Pruebas de significacin y falta de ajuste del modelo de primer orden propuesto.
- 131 -
Prediccin
93,59
93,59
93,59
93,59
93,59
93,59
93,59
93,59
93,59
93,59
93,59
93,59
93,59
93,59
93,59
93,59
93,59
93,59
93,59
93,59
93,59
93,59
93,59
93,59
93,59
93,59
93,59
93,59
93,59
93,59
96,76
96,76
96,76
96,76
96,76
- 132 -
Residuales
1,03
2,82
0,79
1,11
0,86
-3,52
-1,43
-2,85
1,43
1,51
-4,11
-2,72
0,68
-3,34
-1,65
2,90
-0,03
-0,13
-2,16
1,62
-1,53
1,08
3,04
-2,90
-1,03
2,59
-0,78
-1,32
0,93
1,05
-0,49
-0,55
0,66
0,74
-0,39
98,79
96,75
97,21
95,47
96,28
96,98
95,55
98,96
95,11
97,54
96,10
96,89
96,27
92,74
98,04
95,55
95,29
97,37
98,45
98,08
97,19
97,88
97,17
96,95
97,14
93,23
94,85
96,62
97,16
91,14
96,11
94,30
95,88
91,66
95,94
97,30
93,55
97,71
92,89
95,78
95,43
93,99
96,52
94,59
97,48
92,06
95,20
96,63
95,80
95,30
95,03
96,72
94,39
96,76
96,76
96,76
96,76
96,76
96,76
96,76
96,76
96,76
96,76
96,76
96,76
96,76
96,76
96,76
96,76
96,76
96,76
96,76
96,76
96,76
96,76
96,76
96,76
96,76
95,14
95,14
95,14
95,14
95,14
95,14
95,14
95,14
95,14
95,14
95,14
95,14
95,14
95,14
95,14
95,14
95,14
95,14
95,14
95,14
95,14
95,14
95,14
95,14
95,14
95,14
95,14
95,14
- 133 -
2,04
0,00
0,45
-1,29
-0,47
0,22
-1,21
2,20
-1,65
0,78
-0,66
0,13
-0,49
-4,02
1,29
-1,20
-1,47
0,62
1,69
1,33
0,43
1,12
0,41
0,19
0,38
-1,91
-0,29
1,48
2,02
-3,99
0,97
-0,84
0,74
-3,48
0,80
2,17
-1,59
2,57
-2,24
0,64
0,29
-1,15
1,38
-0,55
2,34
-3,08
0,06
1,49
0,66
0,16
-0,11
1,58
-0,75
95,71
95,97
98,84
97,94
98,69
98,44
98,62
98,69
95,81
97,91
98,40
97,71
97,18
96,22
99,56
99,08
98,05
98,46
98,93
97,97
96,69
99,05
99,01
97,54
99,09
98,22
98,64
98,69
97,31
97,23
98,18
96,99
94,62
95,83
95,54
95,98
96,36
98,79
96,67
97,53
94,70
97,60
97,23
95,39
97,95
93,98
96,36
95,96
96,22
96,34
94,77
98,10
94,42
95,14
95,14
98,31
98,31
98,31
98,31
98,31
98,31
98,31
98,31
98,31
98,31
98,31
98,31
98,31
98,31
98,31
98,31
98,31
98,31
98,31
98,31
98,31
98,31
98,31
98,31
98,31
98,31
98,31
98,31
98,31
98,31
95,95
95,95
95,95
95,95
95,95
95,95
95,95
95,95
95,95
95,95
95,95
95,95
95,95
95,95
95,95
95,95
95,95
95,95
95,95
95,95
95,95
- 134 -
0,57
0,83
0,53
-0,36
0,39
0,13
0,31
0,38
-2,50
-0,40
0,10
-0,60
-1,13
-2,09
1,26
0,77
-0,26
0,15
0,63
-0,33
-1,62
0,74
0,70
-0,77
0,78
-0,09
0,34
0,38
-1,00
-1,08
-0,13
-1,32
-1,33
-0,12
-0,40
0,04
0,41
2,84
0,72
1,58
-1,25
1,65
1,28
-0,56
2,01
-1,97
0,41
0,01
0,27
0,39
-1,18
2,15
-1,52
95,32
96,64
97,84
97,61
95,06
97,57
96,85
96,18
95,61
95,95
95,95
95,95
95,95
95,95
95,95
95,95
95,95
95,95
-0,62
0,69
1,89
1,66
-0,89
1,62
0,90
0,24
-0,34
% de probabilidad normal
99
95
90
80
70
50
30
20
10
5
-2.77
-1.57
-0.36
0.84
2.05
Residuales
Grfica 5.10. Probabilidad normal de los residuales del modelo de primer orden propuesto.
- 135 -
5,00
4,00
3,00
Residuales
2,00
1,00
0,00
-1,0093,00
94,00
95,00
96,00
97,00
98,00
99,00
-2,00
-3,00
-4,00
-5,00
Nivel de Servicio Predicho
Grfica 5.11. Residuales frente a la respuesta predicha por el modelo lineal propuesto.
5,00
4,00
3,00
Residuales
2,00
1,00
0,00
-1,00 0
50
100
150
-2,00
-3,00
-4,00
-5,00
Orden de Realizacin de la Sim ulacin
Grfica 5.12. Residuales frente al orden de realizacin de las observaciones del modelo lineal propuesto.
En la grfica de la probabilidad normal se aprecia que los puntos siguen de una forma
bastante aproximada una lnea recta. Esto indica que el modelo cumple el supuesto de
normalidad. Observando la grfica podemos apreciar que ambas ramas tienen
aproximadamente la misma longitud, indicando esto que no se aprecia ningn sesgo.
- 136 -
Por otro lado, tambin se puede observar que la rama de la izquierda es algo ms gruesa
que la de la derecha, significando esto que los residuales negativos son algo ms
grandes que los positivos en valor absoluto. Esto es de poca importancia por lo que
consideramos que el modelo no violaba los supuestos de normalidad. En las otras dos
grficas no se aprecia que los puntos sigan ningn patrn, por lo que se considera que
el modelo supera estas pruebas y se puede considerar adecuado.
Si se observan los coeficientes del modelo ajustado, vemos que ambos son positivos, lo
que indica que aumentando el valor de los dos parmetros aumenta el nivel de servicio.
Grficamente, esto significa que siguiendo la superficie ajustada en sentido ascendente
es de esperar que podamos llegar al punto ptimo perseguido, que recordemos, no es
ms, que el punto de mayor nivel de servicio con el menor inventario. Esto lo podemos
hacer rpidamente aplicando el algoritmo de la mxima pendiente que se vio con detalle
en el apartado cuarto del captulo cuatro.
La variable con mayor coeficiente de regresin es la x1 por lo que la pendiente de la
trayectoria de mximo ascenso va a venir dada por el cociente 0.77/1.58. Esto significa
que por cada unidad que aumente x1, x2 lo va a hacer en 0.49 unidades. Debido a que el
nmero de tarjetas ha de ser un valor entero, el paso que vamos a escoger para la
variable x1 va a ser de dos unidades que corresponden prcticamente con una unidad de
aumento para la variable x2. Estos valores equivalen, en variables naturales, con
aumentos de dos tarjetas para el parmetro K (0) y de una para el parmetro E,
respectivamente. En la tabla 5.27 se muestran los puntos de la trayectoria de mximo
descenso y las respuestas halladas a lo largo de ella. En la grfica 5.13 se grafican los
niveles de servicio medio obtenidos a lo largo de dicha trayectoria:
Pasos
Origen
Origen+
Origen+2
Origen+3
Origen+4
Origen+5
Origen+6
Origen+7
Origen+8
Origen+9
Origen+10
Respuestas
Nivel de Servicio
WIP
96,3010.579
16,9780.025
98,2890.428
99,0930.321
99,5840.195
99,7280.153
99,6540.252
99,6680.181
99,7180.170
99,5740.229
99,8730.123
99,8280.225
19,9180.063
22,8870.050
25,7630.113
28,5670.207
30,9640.463
31,9391.523
32,6142.194
32,8693.209
33,1703.269
33,3673.228
- 137 -
100,000
99,000
98,000
97,000
96,000
0
10
12
Pasos
Grfica 5.13. Nivel de servicio medio obtenido a lo largo de la trayectoria de mxima pendiente.
Como se puede observar no obtenemos un mximo a partir del cual las respuestas
empiezan a disminuir, si no que los valores tienden asintticamente al 100% de nivel de
servicio.
Este resultado est en consonancia con lo que la literatura muestra para el
comportamiento de un sistema Conwip. El nivel de servicio esperado para el criterio
tomado de ventas perdidas para la actitud de los clientes (ver seccin 3.3) debera de
estar en torno al 100% (Gaury; 2000). Nuestro objetivo es alcanzar el mximo nivel de
servicio con el mnimo inventario en proceso, WIP, luego tenemos que tener en cuenta
los valores de este. Si representamos el nivel de servicio contra el WIP obtenidos en los
distintos puntos de la trayectoria obtenemos la grfica siguiente:
- 138 -
100,500
Nivel de Servicio
100,000
99,500
99,000
98,500
98,000
97,500
97,000
96,500
96,000
15,000
20,000
25,000
30,000
35,000
WIP
Grfica 5.14. Nivel de Servicio contra WIP sobre la trayectoria de la mxima pendiente.
La curva obtenida empieza a ser muy asinttica para niveles superiores al 98 % de nivel
de servicio. Es obvio que conforme aumenta el nmero de tarjetas tambin lo hace el
nivel de servicio y el WIP, aunque, como indica la grfica anterior, el aumento del WIP
a partir de un nivel de servicio del 98 % va ser mucho mayor que el aumento del nivel
de servicio para un nmero de tarjetas dado. Veamos por ejemplo, que pasar del paso
uno al diez, supone pasar de un nivel de servicio del 98.289 % a otro del 99.828 %, lo
que supone un incremento de un 1.57%. En ese mismo intervalo el WIP pasa de 19.918
unidades a 33.367, lo que supone un incremento del 67.67%. El WIP aumenta bastante
ms de lo que lo hace el nivel de servicio. Esto hace que perseguir niveles de servicio de
un 100% genere un nivel de inventario econmicamente inviable.
- 139 -
Factor B
(4,7)
(6,7)
(5,6)
(4,5)
(6,5)
Factor A
Figura 5.6. Regin de experimentacin del primer experimento con punto central para =98%.
Escenario
1
2
3
4
5
K(0)
4
6
4
6
5
E
5
5
7
7
6
Tabla 5.28. Escenarios del primer experimento con punto central para =98%.
Escenario
1
2
3
4
5
K(0)
-1
1
-1
1
0
E
-1
-1
1
1
0
Tabla 5.29. Escenarios del primer experimento con punto central para =98%.
- 140 -
Los resultados obtenidos en estos escenarios has sido los que se muestran en la tabla
siguiente:
Escenario Nivel de servicio medio (%) STD Nivel de Servicio WIP medio STD WIP
1
57.570
5.8443
9.022
0.0048
2
83.131
2.4611
11.007
0.0143
3
71.948
4.5252
11.014
0.0066
4
90.305
2.8848
12.996
0.0194
5
81.939
2.7248
11.011
0.0065
Tabla 5.30. Resultados de las simulaciones de los escenarios del primer experimento con punto central para =98%.
Los resultados obtenidos indican que tanto los factores principales como la interaccin
entre ellos son significativos. El modelo de primer orden ajustado, en variables
codificadas, va a ser:
- 141 -
Termino
SS
g.d.l MSS
Fo
Modelo
18338,62 3 6112,87 284,28
Residual
3139,43 146 21,50
(Falta de ajuste LOF) 922,77
1
922,77 60,36
(Error puro)
2216,66 145 15,29
Total
21478,04 149
Fo Tablas
3,06
3,06
Tabla 5.32. Pruebas de significacin y falta de ajuste del primer experimento con punto central para
=98%.
Factor B
(4,7)
(5,7)
(4,6)
(6,7)
(6,6)
(5,6)
(4,5)
(5,5)
(6,5)
Factor A
Figura 5.7. Regin de experimentacin del experimento central compuesto con centros en las caras para =98%.
- 142 -
Escenario
1
2
3
4
5
6
7
8
9
K(0)
4
6
4
6
4
6
5
5
5
E
5
5
7
7
6
6
5
7
6
Tabla 5.33. Escenarios en el experimento central compuesto con centros en las caras para =98% en
variables naturales.
Escenario
1
2
3
4
5
6
7
8
9
K
-1
1
-1
1
-1
1
0
0
0
E
-1
-1
1
1
0
0
-1
1
0
Tabla 5.34. Escenarios en el experimento central compuesto con centros en las caras para =98%en
variables codificadas.
Los resultados de las simulaciones en esta nueva regin de experimentacin han sido las
siguientes:
Escenario Nivel de servicio medio (%) STD Nivel de Servicio WIP medio STD WIP
1
57.570
5.8443
9.022
0.0048
2
83.131
2.4611
11.007
0.0143
3
71.948
4.5252
11.014
0.0066
4
90.305
2.8848
12.996
0.0194
5
64.594
5.0789
10.019
0.0058
6
85.716
3.3080
12.004
0.0145
7
73.777
3.3075
10.017
0.0053
8
84.251
3.1375
12.007
0.0058
9
81.939
2.7248
11.011
0.0065
Tabla 5.35. Simulaciones de los escenarios del experimento central compuesto con centros en las caras para =98%.
- 143 -
Segn los resultados obtenidos todos los trminos son significativos excepto el trmino
cuadrtico del factor B, por lo que el modelo buscado sera:
g.d.l
5
264
3
261
269
MSS
Fo
Fo Tablas
5556,12 362,80
3,06
15,31
43,33
2,89
3,06
14,99
Tabla 5.37. Prueba de significacin y de la falta de ajuste del experimento central compuesto con centros en las caras
para =98%.
- 144 -
Respuestas
58,76
58,55
65,15
48,72
48,60
56,29
55,87
55,78
58,89
63,18
58,51
55,89
50,60
65,75
65,20
56,52
56,07
62,39
61,76
58,87
66,16
55,67
48,32
59,47
49,23
57,16
61,02
49,88
57,19
64,69
80,51
83,21
81,60
83,12
81,21
85,42
82,85
86,72
85,31
80,80
85,61
86,80
82,30
86,52
84,05
85,66
79,28
81,09
83,74
86,59
85,12
80,67
Prediccin
57,39
57,39
57,39
57,39
57,39
57,39
57,39
57,39
57,39
57,39
57,39
57,39
57,39
57,39
57,39
57,39
57,39
57,39
57,39
57,39
57,39
57,39
57,39
57,39
57,39
57,39
57,39
57,39
57,39
57,39
82,62
82,62
82,62
82,62
82,62
82,62
82,62
82,62
82,62
82,62
82,62
82,62
82,62
82,62
82,62
82,62
82,62
82,62
82,62
82,62
82,62
82,62
- 145 -
Residuales
1,37
1,16
7,76
-8,67
-8,79
-1,10
-1,52
-1,60
1,51
5,79
1,12
-1,50
-6,79
8,36
7,81
-0,87
-1,32
5,00
4,37
1,48
8,77
-1,72
-9,07
2,08
-8,16
-0,23
3,63
-7,51
-0,20
7,30
-2,10
0,59
-1,01
0,50
-1,40
2,80
0,23
4,10
2,69
-1,82
2,99
4,18
-0,32
3,90
1,43
3,04
-3,33
-1,52
1,12
3,97
2,51
-1,94
81,19
81,52
79,06
81,06
85,32
85,95
82,20
79,47
71,07
78,16
79,88
78,22
66,86
67,05
76,07
77,73
71,98
70,49
77,82
65,33
65,84
76,60
70,33
71,45
67,97
71,13
71,24
73,38
79,45
67,40
67,98
72,66
68,48
68,52
75,72
65,13
69,74
74,76
90,72
91,37
94,38
86,56
90,17
91,61
85,55
91,82
83,60
92,80
92,41
92,93
89,93
89,36
91,21
82,62
82,62
82,62
82,62
82,62
82,62
82,62
82,62
71,66
71,66
71,66
71,66
71,66
71,66
71,66
71,66
71,66
71,66
71,66
71,66
71,66
71,66
71,66
71,66
71,66
71,66
71,66
71,66
71,66
71,66
71,66
71,66
71,66
71,66
71,66
71,66
71,66
71,66
89,69
89,69
89,69
89,69
89,69
89,69
89,69
89,69
89,69
89,69
89,69
89,69
89,69
89,69
89,69
- 146 -
-1,42
-1,10
-3,56
-1,56
2,70
3,33
-0,42
-3,15
-0,60
6,50
8,22
6,55
-4,81
-4,61
4,40
6,06
0,31
-1,17
6,16
-6,34
-5,83
4,93
-1,33
-0,21
-3,70
-0,54
-0,43
1,71
7,79
-4,26
-3,69
1,00
-3,19
-3,14
4,05
-6,54
-1,93
3,10
1,03
1,68
4,69
-3,13
0,48
1,92
-4,14
2,13
-6,08
3,11
2,72
3,24
0,24
-0,33
1,52
86,26
90,22
94,11
87,38
91,36
93,18
85,21
90,32
93,09
94,16
90,98
90,19
87,18
92,85
88,24
68,63
66,21
70,42
63,82
56,26
58,91
72,42
63,67
61,82
63,56
71,43
60,54
60,79
71,32
68,50
64,58
65,18
57,55
61,20
63,29
73,93
64,26
60,16
54,86
68,65
64,80
64,24
63,83
66,07
63,90
85,08
78,97
82,37
88,17
88,62
80,91
85,04
85,48
89,69
89,69
89,69
89,69
89,69
89,69
89,69
89,69
89,69
89,69
89,69
89,69
89,69
89,69
89,69
65,06
65,06
65,06
65,06
65,06
65,06
65,06
65,06
65,06
65,06
65,06
65,06
65,06
65,06
65,06
65,06
65,06
65,06
65,06
65,06
65,06
65,06
65,06
65,06
65,06
65,06
65,06
65,06
65,06
65,06
86,68
86,68
86,68
86,68
86,68
86,68
86,68
86,68
- 147 -
-3,43
0,53
4,42
-2,31
1,67
3,49
-4,48
0,63
3,41
4,47
1,29
0,50
-2,51
3,16
-1,45
3,57
1,15
5,37
-1,23
-8,79
-6,14
7,36
-1,39
-3,24
-1,50
6,37
-4,52
-4,27
6,26
3,44
-0,48
0,12
-7,51
-3,86
-1,77
8,87
-0,80
-4,90
-10,20
3,59
-0,26
-0,82
-1,22
1,01
-1,16
-1,60
-7,71
-4,31
1,49
1,93
-5,77
-1,64
-1,20
89,60
89,67
83,94
85,72
89,03
79,45
86,67
82,56
91,14
83,56
88,61
87,39
86,31
85,36
85,49
88,09
83,64
87,76
80,39
84,79
89,02
83,79
72,80
74,56
72,02
74,85
73,30
70,61
81,40
71,60
78,20
69,86
77,76
72,58
77,21
69,54
73,17
81,19
74,14
70,53
73,36
75,33
75,71
77,62
69,15
68,29
76,50
71,80
72,12
72,90
72,96
72,24
82,68
86,68
86,68
86,68
86,68
86,68
86,68
86,68
86,68
86,68
86,68
86,68
86,68
86,68
86,68
86,68
86,68
86,68
86,68
86,68
86,68
86,68
86,68
74,47
74,47
74,47
74,47
74,47
74,47
74,47
74,47
74,47
74,47
74,47
74,47
74,47
74,47
74,47
74,47
74,47
74,47
74,47
74,47
74,47
74,47
74,47
74,47
74,47
74,47
74,47
74,47
74,47
74,47
85,15
- 148 -
2,91
2,98
-2,75
-0,97
2,34
-7,23
-0,01
-4,12
4,45
-3,12
1,92
0,71
-0,37
-1,33
-1,19
1,41
-3,05
1,07
-6,29
-1,90
2,33
-2,90
-1,67
0,08
-2,46
0,38
-1,17
-3,86
6,93
-2,88
3,72
-4,62
3,29
-1,90
2,74
-4,94
-1,30
6,72
-0,33
-3,94
-1,11
0,85
1,24
3,14
-5,32
-6,18
2,02
-2,67
-2,35
-1,57
-1,52
-2,24
-2,47
80,23
80,02
88,81
86,34
80,81
84,32
83,69
84,72
88,92
82,73
86,71
79,16
83,90
82,03
89,59
82,58
87,44
87,59
84,34
81,85
85,14
84,70
79,53
86,38
80,02
83,52
85,79
83,23
90,75
74,42
83,27
80,76
86,29
79,18
80,14
81,99
85,20
82,42
80,49
84,43
82,71
82,30
84,45
82,41
85,02
76,91
80,97
83,85
86,28
83,18
79,30
81,26
78,61
85,15
85,15
85,15
85,15
85,15
85,15
85,15
85,15
85,15
85,15
85,15
85,15
85,15
85,15
85,15
85,15
85,15
85,15
85,15
85,15
85,15
85,15
85,15
85,15
85,15
85,15
85,15
85,15
85,15
80,34
80,34
80,34
80,34
80,34
80,34
80,34
80,34
80,34
80,34
80,34
80,34
80,34
80,34
80,34
80,34
80,34
80,34
80,34
80,34
80,34
80,34
80,34
80,34
- 149 -
-4,92
-5,13
3,66
1,19
-4,34
-0,83
-1,46
-0,43
3,77
-2,41
1,56
-5,98
-1,24
-3,12
4,44
-2,57
2,29
2,44
-0,81
-3,30
-0,01
-0,45
-5,62
1,24
-5,13
-1,63
0,64
-1,91
5,60
-5,92
2,92
0,42
5,94
-1,16
-0,21
1,65
4,86
2,07
0,14
4,08
2,37
1,95
4,10
2,06
4,68
-3,43
0,63
3,51
5,94
2,84
-1,05
0,91
-1,73
80,39
81,82
85,04
82,88
82,95
79,24
80,34
80,34
80,34
80,34
80,34
80,34
0,05
1,48
4,70
2,54
2,61
-1,10
Tabla 5.38. Residuales del experimento central compuesto con centros en las caras para =98%.
% de probabilidad normal
99
95
90
80
70
50
30
20
10
5
-2.79
-6.25
0.29
6.82
13.36
Residuales
Grfica 5.15. Probabilidad normal de los residuales del modelo de segundo orden propuesto.
- 150 -
11,00
Residuales
6,00
1,00
50,00
-4,00
60,00
70,00
80,00
90,00
100,00
-9,00
-14,00
Nivel de Servicio Predicho
Grfica 5.16. Residuales frente a en el experimento central compuesto con centros en las caras para =98%.
11,00
Residuales
6,00
1,00
-4,00
50
100
150
200
250
-9,00
-14,00
Orden de Realizacin de la Sim ulacin
Grfica 5.17. Residuales frente al orden de avaluacin del experimento central compuesto con centros en
las caras para =98%.
este hecho no implica que se viole la hiptesis de normalidad. En las otras dos grficas
no se aprecia que los residuales sigan ningn patrn que haga pensar que estn
relacionados con la salida o con el orden de realizacin de las observaciones.
Definitivamente el modelo se puede dar por adecuado.
El modelo resultante en variables codificadas es:
y = 0 + x' b + x' Bx
(65)
y aplicando la formula:
1
x s = B 1 b
2
En nuestro caso las matrices que intervienen van a tener los siguientes valores:
4.47 0.90
10.81
x
B
=
x = 1 b =
0.90 0.53
5.34
x2
y el punto estacionario va a resultar en variables codificadas:
0.30
xs =
4.53
que en variables naturales corresponde con el punto:
- 152 -
(66)
5.30
xs =
10.53
El siguiente paso es caracterizar el punto singular hallado, para lo que bastar con
observar el signo de los coeficientes del modelo expresado en forma cannica (ver
seccin 4.4). Estos coeficientes son los autovalores de la matriz B, y para hallarlos no
hay ms que plantear el determinante:
|B- I| = 0
4.47
0.90
(67)
0.90
=0
0.53
1 = -0.33
2 = -4.67
El modelo en forma cnica queda de la forma:
y = y s 0.33w 21 4.67 w 2 2
al ser los dos autovalores negativos, el punto xs1 = 5.30, xs2 = 10.53 corresponde con un
mximo. Sin embargo, este no es viable ya que ambos valores deberan ser nmeros
enteros. Para nuestros propsitos el punto a considerar deber ser uno de los cuatro
enteros que lo rodean. Cada uno de estos cuatro puntos hay que validarlo, es decir,
comparar el valor real del nivel de servicio con el valor que el modelo nos predice en
cada uno de ellos. Los resultados son los siguientes:
K(0) (Factor A)
5
6
5
6
E (Factor B)
10
10
11
11
Valor Real
93,2531.100
95,0471.099
93,7561.041
96,0620.510
IC (99%)
92.153<>94.353
93.948<>96.146
92.715<>94.797
95.552<>96.572
Valor Predicho
93,184
92,321
93,734
91,071
En la tabla 5.39, por un lado se observa como el nivel de servicio real mejora conforme
aumenta el valor de los parmetros K (0) y E, y por otro lado se aprecia, como los
valores predichos se encuentran lejos del nivel de servicio predeterminado, que
- 153 -
recordemos es del 98%, y como los valores predichos para los puntos (6,10) y (6,11) no
se encuentran dentro de los intervalos de confianza hallados en la simulacin de la lnea
de produccin para estos valores. Dada esta situacin consideramos necesario ajustar un
nuevo modelo en esta zona de la superficie de respuesta real que nos permita movernos
hacia valores del nivel de servicio mayores y ms cercanos al buscado.
Pero antes de ello vamos a realizar una pequea reflexin observando los resultados
obtenidos anteriormente, cuando el nivel de servicio predeterminado era del 100% y los
obtenidos hasta ahora con el nivel de servicio predeterminado del 98%.
Llama la atencin la similitud existente entre el mximo recin hallado y el que se hall
cuando el nivel de servicio predeterminado era del 100%. En aquella ocasin se ajust
un modelo de segundo orden en una regin de experimentacin centrada en el punto
(3,8), presentando un mximo en el punto xs1=5.47, xs2=10.59. Ahora, aunque se haya
partido de una regin centrada en un punto donde el valor del parmetro K (0) es mayor
para evitar el efecto transitorio, se ha llegado prcticamente a la misma zona de la
superficie de respuesta, y al igual que antes, ajustando un modelo de segundo orden.
Los dos parmetros correspondientes al mximo para un nivel de servicio
predeterminado del 98%, xs1 = 5.30, xs2 = 10.53, son ligeramente inferiores, en valor
absoluto, que a los correspondientes al caso de un nivel de servicio predeterminado del
100%. Esto nos hace pensar que las superficies de respuesta pueden ser similares en su
forma, y estar la correspondiente al nivel de servicio predeterminado del 98%
ligeramente por debajo de la correspondiente a un nivel de servicio predeterminado del
100%. Para intentar averiguar esto ltimo vamos a representar en la siguiente tabla los
valores reales medios del nivel de servicio, hallados en las simulaciones para un nivel
de servicio predeterminado del 100%, del 98% y su diferencia.
K(0)
5
6
5
6
E
10
10
11
11
K (0) =
E=
0.239 + 0.1 0
= 0.170
2
2
0.239 + 0 .1 + 0
= 0.070
2
2
- 154 -
K (0) E =
0.239 0 0.1 0
= 0.070
2
2
Como se puede observar todos los efectos son positivos, lo que indica que al aumentar
los parmetros la diferencia se hace mayor, en especial si aumentamos el parmetro
K (0), ya que su efecto es mayor. El valor positivo de la interaccin indica que la
diferencia aumenta conforme lo haga el parmetro K (0), y lo har en mayor medida si
el valor de E es mayor. Estos resultados parecen confirmar nuestra suposicin.
Tras este breve parntesis proseguimos con el proceso de bsqueda de la regin de la
superficie de respuesta que proporciones valores ms cercanos a los deseados.
Comenzaremos intentando ajustar un modelo de primer orden. La nueva regin de
experimentacin se va a elegir alrededor del mejor punto de esta serie, que resulta ser el
6, 11, ya que en l el nivel de servicio es el mayor de los cuatro. Se va a tratar de ajustar
un modelo lineal por lo que el nuevo experimento ha de ser con observaciones en el
punto central. Este nuevo experimento se muestra en la siguiente figura:
(7,12)
Factor B
(5,12)
(6,11)
(5,10)
(7,10)
Factor A
Figura 5.8. Regin de experimentacin del segundo experimento con punto central para =98%.
K(0)
5
7
5
7
6
E
10
10
12
12
11
Tabla 5.41. Escenarios del segundo experimento con punto central para =98%.
- 155 -
Escenario
1
2
3
4
5
K(0)
-1
1
-1
1
0
E
-1
-1
1
1
0
Tabla 5.42. Escenarios del segundo experimento con punto central para =98%.
Los resultados obtenidos en las simulaciones realizadas en estos escenarios han sido:
Escenario Nivel de servicio medio (%) STD Nivel de Servicio WIP medio
1
93.253
2.3395
14.992
2
96.556
1.1587
16.948
3
95.165
1.7170
16.984
4
97.673
0.9200
18.884
5
96.062
1.0847
16.936
STD WIP
0.0070
0.0784
0.0089
0.1894
0.1107
Tabla 5.43. Resultados de las simulaciones de los escenarios del segundo experimento con punto central
para =98%.
SS
253,49
70,75
4,71
344,65
673,60
Como se puede observar los dos factores principales son significativos, no siendo as la
interaccin entre ellos, por lo que el modelo ajustado ser el que se muestra a
continuacin:
- 156 -
Termino
Modelo
Residual
(Falta de ajuste LOF)
(Error puro)
Total
SS
324,24
349,36
8,36
341,00
673,60
g.d.l MSS
Fo
Fo Tablas
2 162,12 68,22
3,06
147 2,38
2
4,18
1,78
3,06
145 2,35
149
Tabla 5.45. Prueba de significacin y de la falta de ajuste del segundo experimento para =98%.
Prediccin
93,53
93,53
93,53
93,53
93,53
93,53
93,53
93,53
93,53
93,53
93,53
93,53
93,53
93,53
93,53
93,53
93,53
93,53
93,53
93,53
93,53
93,53
93,53
93,53
93,53
93,53
93,53
93,53
93,53
93,53
96,44
96,44
96,44
96,44
96,44
96,44
- 157 -
Residuales
1,09
2,88
0,85
1,17
0,92
-3,46
-1,37
-2,79
1,49
1,57
-4,05
-2,66
0,74
-3,28
-1,59
2,96
0,03
-0,07
-2,10
1,68
-1,47
1,14
3,10
-4,84
-0,97
2,65
-0,72
-1,26
0,99
1,11
-0,17
-0,23
0,98
1,06
-0,06
0,14
96,75
97,21
95,47
96,28
96,98
95,67
98,96
95,11
97,54
96,10
95,88
96,27
92,74
96,13
95,55
95,29
97,37
98,45
97,18
97,19
97,88
97,17
96,95
96,23
93,23
94,85
96,62
97,16
91,14
96,11
94,30
95,88
91,66
95,94
97,30
93,55
97,71
92,89
95,78
95,43
93,99
96,52
95,18
97,48
92,06
95,20
96,63
95,80
95,30
95,03
96,72
94,39
95,71
96,44
96,44
96,44
96,44
96,44
96,44
96,44
96,44
96,44
96,44
96,44
96,44
96,44
96,44
96,44
96,44
96,44
96,44
96,44
96,44
96,44
96,44
96,44
96,44
95,06
95,06
95,06
95,06
95,06
95,06
95,06
95,06
95,06
95,06
95,06
95,06
95,06
95,06
95,06
95,06
95,06
95,06
95,06
95,06
95,06
95,06
95,06
95,06
95,06
95,06
95,06
95,06
95,06
- 158 -
0,32
0,77
-0,97
-0,15
0,54
-0,77
2,52
-1,33
1,10
-0,34
-0,56
-0,17
-3,70
-0,30
-0,88
-1,15
0,94
2,01
0,74
0,75
1,44
0,73
0,51
-0,20
-1,84
-0,21
1,55
2,09
-3,92
1,05
-0,76
0,81
-3,40
0,87
2,24
-1,51
2,65
-2,17
0,72
0,36
-1,07
1,45
0,11
2,41
-3,01
0,14
1,57
0,73
0,24
-0,03
1,66
-0,67
0,65
95,97
98,86
97,94
98,69
98,44
95,76
98,51
95,81
97,91
98,40
97,71
97,18
96,22
96,66
98,46
98,05
98,46
97,42
97,97
97,67
96,69
98,11
98,87
97,54
95,92
98,22
98,64
98,05
97,31
97,23
98,18
94,62
95,83
95,54
95,98
96,36
97,22
96,67
97,53
94,70
96,04
97,23
95,39
97,95
93,98
96,36
94,77
96,49
96,34
94,77
97,19
94,42
95,32
95,06
97,97
97,97
97,97
97,97
97,97
97,97
97,97
97,97
97,97
97,97
97,97
97,97
97,97
97,97
97,97
97,97
97,97
97,97
97,97
97,97
97,97
97,97
97,97
97,97
97,97
97,97
97,97
97,97
97,97
97,97
95,75
95,75
95,75
95,75
95,75
95,75
95,75
95,75
95,75
95,75
95,75
95,75
95,75
95,75
95,75
95,75
95,75
95,75
95,75
95,75
95,75
95,75
- 159 -
0,91
0,88
-0,03
0,72
0,47
-2,21
0,54
-2,17
-0,06
0,43
-0,26
-0,79
-1,75
-1,31
0,48
0,07
0,49
-0,55
0,00
-0,30
-1,28
0,14
0,90
-0,43
-2,05
0,25
0,67
0,07
-0,66
-0,75
0,20
-1,13
0,08
-0,21
0,23
0,61
1,47
0,92
1,78
-1,05
0,29
1,48
-0,36
2,20
-1,77
0,61
-0,98
0,74
0,59
-0,98
1,44
-1,33
-0,43
96,64
97,84
95,42
95,06
97,57
96,85
96,18
95,61
95,75
95,75
95,75
95,75
95,75
95,75
95,75
95,75
0,89
2,09
-0,33
-0,69
1,82
1,10
0,43
-0,14
% de probabilidad normal
99
95
90
80
70
50
30
20
10
5
-3.97
-2.47
-0.97
0.53
2.03
Residuales
Grfica 5.18. Probabilidad normal de los residuales del modelo lineal propuesto.
- 160 -
5,00
4,00
3,00
Residuales
2,00
1,00
0,00
-1,0092,00
94,00
96,00
98,00
100,00
-2,00
-3,00
-4,00
-5,00
Nivel de Servicio Predicho
5,00
4,00
3,00
Residuales
2,00
1,00
0,00
-1,00 0
50
100
150
-2,00
-3,00
-4,00
-5,00
Orden de Realizacin de la Sim ulacin
Grfica 5.20. Residuales frente al orden de avaluacin del segundo experimento para =98%.
Pasos
Origen
Origen+
Origen+2
Origen+3
Origen+4
Origen+5
Origen+6
Origen+7
Variables codificadas
x1
x2
0
0
2
1
2
1
4
2
6
3
8
4
10
5
12
6
14
7
Variables naturales
6
2
8
10
12
14
16
18
20
11
1
12
13
14
15
16
17
18
Respuestas
Nivel de Servicio
WIP
96,0620.510
16.9360.111
97,7820.339
98,1990.360
98,3430.288
98,4540.256
98,4670.213
99,0680.276
99,0540.278
19.7770.205
22.2830.571
24.5410.827
25.6731.020
24.6831.972
23.0312.601
25.4022.405
- 162 -
100
99
98
97
96
95
0
Pasos
- 163 -
(9,13)
Factor B
(7,13)
(8,12)
(7,11)
(9,11)
Factor A
Figura 5.9. Regin de experimentacin del tercer experimento con punto central para =98%.
Escenario
1
2
3
4
5
K(0)
7
9
7
9
8
E
11
11
13
13
12
Tabla 5.48. Escenarios del tercer experimento con punto central para =98%.
Escenario
1
2
3
4
5
K(0)
-1
1
-1
1
0
E
-1
-1
1
1
0
Tabla 5.49. Escenarios del tercer experimento con punto central para =98%.
- 164 -
MSS Fo Fo Tablas
3,45 6,16
3,91
1,06 1,89
3,91
0,27 0,48
3,91
0,56
Tabla 5.51. Anlisis de varianza del tercer experimento con punto central para =98%.
El resultado obtenido muestra que slo el factor A es significativo. Esto significa que el
modelo lineal que pretendemos ajustar sera, en variables codificadas, de la forma:
y = 97.74 + 0.17 x1
Veamos a continuacin si este modelo pasa las pruebas de adecuacin. Las pruebas de
significacin y de falta de ajuste se muestran en la tabla 5.52:
Termino
SS g.d.l MSS Fo Fo Tablas
Modelo
3,45
1
3,45 6,14
3,91
Residual
83,14 148 0,56
(Falta de ajuste LOF) 1,38
3
0,46 0,82
2,67
(Error puro)
81,76 145 0,56
Total
86,59 149
Tabla 5.52. Prueba de significacin y de la falta de ajuste del tercer experimento para =98%.
Prediccin
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
- 165 -
Residuales
1,33
-0,16
0,77
0,62
-0,41
0,95
-2,16
-0,84
0,86
-0,48
0,56
97,60
97,23
98,04
96,96
96,22
98,20
96,97
97,17
97,30
97,68
97,66
95,18
98,19
97,78
97,76
98,26
98,02
98,38
97,57
98,71
98,52
97,71
98,26
98,20
97,90
96,65
96,28
98,39
97,29
97,50
98,18
98,12
97,44
98,05
98,33
98,09
97,36
97,52
97,56
97,64
97,94
98,73
97,35
97,99
97,81
98,26
98,03
97,14
95,97
97,47
98,21
97,90
98,27
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,57
97,57
97,57
97,57
- 166 -
0,03
-0,34
0,47
-0,61
-1,35
0,63
-0,61
-0,40
-0,28
0,11
0,09
-2,39
0,62
0,20
0,18
0,68
0,45
0,81
0,00
0,80
0,61
-0,20
0,34
0,28
-0,02
-1,27
-1,63
0,47
-0,62
-0,42
0,26
0,21
-0,47
0,13
0,41
0,18
-0,55
-0,40
-0,36
-0,28
0,03
0,82
-0,57
0,08
-0,11
0,35
0,12
-0,77
-1,94
-0,11
0,64
0,32
0,70
97,80
97,87
96,76
97,72
98,62
97,06
97,17
97,66
97,74
97,83
97,69
98,91
97,81
97,19
96,65
96,29
97,88
98,45
98,68
97,64
97,62
96,79
97,71
97,97
96,79
96,22
98,18
97,94
98,77
98,02
96,27
98,13
97,30
98,59
98,30
98,81
97,93
98,31
98,85
98,27
98,87
96,38
98,42
98,63
97,65
97,16
98,20
97,64
98,46
98,97
97,65
96,74
97,84
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,57
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
97,91
- 167 -
0,22
0,30
-0,82
0,15
1,04
-0,52
-0,40
0,09
0,16
0,25
0,11
1,33
0,24
-0,38
-0,92
-1,29
0,31
0,88
1,10
0,06
0,04
-0,78
0,13
0,40
-0,78
-1,36
0,27
0,02
0,86
0,11
-1,64
0,22
-0,61
0,68
0,39
0,90
0,02
0,39
0,94
0,36
0,96
-1,53
0,50
0,72
-0,26
-0,75
0,28
-0,28
0,54
1,05
-0,26
-1,18
-0,07
98,53
98,31
98,26
97,96
98,26
97,80
98,91
97,24
97,80
96,68
97,00
98,24
96,49
96,67
99,00
97,61
97,92
97,40
98,24
96,64
96,91
98,53
97,76
97,49
98,56
97,90
98,91
97,68
98,01
97,74
98,98
97,87
97,26
97,91
97,91
97,91
97,74
97,74
97,74
97,74
97,74
97,74
97,74
97,74
97,74
97,74
97,74
97,74
97,74
97,74
97,74
97,74
97,74
97,74
97,74
97,74
97,74
97,74
97,74
97,74
97,74
97,74
97,74
97,74
97,74
97,74
0,61
0,40
0,34
0,21
0,51
0,05
1,17
-0,50
0,06
-1,06
-0,74
0,49
-1,26
-1,08
1,26
-0,14
0,17
-0,35
0,49
-1,11
-0,84
0,79
0,02
-0,25
0,82
0,16
1,16
-0,06
0,26
0,00
1,24
0,12
-0,49
- 168 -
99
% de probabilidad normal
95
90
80
70
50
30
20
10
5
-3.16
-2.04
-0.91
0.21
1.33
Residuales
Grfica 5.22. Probabilidad normal de los residuales del modelo lineal propuesto.
3,00
Residuales
2,00
1,00
0,00
97,50
-1,00
98,00
-2,00
-3,00
Nivel de Servicio Predicho
Grfica 5.23. Residuales frente a en el tercer experimento caras para =98%.
- 169 -
3,00
Residuales
2,00
1,00
0,00
0
50
100
150
-1,00
-2,00
-3,00
Orden de Realizacin de la Sim ulacin
Grfica 5.24. Residuales frente al orden de avaluacin del tercer experimento para =98%.
En la grfica de la probabilidad normal se observa que los puntos siguen una lnea recta
con mayor dificultad que en los casos anteriores. Tambin se observa que la rama
derecha es ms larga que la izquierda, lo que puede significar que existe un ligero sesgo
hacia los valores positivos de los residuales. Ninguno de los dos aspectos anteriores
hace pensar que no se cumple la hiptesis de normalidad. En las otras dos graficas que
forman parte del anlisis de los residuales no se aprecia ningn patrn que haga pensar
que el modelo ajustado no es adecuado, por lo que el modelo se considera satisfactorio.
El modelo ajustado slo depende del factor A y podemos seguir la trayectoria de la
mxima pendiente aumentando su valor. El paso va a ser de una unidad, lo que
corresponde con una tarjeta en las variables naturales, y el origen va a ser el centro de la
regin de experimentacin. Como se puede ver en la tabla 5.54, en el primer paso ya
sobrepasamos el lmite impuesto para el nivel de servicio, por lo que vamos a detener
nuestra bsqueda en este punto y por consiguiente en esta regin de experimentacin.
K(0) (Factor A)
8
9
10
E (Factor B)
12
12
12
Nivel de Servicio
97.7820.339
98.0810.266
98.0980.366
WIP
19.7770.205
20.6010.324
21.4970.247
- 170 -
Hasta ahora, todos los experimentos realizados han tenido como objeto buscar la
combinacin de K (0) y E que ofreciera un nivel de servicio ms cercano al
predeterminado, que en nuestro caso ha sido el 98%. Aplicando la metodologa RSM, se
parti del punto (5,6), con un nivel de servicio medio del 81.9391.282 %, y se ha
llegado al (8,12) con un nivel de servicio medio del 97.7820.339 %. En este punto de
la experimentacin, parece ser que hemos conseguido encontrar una superficie de
respuesta que se ajusta adecuadamente a la real en las inmediaciones de los diferentes
puntos que ofrecen un nivel de servicio muy prximo al predeterminado, pero
desconocemos cual de ellos es el que ofrece un inventario en proceso menor. El
siguiente paso que se va a seguir va a ser el de tratar de ajustar un modelo que nos
ofrezca una superficie de respuesta suficientemente ajustada a la real en esta regin,
aunque esta vez, examinando el WIP como respuesta. Una vez sepamos como se
comporta el WIP en esta regin, estaremos en condiciones de elegir el punto idneo.
La regin de experimentacin y los experimentos van a ser los mismos que se han
mostrado en la figura 5.9 y en las tablas 5.48 y 5.49. El WIP obtenido en estos
escenarios se mostr en la tabla 5.50.
El anlisis de varianza se muestra a continuacin:
Termino Efectos
SS
Porcentaje g.d.l MSS
Fo
Fo Tablas
A
1,70
86,98
43,03
1
86,98 1396,90
3,91
B
1,88 105,89
52,38
1 105,89 1700,57
3,91
AB
0,19
0,19
0,09
1
0,19
2,99
3,91
Error
9,09
4,50
146 0,06
Total
202,15
100,00
149
Tabla 5.55. Anlisis de varianza del experimento con punto central y WIP como respuesta para =98%.
- 171 -
Termino
SS
g.d.l MSS
Fo
Fo Tablas
Modelo
192,88 2
96,44 1528,04
3,06
Residual
9,28 147 0,06
(Falta de ajuste LOF) 0,22
2
0,11
1,77
3,06
(Error puro)
9,06 145 0,06
Total
202,15 149
Tabla 5.56. Prueba de significacin y de la falta de ajuste del experimento con WIP como respuesta para
=98%.
Estas dos pruebas las pasa el modelo ajustado, ya slo queda esperar que pase el anlisis
grfico de los residuales que se muestra a continuacin:
Respuestas
17,66
17,98
17,88
17,98
17,86
17,97
17,99
17,59
17,98
17,99
17,99
17,84
17,91
17,99
17,90
17,82
17,50
17,88
17,98
17,98
17,91
17,99
17,99
17,99
17,99
17,80
17,99
17,99
17,98
17,98
19,62
19,80
19,84
19,48
Prediccin
17,96
17,96
17,96
17,96
17,96
17,96
17,96
17,96
17,96
17,96
17,96
17,96
17,96
17,96
17,96
17,96
17,96
17,96
17,96
17,96
17,96
17,96
17,96
17,96
17,96
17,96
17,96
17,96
17,96
17,96
19,66
19,66
19,66
19,66
- 172 -
Residuales
-0,30
0,03
-0,07
0,03
-0,09
0,01
0,04
-0,36
0,03
0,03
0,03
-0,12
-0,04
0,03
-0,06
-0,14
-0,46
-0,08
0,03
0,02
-0,04
0,03
0,03
0,03
0,03
-0,16
0,03
0,03
0,02
0,03
-0,04
0,14
0,18
-0,18
19,38
19,94
19,88
19,69
19,45
19,63
19,76
19,79
18,89
19,94
19,80
19,99
19,99
19,98
19,92
19,72
19,40
19,42
19,58
19,33
19,98
19,75
19,76
19,68
19,56
19,79
19,74
19,87
19,92
19,85
19,64
19,96
19,99
19,76
19,97
19,98
19,98
19,84
19,80
19,98
19,99
19,98
19,83
19,99
19,97
19,81
19,89
19,98
19,65
19,98
19,98
19,79
19,68
19,66
19,66
19,66
19,66
19,66
19,66
19,66
19,66
19,66
19,66
19,66
19,66
19,66
19,66
19,66
19,66
19,66
19,66
19,66
19,66
19,66
19,66
19,66
19,66
19,66
19,66
19,83
19,83
19,83
19,83
19,83
19,83
19,83
19,83
19,83
19,83
19,83
19,83
19,83
19,83
19,83
19,83
19,83
19,83
19,83
19,83
19,83
19,83
19,83
19,83
19,83
19,83
19,83
- 173 -
-0,28
0,28
0,22
0,03
-0,21
-0,03
0,10
0,13
-0,76
0,28
0,14
0,33
0,33
0,32
0,26
0,06
-0,26
-0,24
-0,07
-0,33
0,32
0,09
0,11
0,02
-0,10
0,13
-0,10
0,04
0,09
0,01
-0,19
0,13
0,15
-0,08
0,14
0,15
0,15
0,00
-0,04
0,15
0,15
0,15
-0,01
0,16
0,14
-0,03
0,06
0,15
-0,19
0,15
0,15
-0,05
-0,15
19,24
19,98
19,98
21,51
21,86
21,53
21,78
21,48
21,00
21,55
21,40
21,30
21,48
20,65
21,96
21,68
21,98
21,61
21,99
21,99
20,89
20,90
21,77
21,96
21,39
21,85
21,99
21,38
21,87
21,70
21,44
21,12
21,21
19,99
19,36
19,98
19,75
19,84
19,94
19,65
19,92
19,49
19,90
19,76
19,97
19,77
19,92
19,98
19,53
19,82
19,99
19,17
19,76
19,83
19,83
19,83
21,54
21,54
21,54
21,54
21,54
21,54
21,54
21,54
21,54
21,54
21,54
21,54
21,54
21,54
21,54
21,54
21,54
21,54
21,54
21,54
21,54
21,54
21,54
21,54
21,54
21,54
21,54
21,54
21,54
21,54
19,75
19,75
19,75
19,75
19,75
19,75
19,75
19,75
19,75
19,75
19,75
19,75
19,75
19,75
19,75
19,75
19,75
19,75
19,75
19,75
- 174 -
-0,60
0,14
0,14
-0,03
0,32
0,00
0,24
-0,05
-0,53
0,01
-0,14
-0,24
-0,06
-0,89
0,43
0,14
0,44
0,07
0,45
0,45
-0,65
-0,64
0,24
0,42
-0,15
0,32
0,45
-0,16
0,33
0,17
-0,10
-0,42
-0,33
0,24
-0,38
0,24
0,00
0,09
0,20
-0,10
0,17
-0,26
0,16
0,02
0,22
0,02
0,17
0,24
-0,21
0,08
0,24
-0,57
0,01
19,46
19,92
19,62
19,81
19,75
19,85
19,98
19,89
19,86
19,67
19,75
19,75
19,75
19,75
19,75
19,75
19,75
19,75
19,75
19,75
-0,28
0,18
-0,13
0,06
0,00
0,10
0,23
0,14
0,11
-0,07
Tabla 5.57. Residuales del experimento con WIP como respuesta para =98%.
% de probabilidad normal
99
95
90
80
70
50
30
20
10
5
-1.05
-0.67
-0.30
108
0.45
Residuales
Grfica 5.25. Probabilidad normal de los residuales del modelo lineal propuesto.
- 175 -
1,00
Residuales
0,50
0,00
17,00
22,00
-0,50
-1,00
WIP Predicho
Grfica 5.26. Residuales frente a en el experimento con WIP como respuesta para =98%.
1,00
Residuales
0,50
0,00
0
50
100
150
-0,50
-1,00
Orden de Realizacin de la Sim ulacin
Grfica 5.27. Residuales frente al orden de avaluacin del experimento con WIP como respuesta para =98%.
que los puntos sigan patrn alguno. Ninguno de los aspectos comentados nos hace
pensar que no se cumple la hiptesis de normalidad para el error ni que los residuales
tengan relacin con la respuesta o el orden de realizacin de las simulaciones, por lo que
damos por adecuado el modelo.
Los dos modelos de primer orden obtenidos se muestran en la tabla siguiente, tanto en
variables codificadas, como en variables naturales:
Respuesta
Nivel de Servicio
WIP
Modelo ajustado
y = 97.74406 + 0.16959x1
y = 96.38734 + 0.169591
Variables codificadas
Variables naturales
Variables codificadas
Variables naturales
- 177 -
Nivel de Servicio
14
97,46
97,57
97,69
97,80
97,91
98,03
98,08
97,52
97,63
97,74
97,86
97,97
E (Factor B)
13
12
11
10
6
10
K(0) (Factor A)
Grfica 5.30. Grfica de contorno de la superficie de respuesta para el nivel de servicio.
WIP
14
22.832
E (Factor B)
13
22.177
21.546
12
20.941
11
20.343
16.666
10
6
17.293
17.959
18.553
19.150
19.747
10
K(0) (Factor A)
Grfica 5.31. Grfica de contorno de la superficie de respuesta para el WIP.
- 179 -
97,46
97,57
97,69
97,80
97,91
98,03
98,08
97,52
97,63
97,74
97,86
97,97
22.832
E (Factor B)
13
22.177
21.546
12
20.941
11
20.343
16.666
10
6
17.293
17.959
18.553
19.150
19.747
10
K(0) (Factor A)
Grfica 5.32. Superposicin de las grficas de contorno de las superficies de respuesta.
En la grfica 5.32 los puntos rojos son los escenarios en los que se han realizado las
simulaciones y sobre los que se han ajustado ambas superficies de respuesta.
Observando la grfica de superposicin observamos que el mayor valor del parmetro
K (0) admisible es el correspondiente a 9 tarjetas. Por la forma de los contornos azules,
los correspondientes al WIP, se observa que el inventario disminuye en el sentido
decreciente del parmetro E para un valor fijo de K (0). Segn esto, la mejor
combinacin que se obtiene dentro de la regin de experimentacin es la K (0) = 9 y E =
11. Sin embargo, si acabamos aqu el anlisis de esta grfica corremos el riesgo de no
tener en cuenta otros puntos que pueden dar mejores resultados que el anterior. Lo
primero que se nos plantea es seguir el contorno K (0) = 9 (lnea naranja vertical) en
sentido descendente de E y estudiar el valor real en los puntos (9,10), (9,9), (9,8), y
sucesivos, hasta que ya no cumplan los objetivos fijados. Esta forma de operar es
anloga a la empleada en el mtodo de la mxima pendiente, solo que en este caso no se
va a seguir la trayectoria en la que la respuesta tiene un aumento mximo, si no aquella
en la que se cumple una determinada caracterstica como es la de tener un valor
constante del nivel de servicio. Otro puntos a considerar serian los contenidos en el
contorno K (0) = 10. Si observamos los modelos que se han ido ajustando para el nivel
de servicio hasta llegar a este ltimo vemos que los anteriores dependan de los dos
factores, lo que significa que los contornos fuera de la ltima regin de experimentacin
deben de ir perdiendo su paralelismo con el eje del factor E. Esto quiere decir que el
nivel de servicio en el punto (10,9) y sucesivos, puede que sea inferior al 98%, por lo
que tenemos que comprobar su valor real. Por este mismo motivo tambin vamos a
comprobar el valor real en el contorno K (0) = 8. En la tabla siguiente se muestran los
- 180 -
resultados que ofrecen las simulaciones de la lnea de produccin para los puntos
candidatos:
K(0)
10
10
10
9
9
9
9
8
8
8
E
9
8
7
11
10
9
8
12
11
10
Nivel de Servicio
97.9290.358
97.8260.428
96.7340.577
97.7630..307
97.9240.342
97.5520.371
96.7060.516
97.7820.339
98.1260.263
97.4240.456
IC (99%)
97.571<>98.287
97.398<>98.254
96.157<>97.311
97.456<>98.070
97.582<>98.266
97.181<>97.923
96.190<>97.222
97.443<>98.121
97.863<>98.389
96.968<>97.880
WIP
18.6760.146
17.7900.093
16.8520.134
19.6910.117
18.7090.157
17.7760.096
16.8720.076
19.7770.096
18.7790.114
17.8040.087
En todos los experimentos y comparaciones que se han realizado hasta este momento
los valores que se han utilizado han sido valores medios y no ha sido necesario estudiar
los intervalos de confianza. Si al analizar la tabla anterior, slo nos fijamos en el nivel
de servicio medio, la combinacin que satisface los criterios de bsqueda sera la
(10,9), ya que su nivel de servicio medio sera el ms prximo al 98% y al no haber otra
combinacin con ese mismo valor, ni siquiera tendramos que comparar distintos
valores para el WIP. Sin embargo la informacin que nos ofrecen los intervalos de
confianza no podemos pasarla por alto ya que corremos el riesgo de no tener en cuenta
soluciones admisibles. A estas alturas de la experimentacin necesitamos afinar los
criterios de bsqueda usados hasta ahora. A partir de este momento consideraremos
como solucin admisible aquella cuyo nivel de servicio pueda tomar el valor del 98%
dentro de su intervalo de confianza. Con este criterio el valor que tome el WIP va a ser
decisivo, porque, de todas las soluciones admisibles escogeremos aquella que tenga
menor WIP medio.
La tabla 5.59 se puede dividir en tres grupos de resultados segn el valor del parmetro
K (0). Para cada uno de estos grupos los valores escogidos segn el criterio anterior son
los siguientes:
K(0)
10
9
8
E
8
10
11
Nivel de Servicio
97.8260.428
97.9240.342
98.1260.263
IC (99%)
97.398<>98.254
97.582<>98.266
97.863<>98.389
- 181 -
WIP
17.7900.093
18.7090.157
18.7790.114
13
12
E (Factor B)
11
10
8
7
10
11
K(0) (Factor A)
Grfica 5.33. Combinaciones candidatas y posible direccin de optimizacin.
- 182 -
K(0)
11
11
11
12
12
12
13
13
14
14
15
15
16
16
17
17
18
18
E
8
7
6
7
6
5
5
4
4
3
3
2
2
1
1
0
1
0
Nivel de Servicio
98,1170,193
97,8280,378
96.7050.549
98,0740,286
97,6720,444
96.6770.581
97,7260,404
96,7020,523
97,8800,303
96,5230,530
97,7760,391
96,8220,500
98,0690,329
97,1390,577
97,8910,496
97,0800,592
98,8210,340
98,4570,564
IC (99%)
97.924<>98.310
97.450<>98.206
96.156<>97.254
97.788<>98.360
97.228<>98.116
96.096<>97.258
97.322<>98.130
96.179<>97.225
97.577<>98.183
95.993<>97.053
97.385<>98.167
96.322<>97.322
97.740<>98.398
96.562<>97.716
97.395<>98.387
96.488<>97.672
98.481<>99.161
97.893<>99.021
WIP
18.7060.136
17.7980.093
16.8150.101
18.6710.140
17.6600.153
16.8610.063
17.4390.311
16.7220.158
17.3300.284
16.7700.115
17.1710.305
16.6140.192
17.4080.258
16.7210.144
17.6260.497
17.0040.001
18.4710.200
18.0020.001
En la tabla 5.61 las filas sombreadas son las correspondientes a las mejores soluciones
admisibles por cada valor de K (0). Casi todas ellas tiene menor inventario en proceso
que la combinacin (10,8) mostrada en la tabla 5.60, y de todas ellas la que muestra un
menor valor para este parmetro es la (15,3), con un WIP medio de 17.171.
Para cada uno de los valores del parmetro K (0), si aumentamos el parmetro E,
aumenta el inventario en proceso, por lo que, aun siendo soluciones admisibles, estas
serian peores que las mostradas en las tablas 5.60 y 5.61, por lo que podemos afirmar
que tras todo el proceso seguido la combinacin K (0)-E ptima es la (15,3).
Una caracterstica que cumplen todas las soluciones admisibles con mnimo WIP, es que
la suma de los dos parmetros es igual a 18, excepto para las combinaciones (9,10) y
(8,11) que suman 19.
Para demostrar que la combinacin (15,3) es la ptima se ha realizado una bsqueda
exhaustiva con todas las combinaciones razonables para el sistema objeto de estudio.
Las tablas 5.62, 5.63 y 5.64 muestran el nivel de servicio medio, los intervalos de
confianza para el nivel de servicio y el inventario en proceso respectivamente:
- 183 -
K(0)
6,211
45,659
27,548
70,414
58,520
44,031
15,897
83,249
76,002
70,425
56,984
33,485
86,059
83,084
75,570
68,568
46,526
90,820
85,710
83,131
73,777
57,570
92,873
90,898
85,716
81,939
64,594
94,493
93,133
90,305
84,251
71,948
95,324
94,471
92,691
89,105
75,379
96,399
95,315
94,355
91,501
80,226
97,924
97,424
96,556
95,047
93,253
82,338
10
97,763
98,126
97,519
96,062
93,756
83,825
11
98,081
97,782
97,673
97,202
95,165
85,133
12
98,046
98,048
97,612
97,850
96,652
86,684
13
5
29,128
58,634
75,662
97,552
6
45,973
70,731
96,706
7
59,156
95,324
- 184 -
94,849
98,349
93,415
98,167
98,209
91,178
98,068
98,166
98,205
86,227
98,132
98,188
98,210
83,607
97,911
98,137
98,204
98,413
76,003
98,117
98,009
98,211
98,509
98,401
70,908
97,828
97,596
98,309
98,220
98,299
96,705
98,074
98,116
98,339
98,275
98,199
95,639
97,670
97,772
98,147
98,277
98,098
94,761
96,677
98,124
98,166
98,309
98,546
98,172
93,303
95,404
97,726
97,829
98,214
98,539
98,511
97,674
91,002
94,592
96,702
98,078
98,342
98,359
98,622
99,065
97,929
86,095
93,187
95,510
97,880
98,005
98,363
98,599
99,026
97,826
83,749
91,043
94,939
96,523
98,066
98,308
98,545
98,919
96,734
11
86,440
93,545
95,493
97,776
98,119
98,527
99,106
95,266
12
91,205
95,042
96,822
98,345
98,474
98,854
94,853
13
93,589
96,097
98,069
98,043
98,792
98,975
93,371
14
95,238
97,139
98,161
98,872
98,871
90,724
15
95,968
97,891
98,693
98,700
86,204
16
97,080
98,821
98,814
83,747
17
98,457
98,506
75,660
18
98,801
10
19
K(0)
15
14
13
12
11
10
94,976<>96,960
94,244<>96,232
92,623<>94,555
89,966<>94,426
84,962<>87,918
82,529<>84,969
74,009<>77,311
69,387<>72,429
57,198<>61,114
44,336<>47,610
26,890<>31,366
4,066<>8,356
97,395<>98,387
96,562<>97,716
95,298<>96,896
94,081<>96,003
92,636<>94,454
89,724<>92,362
84,500<>87,690
82,609<>84,885
74,537<>77,469
69,131<>72,331
56,605<>60,663
43,967<>47,351
25,049<>30,047
98,247<>99,139
97,879<>98,443
97,740<>98,398
96,322<>97,322
94,500<>96,486
94,040<>95,838
92,168<>94,206
89,809<>92,195
84,552<>87,856
82,509<>84,705
74,193<>77,131
68,704<>72,124
56,876<>60,164
42,066<>45,996
12,477<>19,497
98,360<>99,040
98,531<>99,213
97,656<>98,460
98,125<>98,565
97,385<>98,167
95,993<>97,053
94,574<>96,446
93,566<>95,618
92,457<>94,149
89,380<>92,068
84,716<>87,738
81,948<>84,550
74,491<>77,980
68,870<>71,980
54,898<>59,070
30,581<>36,389
98,565<>99,177
98,346<>99,238
98,237<>98,711
97,816<>98,422
97,797<>98,335
97,577<>98,183
96,179<>97,225
94,370<>96,438
93,839<>95,683
92,465<>94,277
89,813<>92,546
84,450<>87,668
81,852<>84,316
73,891<>77,249
66,605<>70,531
44,015<>49,037
98,776<>99,174
98,447<>99,261
98,295<>98,759
97,945<>98,671
97,579<>98,431
97,737<>98,419
97,322<>98,130
96,096<>97,258
94,751<>96,527
93,902<>95,804
92,408<>94,422
89,545<>92,095
84,194<>87,226
81,974<>84,288
72,221<>75,333
54,821<>60,319
98,858<>99,354
98,296<>98,794
98,157<>98,569
98,147<>98,537
98,396<>98,262
97,861<>98,387
97,228<>98,116
96,156<>97,254
94,233<>96,299
93,996<>95,702
92,003<>93,743
89,500<>92,296
84,160<>87,272
80,657<>83,221
62,205<>62,205
16
96,488<>97,672
98,481<>99,161
98,522<>99,106
17
97,893<>99,021
97,934<>99,078
18
98,505<>99,097
19
- 185 -
98,585<>99,253
98,366<>98,832
98,113<>98,605
97,902<>98,526
97,866<>98,466
97,515<>98,029
97,788<>98,360
97,450<>98,206
96,157<>97,311
94,329<>96,319
93,496<>95,490
92,226<>94,040
88,948<>91,662
82,775<>85,727
69,820<>74,076
98,747<>99,305
98,430<>98,814
98,333<>98,745
98,067<>98,551
97,759<>98,535
97,913<>98,319
97,230<>97,962
97,924<>98,310
97,398<>98,254
96,190<>97,222
94,244<>96,404
93,586<>95,356
91,865<>93,517
87,486<>90,724
73,491<>77,267
98,802<>99,328
98,306<>98,716
98,359<>98,733
98,030<>98,524
98,088<>98,590
98,075<>98,543
97,748<>98,270
97,647<>98,175
97.571<>98.287
97,181<>97,923
95,818<>96,980
94,372<>96,258
93,439<>95,271
90,393<>92,609
77,797<>82,655
98,011<>98,539
97,915<>98,525
97,982<>98,440
97,901<>98,373
97,775<>98,489
97,390<>97,958
97.582<>98.266
96,968<>97,880
96,011<>97,101
93,948<>96,146
92,153<>94,353
80,392<>84,284
10
98,032<>98,566
98,322<>98,696
97,961<>98,447
97,890<>98,486
97,677<>98,459
97,833<>98,511
97,456<>98,070
97.863<>98.389
97,067<>97,971
95,552<>96,572
92,715<>94,797
81,814<>85,836
11
98,169<>98,633
98,163<>98,663
97,929<>98,491
97,884<>98,448
97,954<>98,380
97,762<>98,434
97,815<>98,347
97,443<>98,121
97,240<>98,106
96,656<>97,748
94,359<>95,973
83,054<>87,212
12
97,947<>98,463
97,895<>98,523
98,041<>98,657
97,839<>98,559
97,716<>98,376
97,726<>98,370
97,294<>97,930
97,532<>98,168
95,958<>97,346
85,070<>88,298
13
- 186 -
K(0)
WIP medio
4,976
7,021
6,009
9,053
8,021
7,021
6,003
10,997
10,015
9,019
8,020
7,019
11,987
11,010
10,014
9,021
8,020
12,977
12,006
11,007
10,017
9,022
13,970
12,998
12,004
11,011
10,019
14,953
13,990
12,996
12,007
11,014
15,921
14,980
13,991
13,001
12,010
16,912
15,969
14,981
13,996
13,005
18,709
17,804
16,948
15,967
14,992
14,001
10
19,691
18,779
17,909
16,936
15,988
14,996
11
20,601
19,777
18,884
17,905
16,984
15,992
12
21,491
20,660
19,867
18,936
17,962
16,988
13
5
6,011
8,022
10,009
17,776
6
7,023
9,018
16,872
7
8,023
15,927
- 187 -
14,967
22,765
13,980
22,212
23,602
12,989
21,275
22,658
23,640
12,002
20,351
21,911
23,206
11,007
19,623
21,127
22,195
23,405
10,017
18,706
20,216
21,648
22,707
22,933
9,023
17,798
19,520
20,659
21,684
22,069
16,815
18,671
19,935
21,137
21,657
22,283
15,885
17,660
19,276
20,505
21,133
21,497
14,927
16,861
18,498
19,673
20,315
21,199
20,620
13,966
15,883
17,439
19,227
19,995
20,533
21,572
19,593
12,984
14,916
16,722
18,249
19,284
19,937
21,066
20,715
18,676
12,002
13,962
15,863
17,330
18,701
19,819
20,692
20,417
17,790
11,018
12,988
14,909
16,770
18,031
19,303
20,276
20,060
16,852
11
12,015
13,966
15,856
17,171
18,723
19,876
20,145
15,940
12
13,011
14,931
16,614
17,883
19,150
19,805
14,939
13
14,009
15,793
17,408
18,768
19,449
20,465
13,968
14
15,007
16,721
18,351
19,093
20,315
12,982
15
16,005
17,626
18,839
19,962
11,992
16
17,004
18,471
19,631
11,008
17
18,002
19,386
10,022
18
19,002
10
19
Los valores remarcados en azul en la tabla 5.63 son las soluciones admisibles ms
favorables. En la tabla 5.64 se remarca el inventario en proceso asociado a cada uno de
los valores anteriores. Observando los resultados se puede observar que los mejores
resultados se obtienen con la combinacin (15,3), que coincide con la encontrada
anteriormente.
Los datos recogidos en la bsqueda exhaustiva se han utilizado para representar las
superficies de respuesta real correspondientes al nivel de servicio medio y al inventario
en proceso:
- 188 -
Observando estas dos ltimas grficas podemos entender con ms facilidad los distintos
pasos que se han llevado a cabo aplicando la metodologa RSM. No hay ms que
identificar los puntos que componen cada una de las distintas regiones de
experimentacin que se han usado y apreciar la forma de la superficie de respuesta tiene
en ellas para comprobar por qu el modelo ajustado para el nivel de servicio medio ha
sido de primer o de segundo orden.
En la primera regin de experimentacin, aquella que estaba centrada en el punto (5,6),
el modelo finalmente ajustado fue de segundo orden. En la grfica 5.34, se puede ver
como en esa zona de la superficie de respuesta la parte ascendente de la superficie
adquiere gran curvatura para pasar a una zona en forma de meseta que tiende
ligeramente a niveles de servicio del orden del 100%. Para que esta curvatura sea
recogida por el modelo ajustado, este debe ser al menos de segundo orden, ya que uno
de primer orden representa un plano. Esto explica que el modelo ajustado sea de
segundo orden. Este modelo present un mximo en el punto (6,11) que corresponde
con un punto en donde se puede decir que esa curvatura finaliza y empieza la meseta
anteriormente comentada. A partir de ah la superficie es casi plana, explicando esto,
que el modelo ajustado en la regin de experimentacin centrada en el punto (8,12)
fuera de primer orden. Si comparamos la superficie de la grfica 5.28, con la zona que
le corresponde en la superficie representada en la grfica 5.34, y teniendo en cuenta la
escala del eje correspondiente al nivel de servicio, vemos que efectivamente se
corresponde con un plano. Lo mismo se puede decir para las graficas que representan al
inventario en proceso. Si comparamos la superficie representada en la grfica 5.29 con
la superficie de la grfica 5,35, vemos que tambin hay similitud. En este ltimo caso
tambin se puede apreciar que la similitud entre las dos superficies se puede extender a
una zona bastante amplia de la superficie real.
Dado que nosotros buscamos unas combinaciones que satisfagan unas determinadas
condiciones, y estas no son un mximo ni un mnimo de la superficie de respuesta, si no
que el nivel de servicio est alrededor de un determinado valor, el ajuste termin en el
punto (8,12), y a partir de ah se buscaron los puntos que eran admisibles segn estas
caractersticas. Esto nos llev a buscar a lo largo de una trayectoria de soluciones
admisibles que representamos con una lnea verde en la grfica 5.33. Si ampliamos la
superficie de respuesta real, eliminando los valores del nivel de servicio inferiores al
80 %, y giramos la grfica para tener una mejor perspectiva tenemos:
- 189 -
Grfica 5.36. Superficie de respuesta real del inventario en proceso girada y ampliada.
- 190 -
solucin tras el anlisis de dos o ms respuestas, como es nuestro caso. Esta herramienta
es la funcin desirability en cuyo estudio vamos a profundizar en la siguiente seccin de
este captulo.
- 191 -
di
y A
= i
B
A
A y i B
(68)
Donde di es la funcin desirability para la respuesta i. A es el valor por debajo del cual
las respuestas se consideran inaceptables y la funcin di toma el valor cero. B es el valor
de la respuesta a partir del que se desea un valor mximo. La funcin di vale uno para
valores de la respuesta mayores de B. El peso s determina la importancia que el
experimentador le da a la consecucin del valor deseado. En la grafica 5.34 se
representa la funcin di, para distintos valores del peso s. En ella podemos ver como
para un valor alto de s, valores de la respuesta cercanos al valor B se hacen menos
aceptables, es decir, toman un valor ms alejado del uno. Por el contrario, valores
pequeos de s, hacen que ms respuestas dentro del intervalo [A, B] tomen valores ms
cercanos a uno. El experimentador deber elegir el valor s segn la importancia que la
respuesta i tenga para l. Si es muy importante que la respuesta i alcance el mximo
cerca del lmite B, el valor elegido de s ha de ser alto para hacer la bsqueda ms
restrictiva en torno al mximo buscado. Por el contra, si el experimentador quiere que la
- 192 -
respuesta i se maximice, pero esta no juega un papel muy importante frente a las otras
respuestas, a s se le dar un valor bajo. El valor uno le ser dado en una situacin
intermedia. El experimentador tambin debe elegir los lmites A y B, segn las
caractersticas del problema que este estudiando.
.1
s= 0
0.8
0.7
0.6
0.5
s=
0.5
0.4
s=
1
0.9
0.3
0.2
0.1
0
s=
5
s=
10
B
Respuesta yi
di
y C
= i
B C
B y i C
Funcin desirability, d i
1
0.9
s=
0.1
0.8
0.7
0.6
s=
1
0.5
0.4
0.3
0.2
0.1
0
s=
0.
5
s=
s= 5
10
C
Respuesta yi
- 193 -
(69)
El tercer caso que se puede estudiar con la funcin desirability es aquel en el que se
pretende que una de las respuestas tome un valor determinado. La expresin de la
funcin para este caso es:
d i =
yi A
B A
yi C
B C
A y i B
(70)
B y i C
t=
.1
s=0
0. 5
t=
s=
0.5
1
t=
s=
0.1
s=
s=
10
5
10
t=
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
t=
Funcin desirability, di
grficamente:
Respuesta yi
Una vez que se calculan las funciones di para las m respuestas, se calcula el ndice de la
respuesta compuesta, D, que no es mas que la media geomtrica de las m funciones
desirability calculadas.
D = (d1 * d 2 * d 3 * L * d m )
1
m
(71)
Si el ndice toma un valor cercano a uno implica que la mayora de las funciones di
estn muy prximas simultneamente al valor deseado para cada una de ellas. Esto
dicho de otro modo, significa que habr una combinacin de los factores que
intervienen en el experimento cuyas respuestas hacen que el valor del ndice D sea
mximo. Por tanto, una vez que se llegue a este punto, el objetivo del experimentador
ser encontrar un mtodo que encuentre el mximo del ndice D, y as obtener la
combinacin de los factores que haga encontrar el punto ptimo buscado. Este proceso
puede ser afrontado de diversas formas, se pueden emplear mtodos analticos,
algoritmos de optimizacin, mtodos grficos o la metodologa RSM aplicada al ndice
D. Dos posibilidades se muestran a continuacin (Myers y Montgomery, 1995)
- 194 -
K(0)
7
9
7
9
8
E
11
11
13
13
12
Tabla 5.65. Escenarios del tercer experimento con punto central para =98%.
En cada uno de estos puntos de diseo se realizaron 30 rplicas, obteniendo el valor del
nivel de servicio y del inventario en proceso para cada una de ellas. Estos valores fueron
los que despus se usaron para ajustar los modelos. Ahora, estas respuestas se van
emplear en calcular para cada rplica una funcin di para el nivel de servicio y otra para
el WIP, para a continuacin calcular el ndice D. Una vez hecho esto se va a intentar
ajustar un modelo para este ndice. Posteriormente analizaremos su superficie de
- 195 -
1 96 s1
y
96 y1 98
98 96
d1 =
y
1 99 t1
98 y1 99
98 99
(72)
El segundo paso es elegir los pesos s y t. Se van a considerar tres situaciones. Cuando el
peso vale 10, correspondiendo a una situacin en la que damos mucha importancia a
que el nivel de servicio alcance el valor del 98%. Cuando el peso vale 0.1, en la que le
damos poca importancia, y cuando toma el valor uno, en la que estamos en una
situacin intermedia entre las dos anteriores. Grficamente queda:
Funcin, d1
1,00
0,90
0,80
0,70
s=1
0,60
0,50
s=10
t=1
t=10
0,40
s=0.1
0,30
0,20
0,10
0,00
95,5
t=0.1
96
96,5
97
97,5
98
98,5
99
99,5
Respuestas
Grfica 5.40. Funcin Desirability para un punto objetivo en el experimento centrado en (8,12).
- 196 -
s2
d2
y 22
= 2
17 22
17 y 2 22
(73)
Para el peso s se han escogido como posibles valores los mismos que para la funcin d1
correspondiente al nivel de servicio. En la grfica siguiente se pueden apreciar los
distintos casos y la forma que adopta la funcin d2:
1,00
Funcin, d2
0,90
0,80
0,70
0,60
s=1
0,50
s=10
0,40
s=0.1
0,30
0,20
0,10
0,00
17
18
19
20
21
22
Respuestas
Si tenemos en cuenta todas las combinaciones que se pueden obtener con los pesos de
las dos funciones d1 y d2, tenemos 27 experimentos, lo cual es una cifra muy alta. Esto
nos obliga a elegir las combinaciones que ms se acerquen al criterio de bsqueda
elegido. Como punto de partida se elige la combinacin (s1=1, t1=1, s2=1) con la que las
dos funciones desirability, d1 y d2, son lineales dentro de los limites escogidos. A partir
de esta combinacin de pesos se van a elegir el resto, con la particularidad de que le
vamos a dar mayor importancia a obtener un nivel de servicio del 98%, tal y como se ha
hecho hasta ahora:
- 197 -
Funcin, d1
1,00
0,90
0,80
0,70
0,60
s=1
0,50
t=10
0,40
0,30
0,20
0,10
0,00
95,5
96
96,5
97
97,5
98
98,5
99
99,5
Respuestas
Funcin, d2
0,90
0,80
0,70
0,60
s=1
0,50
0,40
0,30
0,20
0,10
0,00
17
18
19
20
21
22
Respuestas
0,80
0,70
0,60
0,50
s=10
t=10
0,40
0,30
0,20
0,10
0,00
95,5
96
96,5
97
97,5
98
98,5
99
99,5
Respuestas
- 198 -
Funcin, d2
0,90
0,80
0,70
0,60
0,50
s=1
0,40
0,30
0,20
0,10
0,00
17
18
19
20
21
22
Respuestas
(s1=1, t1=10, s2=0.1) Esta combinacin es una mezcla de los casos anteriores en
donde no se aceptan la mayora de las respuestas para un nivel de servicio por
encima del 98% y se le da poca importancia el hecho de que el inventario en
proceso se minimice. La grfica 5.42 muestra la funcin d1 para esto pesos. La
funcin d2 se muestra a continuacin:
1,00
Funcin, d2
0,90
0,80
0,70
0,60
0,50
s=0.1
0,40
0,30
0,20
0,10
0,00
17
18
19
20
21
22
Respuestas
En la tabla 5.66 se muestran a modo de resumen los experimentos que se han realizado
en esta serie junto a los pesos de las funciones d1 y d2 que intervienen en ellos:
- 199 -
Experimento
1
2
3
4
5
Combinacin de pesos
(s1=1, t1=1, s2=1)
(s1=1, t1=10, s2=1)
(s1=10, t1=10, s2=1)
(s1=10, t1=10, s2=10)
(s1=1, t1=10, s2=0.1)
Tabla 5.66. Batera de experimentos con sus correspondientes pesos para la funcin desirability.
Escenario
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
Respuestas
Nivel de Servicio
98,9047
97,4109
98,3477
98,1935
97,1691
98,5249
94,4143
96,7389
98,4371
97,0913
98,1378
97,6007
97,2297
98,0410
96,9627
96,2217
98,2033
96,9683
97,1731
97,2973
97,6818
97,6623
95,1835
98,1938
97,7763
97,7593
98,2573
98,0214
98,3829
97,5704
98,7094
98,5236
97,7087
98,2578
98,1965
WIP
17,6578
17,9816
17,8816
17,9813
17,8648
17,9687
17,9939
17,5921
17,9841
17,9856
17,9856
17,8409
17,9129
17,9892
17,8995
17,8162
17,4958
17,8798
17,9813
17,9791
17,9111
17,9880
17,9854
17,9855
17,9894
17,7987
17,9895
17,9900
17,9784
17,9815
19,6197
19,7993
19,8353
19,4810
19,3771
- 200 -
Funciones Desirability
d1
d2
0,0953
0,8684
0,7054
0,8037
0,6523
0,8237
0,8065
0,8037
0,5846
0,8270
0,4751
0,8063
0,0000
0,8012
0,3694
0,8816
0,5629
0,8032
0,5457
0,8029
0,8622
0,8029
0,8004
0,8318
0,6149
0,8174
0,9590
0,8022
0,4813
0,8201
0,1109
0,8368
0,7967
0,9008
0,4842
0,8240
0,5865
0,8037
0,6486
0,8042
0,8409
0,8178
0,8311
0,8024
0,0000
0,8029
0,8062
0,8029
0,8881
0,8021
0,8796
0,8403
0,7427
0,8021
0,9786
0,8020
0,6171
0,8043
0,7852
0,8037
0,2906
0,4761
0,4764
0,4401
0,8543
0,4329
0,7422
0,5038
0,8035
0,5246
D
0,2877
0,7530
0,7330
0,8051
0,6953
0,6189
0,0000
0,5707
0,6724
0,6619
0,8320
0,8159
0,7089
0,8771
0,6283
0,3046
0,8472
0,6316
0,6866
0,7222
0,8293
0,8166
0,0000
0,8046
0,8440
0,8597
0,7718
0,8859
0,7045
0,7944
0,3720
0,4579
0,6082
0,6115
0,6492
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
97,8955
96,6458
96,2845
98,3882
97,2905
97,4983
98,1765
98,1240
97,4387
98,0479
98,3256
98,0905
97,3631
97,5167
97,5561
97,6364
97,9394
98,7321
97,3467
97,9888
97,8063
98,2593
98,0310
97,1395
95,9710
97,4663
98,2101
97,8952
98,2695
97,7987
97,8733
96,7575
97,7227
98,6166
97,0575
97,1719
97,6624
97,7351
97,8271
97,6889
98,9052
97,8127
97,1925
96,6543
96,2865
97,8822
98,4516
98,6790
97,6357
97,6180
96,7916
97,7054
97,9716
19,9363
19,8771
19,6908
19,4467
19,6316
19,7564
19,7892
18,8943
19,9362
19,8024
19,9906
19,9911
19,9820
19,9237
19,7203
19,3978
19,4167
19,5848
19,3255
19,9782
19,7455
19,7639
19,6753
19,5610
19,7867
19,7351
19,8704
19,9248
19,8493
19,6400
19,9637
19,9877
19,7563
19,9737
19,9826
19,9833
19,8359
19,7969
19,9835
19,9881
19,9838
19,8275
19,9900
19,9730
19,8058
19,8921
19,9812
19,6479
19,9800
19,9841
19,7853
19,6846
19,2353
- 201 -
0,9477
0,3229
0,1423
0,6118
0,6452
0,7491
0,8235
0,8760
0,7194
0,9521
0,6744
0,9095
0,6816
0,7583
0,7780
0,8182
0,9697
0,2679
0,6734
0,9944
0,9032
0,7407
0,9690
0,5698
0,0000
0,7332
0,7899
0,9476
0,7305
0,8993
0,9367
0,3787
0,8613
0,3834
0,5287
0,5860
0,8312
0,8675
0,9135
0,8445
0,0948
0,9064
0,5963
0,3271
0,1433
0,9411
0,5484
0,3210
0,8178
0,8090
0,3958
0,8527
0,9858
0,4127
0,4246
0,4618
0,5107
0,4737
0,4487
0,4422
0,6211
0,4128
0,4395
0,4019
0,4018
0,4036
0,4153
0,4559
0,5204
0,5167
0,4830
0,5349
0,4044
0,4509
0,4472
0,4649
0,4878
0,4427
0,4530
0,4259
0,4150
0,4301
0,4720
0,4073
0,4025
0,4487
0,4053
0,4035
0,4033
0,4328
0,4406
0,4033
0,4024
0,4032
0,4345
0,4020
0,4054
0,4388
0,4216
0,4038
0,4704
0,4040
0,4032
0,4429
0,4631
0,5529
0,6254
0,3703
0,2563
0,5589
0,5528
0,5798
0,6034
0,7376
0,5449
0,6469
0,5206
0,6045
0,5245
0,5612
0,5956
0,6525
0,7078
0,3597
0,6002
0,6341
0,6381
0,5756
0,6712
0,5272
0,0000
0,5763
0,5800
0,6271
0,5606
0,6515
0,6176
0,3904
0,6217
0,3942
0,4619
0,4861
0,5998
0,6183
0,6070
0,5829
0,1955
0,6276
0,4896
0,3642
0,2507
0,6299
0,4705
0,3886
0,5748
0,5711
0,4187
0,6284
0,7383
(7,13)
(7,13)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
96,7944
96,2152
98,1830
97,9353
98,7688
98,0239
96,2722
98,1324
97,3017
98,5892
98,2998
98,8137
97,9335
98,3078
98,8488
98,2692
98,8704
96,3791
98,4163
98,6311
97,6541
97,1628
98,1969
97,6360
98,4553
98,9671
97,6491
96,7379
97,8424
98,5263
98,3090
98,2550
97,9587
98,2566
97,7965
98,9143
97,2448
97,8034
96,6827
97,0027
98,2367
96,4857
96,6667
99,0027
97,6079
97,9176
97,3953
98,2361
96,6356
96,9056
98,5298
97,7607
97,4894
19,9765
19,9774
21,5069
21,8583
21,5349
21,7766
21,4845
21,0039
21,5499
21,3987
21,3001
21,4811
20,6515
21,9627
21,6790
21,9758
21,6075
21,9906
21,9861
20,8862
20,9013
21,7734
21,9551
21,3883
21,8527
20,4870
21,3817
21,8707
21,7044
21,4399
21,1211
21,2062
19,9891
19,3629
19,9837
19,7470
19,8401
19,9427
19,6516
19,9206
19,4902
19,9023
19,7630
19,9717
19,7674
19,9191
19,9849
19,5333
19,8240
19,9866
19,1750
19,7586
19,4631
- 202 -
0,3972
0,1076
0,8170
0,9677
0,2312
0,9761
0,1361
0,8676
0,6508
0,4108
0,7002
0,1863
0,9667
0,6922
0,1512
0,7308
0,1296
0,1895
0,5837
0,3689
0,8270
0,5814
0,8031
0,8180
0,5447
0,0329
0,8246
0,3689
0,9212
0,4737
0,6910
0,7450
0,9794
0,7434
0,8983
0,0857
0,6224
0,9017
0,3413
0,5014
0,7633
0,2428
0,3333
0,0000
0,8039
0,9588
0,6977
0,7639
0,3178
0,4528
0,4702
0,8804
0,7447
0,4047
0,4045
0,0986
0,0283
0,0930
0,0447
0,1031
0,1992
0,0900
0,1203
0,1400
0,1038
0,2697
0,0075
0,0642
0,0048
0,0785
0,0019
0,0028
0,2228
0,2197
0,0453
0,0090
0,1223
0,0295
0,3026
0,1237
0,0259
0,0591
0,1120
0,1758
0,1588
0,4022
0,5274
0,4033
0,4506
0,4320
0,4115
0,4697
0,4159
0,5020
0,4195
0,4474
0,4057
0,4465
0,4162
0,4030
0,4933
0,4352
0,4027
0,5650
0,4483
0,5074
0,4009
0,2086
0,2839
0,1656
0,1466
0,2088
0,1184
0,4158
0,2421
0,2223
0,3131
0,1391
0,5106
0,0718
0,0985
0,0595
0,1008
0,0189
0,0403
0,2867
0,4263
0,1623
0,0849
0,3163
0,1267
0,0998
0,3193
0,0977
0,2334
0,2304
0,3485
0,3439
0,6276
0,6262
0,6019
0,1965
0,5185
0,6091
0,4004
0,4566
0,6190
0,3192
0,3862
0,0000
0,5991
0,6317
0,5303
0,6139
0,3719
0,4270
0,5154
0,6282
0,6147
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
98,5640
97,9045
98,9080
97,6812
98,0061
97,7445
98,9827
97,8684
97,2581
19,9240
19,6154
19,8083
19,7491
19,8455
19,9818
19,8888
19,8550
19,6738
0,4360
0,9523
0,0920
0,8406
0,9939
0,8723
0,0173
0,9342
0,6291
0,4152
0,4769
0,4383
0,4502
0,4309
0,4036
0,4222
0,4290
0,4652
0,4255
0,6739
0,2009
0,6151
0,6544
0,5934
0,0856
0,6331
0,5410
Para poder emplear la metodologa RSM tenemos que calcular el ndice D medio y la
desviacin estndar en cada uno de los escenarios. Con los datos en la forma que se
expresan en la tabla 5.68, ya se puede calcular el anlisis de varianza:
Escenario ndice D medio STD ndice D
(7,11)
0,6721
0,2315
(9,11)
0,5449
0,1489
(7,13)
0,5111
0,1380
(9,13)
0,2077
0,1265
(8,12)
0,4905
0,1782
Tabla 5.68. ndice D medio y desviacin estndar obtenidos en el experimento 1.
SS
1,39
1,86
0,23
4.14
7,62
Tabla 5.69. Anlisis de varianza del experimento 1 para el ajuste del ndice D.
- 203 -
y en variables naturales:
Prediccin
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
- 204 -
Residuales
-0,39
0,08
0,06
0,13
0,02
-0,06
-0,68
-0,11
0,00
-0,01
0,16
0,14
0,03
0,20
-0,05
-0,37
0,17
-0,05
0,01
0,05
0,15
0,14
-0,68
0,13
0,17
0,18
0,77
0,89
0,70
0,79
0,37
0,46
0,61
0,61
0,65
0,63
0,37
0,26
0,56
0,55
0,58
0,60
0,74
0,54
0,65
0,52
0,60
0,52
0,56
0,60
0,65
0,71
0,36
0,60
0,63
0,64
0,58
0,67
0,53
0,00
0,58
0,58
0,63
0,56
0,65
0,62
0,39
0,62
0,39
0,46
0,49
0,60
0,62
0,61
0,58
0,20
0,63
0,49
0,36
0,68
0,68
0,68
0,68
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,52
0,52
0,52
0,52
0,52
0,52
0,52
0,52
0,52
0,52
0,52
0,52
0,52
0,52
0,52
0,52
0,52
0,52
0,52
- 205 -
0,10
0,21
0,03
0,12
-0,18
-0,09
0,06
0,06
0,10
0,07
-0,18
-0,29
0,01
0,00
0,03
0,05
0,19
-0,01
0,10
-0,03
0,05
-0,03
0,01
0,05
0,10
0,16
-0,19
0,05
0,08
0,09
0,03
0,12
-0,02
-0,55
0,06
0,06
0,11
0,04
0,14
0,10
-0,13
0,11
-0,12
-0,05
-0,03
0,08
0,10
0,09
0,07
-0,32
0,11
-0,03
-0,15
0,25
0,63
0,47
0,39
0,57
0,57
0,42
0,63
0,74
0,40
0,21
0,28
0,17
0,15
0,21
0,12
0,42
0,24
0,22
0,31
0,14
0,51
0,07
0,10
0,06
0,10
0,02
0,04
0,29
0,43
0,16
0,08
0,32
0,13
0,10
0,32
0,10
0,23
0,23
0,35
0,34
0,63
0,63
0,60
0,20
0,52
0,61
0,40
0,46
0,62
0,32
0,39
0,00
0,52
0,52
0,52
0,52
0,52
0,52
0,52
0,52
0,52
0,52
0,52
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,49
0,49
0,49
0,49
0,49
0,49
0,49
0,49
0,49
0,49
0,49
0,49
- 206 -
-0,27
0,11
-0,05
-0,13
0,06
0,05
-0,10
0,11
0,22
-0,12
-0,31
0,07
-0,05
-0,07
-0,01
-0,10
0,20
0,03
0,01
0,10
-0,08
0,30
-0,14
-0,12
-0,15
-0,11
-0,20
-0,17
0,07
0,21
-0,05
-0,13
0,10
-0,09
-0,11
0,11
-0,12
0,02
0,02
0,13
0,13
0,14
0,14
0,11
-0,29
0,03
0,12
-0,09
-0,03
0,13
-0,17
-0,10
-0,49
0,60
0,63
0,53
0,61
0,37
0,43
0,52
0,63
0,61
0,43
0,67
0,20
0,62
0,65
0,59
0,09
0,63
0,54
0,49
0,49
0,49
0,49
0,49
0,49
0,49
0,49
0,49
0,49
0,49
0,49
0,49
0,49
0,49
0,49
0,49
0,49
0,11
0,14
0,04
0,12
-0,12
-0,06
0,03
0,14
0,13
-0,06
0,18
-0,29
0,13
0,16
0,10
-0,40
0,14
0,05
% de probabilidad normal
99
95
90
80
70
50
30
20
10
5
-0.67
-0.43
-0.19
0.06
0.30
Residuales
Grfica 5.47. Probabilidad normal de los residuales en el experimento 1 para el ajuste del ndice D.
- 207 -
0,70
0,50
Residuales
0,30
0,10
-0,100,20
0,30
0,40
0,50
0,60
0,70
-0,30
-0,50
-0,70
Indice D predicho
0,70
0,50
Residuales
0,30
0,10
-0,10 0
50
100
150
-0,30
-0,50
-0,70
Orden de Realizacin de la Sim ulacin
Grfica 5.49. Residuales frente al orden de simulacin en el experimento 1 para el ajuste del ndice D.
- 208 -
Factor B
13
12
Factor A
- 209 -
Escenario
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
Respuestas
Nivel de Servicio
98,9047
97,4109
98,3477
98,1935
97,1691
98,5249
94,4143
96,7389
98,4371
97,0913
98,1378
97,6007
97,2297
98,0410
96,9627
96,2217
98,2033
96,9683
97,1731
97,2973
97,6818
97,6623
95,1835
98,1938
97,7763
97,7593
98,2573
98,0214
98,3829
97,5704
98,7094
98,5236
97,7087
98,2578
98,1965
97,8955
96,6458
96,2845
98,3882
97,2905
97,4983
WIP
17,6578
17,9816
17,8816
17,9813
17,8648
17,9687
17,9939
17,5921
17,9841
17,9856
17,9856
17,8409
17,9129
17,9892
17,8995
17,8162
17,4958
17,8798
17,9813
17,9791
17,9111
17,9880
17,9854
17,9855
17,9894
17,7987
17,9895
17,9900
17,9784
17,9815
19,6197
19,7993
19,8353
19,4810
19,3771
19,9363
19,8771
19,6908
19,4467
19,6316
19,7564
- 210 -
Funciones Desirability
d1
d2
0,0000
0,8684
0,7054
0,8037
0,0140
0,8237
0,1165
0,8037
0,5846
0,8270
0,0006
0,8063
0,0000
0,8012
0,3694
0,8816
0,0032
0,8032
0,5457
0,8029
0,2270
0,8029
0,8004
0,8318
0,6149
0,8174
0,6579
0,8022
0,4813
0,8201
0,1109
0,8368
0,1030
0,9008
0,4842
0,8240
0,5865
0,8037
0,6486
0,8042
0,8409
0,8178
0,8311
0,8024
0,0000
0,8029
0,1160
0,8029
0,8881
0,8021
0,8796
0,8403
0,0510
0,8021
0,8057
0,8020
0,0080
0,8043
0,7852
0,8037
0,0000
0,4761
0,0006
0,4401
0,8543
0,4329
0,0507
0,5038
0,1121
0,5246
0,9477
0,4127
0,3229
0,4246
0,1423
0,4618
0,0073
0,5107
0,6452
0,4737
0,7491
0,4487
D
0,0000
0,7530
0,1072
0,3060
0,6953
0,0217
0,0000
0,5707
0,0506
0,6619
0,4269
0,8159
0,7089
0,7265
0,6283
0,3046
0,3046
0,6316
0,6866
0,7222
0,8293
0,8166
0,0000
0,3052
0,8440
0,8597
0,2023
0,8038
0,0802
0,7944
0,0014
0,0163
0,6082
0,1598
0,2425
0,6254
0,3703
0,2563
0,0612
0,5528
0,5798
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(9,13)
(9,13)
(9,13)
(9,13)
98,1765
98,1240
97,4387
98,0479
98,3256
98,0905
97,3631
97,5167
97,5561
97,6364
97,9394
98,7321
97,3467
97,9888
97,8063
98,2593
98,0310
97,1395
95,9710
97,4663
98,2101
97,8952
98,2695
97,7987
97,8733
96,7575
97,7227
98,6166
97,0575
97,1719
97,6624
97,7351
97,8271
97,6889
98,9052
97,8127
97,1925
96,6543
96,2865
97,8822
98,4516
98,6790
97,6357
97,6180
96,7916
97,7054
97,9716
96,7944
96,2152
98,1830
97,9353
98,7688
98,0239
19,7892
18,8943
19,9362
19,8024
19,9906
19,9911
19,9820
19,9237
19,7203
19,3978
19,4167
19,5848
19,3255
19,9782
19,7455
19,7639
19,6753
19,5610
19,7867
19,7351
19,8704
19,9248
19,8493
19,6400
19,9637
19,9877
19,7563
19,9737
19,9826
19,9833
19,8359
19,7969
19,9835
19,9881
19,9838
19,8275
19,9900
19,9730
19,8058
19,8921
19,9812
19,6479
19,9800
19,9841
19,7853
19,6846
19,2353
19,9765
19,9774
21,5069
21,8583
21,5349
21,7766
- 211 -
0,1434
0,2661
0,7194
0,6123
0,0195
0,3874
0,6816
0,7583
0,7780
0,8182
0,9697
0,0000
0,6734
0,9944
0,9032
0,0497
0,7296
0,5698
0,0000
0,7332
0,0945
0,9476
0,0433
0,8993
0,9367
0,3787
0,8613
0,0001
0,5287
0,5860
0,8312
0,8675
0,9135
0,8445
0,0000
0,9064
0,5963
0,3271
0,1433
0,9411
0,0025
0,0000
0,8178
0,8090
0,3958
0,8527
0,9858
0,3972
0,1076
0,1324
0,9677
0,0000
0,7852
0,4422
0,6211
0,4128
0,4395
0,4019
0,4018
0,4036
0,4153
0,4559
0,5204
0,5167
0,4830
0,5349
0,4044
0,4509
0,4472
0,4649
0,4878
0,4427
0,4530
0,4259
0,4150
0,4301
0,4720
0,4073
0,4025
0,4487
0,4053
0,4035
0,4033
0,4328
0,4406
0,4033
0,4024
0,4032
0,4345
0,4020
0,4054
0,4388
0,4216
0,4038
0,4704
0,4040
0,4032
0,4429
0,4631
0,5529
0,4047
0,4045
0,0986
0,0283
0,0930
0,0447
0,2518
0,4066
0,5449
0,5188
0,0885
0,3945
0,5245
0,5612
0,5956
0,6525
0,7078
0,0010
0,6002
0,6341
0,6381
0,1491
0,5824
0,5272
0,0000
0,5763
0,2006
0,6271
0,1364
0,6515
0,6176
0,3904
0,6217
0,0053
0,4619
0,4861
0,5998
0,6183
0,6070
0,5829
0,0000
0,6276
0,4896
0,3642
0,2507
0,6299
0,0315
0,0023
0,5748
0,5711
0,4187
0,6284
0,7383
0,4009
0,2086
0,1143
0,1656
0,0002
0,1873
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
96,2722
98,1324
97,3017
98,5892
98,2998
98,8137
97,9335
98,3078
98,8488
98,2692
98,8704
96,3791
98,4163
98,6311
97,6541
97,1628
98,1969
97,6360
98,4553
98,9671
97,6491
96,7379
97,8424
98,5263
98,3090
98,2550
97,9587
98,2566
97,7965
98,9143
97,2448
97,8034
96,6827
97,0027
98,2367
96,4857
96,6667
99,0027
97,6079
97,9176
97,3953
98,2361
96,6356
96,9056
98,5298
97,7607
97,4894
98,5640
97,9045
98,9080
97,6812
98,0061
97,7445
21,4845
21,0039
21,5499
21,3987
21,3001
21,4811
20,6515
21,9627
21,6790
21,9758
21,6075
21,9906
21,9861
20,8862
20,9013
21,7734
21,9551
21,3883
21,8527
20,4870
21,3817
21,8707
21,7044
21,4399
21,1211
21,2062
19,9891
19,3629
19,9837
19,7470
19,8401
19,9427
19,6516
19,9206
19,4902
19,9023
19,7630
19,9717
19,7674
19,9191
19,9849
19,5333
19,8240
19,9866
19,1750
19,7586
19,4631
19,9240
19,6154
19,8083
19,7491
19,8455
19,9818
- 212 -
0,1361
0,2417
0,6508
0,0001
0,0283
0,0000
0,9667
0,0253
0,0000
0,0435
0,0000
0,1895
0,0046
0,0000
0,8270
0,5814
0,1115
0,8180
0,0023
0,0000
0,8246
0,3689
0,9212
0,0006
0,0248
0,0527
0,9794
0,0515
0,8983
0,0000
0,6224
0,9017
0,3413
0,5014
0,0672
0,2428
0,3333
0,0000
0,8039
0,9588
0,6977
0,0676
0,3178
0,4528
0,0005
0,8804
0,7447
0,0002
0,9523
0,0000
0,8406
0,9407
0,8723
0,1031
0,1992
0,0900
0,1203
0,1400
0,1038
0,2697
0,0075
0,0642
0,0048
0,0785
0,0019
0,0028
0,2228
0,2197
0,0453
0,0090
0,1223
0,0295
0,3026
0,1237
0,0259
0,0591
0,1120
0,1758
0,1588
0,4022
0,5274
0,4033
0,4506
0,4320
0,4115
0,4697
0,4159
0,5020
0,4195
0,4474
0,4057
0,4465
0,4162
0,4030
0,4933
0,4352
0,4027
0,5650
0,4483
0,5074
0,4152
0,4769
0,4383
0,4502
0,4309
0,4036
0,1184
0,2194
0,2421
0,0041
0,0630
0,0001
0,5106
0,0137
0,0000
0,0145
0,0000
0,0189
0,0036
0,0032
0,4263
0,1623
0,0316
0,3163
0,0082
0,0000
0,3193
0,0977
0,2334
0,0080
0,0660
0,0914
0,6276
0,1649
0,6019
0,0000
0,5185
0,6091
0,4004
0,4566
0,1836
0,3192
0,3862
0,0000
0,5991
0,6317
0,5303
0,1827
0,3719
0,4270
0,0173
0,6282
0,6147
0,0101
0,6739
0,0000
0,6151
0,6367
0,5934
(8,12)
(8,12)
(8,12)
98,9827
97,8684
97,2581
19,8888
19,8550
19,6738
0,0000
0,9342
0,6291
0,4222
0,4290
0,4652
0,0000
0,6331
0,5410
De esta tabla calculamos el ndice D medio y la desviacin estndar para cada uno de
los escenarios, datos que son necesarios para realizar el anlisis de varianza y las
pruebas de adecuacin del modelo.
Escenario ndice D medio STD ndice D
(7,11)
0,4886
0,3126
(9,11)
0,3951
0,2385
(7,13)
0,4373
0,2270
(9,13)
0,1147
0,1384
(8,12)
0,3991
0,2454
Tabla 5.73. ndice D medio y desviacin estndar obtenidos en el experimento 2.
MSS Fo Fo Tablas
1,30 22,80
3,91
0,83 14,48
3,91
0,39 6,91
3,91
Tabla 5.74. Anlisis de varianza del experimento 2 para el ajuste del ndice D.
- 213 -
Termino
SS g.d.l MSS
Modelo
2,52
3
0,84
Residual
8,32 146 0,06
(Falta de ajuste LOF) 0,04
1
0,04
(Error puro)
8,28 145 0,06
Total
10,84 149
Fo
14
Fo Tablas
2,67
0,67
3,91
Tabla 5.75. Prueba de significacin y de la falta de ajuste del experimento 2 para el ajuste del ndice D.
Las pruebas de adecuacin finalizan con la realizacin del anlisis grfico de los
residuales. En las pginas siguientes se muestran la tabla 5.76 con las respuestas,
predicciones y los residuales para todas las observaciones realizadas en este
experimento. Tambin se muestran las grficas de la distribucin normal, la de los
residuales frente las respuestas predichas por el modelo y frente al orden en que se
realizaron cada una de las observaciones.
Respuestas
0,00
0,75
0,11
0,31
0,70
0,02
0,00
0,57
0,05
0,66
0,43
0,82
0,71
0,73
0,63
0,30
0,30
0,63
0,69
0,72
0,83
0,82
0,00
0,31
0,84
0,86
0,20
0,80
0,08
0,79
0,00
0,02
Prediccin
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,50
0,40
0,40
- 214 -
Residuales
-0,50
0,26
-0,39
-0,19
0,20
-0,47
-0,50
0,07
-0,45
0,17
-0,07
0,32
0,21
0,23
0,13
-0,19
-0,19
0,13
0,19
0,23
0,33
0,32
-0,50
-0,19
0,35
0,36
-0,29
0,31
-0,42
0,30
-0,40
-0,39
0,61
0,16
0,24
0,63
0,37
0,26
0,06
0,55
0,58
0,25
0,41
0,54
0,52
0,09
0,39
0,52
0,56
0,60
0,65
0,71
0,00
0,60
0,63
0,64
0,15
0,58
0,53
0,00
0,58
0,20
0,63
0,14
0,65
0,62
0,39
0,62
0,01
0,46
0,49
0,60
0,62
0,61
0,58
0,00
0,63
0,49
0,36
0,25
0,63
0,03
0,00
0,57
0,57
0,40
0,40
0,40
0,40
0,40
0,40
0,40
0,40
0,40
0,40
0,40
0,40
0,40
0,40
0,40
0,40
0,40
0,40
0,40
0,40
0,40
0,40
0,40
0,40
0,40
0,40
0,40
0,40
0,45
0,45
0,45
0,45
0,45
0,45
0,45
0,45
0,45
0,45
0,45
0,45
0,45
0,45
0,45
0,45
0,45
0,45
0,45
0,45
0,45
0,45
0,45
0,45
0,45
- 215 -
0,21
-0,24
-0,16
0,22
-0,03
-0,15
-0,34
0,15
0,18
-0,15
0,00
0,14
0,12
-0,31
-0,01
0,12
0,16
0,19
0,25
0,30
-0,40
0,20
0,23
0,23
-0,25
0,18
0,12
-0,40
0,13
-0,24
0,18
-0,31
0,21
0,17
-0,05
0,18
-0,44
0,02
0,04
0,15
0,17
0,16
0,14
-0,45
0,18
0,04
-0,08
-0,19
0,18
-0,41
-0,44
0,13
0,13
0,42
0,63
0,74
0,40
0,21
0,11
0,17
0,00
0,19
0,12
0,22
0,24
0,00
0,06
0,00
0,51
0,01
0,00
0,01
0,00
0,02
0,00
0,00
0,43
0,16
0,03
0,32
0,01
0,00
0,32
0,10
0,23
0,01
0,07
0,09
0,63
0,16
0,60
0,00
0,52
0,61
0,40
0,46
0,18
0,32
0,39
0,00
0,60
0,63
0,53
0,18
0,37
0,43
0,45
0,45
0,45
0,45
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,37
0,37
0,37
0,37
0,37
0,37
0,37
0,37
0,37
0,37
0,37
0,37
0,37
0,37
0,37
0,37
0,37
0,37
0,37
0,37
- 216 -
-0,03
0,18
0,29
-0,04
0,09
-0,01
0,04
-0,12
0,06
0,00
0,10
0,12
-0,12
-0,06
-0,12
0,39
-0,11
-0,12
-0,11
-0,12
-0,10
-0,12
-0,12
0,30
0,04
-0,09
0,19
-0,11
-0,12
0,20
-0,03
0,11
-0,11
-0,30
-0,28
0,26
-0,20
0,23
-0,37
0,15
0,24
0,03
0,09
-0,18
-0,05
0,02
-0,37
0,23
0,26
0,16
-0,18
0,00
0,06
0,02
0,63
0,61
0,01
0,67
0,00
0,62
0,64
0,59
0,00
0,63
0,54
0,37
0,37
0,37
0,37
0,37
0,37
0,37
0,37
0,37
0,37
0,37
0,37
-0,35
0,26
0,25
-0,36
0,31
-0,37
0,25
0,27
0,23
-0,37
0,27
0,17
% de probabilidad normal
99
95
90
80
70
50
30
20
10
5
-0.50
-0.28
-0.05
0.17
0.39
Residuales
Grfica 5.51. Probabilidad normal de los residuales en el experimento 2 para el ajuste del ndice D.
- 217 -
0,50
0,40
0,30
Residuales
0,20
0,10
0,00
0,10
-0,10
0,20
0,30
0,40
0,50
-0,20
-0,30
-0,40
-0,50
Indice D predicho
0,50
Residuales
0,30
0,10
-0,10
50
100
150
-0,30
-0,50
Orden de Realizacin de la Sim ulacin
Grfica 5.53. Residuales frente al orden de simulacin en el experimento 2 para el ajuste del ndice D.
- 218 -
0.19
Factor B
0.25
0.31
12
0.39
0.45
0.48
Factor A
Escenario
(7,11)
(7,11)
Respuestas
Nivel de Servicio
WIP
98,9047
17,6578
97,4109
17,9816
- 219 -
Funciones Desirability
d1
d2
0,0000
0,8684
0,0305
0,8037
D
0,0000
0,1566
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
98,3477
98,1935
97,1691
98,5249
94,4143
96,7389
98,4371
97,0913
98,1378
97,6007
97,2297
98,0410
96,9627
96,2217
98,2033
96,9683
97,1731
97,2973
97,6818
97,6623
95,1835
98,1938
97,7763
97,7593
98,2573
98,0214
98,3829
97,5704
98,7094
98,5236
97,7087
98,2578
98,1965
97,8955
96,6458
96,2845
98,3882
97,2905
97,4983
98,1765
98,1240
97,4387
98,0479
98,3256
98,0905
97,3631
97,5167
97,5561
97,6364
97,9394
98,7321
97,3467
97,9888
17,8816
17,9813
17,8648
17,9687
17,9939
17,5921
17,9841
17,9856
17,9856
17,8409
17,9129
17,9892
17,8995
17,8162
17,4958
17,8798
17,9813
17,9791
17,9111
17,9880
17,9854
17,9855
17,9894
17,7987
17,9895
17,9900
17,9784
17,9815
19,6197
19,7993
19,8353
19,4810
19,3771
19,9363
19,8771
19,6908
19,4467
19,6316
19,7564
19,7892
18,8943
19,9362
19,8024
19,9906
19,9911
19,9820
19,9237
19,7203
19,3978
19,4167
19,5848
19,3255
19,9782
- 220 -
0,0140
0,1165
0,0047
0,0006
0,0000
0,0000
0,0032
0,0023
0,2270
0,1079
0,0077
0,6579
0,0007
0,0000
0,1030
0,0007
0,0048
0,0132
0,1768
0,1573
0,0000
0,1160
0,3054
0,2774
0,0510
0,8057
0,0080
0,0891
0,0000
0,0006
0,2072
0,0507
0,1121
0,5846
0,0000
0,0000
0,0073
0,0125
0,0557
0,1434
0,2661
0,0371
0,6123
0,0195
0,3874
0,0216
0,0629
0,0813
0,1345
0,7350
0,0000
0,0192
0,9455
0,8237
0,8037
0,8270
0,8063
0,8012
0,8816
0,8032
0,8029
0,8029
0,8318
0,8174
0,8022
0,8201
0,8368
0,9008
0,8240
0,8037
0,8042
0,8178
0,8024
0,8029
0,8029
0,8021
0,8403
0,8021
0,8020
0,8043
0,8037
0,4761
0,4401
0,4329
0,5038
0,5246
0,4127
0,4246
0,4618
0,5107
0,4737
0,4487
0,4422
0,6211
0,4128
0,4395
0,4019
0,4018
0,4036
0,4153
0,4559
0,5204
0,5167
0,4830
0,5349
0,4044
0,1072
0,3060
0,0621
0,0217
0,0000
0,0065
0,0506
0,0433
0,4269
0,2995
0,0795
0,7265
0,0234
0,0000
0,3046
0,0241
0,0622
0,1030
0,3802
0,3553
0,0000
0,3052
0,4949
0,4828
0,2023
0,8038
0,0802
0,2676
0,0014
0,0163
0,2995
0,1598
0,2425
0,4912
0,0023
0,0000
0,0612
0,0770
0,1581
0,2518
0,4066
0,1238
0,5188
0,0885
0,3945
0,0934
0,1616
0,1925
0,2645
0,6162
0,0010
0,1012
0,6183
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
97,8063
98,2593
98,0310
97,1395
95,9710
97,4663
98,2101
97,8952
98,2695
97,7987
97,8733
96,7575
97,7227
98,6166
97,0575
97,1719
97,6624
97,7351
97,8271
97,6889
98,9052
97,8127
97,1925
96,6543
96,2865
97,8822
98,4516
98,6790
97,6357
97,6180
96,7916
97,7054
97,9716
96,7944
96,2152
98,1830
97,9353
98,7688
98,0239
96,2722
98,1324
97,3017
98,5892
98,2998
98,8137
97,9335
98,3078
98,8488
98,2692
98,8704
96,3791
98,4163
98,6311
19,7455
19,7639
19,6753
19,5610
19,7867
19,7351
19,8704
19,9248
19,8493
19,6400
19,9637
19,9877
19,7563
19,9737
19,9826
19,9833
19,8359
19,7969
19,9835
19,9881
19,9838
19,8275
19,9900
19,9730
19,8058
19,8921
19,9812
19,6479
19,9800
19,9841
19,7853
19,6846
19,2353
19,9765
19,9774
21,5069
21,8583
21,5349
21,7766
21,4845
21,0039
21,5499
21,3987
21,3001
21,4811
20,6515
21,9627
21,6790
21,9758
21,6075
21,9906
21,9861
20,8862
- 221 -
0,3611
0,0497
0,7296
0,0036
0,0000
0,0449
0,0945
0,5839
0,0433
0,3461
0,5197
0,0001
0,2247
0,0001
0,0017
0,0048
0,1574
0,2415
0,4048
0,1844
0,0000
0,3741
0,0057
0,0000
0,0000
0,5449
0,0025
0,0000
0,1339
0,1201
0,0001
0,2032
0,8665
0,0001
0,0000
0,1324
0,7198
0,0000
0,7852
0,0000
0,2417
0,0136
0,0001
0,0283
0,0000
0,7131
0,0253
0,0000
0,0435
0,0000
0,0000
0,0046
0,0000
0,4509
0,4472
0,4649
0,4878
0,4427
0,4530
0,4259
0,4150
0,4301
0,4720
0,4073
0,4025
0,4487
0,4053
0,4035
0,4033
0,4328
0,4406
0,4033
0,4024
0,4032
0,4345
0,4020
0,4054
0,4388
0,4216
0,4038
0,4704
0,4040
0,4032
0,4429
0,4631
0,5529
0,4047
0,4045
0,0986
0,0283
0,0930
0,0447
0,1031
0,1992
0,0900
0,1203
0,1400
0,1038
0,2697
0,0075
0,0642
0,0048
0,0785
0,0019
0,0028
0,2228
0,4035
0,1491
0,5824
0,0419
0,0000
0,1426
0,2006
0,4923
0,1364
0,4042
0,4601
0,0049
0,3176
0,0053
0,0263
0,0439
0,2610
0,3262
0,4040
0,2724
0,0000
0,4032
0,0478
0,0024
0,0000
0,4793
0,0315
0,0023
0,2325
0,2200
0,0065
0,3067
0,6922
0,0063
0,0000
0,1143
0,1428
0,0002
0,1873
0,0000
0,2194
0,0350
0,0041
0,0630
0,0001
0,4385
0,0137
0,0000
0,0145
0,0000
0,0000
0,0036
0,0032
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
97,6541
97,1628
98,1969
97,6360
98,4553
98,9671
97,6491
96,7379
97,8424
98,5263
98,3090
98,2550
97,9587
98,2566
97,7965
98,9143
97,2448
97,8034
96,6827
97,0027
98,2367
96,4857
96,6667
99,0027
97,6079
97,9176
97,3953
98,2361
96,6356
96,9056
98,5298
97,7607
97,4894
98,5640
97,9045
98,9080
97,6812
98,0061
97,7445
98,9827
97,8684
97,2581
20,9013
21,7734
21,9551
21,3883
21,8527
20,4870
21,3817
21,8707
21,7044
21,4399
21,1211
21,2062
19,9891
19,3629
19,9837
19,7470
19,8401
19,9427
19,6516
19,9206
19,4902
19,9023
19,7630
19,9717
19,7674
19,9191
19,9849
19,5333
19,8240
19,9866
19,1750
19,7586
19,4631
19,9240
19,6154
19,8083
19,7491
19,8455
19,9818
19,8888
19,8550
19,6738
0,1497
0,0044
0,1115
0,1341
0,0023
0,0000
0,1453
0,0000
0,4400
0,0006
0,0248
0,0527
0,8117
0,0515
0,3420
0,0000
0,0087
0,3554
0,0000
0,0010
0,0672
0,0000
0,0000
0,0000
0,1128
0,6565
0,0273
0,0676
0,0000
0,0004
0,0005
0,2796
0,0525
0,0002
0,6132
0,0000
0,1761
0,9407
0,2550
0,0000
0,5062
0,0097
0,2197
0,0453
0,0090
0,1223
0,0295
0,3026
0,1237
0,0259
0,0591
0,1120
0,1758
0,1588
0,4022
0,5274
0,4033
0,4506
0,4320
0,4115
0,4697
0,4159
0,5020
0,4195
0,4474
0,4057
0,4465
0,4162
0,4030
0,4933
0,4352
0,4027
0,5650
0,4483
0,5074
0,4152
0,4769
0,4383
0,4502
0,4309
0,4036
0,4222
0,4290
0,4652
0,1814
0,0141
0,0316
0,1281
0,0082
0,0000
0,1340
0,0011
0,1613
0,0080
0,0660
0,0914
0,5714
0,1649
0,3714
0,0000
0,0614
0,3824
0,0032
0,0204
0,1836
0,0005
0,0028
0,0000
0,2244
0,5227
0,1049
0,1827
0,0021
0,0121
0,0173
0,3540
0,1632
0,0101
0,5408
0,0000
0,2816
0,6367
0,3208
0,0000
0,4660
0,0672
- 222 -
SS
0,11
0,18
0,15
5,16
5,60
Tabla 5.79. Anlisis de varianza del experimento 3 para el ajuste del ndice D.
SS
0,43
5,17
0,01
5,16
5,60
g.d.l MSS
3
0,14
146 0,04
1
0,01
145 0,04
149
Fo
3,5
Fo Tablas
2,67
0,25
3,91
Tabla 5.80. Prueba de significacin y de la falta de ajuste del experimento 3 para el ajuste del ndice D.
- 223 -
Se observa que el modelo las pasa, por lo que proseguimos con las pruebas grficas de
los residuales:
Respuestas
0,00
0,16
0,11
0,31
0,06
0,02
0,00
0,01
0,05
0,04
0,43
0,30
0,08
0,73
0,02
0,00
0,30
0,02
0,06
0,10
0,38
0,36
0,00
0,31
0,49
0,48
0,20
0,80
0,08
0,27
0,00
0,02
0,30
0,16
0,24
0,49
0,00
0,00
0,06
0,08
0,16
0,25
0,41
0,12
0,52
0,09
0,39
Prediccin
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,21
0,22
0,22
0,22
0,22
0,22
0,22
0,22
0,22
0,22
0,22
0,22
0,22
0,22
0,22
0,22
0,22
0,22
- 224 -
Residuales
-0,21
-0,05
-0,10
0,10
-0,15
-0,19
-0,21
-0,20
-0,16
-0,17
0,22
0,09
-0,13
0,52
-0,19
-0,21
0,10
-0,19
-0,15
-0,11
0,17
0,15
-0,21
0,10
0,29
0,27
-0,01
0,59
-0,13
0,06
-0,22
-0,20
0,08
-0,06
0,02
0,27
-0,22
-0,22
-0,16
-0,14
-0,06
0,03
0,19
-0,10
0,30
-0,13
0,17
0,09
0,16
0,19
0,26
0,62
0,00
0,10
0,62
0,40
0,15
0,58
0,04
0,00
0,14
0,20
0,49
0,14
0,40
0,46
0,00
0,32
0,01
0,03
0,04
0,26
0,33
0,40
0,27
0,00
0,40
0,05
0,00
0,00
0,48
0,03
0,00
0,23
0,22
0,01
0,31
0,69
0,01
0,00
0,11
0,14
0,00
0,19
0,00
0,22
0,04
0,00
0,06
0,00
0,22
0,22
0,22
0,22
0,22
0,22
0,22
0,22
0,22
0,22
0,22
0,22
0,22
0,20
0,20
0,20
0,20
0,20
0,20
0,20
0,20
0,20
0,20
0,20
0,20
0,20
0,20
0,20
0,20
0,20
0,20
0,20
0,20
0,20
0,20
0,20
0,20
0,20
0,20
0,20
0,20
0,20
0,07
0,07
0,07
0,07
0,07
0,07
0,07
0,07
0,07
0,07
0,07
- 225 -
-0,13
-0,06
-0,03
0,04
0,40
-0,22
-0,12
0,40
0,18
-0,07
0,36
-0,18
-0,22
-0,06
0,00
0,29
-0,06
0,20
0,26
-0,20
0,12
-0,20
-0,17
-0,16
0,06
0,13
0,20
0,07
-0,20
0,20
-0,15
-0,20
-0,20
0,28
-0,17
-0,20
0,03
0,02
-0,19
0,11
0,49
-0,19
-0,07
0,04
0,07
-0,07
0,12
-0,07
0,15
-0,04
-0,07
-0,01
-0,07
0,44
0,01
0,00
0,01
0,00
0,00
0,00
0,00
0,18
0,01
0,03
0,13
0,01
0,00
0,13
0,00
0,16
0,01
0,07
0,09
0,57
0,16
0,37
0,00
0,06
0,38
0,00
0,02
0,18
0,00
0,00
0,00
0,22
0,52
0,10
0,18
0,00
0,01
0,02
0,35
0,16
0,01
0,54
0,00
0,28
0,64
0,32
0,00
0,47
0,07
0,07
0,07
0,07
0,07
0,07
0,07
0,07
0,07
0,07
0,07
0,07
0,07
0,07
0,07
0,07
0,07
0,07
0,07
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,37
-0,06
-0,07
-0,06
-0,07
-0,07
-0,07
-0,07
0,11
-0,06
-0,04
0,06
-0,06
-0,07
0,06
-0,07
0,09
-0,06
-0,11
-0,08
0,40
-0,01
0,20
-0,18
-0,11
0,21
-0,17
-0,16
0,01
-0,18
-0,17
-0,18
0,05
0,35
-0,07
0,01
-0,17
-0,16
-0,16
0,18
-0,01
-0,17
0,37
-0,18
0,11
0,46
0,15
-0,18
0,29
-0,11
- 226 -
% de probabilidad normal
99
95
90
80
70
50
30
20
10
5
-1.19
-0.09
1.01
2.11
3.21
Residuales
Grfica 5.55. Probabilidad normal de los residuales en el experimento 3 para el ajuste del ndice D.
0,60
0,50
0,40
0,30
Residuales
0,20
0,10
0,00
-0,100,00
0,10
0,20
-0,20
-0,30
-0,40
-0,50
-0,60
Indice D predicho
- 227 -
0,60
0,40
Residuales
0,20
0,00
0
50
100
150
-0,20
-0,40
-0,60
Orden de Realizacin de la Sim ulacin
Grfica 5.57. Residuales frente al orden de simulacin en el experimento 3 para el ajuste del ndice D.
- 228 -
13
0.10
0.12
Factor B
0.15
0.17
12
0.20
0.21
0.21
0.22
Factor A
Escenario
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
Respuestas
Nivel de Servicio
98,9047
97,4109
98,3477
98,1935
97,1691
98,5249
94,4143
96,7389
98,4371
97,0913
98,1378
97,6007
97,2297
98,0410
96,9627
96,2217
98,2033
96,9683
97,1731
97,2973
97,6818
97,6623
WIP
17,6578
17,9816
17,8816
17,9813
17,8648
17,9687
17,9939
17,5921
17,9841
17,9856
17,9856
17,8409
17,9129
17,9892
17,8995
17,8162
17,4958
17,8798
17,9813
17,9791
17,9111
17,9880
- 229 -
Funciones Desirability
d1
d2
0,0000
0,2440
0,0305
0,1124
0,0140
0,1437
0,1165
0,1125
0,0047
0,1497
0,0006
0,1161
0,0000
0,1090
0,0000
0,2835
0,0032
0,1117
0,0023
0,1113
0,2270
0,1113
0,1079
0,1586
0,0077
0,1332
0,6579
0,1103
0,0007
0,1376
0,0000
0,1683
0,1030
0,3519
0,0007
0,1444
0,0048
0,1125
0,0132
0,1131
0,1768
0,1338
0,1573
0,1106
D
0,0000
0,0586
0,0448
0,1145
0,0264
0,0082
0,0000
0,0037
0,0189
0,0161
0,1590
0,1308
0,0321
0,2694
0,0096
0,0000
0,1904
0,0101
0,0233
0,0386
0,1538
0,1319
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
95,1835
98,1938
97,7763
97,7593
98,2573
98,0214
98,3829
97,5704
98,7094
98,5236
97,7087
98,2578
98,1965
97,8955
96,6458
96,2845
98,3882
97,2905
97,4983
98,1765
98,1240
97,4387
98,0479
98,3256
98,0905
97,3631
97,5167
97,5561
97,6364
97,9394
98,7321
97,3467
97,9888
97,8063
98,2593
98,0310
97,1395
95,9710
97,4663
98,2101
97,8952
98,2695
97,7987
97,8733
96,7575
97,7227
98,6166
97,0575
97,1719
97,6624
97,7351
97,8271
97,6889
17,9854
17,9855
17,9894
17,7987
17,9895
17,9900
17,9784
17,9815
19,6197
19,7993
19,8353
19,4810
19,3771
19,9363
19,8771
19,6908
19,4467
19,6316
19,7564
19,7892
18,8943
19,9362
19,8024
19,9906
19,9911
19,9820
19,9237
19,7203
19,3978
19,4167
19,5848
19,3255
19,9782
19,7455
19,7639
19,6753
19,5610
19,7867
19,7351
19,8704
19,9248
19,8493
19,6400
19,9637
19,9877
19,7563
19,9737
19,9826
19,9833
19,8359
19,7969
19,9835
19,9881
- 230 -
0,0000
0,1160
0,3054
0,2774
0,0510
0,8057
0,0080
0,0891
0,0000
0,0006
0,2072
0,0507
0,1121
0,5846
0,0000
0,0000
0,0073
0,0125
0,0557
0,1434
0,2661
0,0371
0,6123
0,0195
0,3874
0,0216
0,0629
0,0813
0,1345
0,7350
0,0000
0,0192
0,9455
0,3611
0,0497
0,7296
0,0036
0,0000
0,0449
0,0945
0,5839
0,0433
0,3461
0,5197
0,0001
0,2247
0,0001
0,0017
0,0048
0,1574
0,2415
0,4048
0,1844
0,1114
0,1113
0,1103
0,1755
0,1102
0,1101
0,1133
0,1125
0,0006
0,0003
0,0002
0,0011
0,0016
0,0001
0,0002
0,0004
0,0012
0,0006
0,0003
0,0003
0,0085
0,0001
0,0003
0,0001
0,0001
0,0001
0,0002
0,0004
0,0015
0,0014
0,0007
0,0019
0,0001
0,0003
0,0003
0,0005
0,0008
0,0003
0,0004
0,0002
0,0002
0,0002
0,0005
0,0001
0,0001
0,0003
0,0001
0,0001
0,0001
0,0002
0,0003
0,0001
0,0001
0,0000
0,1137
0,1835
0,2206
0,0750
0,2978
0,0301
0,1001
0,0001
0,0004
0,0069
0,0073
0,0133
0,0092
0,0000
0,0000
0,0030
0,0027
0,0043
0,0064
0,0477
0,0023
0,0128
0,0015
0,0065
0,0016
0,0031
0,0056
0,0140
0,0316
0,0000
0,0061
0,0105
0,0112
0,0040
0,0186
0,0017
0,0000
0,0040
0,0043
0,0094
0,0031
0,0138
0,0081
0,0001
0,0086
0,0001
0,0004
0,0007
0,0060
0,0082
0,0068
0,0045
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
98,9052
97,8127
97,1925
96,6543
96,2865
97,8822
98,4516
98,6790
97,6357
97,6180
96,7916
97,7054
97,9716
96,7944
96,2152
98,1830
97,9353
98,7688
98,0239
96,2722
98,1324
97,3017
98,5892
98,2998
98,8137
97,9335
98,3078
98,8488
98,2692
98,8704
96,3791
98,4163
98,6311
97,6541
97,1628
98,1969
97,6360
98,4553
98,9671
97,6491
96,7379
97,8424
98,5263
98,3090
98,2550
97,9587
98,2566
97,7965
98,9143
97,2448
97,8034
96,6827
97,0027
19,9838
19,8275
19,9900
19,9730
19,8058
19,8921
19,9812
19,6479
19,9800
19,9841
19,7853
19,6846
19,2353
19,9765
19,9774
21,5069
21,8583
21,5349
21,7766
21,4845
21,0039
21,5499
21,3987
21,3001
21,4811
20,6515
21,9627
21,6790
21,9758
21,6075
21,9906
21,9861
20,8862
20,9013
21,7734
21,9551
21,3883
21,8527
20,4870
21,3817
21,8707
21,7044
21,4399
21,1211
21,2062
19,9891
19,3629
19,9837
19,7470
19,8401
19,9427
19,6516
19,9206
- 231 -
0,0000
0,3741
0,0057
0,0000
0,0000
0,5449
0,0025
0,0000
0,1339
0,1201
0,0001
0,2032
0,8665
0,0001
0,0000
0,1324
0,7198
0,0000
0,7852
0,0000
0,2417
0,0136
0,0001
0,0283
0,0000
0,7131
0,0253
0,0000
0,0435
0,0000
0,0000
0,0046
0,0000
0,1497
0,0044
0,1115
0,1341
0,0023
0,0000
0,1453
0,0000
0,4400
0,0006
0,0248
0,0527
0,8117
0,0515
0,3420
0,0000
0,0087
0,3554
0,0000
0,0010
0,0001
0,0002
0,0001
0,0001
0,0003
0,0002
0,0001
0,0005
0,0001
0,0001
0,0003
0,0005
0,0027
0,0001
0,0001
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0017
0,0001
0,0003
0,0002
0,0001
0,0005
0,0002
0,0000
0,0095
0,0008
0,0000
0,0000
0,0098
0,0005
0,0001
0,0039
0,0037
0,0002
0,0096
0,0481
0,0001
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
0,0000
0,0000
0,0000
0,0000
0,0012
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0095
0,0093
0,0062
0,0000
0,0014
0,0070
0,0001
0,0004
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
98,2367
96,4857
96,6667
99,0027
97,6079
97,9176
97,3953
98,2361
96,6356
96,9056
98,5298
97,7607
97,4894
98,5640
97,9045
98,9080
97,6812
98,0061
97,7445
98,9827
97,8684
97,2581
19,4902
19,9023
19,7630
19,9717
19,7674
19,9191
19,9849
19,5333
19,8240
19,9866
19,1750
19,7586
19,4631
19,9240
19,6154
19,8083
19,7491
19,8455
19,9818
19,8888
19,8550
19,6738
0,0672
0,0000
0,0000
0,0000
0,1128
0,6565
0,0273
0,0676
0,0000
0,0004
0,0005
0,2796
0,0525
0,0002
0,6132
0,0000
0,1761
0,9407
0,2550
0,0000
0,5062
0,0097
0,0010
0,0002
0,0003
0,0001
0,0003
0,0002
0,0001
0,0009
0,0002
0,0001
0,0033
0,0003
0,0011
0,0002
0,0006
0,0003
0,0003
0,0002
0,0001
0,0002
0,0002
0,0005
0,0083
0,0000
0,0001
0,0000
0,0060
0,0101
0,0018
0,0076
0,0001
0,0002
0,0013
0,0096
0,0077
0,0002
0,0193
0,0000
0,0078
0,0144
0,0054
0,0000
0,0103
0,0021
El ndice D medio y la desviacin estndar para cada uno de los escenarios se muestran
en la tabla 5.83:
Escenario ndice D medio STD ndice D
(7,11)
0,0820
0,0859
(9,11)
0,0077
0,0102
(7,13)
0,0055
0,0090
(9,13)
0,0001
0,0002
(8,12)
0,0049
0,0051
Tabla 5.83. ndice D medio y desviacin estndar obtenidos en el experimento 4.
El anlisis de varianza muestra como tanto los factores A y B, como la interaccin entre
ellos son significativos:
Termino Efectos SS
Porcentaje g.d.l MSS
A
-0,04 0,05
13,08
1
0,05
B
-0,04 0,05
14,44
1
0,05
AB
-0,03 0,04
9,81
1
0,04
Error
0,23
62,67
146 0,00
Total
0,37
100,00
149
Fo
Fo Tablas
30,47
3,91
33,64
3,91
22,85
3,91
Tabla 5.84. Anlisis de varianza del experimento 4 para el ajuste del ndice D.
- 232 -
SS g.d.l MSS
Fo
Fo Tablas
0,14
3
0,045 28,57
2,67
0,23 146 0,002
0,01
1
0,010 6,59
3,91
0,22 145 0,002
0,37 149
Tabla 5.85. Prueba de significacin y de la falta de ajuste del experimento 4 para el ajuste del ndice D.
Escenario
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
Respuestas
Nivel de Servicio
98,9047
97,4109
98,3477
98,1935
97,1691
98,5249
94,4143
96,7389
98,4371
97,0913
98,1378
97,6007
97,2297
98,0410
WIP
17,6578
17,9816
17,8816
17,9813
17,8648
17,9687
17,9939
17,5921
17,9841
17,9856
17,9856
17,8409
17,9129
17,9892
- 233 -
Funciones Desirability
d1
d2
0,0000
0,9860
0,7054
0,9784
0,0140
0,9808
0,1165
0,9784
0,5846
0,9812
0,0006
0,9787
0,0000
0,9781
0,3694
0,9875
0,0032
0,9783
0,5457
0,9783
0,2270
0,9783
0,8004
0,9818
0,6149
0,9800
0,6579
0,9782
D
0,0000
0,8308
0,1170
0,3376
0,7573
0,0239
0,0000
0,6040
0,0559
0,7306
0,4713
0,8864
0,7763
0,8022
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(7,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(9,11)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
96,9627
96,2217
98,2033
96,9683
97,1731
97,2973
97,6818
97,6623
95,1835
98,1938
97,7763
97,7593
98,2573
98,0214
98,3829
97,5704
98,7094
98,5236
97,7087
98,2578
98,1965
97,8955
96,6458
96,2845
98,3882
97,2905
97,4983
98,1765
98,1240
97,4387
98,0479
98,3256
98,0905
97,3631
97,5167
97,5561
97,6364
97,9394
98,7321
97,3467
97,9888
97,8063
98,2593
98,0310
97,1395
95,9710
97,4663
98,2101
97,8952
98,2695
97,7987
97,8733
96,7575
17,8995
17,8162
17,4958
17,8798
17,9813
17,9791
17,9111
17,9880
17,9854
17,9855
17,9894
17,7987
17,9895
17,9900
17,9784
17,9815
19,6197
19,7993
19,8353
19,4810
19,3771
19,9363
19,8771
19,6908
19,4467
19,6316
19,7564
19,7892
18,8943
19,9362
19,8024
19,9906
19,9911
19,9820
19,9237
19,7203
19,3978
19,4167
19,5848
19,3255
19,9782
19,7455
19,7639
19,6753
19,5610
19,7867
19,7351
19,8704
19,9248
19,8493
19,6400
19,9637
19,9877
- 234 -
0,4813
0,1109
0,1030
0,4842
0,5865
0,6486
0,8409
0,8311
0,0000
0,1160
0,8881
0,8796
0,0510
0,8057
0,0080
0,7852
0,0000
0,0006
0,8543
0,0507
0,1121
0,9477
0,3229
0,1423
0,0073
0,6452
0,7491
0,1434
0,2661
0,7194
0,6123
0,0195
0,3874
0,6816
0,7583
0,7780
0,8182
0,9697
0,0000
0,6734
0,9944
0,9032
0,0497
0,7296
0,5698
0,0000
0,7332
0,0945
0,9476
0,0433
0,8993
0,9367
0,3787
0,9804
0,9823
0,9896
0,9808
0,9784
0,9784
0,9801
0,9782
0,9783
0,9783
0,9782
0,9827
0,9782
0,9782
0,9785
0,9784
0,9285
0,9212
0,9197
0,9337
0,9375
0,9153
0,9179
0,9257
0,9350
0,9280
0,9230
0,9216
0,9535
0,9153
0,9211
0,9129
0,9128
0,9133
0,9159
0,9245
0,9368
0,9361
0,9298
0,9394
0,9134
0,9234
0,9227
0,9263
0,9307
0,9217
0,9239
0,9182
0,9158
0,9191
0,9277
0,9141
0,9130
0,6869
0,3300
0,3193
0,6891
0,7575
0,7967
0,9078
0,9017
0,0000
0,3369
0,9321
0,9298
0,2234
0,8877
0,0885
0,8765
0,0020
0,0236
0,8864
0,2176
0,3242
0,9314
0,5444
0,3629
0,0829
0,7738
0,8315
0,3636
0,5037
0,8114
0,7510
0,1333
0,5947
0,7890
0,8334
0,8481
0,8755
0,9527
0,0013
0,7953
0,9531
0,9132
0,2142
0,8221
0,7282
0,0000
0,8230
0,2946
0,9316
0,1994
0,9134
0,9253
0,5880
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(7,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
(9,13)
97,7227
98,6166
97,0575
97,1719
97,6624
97,7351
97,8271
97,6889
98,9052
97,8127
97,1925
96,6543
96,2865
97,8822
98,4516
98,6790
97,6357
97,6180
96,7916
97,7054
97,9716
96,7944
96,2152
98,1830
97,9353
98,7688
98,0239
96,2722
98,1324
97,3017
98,5892
98,2998
98,8137
97,9335
98,3078
98,8488
98,2692
98,8704
96,3791
98,4163
98,6311
97,6541
97,1628
98,1969
97,6360
98,4553
98,9671
97,6491
96,7379
97,8424
98,5263
98,3090
98,2550
19,7563
19,9737
19,9826
19,9833
19,8359
19,7969
19,9835
19,9881
19,9838
19,8275
19,9900
19,9730
19,8058
19,8921
19,9812
19,6479
19,9800
19,9841
19,7853
19,6846
19,2353
19,9765
19,9774
21,5069
21,8583
21,5349
21,7766
21,4845
21,0039
21,5499
21,3987
21,3001
21,4811
20,6515
21,9627
21,6790
21,9758
21,6075
21,9906
21,9861
20,8862
20,9013
21,7734
21,9551
21,3883
21,8527
20,4870
21,3817
21,8707
21,7044
21,4399
21,1211
21,2062
- 235 -
0,8613
0,0001
0,5287
0,5860
0,8312
0,8675
0,9135
0,8445
0,0000
0,9064
0,5963
0,3271
0,1433
0,9411
0,0025
0,0000
0,8178
0,8090
0,3958
0,8527
0,9858
0,3972
0,1076
0,1324
0,9677
0,0000
0,7852
0,1361
0,2417
0,6508
0,0001
0,0283
0,0000
0,9667
0,0253
0,0000
0,0435
0,0000
0,1895
0,0046
0,0000
0,8270
0,5814
0,1115
0,8180
0,0023
0,0000
0,8246
0,3689
0,9212
0,0006
0,0248
0,0527
0,9230
0,9136
0,9132
0,9132
0,9197
0,9213
0,9132
0,9130
0,9132
0,9200
0,9129
0,9137
0,9209
0,9172
0,9133
0,9274
0,9134
0,9132
0,9218
0,9259
0,9425
0,9135
0,9135
0,7932
0,7003
0,7886
0,7328
0,7968
0,8510
0,7860
0,8091
0,8215
0,7973
0,8772
0,6127
0,7599
0,5868
0,7753
0,5339
0,5552
0,8606
0,8594
0,7339
0,6242
0,8105
0,7029
0,8873
0,8114
0,6938
0,7537
0,8034
0,8404
0,8319
0,8916
0,0079
0,6949
0,7315
0,8743
0,8940
0,9134
0,8781
0,0000
0,9132
0,7378
0,5467
0,3632
0,9291
0,0474
0,0033
0,8643
0,8595
0,6040
0,8885
0,9639
0,6024
0,3135
0,3241
0,8232
0,0006
0,7585
0,3293
0,4535
0,7152
0,0105
0,1526
0,0002
0,9209
0,1244
0,0001
0,1597
0,0000
0,3181
0,0505
0,0063
0,8431
0,6532
0,2639
0,8142
0,0402
0,0000
0,8179
0,5060
0,8332
0,0214
0,1444
0,2093
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
(8,12)
97,9587
98,2566
97,7965
98,9143
97,2448
97,8034
96,6827
97,0027
98,2367
96,4857
96,6667
99,0027
97,6079
97,9176
97,3953
98,2361
96,6356
96,9056
98,5298
97,7607
97,4894
98,5640
97,9045
98,9080
97,6812
98,0061
97,7445
98,9827
97,8684
97,2581
19,9891
19,3629
19,9837
19,7470
19,8401
19,9427
19,6516
19,9206
19,4902
19,9023
19,7630
19,9717
19,7674
19,9191
19,9849
19,5333
19,8240
19,9866
19,1750
19,7586
19,4631
19,9240
19,6154
19,8083
19,7491
19,8455
19,9818
19,8888
19,8550
19,6738
0,9794
0,0515
0,8983
0,0000
0,6224
0,9017
0,3413
0,5014
0,0672
0,2428
0,3333
0,0000
0,8039
0,9588
0,6977
0,0676
0,3178
0,4528
0,0005
0,8804
0,7447
0,0002
0,9523
0,0000
0,8406
0,9407
0,8723
0,0000
0,9342
0,6291
0,9129
0,9380
0,9132
0,9234
0,9195
0,9150
0,9272
0,9160
0,9334
0,9168
0,9227
0,9137
0,9225
0,9161
0,9131
0,9318
0,9202
0,9131
0,9445
0,9229
0,9344
0,9159
0,9286
0,9208
0,9233
0,9193
0,9133
0,9174
0,9189
0,9263
0,9456
0,2199
0,9057
0,0000
0,7565
0,9083
0,5626
0,6777
0,2504
0,4719
0,5546
0,0000
0,8612
0,9372
0,7982
0,2511
0,5408
0,6430
0,0223
0,9014
0,8342
0,0151
0,9404
0,0000
0,8810
0,9299
0,8925
0,0000
0,9265
0,7634
El anlisis de varianza se calcula con los datos obtenidos en la tabla 5.87 arrojando el
resultado siguiente:
- 236 -
MSS Fo Fo Tablas
0,55 4,74
3,91
0,10 0,84
3,91
0,79 6,80
3,91
0,12
Tabla 5.88. Anlisis de varianza del experimento 5 para el ajuste del ndice D.
SS
1,44
16,95
0,09
16,86
18,39
g.d.l
3
146
1
145
149
MSS
0,48
0,12
0,09
0,12
Fo
4,13
Fo Tablas
2,67
0,73
3,91
Tabla 5.89. Prueba de significacin y de la falta de ajuste del experimento 5 para el ajuste del ndice D.
Prediccin
0,55
0,55
0,55
0,55
0,55
0,55
0,55
- 237 -
Residuales
-0,55
0,28
-0,43
-0,21
0,21
-0,52
-0,55
0,60
0,06
0,73
0,47
0,89
0,78
0,80
0,69
0,33
0,32
0,69
0,76
0,80
0,91
0,90
0,00
0,34
0,93
0,93
0,22
0,89
0,09
0,88
0,00
0,02
0,89
0,22
0,32
0,93
0,54
0,36
0,08
0,77
0,83
0,36
0,50
0,81
0,75
0,13
0,59
0,79
0,83
0,85
0,88
0,95
0,00
0,80
0,95
0,91
0,21
0,82
0,73
0,00
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,55
0,57
0,57
0,57
0,57
0,57
0,57
0,57
0,57
0,57
0,57
0,57
0,57
0,57
0,57
0,57
0,57
0,57
0,57
0,57
0,57
0,57
0,57
0,57
0,57
0,57
0,57
0,57
0,57
0,57
0,57
- 238 -
0,06
-0,49
0,18
-0,08
0,34
0,23
0,26
0,14
-0,22
-0,23
0,14
0,21
0,25
0,36
0,35
-0,55
-0,21
0,38
0,38
-0,32
0,34
-0,46
0,33
-0,57
-0,55
0,31
-0,36
-0,25
0,36
-0,03
-0,21
-0,49
0,20
0,26
-0,21
-0,07
0,24
0,18
-0,44
0,02
0,21
0,26
0,27
0,30
0,38
-0,57
0,22
0,38
0,34
-0,36
0,25
0,15
-0,57
0,82
0,29
0,93
0,20
0,91
0,93
0,59
0,89
0,01
0,69
0,73
0,87
0,89
0,91
0,88
0,00
0,91
0,74
0,55
0,36
0,93
0,05
0,00
0,86
0,86
0,60
0,89
0,96
0,60
0,31
0,32
0,82
0,00
0,76
0,33
0,45
0,72
0,01
0,15
0,00
0,92
0,12
0,00
0,16
0,00
0,32
0,05
0,01
0,84
0,65
0,26
0,81
0,04
0,65
0,65
0,65
0,65
0,65
0,65
0,65
0,65
0,65
0,65
0,65
0,65
0,65
0,65
0,65
0,65
0,65
0,65
0,65
0,65
0,65
0,65
0,65
0,65
0,65
0,65
0,65
0,65
0,65
0,36
0,36
0,36
0,36
0,36
0,36
0,36
0,36
0,36
0,36
0,36
0,36
0,36
0,36
0,36
0,36
0,36
0,36
0,36
0,36
0,36
0,36
0,36
0,36
- 239 -
0,17
-0,36
0,28
-0,45
0,26
0,27
-0,06
0,24
-0,64
0,04
0,08
0,22
0,24
0,26
0,23
-0,65
0,26
0,09
-0,11
-0,29
0,28
-0,60
-0,65
0,21
0,21
-0,05
0,24
0,31
-0,05
-0,04
-0,03
0,47
-0,35
0,40
-0,03
0,10
0,36
-0,34
-0,20
-0,35
0,57
-0,23
-0,35
-0,20
-0,35
-0,04
-0,30
-0,35
0,49
0,30
-0,09
0,46
-0,31
0,00
0,82
0,51
0,83
0,02
0,14
0,21
0,95
0,22
0,91
0,00
0,76
0,91
0,56
0,68
0,25
0,47
0,55
0,00
0,86
0,94
0,80
0,25
0,54
0,64
0,02
0,90
0,83
0,02
0,94
0,00
0,88
0,93
0,89
0,00
0,93
0,76
0,36
0,36
0,36
0,36
0,36
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
-0,36
0,46
0,15
0,48
-0,33
-0,39
-0,32
0,41
-0,31
0,37
-0,53
0,22
0,38
0,03
0,15
-0,28
-0,06
0,02
-0,53
0,33
0,41
0,27
-0,28
0,01
0,11
-0,51
0,37
0,30
-0,52
0,41
-0,53
0,35
0,40
0,36
-0,53
0,39
0,23
- 240 -
% de probabilidad normal
99
95
90
80
70
50
30
20
10
5
-0.65
-0.35
-0.04
0.27
0.57
Residuales
Grfica 5.59. Probabilidad normal de los residuales en el experimento 5 para el ajuste del ndice D.
0,70
0,60
0,50
0,40
0,30
Residuales
0,20
0,10
0,00
-0,100,35
0,45
0,55
0,65
-0,20
-0,30
-0,40
-0,50
-0,60
-0,70
Indice D predicho
- 241 -
0,70
0,50
Residuales
0,30
0,10
-0,10 0
50
100
150
-0,30
-0,50
-0,70
Orden de Realizacin de la Sim ulacin
Grfica 5.61. Residuales frente al orden de simulacin en el experimento 5 para el ajuste del ndice D.
- 242 -
13
0.40
0.60
0.45
Factor B
0.50
0.57
12
0.54
0.55
0.56
0.55
0.56
8
Factor A
- 243 -
97,46
97,57
97,69
97,80
97,91
98,03
98,08
97,52
97,63
97,74
97,86
97,97
22.832
E (Factor B)
13
22.177
21.546
12
20.941
11
20.343
16.666
10
6
17.293
17.959
18.553
19.150
19.747
10
K(0) (Factor A)
Grfica 5.63.Grfica de contornos para nivel de servicio medio y WIP superpuestas con los puntos
hallados con las funciones desirability y la direccin de mejores soluciones admisibles.
Combinacin de pesos
(s1=1, t1=1, s2=1)
(s1=1, t1=10, s2=1)
(s1=10, t1=10, s2=1)
(s1=10, t1=10, s2=10)
(s1=1, t1=10, s2=0,1)
Punto
(7,11)
(7,11)
(9,11)
(7,13)
WIP
17,909
17,909
19,691
19,867
Analizando la grfica 5.63 vemos que todas las soluciones encontradas usando el
mtodo de la funcin desirability son buenas, en el sentido de que todas estn alrededor
de la trayectoria de las mejores soluciones admisibles. Por otro lado, analizando la tabla
5.91, vemos como las soluciones son acordes con lo que indican sus correspondientes
pesos. As, en el experimento nmero tres, en donde se le da gran importancia a
alcanzar un nivel de servicio muy prximo al 98%, se obtiene un valor medio mayor
que en los experimentos uno y dos, en donde al menos uno de los pesos s y t relajan esta
condicin. En el cuarto experimento las condiciones son las ms exigentes de todas y el
modelo no resulta adecuado, indicando esto que condiciones tan extremas no son
beneficiosas. El quinto experimento es exigente en no sobrepasar el valor del 98% para
el nivel de servicio pero resulta demasiado permisivo con el inventario en proceso
ofreciendo el peor registro para este. Los experimentos 1 y 2 obtienen los mismos
resultados por lo que endurecer la condicin de no sobrepasar el nivel de servicio medio
- 244 -
- 245 -
CAPTULO 6:
PROPUESTA DE OPTIMIZACIN
- 246 -
En esta seccin vamos a ir explicando y aplicando cada uno de los pasos de la heurstica
propuesta con el fin de que la exposicin sea lo ms clara posible.
En el captulo anterior se ha recogido una informacin muy valiosa acerca del
funcionamiento del sistema objeto de estudio en el presente proyecto y del
comportamiento de la metodologa RSM aplicada a l. En esta seccin se propone una
heurstica que aprovecha este conocimiento y cuyo objetivo es encontrar la combinacin
de los parmetros K (0) y E que proporcionan el funcionamiento ms cercano al ideal.
Este ideal persigue que la lnea de fabricacin funcione con un nivel objetivo
predeterminado del 98% y que lo haga con el inventario en proceso ms pequeo, es
decir, se pretende maximizar la capacidad productiva de la lnea con el menor capital
invertido en inventarios.
Con la heurstica propuesta se pretende llevar al ptimo o a sus inmediaciones con el
menor nmero de simulaciones. Para ello nos basamos en el anlisis de la forma de las
superficies de respuesta reales que obtuvimos en la seccin 5.4 al realizar la bsqueda
exhaustiva.
La superficie que se obtuvo para el WIP muestra que en la zona de inters esta es
prcticamente un plano inclinado. Esto nos hace pensar que un modelo ajustado en ella
recoger con bastante aproximacin su forma ya que esta no presenta complicaciones.
La superficie real correspondiente al nivel de servicio medio, por el contrario, si que
ofrece importantes particularidades que tenemos que tener en cuenta. Esta superficie
ofrece dos zonas bien diferenciadas. Por un lado se tiene una zona en pronunciada
pendiente, que comprende los valores para el nivel de servicio medio que van desde 0%
hasta el 97% aproximadamente. Por otro lado, tenemos una zona casi plana y horizontal,
que comprende desde el 97% y tiende ligeramente hacia el 100%. La particularidad ms
importante para nosotros radica en la lnea que hace de frontera entre estas dos zonas.
En la seccin 5.4 se encontr que esta lnea la formaban las soluciones admisibles para
el nivel de servicio buscado y que presentaban la propiedad de que la suma de los
parmetros K (0) y E era constante. El primer paso de la heurstica va a ser encontrar la
trayectoria de las soluciones admisibles.
En la tabla 5.62 de la seccin 5.4 se muestran las combinaciones que forman parte de
esta trayectoria, en ella se observa que la serie comienza en la combinacin (18,0) que
corresponde con un sistema Conwip tradicional, en el que no existen tarjetas extras.
Apoyndonos de nuevo en la forma de la superficie de respuesta para el nivel de
servicio medio y en que esta recoge el comportamiento de un sistema Conwip (ver
seccin 5.3 y seccin 5.4), proponemos como primer paso de la heurstica plantear una
pseudo trayectoria de mxima pendiente, aplicada a la lnea de produccin como si esta
estuviera gobernada por un sistema Conwip tradicional. Se parte de un nmero
razonablemente bajo de tarjetas y se va ha ir recorriendo la trayectoria hasta encontrar
una solucin admisible, es decir, se va buscar un intervalo de confianza en el que un
nivel de servicio del 98% este incluido. Tambin, se van a graficar el nivel de servicio
medio, el inventario en proceso y el radio del intervalo de confianza, con objeto de
- 247 -
E
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
WIP medio
3,933
4,976
6,011
7,023
8,023
9,023
10,022
11,018
12,015
13,011
14,009
15,007
16,005
17,004
18,002
19,002
90
80
70
60
50
40
30
20
10
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Nmero de Tarjetas
Grfica 6.1. Evolucin del Nivel de Servicio Medio a lo largo de las simulaciones del primer paso de la
heurstica propuesta.
- 248 -
2,5
IC (99%)
2
1,5
1
0,5
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Nmero de Tarjetas
Grfica 6.2. Evolucin de de los intervalos de confianza del Nivel de Servicio Medio a lo largo de las
simulaciones del primer paso de la heurstica propuesta.
80
60
40
20
(LS-98)
0
-20 0 1 2 3 4 5 6 7 8 9 1011 1213 141516 1718 1920
(98-LI)
-40
-60
-80
-100
Nmero de Tarjetas
Grfica 6.3. Evolucin de la admisibilidad a lo largo de las simulaciones del primer paso de la heurstica
propuesta.
- 249 -
Tras el estudio de los datos recogidos el nmero de tarjetas escogido es de 18. Este
punto va a ser el primero de la trayectoria de las soluciones admisibles buscada. Una
propiedad que cumplan las combinaciones pertenecientes a esta trayectoria era la de
mantener constante el la suma de los parmetros K (0) y E. En nuestro caso esta
constante vale 18.
El segundo paso de la heurstica va a ser la de recorrer esta trayectoria con el fin de
encontrar la combinacin que mejor se ajuste al criterio de la mejor solucin. Para ello
se simulan todas las combinaciones que cumplen esta propiedad y se recopilan los datos
de inters, como son el nivel de servicio medio, los intervalos de confianza y el
inventario en proceso medio. Es de esperar, por la forma de las superficies de repuesta
reales, que el dato determinante en este paso sea el WIP, ya que si realmente nos
encontramos en la frontera entre las dos zonas en las que se divide la superficie de
respuesta para el nivel de servicio medio, es de esperar que el valor de este no ofrezca
grandes variaciones.
En la tabla siguiente se muestran las simulaciones de las combinaciones que suman 18
tarjetas con sus correspondientes resultados:
K(0)
18
17
16
15
14
13
12
11
10
9
8
7
6
E
0
1
2
3
4
5
6
7
8
9
10
11
12
WIP medio
18,002
17,626
17,408
17,171
17,330
17,439
17,660
17,798
17,790
17,776
17,804
17,909
17,905
En la tabla anterior se observa como las soluciones (9,9), (8,10), (7,11) y (6,12) no son
admisibles a no estar incluido en sus intervalos de confianza el valor del 98%. Esto nos
puede hacer pensar que sera necesario aumentar el nmero de observaciones a aquellas
que sus dos parmetros sumen 19 tarjetas para los casos donde el parmetro K (0) sea
igual a 9, 8, 7 y 6. Antes de tomar una decisin al respecto, observemos las siguientes
grficas:
- 250 -
98,6
98,4
98,2
98
97,8
97,6
97,4
97,2
97
5
10
11 12
13
14
15
16
17
18
19
K(0)
Grfica 6.4. Evolucin del Nivel de Servicio medio a lo largo de las simulaciones del segundo paso de la
heurstica propuesta.
18,1
18
WIP medio
17,9
17,8
17,7
17,6
17,5
17,4
17,3
17,2
17,1
5
10
11 12
13
14
15
16
17
18
19
K(0)
Grfica 6.5. Evolucin del WIP medio a lo largo de las simulaciones del segundo paso de la heurstica
propuesta.
0,6
0,5
IC(99%)
0,4
0,3
0,2
0,1
0
5
10
11
12
13
14
15
16
17
18
19
K(0)
Grfica 6.6. Evolucin de los intervalos de confianza del Nivel de Servicio Medio a lo largo de las
simulaciones del segundo paso de la heurstica propuesta.
- 251 -
Factor B
(15,7)
(19,3)
(17,5)
(15,3)
(19,3)
Factor A
K(0)
15
19
15
19
17
E
3
3
7
7
5
Tabla 6.3. Escenarios del tercer paso de la heurstica propuesta en variables naturales.
- 253 -
Escenario
1
2
3
4
5
K(0)
-1
1
-1
1
0
E
-1
-1
1
1
0
Tabla 6.4. Escenarios del tercer paso de la heurstica propuesta en variables codificadas.
Los resultados obtenidos en las simulaciones realizadas en estos escenarios han sido:
Escenario Nivel de servicio medio (%) STD Nivel de Servicio WIP medio STD WIP
1
97,776
0,391
17,171
0,305
2
98,700
0,340
19,962
0,463
3
98,214
0,312
19,995
0,626
4
98,921
0,253
20,948
1,019
5
98,527
0,232
19,876
0,839
Tabla 6.5. Resultados de las simulaciones de los escenarios del tercer paso de la heurstica propuesta.
Primero se exponen los resultados obtenidos para el ajuste de un modelo para el nivel de
servicio medio y a continuacin los obtenidos para el ajuste de un modelo para el
inventario en proceso medio.
Para el nivel de servicio medio el anlisis de varianza obtenido se muestra en la tabla
6.6:
Termino Efectos SS Porcentaje g.d.l MSS
Fo
Fo Tablas
A
0,82 19,96
22,87
1
19,96 45,73
3,91
B
0,32
3,26
3,73
1
3,26 7,47
3,91
AB
-0,11
0,35
0,40
1
0,35 0,80
3,91
Error
63,72
73,00
146 0,44
Total
87,29
100,00
149
Tabla 6.6. Anlisis de varianza para el nivel de servicio medio en el tercer paso de la heurstica
propuesta.
Se observa como los efecto principales son significativos, mientras que la interaccin de
ambos no lo es. El modelo ajusta es, en variables codificadas:
y en variables naturales:
SS
23,22
64,07
0,72
63,35
87,29
g.d.l
2
147
2
145
149
MSS
11,61
0,44
0,36
0,44
0,59
Fo
26,64
Fo Tablas
3,06
0,82
3,06
Tabla 6.7. Prueba de significacin y de la falta de ajuste para el nivel de servicio medio en el tercer paso
de la heurstica propuesta.
Prediccin
97,85
97,85
97,85
97,85
97,85
97,85
97,85
97,85
97,85
97,85
97,85
97,85
97,85
97,85
97,85
97,85
97,85
97,85
97,85
97,85
97,85
- 255 -
Residuales
0,77
0,13
0,06
-0,57
-0,93
0,35
-1,78
0,68
-0,57
-0,93
-0,93
-1,59
-0,58
0,92
0,67
-0,45
1,01
-0,03
0,80
-1,45
-0,67
97,99
98,35
97,99
96,67
98,83
98,65
98,17
98,57
98,16
98,93
98,96
99,09
99,32
99,25
98,64
97,56
98,41
98,02
98,44
99,12
98,96
99,68
99,35
96,64
97,99
99,18
98,00
97,49
99,03
99,49
99,14
99,88
98,19
99,52
99,00
98,22
98,42
98,41
98,65
98,13
96,90
98,78
98,79
98,78
97,95
97,95
97,81
98,42
97,36
98,43
97,68
98,73
98,73
97,85
97,85
97,85
97,85
97,85
97,85
97,85
97,85
97,85
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,67
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
- 256 -
0,13
0,50
0,14
-1,19
0,98
0,80
0,32
0,72
0,31
0,26
0,29
0,42
0,65
0,58
-0,03
-1,11
-0,26
-0,65
-0,23
0,45
0,29
1,01
0,68
-2,03
-0,68
0,51
-0,67
-1,18
0,36
0,82
0,47
1,21
-0,48
0,85
0,33
-0,45
-0,25
-0,26
-0,02
-0,06
-1,29
0,59
0,60
0,59
-0,23
-0,23
-0,37
0,23
-0,83
0,25
-0,50
0,55
0,55
99,00
98,38
96,31
97,96
98,69
98,20
97,86
99,10
98,39
97,83
98,97
97,59
98,63
98,69
97,45
98,91
98,93
98,93
99,09
99,31
99,25
98,85
97,76
98,38
98,93
98,82
97,84
98,96
99,68
99,35
98,64
99,22
98,80
99,48
98,58
99,03
99,49
99,14
99,88
97,65
99,52
99,00
98,39
98,76
99,34
98,65
98,72
97,45
98,80
98,89
99,02
98,91
97,51
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
99,00
99,00
99,00
99,00
99,00
99,00
99,00
99,00
99,00
99,00
99,00
99,00
99,00
99,00
99,00
99,00
99,00
99,00
99,00
99,00
99,00
99,00
99,00
99,00
99,00
99,00
99,00
99,00
99,00
99,00
98,43
98,43
98,43
98,43
98,43
98,43
98,43
- 257 -
0,82
0,20
-1,87
-0,22
0,51
0,01
-0,32
0,92
0,21
-0,36
0,78
-0,59
0,45
0,51
-0,73
0,73
-0,07
-0,07
0,09
0,31
0,25
-0,15
-1,24
-0,62
-0,07
-0,18
-1,16
-0,04
0,68
0,35
-0,37
0,22
-0,20
0,48
-0,42
0,03
0,49
0,14
0,88
-1,35
0,52
0,00
-0,61
-0,24
0,34
-0,35
0,29
-0,98
0,38
0,47
0,59
0,48
-0,92
99,31
98,47
97,93
98,13
98,49
99,22
98,61
98,70
98,03
98,14
99,18
98,78
98,24
98,24
98,62
98,61
99,12
98,39
98,28
99,19
98,10
98,81
97,91
98,43
98,43
98,43
98,43
98,43
98,43
98,43
98,43
98,43
98,43
98,43
98,43
98,43
98,43
98,43
98,43
98,43
98,43
98,43
98,43
98,43
98,43
98,43
0,88
0,04
-0,50
-0,30
0,06
0,80
0,18
0,28
-0,40
-0,29
0,75
0,35
-0,18
-0,18
0,19
0,18
0,69
-0,04
-0,15
0,76
-0,33
0,38
-0,52
Tabla 6.8. Residuales para el nivel de servicio medio en el tercer paso de la heurstica propuesta.
% de probabilidad normal
99
95
90
80
70
50
30
20
10
5
-2.03
-1.22
-0.41
0.40
1.21
Residuales
Grfica 6.7. Probabilidad normal de los residuales para el nivel de servicio medio en el tercer paso de la
heurstica propuesta.
- 258 -
2,50
Residuales
1,50
0,50
97,00
-0,50
98,00
99,00
-1,50
-2,50
Nivel de servicio m edio predicho
Grfica 6.8. Residuales frente al nivel de servicio medio predicho en el tercer paso de la heurstica
propuesta.
2,50
Residuales
1,50
0,50
-0,50
50
100
150
-1,50
-2,50
Orden de Realizacin de las Sim ulacines
Grfica 6.9. Residuales frente al orden de realizacin de las simulaciones para el nivel de servicio medio
en el tercer paso de la heurstica propuesta.
- 259 -
En este caso tanto los factores principales como la interaccin entre ambos resultan
significativos, por lo que el modelo ajustado en variables codificadas y naturales,
respectivamente, queda:
SS
239,32
323,24
3,07
320,17
562,56
g.d.l
3
146
1
145
149
MSS
79,77
2,21
3,07
2,21
3,78
Fo
36,03
Fo Tablas
2,67
1,39
3,91
Tabla 6.10. Prueba de significacin y de la falta de ajuste para el WIP en el tercer paso de la heurstica
propuesta.
- 260 -
El modelo ajustado para el WIP supera las dos pruebas anteriores. Pasamos a realizar el
anlisis grafico de los residuales.
Respuestas
17,34
16,46
17,06
16,77
17,81
17,67
16,92
17,24
15,95
16,93
17,43
17,86
17,89
16,99
17,08
15,97
17,50
16,93
16,65
17,90
17,94
17,86
15,53
16,57
17,53
17,79
17,77
16,69
17,25
17,84
19,00
19,10
19,42
20,09
19,00
21,21
20,88
19,99
21,16
19,71
20,04
19,00
19,00
19,00
21,38
21,09
Prediccin
17,24
17,24
17,24
17,24
17,24
17,24
17,24
17,24
17,24
17,24
17,24
17,24
17,24
17,24
17,24
17,24
17,24
17,24
17,24
17,24
17,24
17,24
17,24
17,24
17,24
17,24
17,24
17,24
17,24
17,24
20,03
20,03
20,03
20,03
20,03
20,03
20,03
20,03
20,03
20,03
20,03
20,03
20,03
20,03
20,03
20,03
- 261 -
Residuales
0,10
-0,79
-0,19
-0,47
0,57
0,42
-0,32
0,00
-1,29
-0,31
0,19
0,62
0,64
-0,26
-0,16
-1,27
0,26
-0,31
-0,60
0,66
0,69
0,62
-1,71
-0,67
0,29
0,55
0,53
-0,55
0,00
0,60
-1,03
-0,94
-0,62
0,06
-1,03
1,18
0,84
-0,05
1,13
-0,32
0,01
-1,03
-1,03
-1,03
1,34
1,06
19,64
21,20
20,57
19,00
19,00
19,00
19,00
21,41
19,00
19,00
21,04
21,06
21,61
19,23
19,90
18,39
20,89
19,13
21,55
21,71
19,47
18,44
17,21
19,55
20,67
20,49
19,19
19,63
20,33
17,23
20,83
21,46
18,96
21,98
19,47
20,96
20,91
18,50
20,62
21,51
21,45
18,94
18,86
21,62
19,00
19,23
19,92
21,73
19,00
24,15
23,38
21,30
24,04
20,03
20,03
20,03
20,03
20,03
20,03
20,03
20,03
20,03
20,03
20,03
20,03
20,03
20,03
20,07
20,07
20,07
20,07
20,07
20,07
20,07
20,07
20,07
20,07
20,07
20,07
20,07
20,07
20,07
20,07
20,07
20,07
20,07
20,07
20,07
20,07
20,07
20,07
20,07
20,07
20,07
20,07
20,07
20,07
21,02
21,02
21,02
21,02
21,02
21,02
21,02
21,02
21,02
- 262 -
-0,39
1,16
0,54
-1,03
-1,03
-1,03
-1,03
1,38
-1,03
-1,03
1,01
1,03
1,57
-0,80
-0,16
-1,68
0,82
-0,94
1,48
1,64
-0,59
-1,62
-2,86
-0,52
0,60
0,43
-0,88
-0,44
0,26
-2,84
0,76
1,40
-1,11
1,91
-0,59
0,90
0,85
-1,56
0,55
1,45
1,39
-1,13
-1,21
1,56
-2,02
-1,79
-1,10
0,71
-2,02
3,13
2,36
0,28
3,02
20,72
23,51
19,00
19,00
19,00
20,65
22,32
20,30
20,93
22,70
19,00
19,00
19,00
19,00
23,31
19,00
19,00
23,75
23,81
20,08
19,58
21,48
20,80
21,85
20,44
21,10
17,00
21,28
19,61
22,00
17,00
18,83
21,86
17,75
21,49
18,42
20,90
18,85
17,55
21,84
22,00
19,05
20,83
20,92
17,42
17,00
21,45
19,72
19,07
21,55
17,21
21,02
21,02
21,02
21,02
21,02
21,02
21,02
21,02
21,02
21,02
21,02
21,02
21,02
21,02
21,02
21,02
21,02
21,02
21,02
21,02
21,02
19,59
19,59
19,59
19,59
19,59
19,59
19,59
19,59
19,59
19,59
19,59
19,59
19,59
19,59
19,59
19,59
19,59
19,59
19,59
19,59
19,59
19,59
19,59
19,59
19,59
19,59
19,59
19,59
19,59
19,59
-0,30
2,49
-2,02
-2,02
-2,02
-0,37
1,31
-0,72
-0,09
1,68
-2,02
-2,02
-2,02
-2,02
2,29
-2,02
-2,02
2,73
2,79
-0,94
-1,44
1,89
1,21
2,26
0,85
1,51
-2,59
1,69
0,02
2,41
-2,59
-0,76
2,27
-1,84
1,90
-1,17
1,31
-0,74
-2,04
2,25
2,41
-0,54
1,24
1,33
-2,17
-2,59
1,86
0,13
-0,52
1,96
-2,38
Tabla 6.11. Residuales para el WIP medio en el tercer paso de la heurstica propuesta.
- 263 -
% de probabilidad normal
99
95
90
80
70
50
30
20
10
5
-2.86
0.82
-1.02
2.65
4.49
Residuales
Grfica 6.10. Probabilidad normal de los residuales para el WIP medio en el tercer paso de la heurstica
propuesta.
4,50
3,50
2,50
Residuales
1,50
0,50
-0,5017,00
18,00
19,00
20,00
21,00
22,00
-1,50
-2,50
-3,50
-4,50
WIP predicho
Grfica 6.11. Residuales frente al WIP medio predicho en el tercer paso de la heurstica propuesta.
- 264 -
4,50
3,50
2,50
Residuales
1,50
0,50
-0,50 0
50
100
150
-1,50
-2,50
-3,50
-4,50
Orden de Realizacin de las Sim ulacines
Grfica 6.12. Residuales frente al orden de realizacin de las simulaciones para el WIP medio en el tercer
paso de la heurstica propuesta.
construida con el programa EXCEL, es una tarea ms rpida que interpretar dos
grficas superpuestas.
La funcin desirability, d1, empleada para el nivel de servicio medio es del tipo de las
que se usa en el caso de intentar conseguir un valor determinado. En nuestro caso este
valor es el correspondiente a un nivel de servicio medio del 98%. Los lmites de
aceptabilidad escogidos son el 96, como lmite inferior, y de 99 como lmite superior.
En general, la forma de escoger los lmites de aceptabilidad depende de lo que
pretendamos buscar con el empleo de la funcin desirability. En este caso pretendemos
buscar un nivel de servio medio que se aproxime lo mximo posible al valor del 98%,
sin sobrepasarlo, por lo que no estamos interesados en valores muy superiores a este
valor. Para que el empleo de esta metodologa sea efectiva es necesario que entre el
valor buscado y los lmites de admisibilidad haya cierta distancia para que se puedan
recoger un mnimo de soluciones admisibles. En nuestro caso, y teniendo en cuenta el
tamao de los intervalos de confianza para el nivel de servicio, creemos que una forma
apropiada de hallar los lmites superior e inferior de admisibilidad es sumar una unidad
y restar dos al valor predeterminado, respectivamente.
La funcin d1 queda:
1 96 s1
y
96 y1 98
98 96
d1 =
y
1 99 t1
98 y1 99
98 99
Para el WIP la funcin desirability, d2, escogida es del tipo usado en los casos en los
que se pretenden minimizar la respuesta. La combinacin hallada en el segundo paso
tiene un WIP medio de 17,171, por lo que parece razonable escoger como lmite inferior
un valor de 15 y como lmite superior un valor de 19. La expresin de la funcin d2 es la
siguiente:
s2
d2
y 19
= 2
1519
15 y 2 19
- 266 -
WIP medio
Modelo ajustado
Las matrices construidas a partir de estos modelos slo dependen de las variables
naturales 1 (parmetro K (0)) y 2 (parmetro E) por lo que van ser las mismas para
cada combinacin de los pesos s1, t1 y s2. Las matrices obtenidas son:
- 267 -
K(0)
96,06
95,85
95,65
95,45
96,35
96,14
95,94
95,73
95,53
96,43
96,22
96,02
95,82
95,61
96,51
96,31
96,10
95,90
95,69
96,59
96,39
96,18
95,98
95,78
96,67
96,47
96,27
96,06
95,86
96,76
96,55
96,35
96,15
95,94
96,84
96,64
96,43
96,23
96,02
97,13
96,92
96,72
96,51
96,31
96,11
97,21
97,00
96,80
96,60
96,39
96,19
10
97,29
97,09
96,88
96,68
96,48
96,27
11
97,37
97,17
96,97
96,76
96,56
96,35
12
97,46
97,25
97,05
96,84
96,64
96,44
13
- 268 -
7
96,26
97,04
96,96
97,86
96,88
97,78
98,07
96,80
97,70
97,99
98,27
96,71
97,62
97,90
98,19
98,48
96,63
97,53
97,82
98,11
98,39
98,68
96,55
97,45
97,74
98,02
98,31
98,60
98,88
96,47
97,37
97,66
97,94
98,23
98,51
98,80
99,09
97,29
97,57
97,86
98,15
98,43
98,72
99,00
99,29
97,66
97,20
97,49
97,78
98,06
98,35
98,64
98,92
99,21
99,49
97,58
97,12
97,41
97,69
97,98
98,27
98,55
98,84
99,13
99,41
97,49
97,04
97,33
97,61
97,90
98,18
98,47
98,76
99,04
99,33
97,41
96,96
97,24
97,53
97,82
98,10
98,39
98,67
98,96
99,25
97,33
96,87
97,16
97,45
97,73
98,02
98,31
98,59
98,88
99,17
97,25
11
97,08
97,36
97,65
97,94
98,22
98,51
98,80
99,08
97,17
12
97,28
97,57
97,85
98,14
98,43
98,71
99,00
97,08
13
97,49
97,77
98,06
98,35
98,63
98,92
97,00
14
97,69
97,98
98,26
98,55
98,84
96,92
15
97,89
98,18
98,47
98,75
96,84
16
98,10
98,38
98,67
96,75
17
98,30
98,59
96,67
18
98,51
10
19
Tabla 6.13. Nivel de Servicio medio ajustado en el cuarto paso de la heurstica propuesta.
K(0)
8,41
7,48
6,56
5,63
10,85
10,04
9,22
8,41
7,60
12,36
11,66
10,96
10,27
9,57
13,87
13,29
12,70
12,12
11,54
15,38
14,91
14,44
13,97
13,51
16,89
16,54
16,18
15,83
15,48
18,40
18,16
17,92
17,68
17,45
19,91
19,78
19,66
19,54
19,41
21,43
21,42
21,41
21,40
21,39
21,38
22,82
22,93
23,03
23,14
23,25
23,35
10
24,22
24,44
24,66
24,88
25,10
25,32
11
25,61
25,95
26,28
26,62
26,96
27,29
12
27,01
27,46
27,91
28,36
28,81
29,26
13
- 269 -
2, WIP Medio
7
9,34
20,03
18,64
26,11
17,24
24,94
25,65
15,85
23,77
24,60
25,20
14,45
22,61
23,55
24,27
24,75
13,06
21,44
22,50
23,33
23,93
24,30
11,66
20,28
21,45
22,40
23,11
23,60
23,85
10,27
19,11
20,40
21,46
22,29
22,89
23,26
23,40
17,95
19,35
20,53
21,47
22,18
22,67
22,92
22,95
26,56
16,78
18,30
19,59
20,65
21,48
22,08
22,45
22,59
22,50
25,28
15,62
17,25
18,65
19,83
20,77
21,49
21,97
22,23
22,25
24,00
14,45
16,20
17,72
19,01
20,07
20,90
21,49
21,86
22,00
22,72
13,29
15,15
16,78
18,19
19,36
20,30
21,02
21,50
21,76
21,44
12,12
14,10
15,85
17,37
18,65
19,71
20,54
21,14
21,51
20,15
11
13,05
14,91
16,54
17,95
19,12
20,07
20,78
21,27
18,87
12
13,98
15,72
17,24
18,53
19,59
20,42
21,02
17,59
13
14,90
16,54
17,94
19,11
20,06
20,77
16,31
14
15,83
17,35
18,64
19,70
20,53
15,03
15
16,76
18,16
19,34
20,28
13,75
16
17,69
18,97
20,03
12,47
17
18,61
19,79
11,19
18
19,54
10
19
Una vez se tienen las matrices de respuesta hay que decidir qu combinaciones de pesos
se estudian. En nuestro caso se parte de la combinacin (s1=1, t1=1, s2=1), que como se
vio en la seccin 5.5 es la que le da una importancia moderada a cada uno de los
objetivos a alcanzar por las funciones d1 y d2. Despus se repite el proceso para una
combinacin (s1=1, t1=10, s2=1), en la que se exige que el nivel de servicio medio
aceptable prcticamente no supere el valor determinado, que en nuestro caso es el 98%.
A esta combinacin le sucede la (s1=10, t1=10, s2=1) en donde se exige que el nivel de
servicio medio aceptable sea prcticamente el 98% en todos los casos. Esta serie de
experimentos finaliza con la combinacin (s1=5, t1=8, s2=5) en donde se pide que el
nivel de servicio medio aceptable este prximo al 98%, pero no de una manera tan
fuerte como antes, y que el inventario en proceso aceptable este bastante prximo al
limite inferior.
Las matrices correspondientes a las funciones desirability, d1, d2 y al ndice D, para la
combinacin (s1=1, t1=1, s2=1), son las siguientes:
- 270 -
K(0)
0,03
0,00
0,00
0,00
0,17
0,07
0,00
0,00
0,00
0,21
0,11
0,01
0,00
0,00
0,25
0,15
0,05
0,00
0,00
0,30
0,19
0,09
0,00
0,00
0,34
0,24
0,13
0,03
0,00
0,38
0,28
0,17
0,07
0,00
0,42
0,32
0,22
0,11
0,01
0,56
0,46
0,36
0,26
0,16
0,05
0,60
0,50
0,40
0,30
0,20
0,09
10
0,65
0,54
0,44
0,34
0,24
0,14
11
0,69
0,58
0,48
0,38
0,28
0,18
12
0,73
0,63
0,52
0,42
0,32
0,22
13
- 271 -
Funcin Desirability, d1
7
0,13
0,52
0,48
0,93
0,44
0,89
0,93
0,40
0,85
0,99
0,73
0,36
0,81
0,95
0,81
0,52
0,32
0,77
0,91
0,89
0,61
0,32
0,27
0,73
0,87
0,98
0,69
0,40
0,12
0,23
0,68
0,83
0,97
0,77
0,49
0,20
0,00
0,64
0,79
0,93
0,85
0,57
0,28
0,00
0,00
0,83
0,60
0,75
0,89
0,94
0,65
0,36
0,08
0,00
0,00
0,79
0,56
0,70
0,85
0,99
0,73
0,45
0,16
0,00
0,00
0,75
0,52
0,66
0,81
0,95
0,82
0,53
0,24
0,00
0,00
0,71
0,48
0,62
0,76
0,91
0,90
0,61
0,33
0,04
0,00
0,66
0,44
0,58
0,72
0,87
0,98
0,69
0,41
0,12
0,00
0,62
11
0,54
0,68
0,83
0,97
0,78
0,49
0,20
0,00
0,58
12
0,64
0,78
0,93
0,86
0,57
0,29
0,00
0,54
13
0,74
0,89
0,94
0,65
0,37
0,08
0,50
14
0,84
0,99
0,74
0,45
0,16
0,46
15
0,95
0,82
0,53
0,25
0,42
16
0,90
0,62
0,33
0,38
17
0,70
0,41
0,34
18
0,49
10
19
Tabla 6.15. Funcin Desirability, d1, en el cuarto paso de la heurstica propuesta para los pesos (s1=1, t1=1, s2=1).
K(0)
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
0,91
1,00
1,00
1,00
1,00
0,53
0,62
0,70
0,79
0,88
0,15
0,21
0,27
0,33
0,39
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
10
0,00
0,00
0,00
0,00
0,00
0,00
11
0,00
0,00
0,00
0,00
0,00
0,00
12
0,00
0,00
0,00
0,00
0,00
0,00
13
- 272 -
Funcin Desirability, d2
7
1,00
0,00
0,09
0,00
0,44
0,00
0,00
0,79
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,26
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,55
0,17
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,85
0,44
0,09
0,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
0,70
0,32
0,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
0,96
0,55
0,20
0,00
0,00
0,00
0,00
0,00
0,00
1,00
1,00
0,79
0,41
0,09
0,00
0,00
0,00
0,00
0,00
11
1,00
1,00
0,61
0,26
0,00
0,00
0,00
0,00
0,03
12
1,00
0,82
0,44
0,12
0,00
0,00
0,00
0,35
13
1,00
0,62
0,27
0,00
0,00
0,00
0,67
14
0,79
0,41
0,09
0,00
0,00
0,99
15
0,56
0,21
0,00
0,00
1,00
16
0,33
0,01
0,00
1,00
17
0,10
0,00
1,00
18
0,00
10
19
Tabla 6.16. Funcin Desirability, d2, en el cuarto paso de la heurstica propuesta para los pesos (s1=1, t1=1, s2=1).
K(0)
0,17
0,00
0,00
0,00
0,42
0,27
0,00
0,00
0,00
0,46
0,33
0,10
0,00
0,00
0,50
0,39
0,23
0,00
0,00
0,52
0,44
0,30
0,00
0,00
0,42
0,38
0,31
0,16
0,00
0,24
0,24
0,22
0,15
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
10
0,00
0,00
0,00
0,00
0,00
0,00
11
0,00
0,00
0,00
0,00
0,00
0,00
12
0,00
0,00
0,00
0,00
0,00
0,00
13
- 273 -
ndice D
7
0,36
0,00
0,21
0,00
0,44
0,00
0,00
0,56
0,00
0,00
0,00
0,60
0,00
0,00
0,00
0,00
0,56
0,00
0,00
0,00
0,00
0,00
0,52
0,00
0,00
0,00
0,00
0,00
0,00
0,48
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,41
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,58
0,36
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,69
0,55
0,27
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,72
0,68
0,51
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,69
0,77
0,65
0,43
0,00
0,00
0,00
0,00
0,00
0,00
0,66
0,76
0,76
0,60
0,29
0,00
0,00
0,00
0,00
0,00
11
0,73
0,83
0,71
0,50
0,00
0,00
0,00
0,00
0,14
12
0,80
0,80
0,64
0,32
0,00
0,00
0,00
0,44
13
0,86
0,74
0,50
0,00
0,00
0,00
0,58
14
0,82
0,64
0,26
0,00
0,00
0,67
15
0,73
0,41
0,00
0,00
0,65
16
0,54
0,06
0,00
0,61
17
0,26
0,00
0,58
18
0,00
10
19
Tabla 6.17. ndice D, en el cuarto paso de la heurstica propuesta para los pesos (s1=1, t1=1, s2=1).
En esta ltima tabla se observa como el mayor valor le corresponde a la pareja (14,1),
por lo que para esta combinacin de pesos esta es la combinacin de parmetros que se
compara con la hallada en el segundo paso de la heurstica.
Para la combinacin de pesos (s1=1, t1=10, s2=1), los resultados son:
- 274 -
K(0)
0,03
0,00
0,00
0,00
0,17
0,07
0,00
0,00
0,00
0,21
0,11
0,01
0,00
0,00
0,25
0,15
0,05
0,00
0,00
0,30
0,19
0,09
0,00
0,00
0,34
0,24
0,13
0,03
0,00
0,38
0,28
0,17
0,07
0,00
0,42
0,32
0,22
0,11
0,01
0,56
0,46
0,36
0,26
0,16
0,05
0,60
0,50
0,40
0,30
0,20
0,09
10
0,65
0,54
0,44
0,34
0,24
0,14
11
0,69
0,58
0,48
0,38
0,28
0,18
12
0,73
0,63
0,52
0,42
0,32
0,22
13
- 275 -
Funcin Desirability, d1
7
0,13
0,52
0,48
0,93
0,44
0,89
0,50
0,40
0,85
0,99
0,04
0,36
0,81
0,95
0,12
0,00
0,32
0,77
0,91
0,32
0,01
0,00
0,27
0,73
0,87
0,78
0,02
0,00
0,00
0,23
0,68
0,83
0,97
0,08
0,00
0,00
0,00
0,64
0,79
0,93
0,21
0,00
0,00
0,00
0,00
0,83
0,60
0,75
0,89
0,52
0,01
0,00
0,00
0,00
0,00
0,79
0,56
0,70
0,85
0,99
0,04
0,00
0,00
0,00
0,00
0,75
0,52
0,66
0,81
0,95
0,13
0,00
0,00
0,00
0,00
0,71
0,48
0,62
0,76
0,91
0,34
0,01
0,00
0,00
0,00
0,66
0,44
0,58
0,72
0,87
0,82
0,03
0,00
0,00
0,00
0,62
11
0,54
0,68
0,83
0,97
0,08
0,00
0,00
0,00
0,58
12
0,64
0,78
0,93
0,22
0,00
0,00
0,00
0,54
13
0,74
0,89
0,55
0,01
0,00
0,00
0,50
14
0,84
0,99
0,05
0,00
0,00
0,46
15
0,95
0,14
0,00
0,00
0,42
16
0,36
0,01
0,00
0,38
17
0,03
0,00
0,34
18
0,00
10
19
Tabla 6.18. Funcin Desirability, d1, en el cuarto paso de la heurstica propuesta para los pesos (s1=1, t1=10, s2=1).
K(0)
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
0,91
1,00
1,00
1,00
1,00
0,53
0,62
0,70
0,79
0,88
0,15
0,21
0,27
0,33
0,39
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
10
0,00
0,00
0,00
0,00
0,00
0,00
11
0,00
0,00
0,00
0,00
0,00
0,00
12
0,00
0,00
0,00
0,00
0,00
0,00
13
- 276 -
Funcin Desirability, d2
7
1,00
0,00
0,09
0,00
0,44
0,00
0,00
0,79
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,26
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,55
0,17
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,85
0,44
0,09
0,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
0,70
0,32
0,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
0,96
0,55
0,20
0,00
0,00
0,00
0,00
0,00
0,00
1,00
1,00
0,79
0,41
0,09
0,00
0,00
0,00
0,00
0,00
11
1,00
1,00
0,61
0,26
0,00
0,00
0,00
0,00
0,03
12
1,00
0,82
0,44
0,12
0,00
0,00
0,00
0,35
13
1,00
0,62
0,27
0,00
0,00
0,00
0,67
14
0,79
0,41
0,09
0,00
0,00
0,99
15
0,56
0,21
0,00
0,00
1,00
16
0,33
0,01
0,00
1,00
17
0,10
0,00
1,00
18
0,00
10
19
Tabla 6.19. Funcin Desirability, d2, en el cuarto paso de la heurstica propuesta para los pesos (s1=1, t1=10, s2=1).
K(0)
0,17
0,00
0,00
0,00
0,42
0,27
0,00
0,00
0,00
0,46
0,33
0,10
0,00
0,00
0,50
0,39
0,23
0,00
0,00
0,52
0,44
0,30
0,00
0,00
0,42
0,38
0,31
0,16
0,00
0,24
0,24
0,22
0,15
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
10
0,00
0,00
0,00
0,00
0,00
0,00
11
0,00
0,00
0,00
0,00
0,00
0,00
12
0,00
0,00
0,00
0,00
0,00
0,00
13
- 277 -
ndice D
7
0,36
0,00
0,21
0,00
0,44
0,00
0,00
0,56
0,00
0,00
0,00
0,60
0,00
0,00
0,00
0,00
0,56
0,00
0,00
0,00
0,00
0,00
0,52
0,00
0,00
0,00
0,00
0,00
0,00
0,48
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,41
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,58
0,36
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,69
0,55
0,27
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,72
0,68
0,51
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,69
0,77
0,65
0,43
0,00
0,00
0,00
0,00
0,00
0,00
0,66
0,76
0,76
0,60
0,27
0,00
0,00
0,00
0,00
0,00
11
0,73
0,83
0,71
0,50
0,00
0,00
0,00
0,00
0,14
12
0,80
0,80
0,64
0,16
0,00
0,00
0,00
0,44
13
0,86
0,74
0,38
0,00
0,00
0,00
0,58
14
0,82
0,64
0,07
0,00
0,00
0,67
15
0,73
0,17
0,00
0,00
0,65
16
0,34
0,01
0,00
0,61
17
0,05
0,00
0,58
18
0,00
10
19
Tabla 6.20. ndice D, en el cuarto paso de la heurstica propuesta para los pesos (s1=1, t1=10, s2=1).
K(0)
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,01
0,00
0,00
0,00
0,00
0,00
10
0,01
0,00
0,00
0,00
0,00
0,00
11
0,02
0,00
0,00
0,00
0,00
0,00
12
0,04
0,01
0,00
0,00
0,00
0,00
13
- 278 -
Funcin Desirability, d1
7
0,00
0,00
0,00
0,49
0,00
0,31
0,50
0,00
0,20
0,93
0,04
0,00
0,12
0,61
0,12
0,00
0,00
0,07
0,39
0,32
0,01
0,00
0,00
0,04
0,25
0,78
0,02
0,00
0,00
0,00
0,02
0,15
0,74
0,08
0,00
0,00
0,00
0,01
0,09
0,48
0,21
0,00
0,00
0,00
0,00
0,15
0,01
0,05
0,31
0,52
0,01
0,00
0,00
0,00
0,00
0,09
0,00
0,03
0,19
0,91
0,04
0,00
0,00
0,00
0,00
0,05
0,00
0,02
0,12
0,59
0,13
0,00
0,00
0,00
0,00
0,03
0,00
0,01
0,07
0,38
0,34
0,01
0,00
0,00
0,00
0,02
0,00
0,00
0,04
0,24
0,82
0,03
0,00
0,00
0,00
0,01
11
0,00
0,02
0,15
0,73
0,08
0,00
0,00
0,00
0,00
12
0,01
0,09
0,47
0,22
0,00
0,00
0,00
0,00
13
0,05
0,30
0,55
0,01
0,00
0,00
0,00
14
0,19
0,89
0,05
0,00
0,00
0,00
15
0,58
0,14
0,00
0,00
0,00
16
0,36
0,01
0,00
0,00
17
0,03
0,00
0,00
18
0,00
10
19
Tabla 6.21. Funcin Desirability, d1, en el cuarto paso de la heurstica propuesta para los pesos (s1=10, t1=10, s2=1).
K(0)
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
0,91
1,00
1,00
1,00
1,00
0,53
0,62
0,70
0,79
0,88
0,15
0,21
0,27
0,33
0,39
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
10
0,00
0,00
0,00
0,00
0,00
0,00
11
0,00
0,00
0,00
0,00
0,00
0,00
12
0,00
0,00
0,00
0,00
0,00
0,00
13
- 279 -
Funcin Desirability, d2
7
1,00
0,00
0,09
0,00
0,44
0,00
0,00
0,79
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,26
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,55
0,17
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,85
0,44
0,09
0,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
0,70
0,32
0,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
0,96
0,55
0,20
0,00
0,00
0,00
0,00
0,00
0,00
1,00
1,00
0,79
0,41
0,09
0,00
0,00
0,00
0,00
0,00
11
1,00
1,00
0,61
0,26
0,00
0,00
0,00
0,00
0,03
12
1,00
0,82
0,44
0,12
0,00
0,00
0,00
0,35
13
1,00
0,62
0,27
0,00
0,00
0,00
0,67
14
0,79
0,41
0,09
0,00
0,00
0,99
15
0,56
0,21
0,00
0,00
1,00
16
0,33
0,01
0,00
1,00
17
0,10
0,00
1,00
18
0,00
10
19
Tabla 6.22. Funcin Desirability, d2, en el cuarto paso de la heurstica propuesta para los pesos (s1=10, t1=10, s2=1).
K(0)
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
10
0,00
0,00
0,00
0,00
0,00
0,00
11
0,00
0,00
0,00
0,00
0,00
0,00
12
0,00
0,00
0,00
0,00
0,00
0,00
13
- 280 -
ndice D
7
0,00
0,00
0,01
0,00
0,01
0,00
0,00
0,01
0,00
0,00
0,00
0,01
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,06
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,06
0,10
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,05
0,11
0,13
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,04
0,11
0,19
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,03
0,09
0,19
0,28
0,00
0,00
0,00
0,00
0,00
0,00
0,02
0,07
0,18
0,31
0,27
0,00
0,00
0,00
0,00
0,00
11
0,05
0,15
0,30
0,44
0,00
0,00
0,00
0,00
0,01
12
0,11
0,27
0,45
0,16
0,00
0,00
0,00
0,03
13
0,23
0,43
0,38
0,00
0,00
0,00
0,03
14
0,38
0,61
0,07
0,00
0,00
0,02
15
0,57
0,17
0,00
0,00
0,01
16
0,34
0,01
0,00
0,01
17
0,05
0,00
0,00
18
0,00
10
19
Tabla 6.23. ndice D, en el cuarto paso de la heurstica propuesta para los pesos (s1=10, t1=10, s2=1).
K(0)
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,01
0,00
0,00
0,00
0,00
0,01
0,00
0,00
0,00
0,00
0,06
0,02
0,01
0,00
0,00
0,00
0,08
0,03
0,01
0,00
0,00
0,00
10
0,11
0,05
0,02
0,00
0,00
0,00
11
0,15
0,07
0,03
0,01
0,00
0,00
12
0,20
0,10
0,04
0,01
0,00
0,00
13
- 281 -
Funcin Desirability, d1
7
0,00
0,04
0,03
0,70
0,02
0,56
0,57
0,01
0,44
0,96
0,08
0,01
0,34
0,78
0,19
0,01
0,00
0,27
0,62
0,41
0,02
0,00
0,00
0,20
0,50
0,82
0,05
0,00
0,00
0,00
0,15
0,39
0,86
0,13
0,00
0,00
0,00
0,11
0,30
0,69
0,28
0,01
0,00
0,00
0,00
0,39
0,08
0,23
0,55
0,59
0,03
0,00
0,00
0,00
0,00
0,31
0,06
0,17
0,44
0,95
0,08
0,00
0,00
0,00
0,00
0,23
0,04
0,13
0,34
0,77
0,20
0,01
0,00
0,00
0,00
0,18
0,03
0,09
0,26
0,62
0,42
0,02
0,00
0,00
0,00
0,13
0,02
0,07
0,20
0,49
0,85
0,05
0,00
0,00
0,00
0,09
11
0,05
0,15
0,38
0,85
0,13
0,00
0,00
0,00
0,07
12
0,11
0,30
0,69
0,30
0,01
0,00
0,00
0,05
13
0,23
0,55
0,62
0,03
0,00
0,00
0,03
14
0,43
0,94
0,09
0,00
0,00
0,02
15
0,76
0,20
0,01
0,00
0,01
16
0,44
0,02
0,00
0,01
17
0,06
0,00
0,00
18
0,00
10
19
Tabla 6.24. Funcin Desirability, d1, en el cuarto paso de la heurstica propuesta para los pesos (s1=5, t1=8, s2=5).
K(0)
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
0,61
1,00
1,00
1,00
1,00
0,04
0,09
0,17
0,31
0,53
0,00
0,00
0,00
0,00
0,01
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
10
0,00
0,00
0,00
0,00
0,00
0,00
11
0,00
0,00
0,00
0,00
0,00
0,00
12
0,00
0,00
0,00
0,00
0,00
0,00
13
- 282 -
Funcin Desirability, d2
7
1,00
0,00
0,00
0,00
0,02
0,00
0,00
0,30
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,05
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,43
0,02
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
0,17
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
0,83
0,05
0,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
1,00
0,30
0,01
0,00
0,00
0,00
0,00
0,00
0,00
11
1,00
1,00
0,09
0,00
0,00
0,00
0,00
0,00
0,00
12
1,00
0,37
0,02
0,00
0,00
0,00
0,00
0,01
13
1,00
0,09
0,00
0,00
0,00
0,00
0,14
14
0,31
0,01
0,00
0,00
0,00
0,96
15
0,06
0,00
0,00
0,00
1,00
16
0,00
0,00
0,00
1,00
17
0,00
0,00
1,00
18
0,00
10
19
Tabla 6.25. Funcin Desirability, d2, en el cuarto paso de la heurstica propuesta para los pesos (s1=5, t1=8, s2=5).
K(0)
0,00
0,00
0,00
0,00
0,01
0,00
0,00
0,00
0,00
0,02
0,00
0,00
0,00
0,00
0,03
0,01
0,00
0,00
0,00
0,04
0,02
0,00
0,00
0,00
0,02
0,01
0,01
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
10
0,00
0,00
0,00
0,00
0,00
0,00
11
0,00
0,00
0,00
0,00
0,00
0,00
12
0,00
0,00
0,00
0,00
0,00
0,00
13
- 283 -
ndice D
7
0,01
0,06
8
0,08
0,00
0,06
0,00
0,00
0,04
0,00
0,00
0,00
0,03
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,01
0,00
0,00
0,00
0,00
0,00
0,00
0,06
0,01
0,00
0,00
0,00
0,00
0,00
0,15
0,05
0,00
0,00
0,00
0,00
0,00
0,19
0,15
0,03
0,00
0,00
0,00
0,00
0,16
0,28
0,12
0,01
0,00
0,00
0,02
0,13
0,26
0,25
0,07
0,00
0,00
0,07
11
0,21
0,38
0,18
0,03
0,00
0,14
12
0,33
0,33
0,11
0,00
0,11
13
0,48
0,22
0,03
0,09
14
0,37
0,11
0,07
15
0,21
10
16
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,01
0,00
0,00
0,04
18
0,00
17
19
Tabla 6.26. ndice D, en el cuarto paso de la heurstica propuesta para los pesos (s1=5, t1=8, s2=5).
E
1
3
2
WIP medio
14.931
17,171
17,408
En la tabla 6.27 se puede ver como de las dos combinaciones obtenidas en el cuarto
paso de la heurstica, la que es admisible es la que se ha obtenido con la combinacin de
pesos ms exigente. Esto esta en consonancia con los resultados obtenidos en la seccin
5.5. Por otro lado, esta combinacin ya la habamos tenido en cuenta en el segundo
paso, donde resulto elegida la combinacin (15,3) al tener esta menor inventario en
proceso medio. No obstante, la combinacin (16,2) no sera mala solucin de ser
elegida, aunque la (15,3) es algo mejor.
En la seccin 5.4 se realizo la bsqueda exhaustiva en prcticamente todo el espacio de
soluciones y se encontr que la combinacin ptima es la (15,3). En esta ocasin la
heurstica ha proporcionado la mejor de las soluciones, pero nosotros creemos que no
siempre va ha ser as cuando la apliquemos a otros sistemas operando en otras
condiciones. Creemos, no obstante, que proporcionara una buena solucin realizando un
nmero bajo de simulaciones. En nuestro caso, el nmero de simulaciones empleadas al
aplicar la heurstica ha sido de 33, frente a las 200 de la bsqueda exhaustiva o las 53
que se emplearon en la seccin 5.5 empleando slo el mtodo de la funcin desirability.
A modo de resumen, los pasos de la heurstica propuesta se exponen a continuacin:
1. Consideramos el sistema como si fuese un sistema Conwip tradicional y
simulamos todos los casos hasta encontrar una solucin admisible, que ser
aquella que en su intervalo de confianza para el nivel de servicio primero
contenga el valor del 98%. Conviene partir de un nmero razonablemente bajo
de tarjetas. Se construyen la grficas del nivel de servicio medio e intervalo de
confianza para el nivel de servicio frente al nmero de tarjetas, para tener un
conocimiento ms preciso del comportamiento del sistema.
2. Se simulan todas las combinaciones de parmetros K (0) y E, cuya suma sea
igual al nmero de tarjetas del sistema Conwip tradicional encontrado en el paso
1. Construir las grficas del nivel de servicio medio, inventario en proceso
medio e intervalo de confianza para el nivel de servicio frente al parmetro K (0)
con objeto de comprobar el comportamiento del sistema. Se elige la
combinacin con menor inventario en proceso, teniendo la precaucin de que
sea una solucin admisible.
- 284 -
Heurstica Propuesta
Simular todas las combinaciones tales que K (0) + E = cte y elegir aquella
admisible con menor WIP.
Construir las grficas del nivel de servicio medio, inventario en proceso medio
e intervalo de confianza para el nivel de servicio frente al parmetro K (0).
- 285 -
CAPTULO 7:
EXPERIMENTO DE CONFIRMACIN
- 286 -
TWC N
TWC
min (PTi ); max(PTi )
DI = max
*
N TWC
N
(74)
Donde:
- 287 -
Autores
Villena et al, 1988
Meral y Erkip, 1991
Yavuz y Satir, 1995
DI
0.0 a 1.4 (paso 0.2)
0.0 a 0.7 (paso 0.1)
0.0, 0.1, 0.2, 0.45
0.0, 0.1, 0.3, 0.5
Antes de elegir el DI es importante tener en cuenta que los tiempos de proceso entre las
diferentas mquinas no deben de diferir en ms del 20% (Lageweg et al, 1978).
El nuevo sistema empleado esta compuesto por cinco mquinas, donde la que ocupa la
posicin central tiene distinto tiempo de proceso. Las mquinas que ocupan las
posiciones primera, segunda, cuarta y quinta, tienen tiempos de procesado distribuidos
por una funcin exponencial de media 3. El 20% de este valor es 0.6, por lo que la
mquina central funciona con un tiempo de procesado de 3.6, lo que significa un DI de
0.15.
La demanda viene distribuida por una funcin exponencial, que tras una serie de
pruebas piloto ofrece valores razonables para una media de 5, por lo que este es el valor
tomado para aquella.
El primer paso de la heurstica propuesta en el captulo seis consiste en considerar al
sistema como si fuese un sistema Conwip tradicional y simular todos los casos hasta
encontrar una solucin admisible. En la tabla siguiente se muestran los resultados
obtenidos:
K(0)
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
E
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
WIP medio
9,066
10,053
11,050
12,040
13,030
14,026
15,021
16,051
17,013
18,009
19,007
20,006
21,004
22,004
23,003
Tabla 7.2. Resultados de las simulaciones en el primer paso de la heurstica para el experimento de
confirmacin.
- 288 -
90
80
70
60
50
40
30
20
10
0
0
10
15
20
25
Nmero de Tarjetas
Grfica 7.1. Evolucin del Nivel de Servicio Medio a lo largo de las simulaciones del primer paso de la
heurstica para el experimento de confirmacin.
4,5
4
3,5
IC(99%)
3
2,5
2
1,5
1
0,5
0
0
10
15
20
25
Nmero de Tarjetas
Grfica 7.2. Evolucin de de los intervalos de confianza del Nivel de Servicio Medio a lo largo de las
simulaciones del primer paso de la heurstica para el experimento de confirmacin.
- 289 -
K(0)
22
21
20
19
18
17
16
15
14
13
12
11
10
9
E
0
1
2
3
4
5
6
7
8
9
10
11
12
13
WIP medio
22,004
21,401
21,381
21,257
21,332
21,565
21,507
21,641
21,729
21,674
21,770
21,808
21,875
21,854
Tabla 7.3. Resultados de las simulaciones en el segundo paso de la heurstica para el experimento de
confirmacin
98,4
98,2
98
97,8
97,6
97,4
5
10
15
20
25
K(0)
Grfica 7.3. Evolucin del Nivel de Servicio medio a lo largo de las simulaciones del segundo paso de la
heurstica para el experimento de confirmacin.
- 290 -
22,2
WIP medio
22
21,8
21,6
21,4
21,2
5
10
15
20
25
K(0)
Grfica 7.4. Evolucin del WIP medio a lo largo de las simulaciones del segundo paso de la heurstica
para el experimento de confirmacin.
1,3
IC(99%)
1,2
1,1
1
0,9
0,8
5
10
15
20
25
K(0)
Grfica 7.5. Evolucin de de los intervalos de confianza del Nivel de Servicio Medio a lo largo de las
simulaciones del segundo paso de la heurstica para el experimento de confirmacin.
- 291 -
Escogemos una regin de experimentacin cuadrada con punto central, de radio dos,
cuyo vrtice de menores parmetros K (0) y E es el K (0) = 19, E = 3. Podramos haber
elegido una regin rectangular o con otro radio, siempre que hubisemos tenido en
cuanta las indicaciones sealadas en el captulo seis. El resultado hubiera sido el mismo,
tal y como hemos comprobado mediante la realizado de pruebas piloto.
La regin elegida es:
Factor B
(19,7)
(23,3)
(21,5)
(19,3)
(23,3)
Factor A
- 292 -
Los resultados obtenidos en las simulaciones realizadas en estos escenarios han sido:
Escenario Nivel de servicio medio (%) STD Nivel de Servicio WIP medio STD WIP
1
97,778
0,516
21,257
0,424
2
98,889
0,324
24,029
0,542
3
98,293
0,252
23,872
0,965
4
98,965
0,294
24,731
0,993
5
98,484
0,328
22,828
0,862
Tabla 7.5. Resultados de las simulaciones de los escenarios del tercer paso de la heurstica para el
experimento de confirmacin.
- 293 -
Termino
SS
Modelo
26,46
Residual
84,28
(Falta de ajuste LOF) 1,45
(Error puro)
82,83
Total
110,74
g.d.l
2
147
2
145
149
MSS
13,23
0,57
0,73
0,57
0,74
Fo
23,07
Fo Tablas
3,06
1,27
3,06
Tabla 7.7. Prueba de significacin y de la falta de ajuste para el nivel de servicio medio en el tercer paso
de la heurstica para el experimento de confirmacin.
Prediccin
97,89
97,89
97,89
97,89
97,89
97,89
97,89
97,89
97,89
97,89
97,89
97,89
97,89
97,89
97,89
97,89
97,89
97,89
97,89
97,89
97,89
97,89
97,89
97,89
97,89
97,89
97,89
97,89
97,89
97,89
98,78
98,78
98,78
98,78
- 294 -
Residuales
0,85
0,17
0,36
1,16
-1,69
0,21
0,52
-1,33
0,93
0,85
-0,29
-0,13
0,37
0,75
0,64
-1,72
0,53
0,57
0,25
0,77
-2,29
-0,45
-1,79
0,19
0,25
-2,44
0,27
0,51
0,04
-0,36
0,76
-0,20
0,80
0,54
98,90
99,11
98,18
98,77
98,35
98,09
98,30
99,32
99,35
99,54
98,96
98,93
99,54
98,45
98,75
97,49
98,89
99,26
99,19
99,24
98,96
97,93
99,76
99,88
99,58
96,94
98,07
97,76
98,40
98,17
97,41
98,41
98,75
98,82
98,72
98,75
97,68
97,85
98,25
97,57
99,04
99,01
97,00
98,19
98,86
98,44
98,20
98,82
98,57
98,40
98,40
98,80
97,53
98,78
98,78
98,78
98,78
98,78
98,78
98,78
98,78
98,78
98,78
98,78
98,78
98,78
98,78
98,78
98,78
98,78
98,78
98,78
98,78
98,78
98,78
98,78
98,78
98,78
98,78
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
98,18
- 295 -
0,12
0,33
-0,60
-0,01
-0,43
-0,69
-0,48
0,54
0,57
0,76
0,18
0,15
0,76
-0,33
-0,03
-1,29
0,11
0,48
0,41
0,46
0,18
-0,85
0,98
1,11
0,80
-1,84
-0,11
-0,42
0,21
-0,02
-0,78
0,23
0,57
0,64
0,53
0,57
-0,51
-0,33
0,07
-0,61
0,86
0,83
-1,19
0,00
0,67
0,26
0,02
0,63
0,38
0,22
0,22
0,62
-0,65
98,40
97,62
98,90
99,54
98,58
99,58
99,32
98,90
98,56
99,51
98,78
98,40
97,99
98,58
99,32
99,28
99,54
98,66
99,58
99,54
98,45
98,96
99,07
98,89
99,38
97,99
99,37
98,25
97,27
99,76
99,88
99,58
98,44
99,25
98,35
99,12
97,29
98,48
99,10
98,77
98,35
98,09
97,02
98,80
99,25
98,71
97,00
99,18
98,31
99,49
98,03
99,03
98,71
98,18
98,18
98,18
99,08
99,08
99,08
99,08
99,08
99,08
99,08
99,08
99,08
99,08
99,08
99,08
99,08
99,08
99,08
99,08
99,08
99,08
99,08
99,08
99,08
99,08
99,08
99,08
99,08
99,08
99,08
99,08
99,08
99,08
98,48
98,48
98,48
98,48
98,48
98,48
98,48
98,48
98,48
98,48
98,48
98,48
98,48
98,48
98,48
98,48
98,48
98,48
98,48
98,48
- 296 -
0,22
-0,57
0,72
0,46
-0,50
0,51
0,25
-0,18
-0,51
0,44
-0,30
-0,68
-1,08
-0,49
0,25
0,20
0,46
-0,41
0,50
0,46
-0,62
-0,12
-0,01
-0,18
0,30
-1,08
0,30
-0,83
-1,80
0,68
0,81
0,51
-0,63
0,76
-0,13
0,63
-1,19
0,00
0,62
0,29
-0,13
-0,39
-1,46
0,32
0,77
0,23
-1,48
0,70
-0,17
1,01
-0,45
0,54
0,23
98,73
98,73
98,68
98,76
97,33
98,45
97,26
99,02
99,11
98,09
98,48
98,48
98,48
98,48
98,48
98,48
98,48
98,48
98,48
98,48
0,25
0,25
0,20
0,28
-1,15
-0,03
-1,22
0,53
0,63
-0,39
Tabla 7.8. Residuales para el nivel de servicio medio en el tercer paso de la heurstica para el
experimento de confirmacin.
% de probabilidad normal
99
95
90
80
70
50
30
20
10
5
-3.44
-2.29
-1.14
0.01
1.16
Residuales
Grfica 7.6. Probabilidad normal de los residuales para el nivel de servicio medio en el tercer paso de la
- 297 -
2,50
Residuales
1,50
0,50
97,50
-0,50
98,50
99,50
-1,50
-2,50
Nivel de Servicio m edio predicho
Grfica 7.7. Residuales frente al nivel de servicio medio predicho en el tercer paso de la heurstica para el
experimento de confirmacin.
2,50
Residuales
1,50
0,50
-0,50
50
100
150
-1,50
-2,50
Orden de Realizacin de las Sim ulacines
Grfica 7. 8. Residuales frente al orden de realizacin de las simulaciones para el nivel de servicio medio
en el tercer paso de la heurstica para el experimento de confirmacin.
- 298 -
La grfica de la normal, muestra como los puntos siguen con dificultad una lnea recta,
aunque no de manera que nos haga pensar que se aparta del supuesto de normalidad. Por
otro lado se observa que puede haber un ligero sesgo hacia los valores positivos de los
residuales, ya que la rama de la derecha es algo ms amplia que la de la izquierda. En
las grficas del nivel de servicio y el orden de realizacin de las simulaciones frente a
los residuales, no se aprecia ningn patrn que haga pensar que estn relacionados con
la salida o con el orden de realizacin de las observaciones, por lo que damos por
adecuado al modelo.
Para el inventario en proceso medio el anlisis de varianza obtenido se muestra en la
tabla siguiente:
Termino Efectos
SS
Porcentaje g.d.l
A
1,82
98,86
15,70
1
B
1,66
82,56
13,11
1
AB
-0,96 27,43
4,36
1
Error
420,83
66,83
146
Total
629,68 100,00
149
MSS
Fo
Fo Tablas
98,86 34,30
3,91
82,56 28,64
3,91
27,43 9,52
3,91
2,88
Tabla 7.9. Anlisis de varianza para el WIP en el tercer paso de la heurstica para el experimentote
confirmacin.
Se aprecia como los dos factores principales y la interaccin entre ellos son
significativos. El modelo ajustado, en variables codificadas y naturales, es por tanto:
SS
208,85
420,83
9,98
410,85
629,68
g.d.l
3
146
1
145
149
MSS
69,62
2,88
9,98
2,83
4,23
Fo
24,15
Fo Tablas
2,67
3,52
3,91
Tabla 7.10. Prueba de significacin y de la falta de ajuste para el WIP en el tercer paso de la heurstica
para el experimentote confirmacin.
- 299 -
Prediccin
21,13
21,13
21,13
21,13
21,13
21,13
21,13
21,13
21,13
21,13
21,13
21,13
21,13
21,13
21,13
21,13
21,13
21,13
21,13
21,13
21,13
21,13
21,13
21,13
21,13
21,13
21,13
21,13
21,13
21,13
23,90
23,90
23,90
23,90
23,90
23,90
23,90
23,90
23,90
23,90
23,90
23,90
23,90
23,90
23,90
23,90
23,90
- 300 -
Residuales
0,37
0,36
0,81
-0,98
0,80
0,34
-0,02
0,37
0,53
-1,42
0,29
-2,00
-2,12
0,51
0,28
0,49
0,60
0,78
0,29
0,66
0,13
0,80
0,81
-0,10
0,62
0,76
0,79
-2,12
0,79
0,46
-0,90
-0,90
-0,90
-0,90
-0,90
1,06
2,10
0,37
-0,57
-0,33
1,00
-0,90
-0,48
-0,90
1,92
1,94
-0,90
23,00
25,77
25,86
23,00
24,89
24,72
24,53
24,25
23,75
23,00
23,00
23,00
25,94
22,18
24,14
22,73
25,18
23,23
25,11
21,33
25,97
23,97
25,49
24,64
19,28
19,00
25,16
24,35
25,71
25,35
25,78
24,77
22,66
24,24
23,53
25,83
21,96
25,08
25,65
25,32
19,01
23,68
25,81
23,00
23,00
23,00
23,00
23,00
28,28
25,38
25,96
23,41
24,31
23,90
23,90
23,90
23,90
23,90
23,90
23,90
23,90
23,90
23,90
23,90
23,90
23,90
23,74
23,74
23,74
23,74
23,74
23,74
23,74
23,74
23,74
23,74
23,74
23,74
23,74
23,74
23,74
23,74
23,74
23,74
23,74
23,74
23,74
23,74
23,74
23,74
23,74
23,74
23,74
23,74
23,74
23,74
24,60
24,60
24,60
24,60
24,60
24,60
24,60
24,60
24,60
24,60
- 301 -
-0,90
1,87
1,96
-0,90
0,99
0,82
0,63
0,35
-0,15
-0,90
-0,90
-0,90
2,04
-1,57
0,40
-1,01
1,43
-0,51
1,37
-2,42
2,23
0,23
1,75
0,90
-4,46
-4,74
1,42
0,61
1,97
1,61
2,04
1,02
-1,08
0,50
-0,22
2,09
-1,78
1,34
1,90
1,58
-4,74
-0,06
2,07
-1,60
-1,60
-1,60
-1,60
-1,60
3,67
0,77
1,36
-1,19
-0,29
27,42
23,00
24,45
23,00
24,65
24,88
23,00
23,00
27,86
29,20
23,00
23,92
27,61
24,95
26,03
24,76
23,00
23,00
23,00
29,85
21,00
24,79
21,00
23,29
22,24
21,00
21,73
24,80
21,75
25,73
22,13
21,00
25,56
25,63
21,00
23,00
21,00
22,45
21,80
25,14
23,92
24,58
21,07
21,00
24,63
24,99
25,55
21,00
21,00
21,00
24,60
24,60
24,60
24,60
24,60
24,60
24,60
24,60
24,60
24,60
24,60
24,60
24,60
24,60
24,60
24,60
24,60
24,60
24,60
24,60
23,34
23,34
23,34
23,34
23,34
23,34
23,34
23,34
23,34
23,34
23,34
23,34
23,34
23,34
23,34
23,34
23,34
23,34
23,34
23,34
23,34
23,34
23,34
23,34
23,34
23,34
23,34
23,34
23,34
23,34
2,82
-1,60
-0,15
-1,60
0,05
0,28
-1,60
-1,60
3,26
4,59
-1,60
-0,68
3,01
0,35
1,43
0,15
-1,60
-1,60
-1,60
5,24
-2,34
1,44
-2,34
-0,05
-1,10
-2,34
-1,61
1,46
-1,59
2,39
-1,21
-2,34
2,21
2,29
-2,34
-0,34
-2,34
-0,90
-1,54
1,80
0,58
1,23
-2,27
-2,34
1,29
1,65
2,21
-2,34
-2,34
-2,34
Tabla 7.11. Residuales para el WIP medio en el tercer paso de la heurstica para el experimento de
confirmacin.
- 302 -
% de probabilidad normal
99
95
90
80
70
50
30
20
10
5
-4.74
-2.24
0.25
2.75
5.24
Residuales
Grfica 7.9. Probabilidad normal de los residuales para el WIP medio en el tercer paso de la heurstica
para el experimento de confirmacin.
5,50
4,50
3,50
Residuales
2,50
1,50
0,50
-0,5021,00
-1,50
22,00
23,00
24,00
-2,50
-3,50
-4,50
-5,50
WIP m edio predicho
Grfica 7.10. Residuales frente al WIP medio predicho en el tercer paso de la heurstica para el
experimento de confirmacin.
- 303 -
5,50
4,50
3,50
Residuales
2,50
1,50
0,50
-0,50
50
100
150
-1,50
-2,50
-3,50
-4,50
-5,50
Orden de Realizacin de las Sim ulacines
Grfica 7.11. Residuales frente al orden de realizacin de las simulaciones para el WIP medio en el tercer
paso de la heurstica para el experimento de confirmacin.
No se aprecia ningn patrn que nos haga pensar que el modelo no es adecuado.
El cuarto paso de la heurstica emplea la metodologa de la funcin desirability aplicada
a los dos modelos ajustados en el paso anterior. Estos son:
Respuesta
Nivel de servicio medio
WIP medio
Modelo ajustado
Recordemos que para el nivel de servicio se emplea una funcin desirability, d1, es del
tipo usado para buscar un valor determinado, en nuestro caso, el nivel de servicio medio
del 98%, y para el caso del inventario en proceso, una funcin desirability, d2, del tipo
usado en los casos en los que se pretenden minimizar la respuesta. (esto se estudia en
detalle en la seccin 5.5).
Los lmites de admisibilidad para la funcin desirability, d1, han sido del 96% para el
inferior y del 99% para el superior. Para la desirability, d2, y a tenor de los resultados
- 304 -
Las matrices de respuesta que se obtienen con estos modelos para el espacio de inters
de las combinaciones de los parmetros son:
K(0)
11
10
96,18
95,96
95,74
95,51
95,29
96,25
96,03
95,81
95,59
95,36
96,33
96,11
95,88
95,66
95,44
96,40
96,18
95,96
95,73
95,51
96,48
96,25
96,03
95,81
95,58
96,55
96,33
96,10
95,88
95,66
96,62
96,40
96,18
95,96
95,73
96,92
96,70
96,47
96,25
96,03
95,81
96,99
96,77
96,55
96,33
96,10
95,88
97,07
96,85
96,62
96,40
96,18
95,95
10
97,14
96,92
96,70
96,47
96,25
96,03
11
97,22
96,99
96,77
96,55
96,32
96,10
12
97,29
97,07
96,84
96,62
96,40
96,18
13
97,36
97,14
96,92
96,70
96,47
96,25
14
- 305 -
12
96,85
97,81
96,77
97,74
98,03
96,70
97,66
97,96
98,26
96,63
97,59
97,88
98,18
98,48
96,55
97,51
97,81
98,11
98,40
98,70
96,48
97,44
97,74
98,03
98,33
98,63
98,92
96,40
97,37
97,66
97,96
98,26
98,55
98,85
99,15
13
97,29
97,59
97,89
98,18
98,48
98,78
99,07
99,37
97,59
97,22
97,52
97,81
98,11
98,41
98,70
99,00
99,30
99,59
97,51
97,14
97,44
97,74
98,03
98,33
98,63
98,92
99,22
99,52
97,44
97,07
97,37
97,66
97,96
98,26
98,55
98,85
99,15
99,44
97,36
97,00
97,29
97,59
97,89
98,18
98,48
98,78
99,07
99,37
97,29
96,92
97,22
97,52
97,81
98,11
98,41
98,70
99,00
99,30
97,22
96,85
97,15
97,44
97,74
98,04
98,33
98,63
98,93
99,22
97,14
15
97,07
97,37
97,67
97,96
98,26
98,56
98,85
99,15
97,07
16
97,30
97,59
97,89
98,19
98,48
98,78
99,08
97,00
17
97,52
97,81
98,11
98,41
98,70
99,00
96,92
18
97,74
98,04
98,33
98,63
98,93
96,85
19
97,96
98,26
98,56
98,85
96,77
20
98,19
98,48
98,78
96,70
21
98,41
98,71
96,63
22
98,63
14
23
Tabla 7.13. Nivel de Servicio medio ajustado en el cuarto paso de la heurstica para el experimento de
confirmacin.
K(0)
2, WIP Medio
11
10
13,30
12,37
11,43
10,50
9,57
14,79
13,98
13,16
12,35
11,54
16,28
15,59
14,89
14,20
13,51
17,77
17,20
16,62
16,05
15,48
19,26
18,81
18,35
17,90
17,44
20,75
20,42
20,08
19,75
19,41
22,24
22,03
21,81
21,60
21,38
23,83
23,73
23,64
23,54
23,44
23,35
25,20
25,22
25,25
25,27
25,29
25,32
26,57
26,71
26,86
27,00
27,14
27,29
10
27,94
28,20
28,47
28,73
28,99
29,25
11
29,31
29,69
30,08
30,46
30,84
31,22
12
30,68
31,18
31,69
32,19
32,69
33,19
13
32,05
32,67
33,30
33,92
34,54
35,16
14
- 306 -
12
22,45
30,81
21,08
29,68
30,19
19,71
28,54
29,17
29,56
18,34
27,41
28,16
28,67
28,94
16,97
26,28
27,15
27,78
28,17
28,32
15,60
25,15
26,14
26,89
27,40
27,67
27,70
14,23
24,02
25,12
25,99
26,62
27,01
27,16
27,08
13
22,88
24,11
25,10
25,85
26,36
26,63
26,66
26,45
31,43
21,75
23,10
24,21
25,08
25,70
26,10
26,25
26,16
25,83
30,18
20,62
22,09
23,31
24,30
25,05
25,56
25,83
25,86
25,66
28,93
19,49
21,07
22,42
23,53
24,40
25,03
25,42
25,57
25,48
27,68
18,36
20,06
21,53
22,76
23,74
24,49
25,00
25,27
25,31
26,42
17,22
19,05
20,64
21,98
23,09
23,96
24,59
24,98
25,13
25,17
16,09
18,04
19,74
21,21
22,44
23,42
24,17
24,68
24,95
23,92
15
17,02
18,85
20,44
21,78
22,89
23,76
24,39
24,78
22,67
16
17,96
19,66
21,13
22,36
23,34
24,09
24,60
21,42
17
18,89
20,47
21,82
22,93
23,80
24,43
20,17
18
19,82
21,29
22,51
23,50
24,25
18,92
19
20,75
22,10
23,21
24,08
17,66
20
21,68
22,91
23,90
16,41
21
22,62
23,72
15,16
22
23,55
14
23
Tabla 7.14. WIP medio ajustado en el cuarto paso de la heurstica para el experimento de confirmacin.
Combinacin 1
Combinacin 2
Combinacin 3
Combinacin 4
s1
1
1
10
5
Pesos
t1
s2
1
1
10
1
10
1
8
5
Tabla 7.15. Combinaciones de pesos para el cuarto paso de la heurstica para el experimento de
confirmacin.
- 307 -
K(0)
Funcin Desirability, d1
11
10
0,09
0,00
0,00
0,00
0,00
0,13
0,02
0,00
0,00
0,00
0,16
0,05
0,00
0,00
0,00
0,20
0,09
0,00
0,00
0,00
0,24
0,13
0,02
0,00
0,00
0,28
0,16
0,05
0,00
0,00
0,31
0,20
0,09
0,00
0,00
0,46
0,35
0,24
0,13
0,01
0,00
0,50
0,39
0,27
0,16
0,05
0,00
0,53
0,42
0,31
0,20
0,09
0,00
10
0,57
0,46
0,35
0,24
0,13
0,01
11
0,61
0,50
0,39
0,27
0,16
0,05
12
0,64
0,53
0,42
0,31
0,20
0,09
13
0,68
0,57
0,46
0,35
0,24
0,12
14
- 308 -
12
0,42
0,90
0,39
0,87
0,97
0,35
0,83
0,98
0,74
0,31
0,79
0,94
0,82
0,52
0,28
0,76
0,91
0,89
0,60
0,30
0,24
0,72
0,87
0,97
0,67
0,37
0,08
0,20
0,68
0,83
0,98
0,74
0,45
0,15
0,00
13
0,65
0,79
0,94
0,82
0,52
0,22
0,00
0,00
0,79
0,61
0,76
0,91
0,89
0,59
0,30
0,00
0,00
0,00
0,76
0,57
0,72
0,87
0,97
0,67
0,37
0,08
0,00
0,00
0,72
0,54
0,68
0,83
0,98
0,74
0,45
0,15
0,00
0,00
0,68
0,50
0,65
0,80
0,94
0,82
0,52
0,22
0,00
0,00
0,65
0,46
0,61
0,76
0,91
0,89
0,59
0,30
0,00
0,00
0,61
0,42
0,57
0,72
0,87
0,96
0,67
0,37
0,07
0,00
0,57
15
0,54
0,68
0,83
0,98
0,74
0,44
0,15
0,00
0,53
16
0,65
0,80
0,94
0,81
0,52
0,22
0,00
0,50
17
0,76
0,91
0,89
0,59
0,30
0,00
0,46
18
0,87
0,96
0,67
0,37
0,07
0,42
19
0,98
0,74
0,44
0,15
0,39
20
0,81
0,52
0,22
0,35
21
0,59
0,29
0,31
22
0,37
14
23
Tabla 7.16. Funcin Desirability, d1, en el cuarto paso de la heurstica para el experimento de
confirmacin con los pesos (s1=1, t1=1, s2=1).
K(0)
Funcin Desirability, d2
11
10
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
0,69
0,80
0,91
1,00
1,00
0,31
0,40
0,48
0,56
0,65
0,00
0,00
0,05
0,10
0,15
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
10
0,00
0,00
0,00
0,00
0,00
0,00
11
0,00
0,00
0,00
0,00
0,00
0,00
12
0,00
0,00
0,00
0,00
0,00
0,00
13
0,00
0,00
0,00
0,00
0,00
0,00
14
- 309 -
12
0,00
0,00
0,23
0,00
0,00
0,57
0,00
0,00
0,00
0,91
0,00
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
13
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,06
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,34
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,63
0,23
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,91
0,48
0,12
0,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
0,74
0,34
0,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
0,99
0,56
0,20
0,00
0,00
0,00
0,00
0,00
0,00
15
1,00
0,79
0,39
0,05
0,00
0,00
0,00
0,00
0,00
16
1,00
0,58
0,22
0,00
0,00
0,00
0,00
0,15
17
0,78
0,38
0,04
0,00
0,00
0,00
0,46
18
0,54
0,18
0,00
0,00
0,00
0,77
19
0,31
0,00
0,00
0,00
1,00
20
0,08
0,00
0,00
1,00
21
0,00
0,00
1,00
22
0,00
14
23
Tabla 7.17. Funcin Desirability, d2, en el cuarto paso de la heurstica para el experimento de
confirmacin con los pesos (s1=1, t1=1, s2=1).
K(0)
ndice D
11
10
0,30
0,00
0,00
0,00
0,00
0,36
0,13
0,00
0,00
0,00
0,41
0,23
0,00
0,00
0,00
0,45
0,30
0,00
0,00
0,00
0,40
0,32
0,12
0,00
0,00
0,29
0,25
0,16
0,00
0,00
0,00
0,00
0,06
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
10
0,00
0,00
0,00
0,00
0,00
0,00
11
0,00
0,00
0,00
0,00
0,00
0,00
12
0,00
0,00
0,00
0,00
0,00
0,00
13
0,00
0,00
0,00
0,00
0,00
0,00
14
- 310 -
12
0,00
0,00
0,30
0,00
0,00
0,45
0,00
0,00
0,00
0,53
0,00
0,00
0,00
0,00
0,53
0,00
0,00
0,00
0,00
0,00
0,49
0,00
0,00
0,00
0,00
0,00
0,00
0,45
0,00
0,00
0,00
0,00
0,00
0,00
0,00
13
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,19
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,44
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,58
0,40
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,67
0,56
0,31
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,68
0,67
0,51
0,06
0,00
0,00
0,00
0,00
0,00
0,00
0,65
0,75
0,64
0,41
0,00
0,00
0,00
0,00
0,00
0,00
15
0,73
0,73
0,57
0,23
0,00
0,00
0,00
0,00
0,00
16
0,80
0,68
0,45
0,00
0,00
0,00
0,00
0,27
17
0,77
0,59
0,20
0,00
0,00
0,00
0,46
18
0,69
0,41
0,00
0,00
0,00
0,57
19
0,55
0,00
0,00
0,00
0,62
20
0,25
0,00
0,00
0,59
21
0,00
0,00
0,56
22
0,00
14
23
Tabla 7.18. ndice D en el cuarto paso de la heurstica para el experimento de confirmacin con los
pesos (s1=1, t1=1, s2=1).
En esta ltima tabla se observa como el mayor valor le corresponde a la pareja (17,1),
por lo que para esta combinacin de pesos esta es la combinacin de parmetros que se
compara con la hallada en el segundo paso de la heurstica.
K(0)
Funcin Desirability, d1
11
10
0,09
0,00
0,00
0,00
0,00
0,13
0,02
0,00
0,00
0,00
0,16
0,05
0,00
0,00
0,00
0,20
0,09
0,00
0,00
0,00
0,24
0,13
0,02
0,00
0,00
0,28
0,16
0,05
0,00
0,00
0,31
0,20
0,09
0,00
0,00
0,46
0,35
0,24
0,13
0,01
0,00
0,50
0,39
0,27
0,16
0,05
0,00
0,53
0,42
0,31
0,20
0,09
0,00
10
0,57
0,46
0,35
0,24
0,13
0,01
11
0,61
0,50
0,39
0,27
0,16
0,05
12
0,64
0,53
0,42
0,31
0,20
0,09
13
0,68
0,57
0,46
0,35
0,24
0,12
14
- 311 -
12
0,42
0,90
0,39
0,87
0,72
0,35
0,83
0,98
0,05
0,31
0,79
0,94
0,14
0,00
0,28
0,76
0,91
0,32
0,01
0,00
0,24
0,72
0,87
0,71
0,02
0,00
0,00
0,20
0,68
0,83
0,98
0,05
0,00
0,00
0,00
13
0,65
0,79
0,94
0,13
0,00
0,00
0,00
0,00
0,79
0,61
0,76
0,91
0,32
0,01
0,00
0,00
0,00
0,00
0,76
0,57
0,72
0,87
0,70
0,02
0,00
0,00
0,00
0,00
0,72
0,54
0,68
0,83
0,98
0,05
0,00
0,00
0,00
0,00
0,68
0,50
0,65
0,80
0,94
0,13
0,00
0,00
0,00
0,00
0,65
0,46
0,61
0,76
0,91
0,31
0,01
0,00
0,00
0,00
0,61
0,42
0,57
0,72
0,87
0,69
0,02
0,00
0,00
0,00
0,57
15
0,54
0,68
0,83
0,98
0,05
0,00
0,00
0,00
0,53
16
0,65
0,80
0,94
0,13
0,00
0,00
0,00
0,50
17
0,76
0,91
0,31
0,01
0,00
0,00
0,46
18
0,87
0,68
0,02
0,00
0,00
0,42
19
0,98
0,05
0,00
0,00
0,39
20
0,13
0,00
0,00
0,35
21
0,01
0,00
0,31
22
0,00
14
23
Tabla 7.19. Funcin Desirability, d1, en el cuarto paso de la heurstica para el experimento de
confirmacin con los pesos (s1=1, t1=10, s2=1).
K(0)
Funcin Desirability, d2
11
10
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
0,69
0,80
0,91
1,00
1,00
0,31
0,40
0,48
0,56
0,65
0,00
0,00
0,05
0,10
0,15
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
10
0,00
0,00
0,00
0,00
0,00
0,00
11
0,00
0,00
0,00
0,00
0,00
0,00
12
0,00
0,00
0,00
0,00
0,00
0,00
13
0,00
0,00
0,00
0,00
0,00
0,00
14
- 312 -
12
0,00
0,00
0,23
0,00
0,00
0,57
0,00
0,00
0,00
0,91
0,00
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
13
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,06
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,34
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,63
0,23
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,91
0,48
0,12
0,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
0,74
0,34
0,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
0,99
0,56
0,20
0,00
0,00
0,00
0,00
0,00
0,00
15
1,00
0,79
0,39
0,05
0,00
0,00
0,00
0,00
0,00
16
1,00
0,58
0,22
0,00
0,00
0,00
0,00
0,15
17
0,78
0,38
0,04
0,00
0,00
0,00
0,46
18
0,54
0,18
0,00
0,00
0,00
0,77
19
0,31
0,00
0,00
0,00
1,00
20
0,08
0,00
0,00
1,00
21
0,00
0,00
1,00
22
0,00
14
23
Tabla 7.20. Funcin Desirability, d2, en el cuarto paso de la heurstica para el experimento de
confirmacin con los pesos (s1=1, t1=10, s2=1).
K(0)
ndice D
11
10
0,30
0,00
0,00
0,00
0,00
0,36
0,13
0,00
0,00
0,00
0,41
0,23
0,00
0,00
0,00
0,45
0,30
0,00
0,00
0,00
0,40
0,32
0,12
0,00
0,00
0,29
0,25
0,16
0,00
0,00
0,00
0,00
0,06
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
10
0,00
0,00
0,00
0,00
0,00
0,00
11
0,00
0,00
0,00
0,00
0,00
0,00
12
0,00
0,00
0,00
0,00
0,00
0,00
13
0,00
0,00
0,00
0,00
0,00
0,00
14
- 313 -
12
0,00
0,00
0,30
0,00
0,00
0,45
0,00
0,00
0,00
0,53
0,00
0,00
0,00
0,00
0,53
0,00
0,00
0,00
0,00
0,00
0,49
0,00
0,00
0,00
0,00
0,00
0,00
0,45
0,00
0,00
0,00
0,00
0,00
0,00
0,00
13
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,19
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,44
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,58
0,40
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,67
0,56
0,31
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,68
0,67
0,51
0,06
0,00
0,00
0,00
0,00
0,00
0,00
0,65
0,75
0,64
0,41
0,00
0,00
0,00
0,00
0,00
0,00
15
0,73
0,73
0,57
0,23
0,00
0,00
0,00
0,00
0,00
16
0,80
0,68
0,45
0,00
0,00
0,00
0,00
0,27
17
0,77
0,59
0,12
0,00
0,00
0,00
0,46
18
0,69
0,35
0,00
0,00
0,00
0,57
19
0,55
0,00
0,00
0,00
0,62
20
0,10
0,00
0,00
0,59
21
0,00
0,00
0,56
22
0,00
14
23
Tabla 7.21.ndice D, en el cuarto paso de la heurstica para el experimento de confirmacin con los pesos
(s1=1, t1=10, s2=1).
K(0)
Funcin Desirability, d1
11
10
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
10
0,00
0,00
0,00
0,00
0,00
0,00
11
0,01
0,00
0,00
0,00
0,00
0,00
12
0,01
0,00
0,00
0,00
0,00
0,00
13
0,02
0,00
0,00
0,00
0,00
0,00
14
- 314 -
12
0,00
0,37
0,00
0,24
0,72
0,00
0,16
0,81
0,05
0,00
0,10
0,55
0,14
0,00
0,00
0,06
0,37
0,32
0,01
0,00
0,00
0,04
0,24
0,71
0,02
0,00
0,00
0,00
0,02
0,16
0,82
0,05
0,00
0,00
0,00
13
0,01
0,10
0,56
0,13
0,00
0,00
0,00
0,00
0,10
0,01
0,06
0,37
0,32
0,01
0,00
0,00
0,00
0,00
0,06
0,00
0,04
0,25
0,70
0,02
0,00
0,00
0,00
0,00
0,04
0,00
0,02
0,16
0,82
0,05
0,00
0,00
0,00
0,00
0,02
0,00
0,01
0,10
0,56
0,13
0,00
0,00
0,00
0,00
0,01
0,00
0,01
0,06
0,38
0,31
0,01
0,00
0,00
0,00
0,01
0,00
0,00
0,04
0,25
0,69
0,02
0,00
0,00
0,00
0,00
15
0,00
0,02
0,16
0,83
0,05
0,00
0,00
0,00
0,00
16
0,01
0,10
0,56
0,13
0,00
0,00
0,00
0,00
17
0,06
0,38
0,31
0,01
0,00
0,00
0,00
18
0,25
0,68
0,02
0,00
0,00
0,00
19
0,83
0,05
0,00
0,00
0,00
20
0,13
0,00
0,00
0,00
21
0,01
0,00
0,00
22
0,00
14
23
Tabla 7.22. Funcin Desirability, d1, en el cuarto paso de la heurstica para el experimento de
confirmacin con los pesos (s1=10, t1=10, s2=1).
K(0)
Funcin Desirability, d2
11
10
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
0,69
0,80
0,91
1,00
1,00
0,31
0,40
0,48
0,56
0,65
0,00
0,00
0,05
0,10
0,15
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
10
0,00
0,00
0,00
0,00
0,00
0,00
11
0,00
0,00
0,00
0,00
0,00
0,00
12
0,00
0,00
0,00
0,00
0,00
0,00
13
0,00
0,00
0,00
0,00
0,00
0,00
14
- 315 -
12
0,00
0,00
0,23
0,00
0,00
0,57
0,00
0,00
0,00
0,91
0,00
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
13
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,06
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,34
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,63
0,23
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,91
0,48
0,12
0,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
0,74
0,34
0,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
0,99
0,56
0,20
0,00
0,00
0,00
0,00
0,00
0,00
15
1,00
0,79
0,39
0,05
0,00
0,00
0,00
0,00
0,00
16
1,00
0,58
0,22
0,00
0,00
0,00
0,00
0,15
17
0,78
0,38
0,04
0,00
0,00
0,00
0,46
18
0,54
0,18
0,00
0,00
0,00
0,77
19
0,31
0,00
0,00
0,00
1,00
20
0,08
0,00
0,00
1,00
21
0,00
0,00
1,00
22
0,00
14
23
Tabla 7.23. Funcin Desirability, d2, en el cuarto paso de la heurstica para el experimento de
confirmacin con los pesos (s1=10, t1=10, s2=1).
K(0)
10
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
10
0,00
0,00
0,00
0,00
0,00
0,00
11
0,00
0,00
0,00
0,00
0,00
0,00
12
0,00
0,00
0,00
0,00
0,00
0,00
13
0,00
0,00
0,00
0,00
0,00
0,00
14
- 316 -
ndice D
11
0,00
0,00
12
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
13
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,02
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,04
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,03
0,07
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,03
0,08
0,11
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,02
0,07
0,15
0,04
0,00
0,00
0,00
0,00
0,00
0,00
0,01
0,06
0,15
0,22
0,00
0,00
0,00
0,00
0,00
0,00
15
0,04
0,13
0,25
0,21
0,00
0,00
0,00
0,00
0,00
16
0,11
0,24
0,35
0,00
0,00
0,00
0,00
0,01
17
0,22
0,38
0,12
0,00
0,00
0,00
0,01
18
0,37
0,35
0,00
0,00
0,00
0,01
19
0,51
0,00
0,00
0,00
0,01
20
0,10
0,00
0,00
0,01
21
0,00
0,00
0,00
22
0,00
14
23
Tabla 7.24. ndice D, en el cuarto paso de la heurstica para el experimento de confirmacin con los
pesos (s1=10, t1=10, s2=1).
K(0)
Funcin Desirability, d1
11
10
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,02
0,01
0,00
0,00
0,00
0,00
0,03
0,01
0,00
0,00
0,00
0,00
0,04
0,01
0,00
0,00
0,00
0,00
10
0,06
0,02
0,01
0,00
0,00
0,00
11
0,08
0,03
0,01
0,00
0,00
0,00
12
0,11
0,04
0,01
0,00
0,00
0,00
13
0,15
0,06
0,02
0,01
0,00
0,00
14
- 317 -
12
0,01
0,61
0,01
0,49
0,77
0,01
0,40
0,90
0,09
0,00
0,32
0,74
0,20
0,01
0,00
0,25
0,61
0,40
0,02
0,00
0,00
0,19
0,49
0,76
0,04
0,00
0,00
0,00
0,15
0,40
0,90
0,09
0,00
0,00
0,00
13
0,11
0,32
0,75
0,20
0,01
0,00
0,00
0,00
0,31
0,08
0,25
0,61
0,40
0,02
0,00
0,00
0,00
0,00
0,25
0,06
0,19
0,50
0,75
0,04
0,00
0,00
0,00
0,00
0,19
0,04
0,15
0,40
0,91
0,09
0,00
0,00
0,00
0,00
0,15
0,03
0,11
0,32
0,75
0,20
0,01
0,00
0,00
0,00
0,11
0,02
0,08
0,25
0,61
0,39
0,02
0,00
0,00
0,00
0,08
0,01
0,06
0,20
0,50
0,74
0,04
0,00
0,00
0,00
0,06
15
0,04
0,15
0,40
0,91
0,09
0,00
0,00
0,00
0,04
16
0,11
0,32
0,75
0,19
0,01
0,00
0,00
0,03
17
0,25
0,61
0,39
0,02
0,00
0,00
0,02
18
0,50
0,74
0,04
0,00
0,00
0,01
19
0,91
0,09
0,00
0,00
0,01
20
0,19
0,01
0,00
0,01
21
0,01
0,00
0,00
22
0,00
14
23
Tabla 7.25. Funcin Desirability, d1, en el cuarto paso de la heurstica para el experimento de
confirmacin con los pesos (s1=5, t1=8, s2=5).
K(0)
Funcin Desirability, d2
22
21
20
19
18
17
16
15
14
13
12
11
10
0,00
0,00
0,00
0,00
0,05
0,28
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
0,00
0,00
0,00
0,00
0,01
0,07
0,30
0,95
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
0,00
0,00
0,00
0,00
0,00
0,01
0,06
0,22
0,63
1,00
1,00
1,00
1,00
1,00
1,00
1,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,03
0,10
0,27
0,64
1,00
1,00
1,00
1,00
1,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,02
0,06
0,15
0,33
0,63
1,00
1,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,01
0,03
0,06
0,11
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
10
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
11
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
12
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
13
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
14
23
- 318 -
para el experimento de
K(0)
10
0,00
0,00
0,00
0,00
0,01
0,00
0,00
0,00
0,00
0,01
0,00
0,00
0,00
0,00
0,02
0,00
0,00
0,00
0,00
0,01
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
10
0,00
0,00
0,00
0,00
0,00
0,00
11
0,00
0,00
0,00
0,00
0,00
0,00
12
0,00
0,00
0,00
0,00
0,00
0,00
13
0,00
0,00
0,00
0,00
0,00
0,00
14
- 319 -
ndice D
11
0,00
0,00
12
0,00
0,00
0,00
0,00
0,00
0,02
0,00
0,00
0,00
0,04
0,00
0,00
0,00
0,00
0,04
0,00
0,00
0,00
0,00
0,00
0,03
0,00
0,00
0,00
0,00
0,00
0,00
0,02
0,00
0,00
0,00
0,00
0,00
0,00
0,00
13
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,02
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,07
0,01
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,14
0,05
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,14
0,14
0,03
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,12
0,24
0,11
0,01
0,00
0,00
0,00
0,00
0,00
0,00
15
0,21
0,21
0,06
0,00
0,00
0,00
0,00
0,00
0,00
16
0,34
0,15
0,02
0,00
0,00
0,00
0,00
0,00
17
0,27
0,07
0,00
0,00
0,00
0,00
0,02
18
0,15
0,01
0,00
0,00
0,00
0,06
19
0,05
0,00
0,00
0,00
0,09
20
0,00
0,00
0,00
0,07
21
0,00
0,00
0,05
22
0,00
14
23
Tabla 7.27. ndice D, en el cuarto paso de la heurstica para el experimento de confirmacin con los
pesos (s1=5, t1=8, s2=5).
E
1
1
3
WIP medio
17,957
20,699
21,257
En la tabla anterior se aprecia que de las dos combinaciones halladas en este paso
ninguna es admisible, sin embargo la que se ha obtenido con la combinacin de pesos
ms exigente es la que ms prxima esta de ser admisible. Recordar que esto mismo
ocurra cuando se aplic la heurstica al sistema estudiado en el captulo 6.
Pudiera parecer que la aplicacin de la metodologa RSM fracasa al no proporcionar
una solucin admisible, sin embargo nosotros no creemos eso. Si comparamos la
combinacin (20,1) con la combinacin (19,3), vemos que hay poca diferencia entre
ellas, por lo que consideramos que la aplicacin de esta metodologa en la heurstica es
beneficiosa, porque proporciona un mtodo aceptable y complementario a la bsqueda
que se hace en los dos primeros pasos de la heurstica.
A continuacin se realiza la bsqueda exhaustiva en prcticamente todo el espacio de
soluciones en busca de la combinacin ptima con el fin de compararla con la solucin
que se ha hallado con la aplicacin de la heurstica propuesta y descubrir que grado de
fidelidad ofrece esta ltima.
- 320 -
K(0)
12
11
10
73,771
64,086
58,455
42,098
27,913
83,720
80,274
73,624
63,904
58,454
87,555
83,721
80,490
73,803
67,697
90,618
87,743
82,973
80,758
73,361
94,079
92,899
90,752
87,643
82,754
80,017
96,172
94,794
92,970
90,568
87,518
82,894
96,552
95,971
94,298
92,681
90,829
87,789
97,327
96,660
96,192
94,365
92,334
90,517
97,543
97,135
96,349
96,220
94,438
92,494
97,680
97,700
97,223
96,583
96,056
94,382
98,300
97,784
97,466
97,195
96,757
95,928
10
98,271
98,313
97,697
97,570
97,202
96,388
11
98,020
98166
98,124
97,603
97,606
97,256
12
98,151
98,236
98,287
98,103
97,634
97,511
13
98,196
98,331
98,241
97,524
14
- 321 -
13
92,793
98,329
90,866
98,335
87,487
98,153
81,117
98,051
98,276
14
98,051
98,307
98,341
97,937
98,386
98,107
97,672
98,232
98,378
98,188
97,186
97,890
98,264
98,160
96,712
97,832
98,297
98,293
97,691
95,959
97,422
97,899
98,345
97,738
94,555
96,720
97,647
98,262
98,290
97,122
93,012
96,088
97,292
97,828
98,355
97,061
88,080
94,805
96,739
97,778
98,148
98,484
96,370
16
91,092
96,114
97,368
97,881
98,706
94,170
17
93,236
96,696
97,598
98,611
92,787
18
95,024
97,370
98,328
90,925
19
96,527
98,198
83,461
20
97,145
98,760
15
21
98,642
98,889
98,803
98,862
98,360
98,880
97,860
98,242
22
23
Tabla 7.29. Bsqueda exhaustiva para el experimento de confirmacin. Nivel de servicio medio.
K(0)
12
11
10
72,456<>75,086
62,222<>65,950
57,398<>59,511
40,618<>43,578
25, 919<>29,907
82,323<>85,117
78,484<>82,064
72,548<>74,699
61,592<>66,217
57,144<>59,764
86,501<>88,609
82,582<>84,860
78,702<>82,277
72,574<>75,032
67,700<>70,694
89,775<>91,462
86,795<>88,691
81,523<>84,423
79,025<>82,491
71,992<>74,731
92,068<>93,730
89,967<>91,538
86,724<>88,563
81,347<>84,162
78,692<>81,343
94,242<>95,345
92,174<>93,765
89,852<>91,283
86,547<>88,488
81,616<>84,351
96,095<>97,009
95,357<>96,584
93,662<>94,934
91,786<>93,576
90,076<>91,583
86,634<>88,944
13
95,533<>96,810
97,242<>98,102
93,508<>94,649
96,645<>97,627
97,562<>98,218
92,009<>93,578
96,234<>97,190
97,378<>98,287
98,012<>98,582
90,077<>91,656
95,249<>96,669
96,957<>97,887
97,553<>98,245
98,119<>98,572
86,353<>88,621
94,021<>95,089
96,208<>97,232
97,115<>98,178
97,975<>98,548
98,055<>98,525
79,329<>82,904
92,204<>93,820
95,372<>96,805
96,717<>97,867
97,377<>98,278
98,082<>98,628
14
86,967<>89,193
94,159<>95,451
96,213<>97,266
97,262<>98,294
97,861<>98,436
98,155<>98,812
96,646<>97,599
16
90,385<>91,789
95,454<>96,774
96,793<>97,943
97,502<>98,260
98,436<>98,977
96,661<>97,461
17
92,420<>94,052
96,182<>97,210
97,001<>98,196
98,358<>98,864
98,433<>99,086
95,694<>97,046
18
94,557<>95,490
96,836<>97,905
97,867<>98,789
98,366<>98,919
93,953<>94,887
19
95,872<>97,181
97,655<>98,741
98,532<>99,074
98,565<>99,213
91,998<>93,577
20
96,812<>97,479
97,821<>98,898
98,536<>99,187
90,126<>91,725
21
97,247<>98,473
98,531<>99,228
82,137<>84,786
22
97,702<>98,782
15
23
- 322 -
96,158<>97,135
95,576<>96,808
93,789<>94,941
91,467<>93,200
89,732<>91,301
97,080<>98,006
96,574<>97,695
95,855<>96,842
95,584<>96,856
93,750<>95,126
91,679<>93,310
97,224<>98,137
97,205<>98,195
96,65/8<>97,787
96,144<>97,021
95,483<>96,629
93,800<>94,964
98,089<>98,510
97,388<>98,179
96,851<>98,082
96,620<>97,770
96,339<>97,175
95,237<>96,619
10
98,050<>98,492
98,044<>98,582
97,206<>98,189
97,102<>98,038
96,564<>97,841
95,718<>97,057
11
97,644<>98,397
97,893<>98,439
97,824<>98,425
97,205<>98,002
97,112<>98,099
96,608<>97,904
12
97,875<>98,428
97,940<>98,531
98,050<>98,524
97,750<>98,456
97,133<>98,135
96,940<>98,083
13
97,906<>98,432
98,060<>98,602
98,002<>98,480
97,077<>97,971
14
98,063<>98,595
96,827<>97,827
98,094<>98,575
98,145<>98,537
97,816<>98,490
97,828<>98,386
97,847<>98,255
97,916<>98,636
97,918<>98,459
97,951<>98,352
98,011<>98,603
97,953<>98,366
97,608<>98,266
98,201<>98,572
97,267<>98,116
97,874<>98,591
98,087<>98,669
97,259<>98,216
98,024<>98,503
98,041<>98,545
Tabla 7.30. Bsqueda exhaustiva para el experimento de confirmacin. Intervalos de confianza del nivel
de servicio.
- 323 -
K(0)
11
10
12,040
11,050
10,053
9,066
14,018
13,023
12,035
11,048
10,050
15,004
14,012
13,020
12,033
11,440
15,986
15,001
14,012
13,021
12,031
16,971
15,982
15,004
14,015
13,019
18,917
17,942
16,972
15,992
15,003
14,012
19,907
18,934
17,957
16,979
15,988
15,003
20,802
19,861
18,948
17,951
16,985
15,993
21,729
20,763
19,876
18,952
17,968
16,978
22,586
21,674
20,844
19,917
18,936
17,975
23,481
22,612
21,770
20,889
19,931
18,969
10
24,376
23,565
22,640
21,808
20,885
19,951
11
25,126
24,320
23,673
22,710
21,875
20,932
12
25,933
25,460
24,556
23,629
22,780
21,854
13
25,379
24,652
23,709
22,817
14
WIP medio
12
13,030
17,950
- 324 -
13
16,978
26,380
15,991
25,554
15,010
24,728
14,026
23,984
25,575
14
23,135
24,803
25,603
22,387
23,710
24,911
21,507
22,966
24,561
24,113
20,658
22,296
23,565
23,250
19,830
21,565
22,673
23,872
22,487
18,875
20,691
22,130
22,879
21,641
17,922
19,807
21,332
22,266
23,294
20,731
16,973
18,882
20,598
21,388
22,930
20,364
16,051
17,957
19,798
21,257
22,528
22,828
18,879
16
17,013
18,889
20,568
21,903
22,402
17,914
17
18,009
19,781
21,381
22,273
16,961
18
19,007
20,699
21,842
15,987
19
20,006
21,401
15,021
20
21,004
23,153
15
21
22,954
24,029
22,541
23,698
22,280
23,317
22,004
23,003
22
23
En color azul se han remarcado las soluciones admisibles con menor inventario en
proceso que se han encontrado. Como se puede observar, la combinacin de parmetros
admisible que ofrece un menor inventario en proceso en la (19, 3) que es la misma que
se ha encontrado al aplicar la heurstica.
La heurstica propuesta aplicada tanto al experimento llevado a cabo en la seccin 5.4
como el realizado en este captulo ha ofrecido la solucin ptima en ambos casos, por lo
que parece ser que es un mtodo fcil, rpido y fiable de encontrar la combinacin de
los parmetros K (0) y E de un sistema de la produccin PS, que hacen que este
funcione muy cercano a un nivel de servicio del 98%, con el menor inventario en
proceso.
- 325 -
CAPTULO 8:
CONCLUSIONES
- 326 -
los conceptos necesarios con la realizacin de dos ejemplos con el fin de arrojar claridad
a la exposicin.
Fase 3: Aplicacin de las tcnicas RSM al sistema objeto de estudio
Lneas con piezas de desecho que haya que eliminar del sistema (Scrap).
Sistemas multiproducto.
- 331 -
BIBLIOGRAFA
- 332 -
Bonvik, A.M. y Gershwin, S.B., 1996, Beyond Kanban: creating and analazing lean
shop floor control policies, Manufacturing and service Operations Management
Conference, Durtmouth College.
Bonvik, A. M., Couch, C.E. y Gershwin, S. B., 1997, A comparison of production-line
control mechanisms, International Journal of Production Researh, 35, pp.789-804.
Box, G.E.P. y Hunter, J. S., 1957, Multifactor Experimental Designs for Exploring
Response Surfaces," Annals of Mathematical Statistics, Vol. 28, 1957, p. 195-242.
Cornell, J.A., 1990, How to apply response surface methodology, Vol. 8, ASQC Basic
References in Quality Control: Statistical Techniques, 2nd edition, 1990, American
Society for Quality Control.
Chase, R.B., Aquilano, N.J. y Jacobs, F.R., 2002, Manual de operaciones de
manufactura y servicios, McGraw Hill, Bogot.
Derringer, G y Suich, R., 1980, Simultaneous Optimization of Several Response
Variables, Journal of Quality Technology, vol. 12, pp. 214-219.
Daz, A., 1993, Produccin: gestin y control, Ariel Economa, Madrid.
Domnguez Machuca, J.A., 1994, Direccin de operaciones, McGraw Hill, Madrid.
Duri, C., Frein, Y. y Lee, H.S., 2000, Performance evaluation and design of a Conwip
system with inspections, International Journal of Production Economics, vol. 64, pp.
219-229.
Framin, J.M., Gonzlez, P.L. y Ruiz-Usano, R. 2003, The conwip production control
system: review and research issues, Production Planning & Control, vol. 14, no. 3, pp.
255-265.
Gaury, E.G.A., 2000, Designing pull production control systems: customisation and
robustness, Tesis Doctoral, Editorial Center.
Gaury, E. G. A., Pierreval, H. y Kleijnen, S. B., 2000, An evolutionary approach to
select a pull system among Kanban, Conwip and Hybrid, Journal of Intelligent
Manufacturing, 11, pp.157-167.
Gershwin, S.B., 2000. Design and operation of manufacturing systems: the
controlpoint policy, IIE Transactions, vol. 32, pp. 891-906.
Gonzlez, P. L., Framin, J. M., Muoz, M.A. y Ruz-Usano, R. 2003, Ajuste
dinmico de tarjetas en un sistema CONWIP, V congreso de Ingeniera de
Organizacin, Valladolid, 4-5 Septiembre 2003.
- 333 -
Guasch, A., Piera, M.A., Casanovas, J. y Figueras, J., 2002, Modelado y Simulacin:
Aplicacin a procesos logsticos de fabricacin y servicios, UPC, Barcelona.
Gupta, Y.P. y Gupta, M.C., 1989, A system dynamics model for a multi-stage,
multiline dual-card JIT-kanban system, International Journal of Production Research,
vol. 27, no. 2, pp. 309-352.
Hall, R. M., 1983, Zero Inventories, Dow-Jones-Irwin, Home-Wood,IL.
Herer, Y. T. y Masin, M., 1997, Mathematical programming formulation of CONWIP
based production lines relationship to MRP, International Journal of Production
Research, vol. 35, pp.1067-1076.
Hillier, F.S. y Boling, R.W., 1966, The effect f some design factors on the efficiency of
production lines with variable operation times, Industrial Engineering, vol. 17, pp.
651-658.
Hopp, W. J. y Spearman, L. M., 1991, Throughput of a constant work in process
manufacturing line subject to failures, International Journal of Production Research,
vol. 29, pp. 635-655.
Hopp, W. J. y Spearman, L. M., 1996, Factory Physics: Foundations of Manufacturing
Management, Richard D. Irwin.
Hopp, W. J. y Roof, M. L., 1998, Setting WIP levels with statistical throughput control
(STC) in CONWIP production lines, International Journal of Production Research, vol.
36, pp. 867-882.
Krajewski, L. J., King, B. E., Ritzman, L. P. y Wong, D. S. 1987, Kanban, MRP, and
shaping the manufacturing environment, Management Sciences, vol. 33, pp. 39-57.
Lageweg B.J., Lenstra J.K. y Rinnooy Kan, A.H.G., 1978, A General Bounding
Scheme for the Permutation Flow-Shop Problem, Operations Research Society of
America, vol. 26, no. 1, pp. 53-67.
Liberopoulos, D. y Dallery, Y., 1995 On the optimization of single-stage kanban-type
control systems in manufacturing, Proceeding of the 1995 INRIA/IEEE Symposium on
Emerging Technologies Factory Automation. Paris, France, 10-13 October 1995, pp.
437-444.
Luh, P. B., Zhou, X. y Tomastik, R. N., 2000, An effective method to reduce
inventory in job shops, IEEE Transactions on Robotics and Automation, vol. 16, no.
4, pp. 420-424.
Meral, S. y Erkip, N., 1991, Simulation analysis of a JIT production line,
International Journal of Production Economics, vol. 24, pp. 147-156.
- 334 -
Monden, Y., 1983, Toyota production system, Industrial Engineering and Management
Press, Atlanta.
Montgomery, D. C., 1991, Design and Analysis of Experiments, John Wiley & Sons,
N.Y.
Myers, R.H. y Montgomery, D.C., 1995, Response Surface Methodology: Process and
Product Optimization Using Designed Experiment, Wiley-VCH, Nueva York.
Orlicky, J., 1975, Material Requirements planning,McGraw-Hill.
Rees, L.P., Philipoom, P, R.., Taylor, W. B. y Huang, P. Y., 1987, Dynamically
adjusting the number of kanbans in a Just-in-Time production system using estimated
values of lead-times, IIE Trasactions, vol. 19, pp. 199-207.
Roderick, L. M., Philips, D. T. y Hogg, G. L., 1992, A comparison of order release
strategies in production control systems, International Journal of Production Research,
vol. 30, pp.683-694.
Ryan, M., Baynat, B. y Choobineh, F., 2000, Determining inventory levels in a
CONWIP controlled job shop, IIE Transactions, vol. 32, pp. 105-114.
Sarker, B.R. y Harris, R.D., 1988, The effect of imbalance in a Just-In-Time
production system: a simulation study, International Journal of Production Research,
vol. 26, no. 1, pp. 1-18.
Spearman, M. L., Hopp, W. J y Woodruff, D. L., 1989, A hierarchical control
architecture for Constant Work-in-process (CONWIP) production systems,
Journal of Manufacturing and Operations Management, 2, pp.147-171.
Spearman, M. L., Woodruff, D. L. y Hoop, W. J., 1990, Conwip: a pull alternative to
Kanban, International Journal of Production Research, 28, pp.879-894.
Spearman, M. L. y Zazanis, M. A., 1988, Push and productions systems: Issues and
comparison, Technical Report, pp. 88-24,Departement of Industrial Engineering and
Management Sciences, Northwestern University, Evanston, IL.
Tardif, V. y Maaseidvaag, L., 2001, An adaptative approach to controlling kanban
systems, European Journal of Operational Research, 132, pp. 411-424.
Villeda, R., Dudek, R. y Smith, M.L., 1988, Increasing the production rate of a just-intime production system with variable operation times, International Journal of
Production Research, vol. 26, pp. 1749-1768.
Vollmann, T. E., Berry, W. L. y Whybark, D. C., 1984, Manufacturing Planning and
Control Systems, Homewood, IL: Richard D. Irwin.
- 335 -
- 336 -
ANEXO:
RESULTADOS OBTENIDOS EN EL
PROCESO DE DETERMINACION DE LOS
PARMETROS DE SIMULACIN
- 337 -
- 338 -
T-W
5000
10000
15000
20000
25000
30000
35000
40000
45000
50000
55000
60000
65000
70000
Media
18,329
18,498
18,436
18,487
18,499
18,473
18,481
18,509
18,482
18,487
18,484
18,496
18,511
18,515
Experimento 1
WIP
IC(99)
0,349
0,236
0,205
0,167
0,146
0,125
0,110
0,108
0,104
0,103
0,096
0,091
0,091
0,083
Nivel de servicio
Media
IC(99)
29,821
4,829
27,728
3,490
28,159
3,069
27,562
2,531
27,858
2,185
28,363
1,887
28,418
1,637
28,001
1,581
28,279
1,504
28,351
1,481
28,387
1,369
28,195
1,311
27,905
1,316
27,893
1,166
Experimento 2
WIP
T-W
5000
10000
15000
20000
25000
30000
35000
40000
45000
50000
55000
60000
65000
70000
Media
22,443
22,550
22,598
22,606
22,583
22,578
22,581
22,601
22,615
22,603
22,614
22,615
22,603
22,622
IC(99)
0,403
0,311
0,247
0,202
0,183
0,177
0,160
0,148
0,139
0,115
0,114
0,115
0,108
0,099
- 339 -
Nivel de servicio
Media
IC(99)
44,103
5,415
42,662
4,235
42,443
3,469
42,264
2,773
42,992
2,514
42,818
2,476
42,733
2,073
42,473
1,822
42,063
1,720
42,067
1,384
41,980
1,385
42,105
1,331
42,198
1,234
41,960
1,207
T-W
5000
10000
15000
20000
25000
30000
35000
40000
45000
50000
55000
60000
65000
70000
T-W
5000
10000
15000
20000
25000
30000
35000
40000
45000
50000
55000
60000
65000
70000
Media
20,574
20,385
30,345
20,418
20,442
20,398
20,409
20,405
20,417
20,411
20,419
20,410
20,408
20,402
Experimento 3
WIP
IC(99)
0,453
0,313
0,283
0,254
0,228
0,207
0,190
0,177
0,159
0,147
0,133
0,127
0,119
0,117
Nivel de servicio
Media
IC(99)
36,125
5,829
38,786
4,123
39,183
3,708
38,473
3,337
38,211
2,964
39,028
2,648
38,802
2,400
38,927
2,236
38,693
2,048
38,864
1,913
38,777
1,706
38,910
1,659
38,997
1,568
39,093
1,508
Media
19,674
19,688
19,890
19,862
19,862
19,897
19,877
19,881
19,886
19,880
19,862
19,856
19,877
19,885
Experimento 4
WIP
IC(99)
0,365
0,257
0,207
0,178
0,171
0,155
0,140
0,134
0,123
0,120
0,109
0,100
0,096
0,089
Nivel de servicio
Media
IC(99)
34,628
4,661
33,468
3,647
31,660
2,973
31,593
2,519
31,550
2,329
31,294
2,067
31,630
1,894
31,492
1,832
31,382
1,735
31,399
1,731
31,642
1,536
31,812
1,432
31,497
1,321
31,373
1,249
- 340 -
T-W
5000
10000
15000
20000
25000
30000
35000
40000
45000
50000
55000
60000
65000
70000
Media
19,864
19,850
19,860
19,886
19,910
19,961
19,971
19,979
20,000
20,010
20,022
20,038
20,030
20,033
Experimento 5
WIP
IC(99)
0,412
0,323
0,283
0,253
0,218
0,184
0,167
0,158
0,146
0,142
0,136
0,138
0,129
0,121
Nivel de servicio
Media
IC(99)
39,425
6,144
39,483
5,045
39,795
4,192
39,904
3,806
39,672
3,365
39,270
2,807
38,761
2,490
38,437
2,255
38,249
1,950
38,026
1,944
37,854
1,911
37,633
1,951
37,833
1,831
37,759
1,728
WIP
T-W
5000
10000
15000
20000
25000
30000
35000
40000
45000
50000
55000
60000
65000
70000
Exp.1
IC(99)
0,349
0,236
0,205
0,167
0,146
0,125
0,110
0,108
0,104
0,103
0,096
0,091
0,091
0,083
Exp.2
IC(99)
0,403
0,311
0,247
0,202
0,183
0,177
0,160
0,148
0,139
0,115
0,114
0,115
0,108
0,099
Exp.3
IC(99)
0,453
0,313
0,283
0,254
0,228
0,207
0,190
0,177
0,159
0,147
0,133
0,127
0,119
0,117
- 341 -
Exp.4
IC(99)
0,365
0,257
0,207
0,178
0,171
0,155
0,140
0,134
0,123
0,120
0,109
0,100
0,096
0,089
Exp.5
IC(99)
0,412
0,323
0,283
0,253
0,218
0,184
0,167
0,158
0,146
0,142
0,136
0,138
0,129
0,121
T-W
5000
10000
15000
20000
25000
30000
35000
40000
45000
50000
55000
60000
65000
70000
Exp.1
IC(99)
4,829
3,490
3,069
2,531
2,185
1,887
1,637
1,581
1,504
1,481
1,369
1,311
1,316
1,166
Nivel de Servicio
Exp.2
Exp.3
IC(99)
IC(99)
5,415
5,829
4,235
4,123
3,469
3,708
2,773
3,337
2,514
2,964
2,476
2,648
2,073
2,400
1,822
2,236
1,720
2,048
1,384
1,913
1,385
1,706
1,331
1,659
1,234
1,568
1,207
1,508
- 342 -
Exp.4
IC(99)
4,661
3,647
2,973
2,519
2,329
2,067
1,894
1,832
1,735
1,731
1,536
1,432
1,321
1,249
Exp.5
IC(99)
6,144
5,045
4,192
3,806
3,365
2,807
2,490
2,255
1,950
1,944
1,911
1,951
1,831
1,728
W
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
11000
12000
13000
14000
15000
16000
17000
18000
19000
20000
21000
22000
23000
24000
25000
26000
27000
28000
29000
30000
Media
18,540
18,546
18,543
18,558
18,558
18,557
18,543
18,534
18,539
18,535
18,527
18,530
18,539
18,541
18,540
18,537
18,537
18,530
18,528
18,515
18,511
18,505
18,481
18,471
18,474
18,464
18,478
18,488
18,484
18,481
Experimento 1
WIP
IC(99)
0,115
0,114
0,120
0,118
0,119
0,122
0,126
0,129
0,133
0,129
0,127
0,133
0,131
0,130
0,130
0,129
0,128
0,124
0,121
0,116
0,118
0,117
0,120
0,115
0,115
0,123
0,120
0,119
0,114
0,110
- 343 -
Nivel de servicio
Media
IC(99)
27,349
1,770
27,286
1,792
27,257
1,861
27,049
1,847
17,056
1,863
27,113
1,882
27,257
1,997
27,151
2,053
26,993
2,085
27,000
2,036
27,138
2,024
27,113
2,074
27,024
2,065
27,067
2,034
27,009
2,043
27,154
2,047
27,227
2,016
27,397
1,926
27,474
1,901
27,749
1,881
27,737
1,918
27,826
1,863
28,207
1,850
28,420
1,792
28,498
1,817
28,592
1,811
28,555
1,793
28,491
1,720
28,460
1,686
28,418
1,627
Experimento 2
WIP
W
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
11000
12000
13000
14000
15000
16000
17000
18000
19000
20000
21000
22000
23000
24000
25000
26000
27000
28000
29000
30000
Media
22,691
22,689
22,683
22,687
22,680
22,670
22,654
22,685
22,691
22,708
22,699
22,714
22,676
22,675
22,679
22,677
22,682
22,671
22,664
22,654
22,660
22,659
22,646
22,632
22,630
22,621
22,596
22,582
22,590
22,581
IC(99)
0,179
0,177
0,170
0,168
0,165
0,172
0,176
0,173
0,178
0,179
0,182
0,177
0,169
0,169
0,160
0,156
0,158
0,157
0,156
0,155
0,155
0,158
0,156
0,161
0,170
0,174
0,177
0,176
0,168
0,160
- 344 -
Nivel de servicio
Media
IC(99)
41,955
2,474
41,833
2,472
41,803
2,413
41,822
2,367
41,909
2,342
42,088
2,483
42,092
2,484
41,723
2,464
41,647
2,495
41,508
2,457
41,525
2,471
41,580
2,358
41,913
2,281
41,767
2,232
41,677
2,135
41,855
2,134
41,897
2,182
42,067
2,158
42,158
2,118
42,282
2,075
42,097
2,072
42,104
2,162
42,234
2,153
42,363
2,166
42,444
2,237
42,636
2,246
42,820
2,301
42,823
2,284
42,727
2,202
42,733
2,073
W
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
11000
12000
13000
14000
15000
16000
17000
18000
19000
20000
21000
22000
23000
24000
25000
26000
27000
28000
29000
30000
Media
20,585
20,568
20,576
20,575
20,537
20,519
20,501
20,513
20,477
20,475
20,476
20,468
20,483
20,483
20,477
20,461
20,456
20,439
20,439
20,439
20,420
20,425
20,408
20,401
20,392
20,400
20,408
20,402
20,395
20,409
Experimento 3
WIP
IC(99)
0,175
0,185
0,192
0,191
0,188
0,198
0,195
0,198
0,200
0,190
0,188
0,184
0,178
0,179
0,187
0,189
0,182
0,180
0,181
0,178
0,173
0,168
0,176
0,178
0,179
0,185
0,190
0,193
0,196
0,190
- 345 -
Nivel de servicio
Media
IC(99)
36,646
2,283
36,828
2,363
36,736
2,419
36,805
2,421
37,282
2,413
27,485
2,491
37,565
2,486
37,456
2,533
37,862
2,593
37,927
2,509
37,987
2,531
38,077
2,472
37,953
2,396
37,956
2,415
38,029
2,525
38,143
2,563
38,194
2,500
38,351
2,443
38,315
2,414
38,330
2,341
38,518
2,272
38,570
2,242
38,923
2,273
39,065
2,253
39,173
2,231
39,113
2,329
39,065
2,378
39,007
2,431
38,914
2,462
28,802
2,400
W
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
11000
12000
13000
14000
15000
16000
17000
18000
19000
20000
21000
22000
23000
24000
25000
26000
27000
28000
29000
30000
Media
19,765
19,765
19,787
19,798
19,819
19,814
19,830
19,831
19,846
19,854
19,855
19,836
19,842
19,842
19,853
19,851
19,855
19,849
19,839
19,840
19,840
19,853
19,853
19,864
19,884
19,899
19,889
19,892
19,877
19,877
Experimento 4
WIP
IC(99)
0,134
0,133
0,133
0,133
0,140
0,146
0,153
0,150
0,151
0,149
0,149
0,148
0,147
0,142
0,142
0,140
0,151
0,152
0,145
0,144
0,138
0,143
0,144
0,142
0,138
0,142
0,139
0,139
0,142
0,140
- 346 -
Nivel de servicio
Media
IC(99)
32,162
1,720
32,236
1,737
31,956
1,737
31,788
1,723
31,624
1,777
31,763
1,876
31,625
1,939
31,703
1,933
31,612
1,980
31,545
1,978
31,510
1,951
31,709
1,948
31,643
1,923
31,643
1,919
31,524
1,957
31,419
1,871
31,359
1,927
31,467
1,847
31,601
1,857
31,572
1,878
31,567
1,829
31,559
1,901
31,590
1,921
31,383
1,908
31,368
1,821
31,283
1,872
31,323
1,864
31,333
1,850
31,633
1,922
31,630
1,894
Experimento 5
WIP
W
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
11000
12000
13000
14000
15000
16000
17000
18000
19000
20000
21000
22000
23000
24000
25000
26000
27000
28000
29000
30000
Media
20,132
20,132
20,124
20,109
20,097
20,074
20,063
20,056
20,040
20,047
20,039
20,036
20,032
20,019
20,031
20,015
20,025
20,041
20,032
20,015
20,013
20,007
20,012
20,027
20,033
20,005
19,992
19,980
19,958
19,971
IC(99)
0,152
0,157
0,162
0,165
0,161
0,159
0,162
0,163
0,161
0,162
0,166
0,170
0,174
0,177
0,183
0,188
0,188
0,184
0,182
0,186
0,180
0,180
0,174
0,176
0,177
0,173
0,172
0,172
0,172
0,167
- 347 -
Nivel de servicio
Media
IC(99)
35,784
2,576
35,697
2,641
35,781
2,675
35,987
2,700
36,318
2,592
36,652
2,578
36,821
2,576
36,988
2,491
37,095
2,434
37,031
2,471
37,248
2,568
37,442
2,652
37,618
2,660
37,722
2,661
37,595
2,709
37,765
2,841
37,606
2,920
37,494
2,912
37,770
2,900
37,983
2,888
38,082
2,782
38,109
2,737
38,087
2,714
38,018
2,726
38,205
2,677
38,446
2,556
38,548
2,566
38,761
2,580
39,001
2,545
38,761
2,490
WIP
W
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
11000
12000
13000
14000
15000
16000
17000
18000
19000
20000
21000
22000
23000
24000
25000
26000
27000
28000
29000
30000
Exp.1
IC(99)
0,115
0,114
0,120
0,118
0,119
0,122
0,126
0,129
0,133
0,129
0,127
0,133
0,131
0,130
0,130
0,129
0,128
0,124
0,121
0,116
0,118
0,117
0,120
0,115
0,115
0,123
0,120
0,119
0,114
0,110
Exp.2
IC(99)
0,179
0,177
0,170
0,168
0,165
0,172
0,176
0,173
0,178
0,179
0,182
0,177
0,169
0,169
0,160
0,156
0,158
0,157
0,156
0,155
0,155
0,158
0,156
0,161
0,170
0,174
0,177
0,176
0,168
0,160
Exp.3
IC(99)
0,175
0,185
0,192
0,191
0,188
0,198
0,195
0,198
0,200
0,190
0,188
0,184
0,178
0,179
0,187
0,189
0,182
0,180
0,181
0,178
0,173
0,168
0,176
0,178
0,179
0,185
0,190
0,193
0,196
0,190
- 348 -
Exp.4
IC(99)
0,134
0,133
0,133
0,133
0,140
0,146
0,153
0,150
0,151
0,149
0,149
0,148
0,147
0,142
0,142
0,140
0,151
0,152
0,145
0,144
0,138
0,143
0,144
0,142
0,138
0,142
0,139
0,139
0,142
0,140
Exp.5
IC(99)
0,152
0,157
0,162
0,165
0,161
0,159
0,162
0,163
0,161
0,162
0,166
0,170
0,174
0,177
0,183
0,188
0,188
0,184
0,182
0,186
0,180
0,180
0,174
0,176
0,177
0,173
0,172
0,172
0,172
0,167
W
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
11000
12000
13000
14000
15000
16000
17000
18000
19000
20000
21000
22000
23000
24000
25000
26000
27000
28000
29000
30000
Exp.1
IC(99)
1,770
1,792
1,861
1,847
1,863
1,882
1,997
2,053
2,085
2,036
2,024
2,074
2,065
2,034
2,043
2,047
2,016
1,926
1,901
1,881
1,918
1,863
1,850
1,792
1,817
1,811
1,793
1,720
1,686
1,627
Nivel de Servicio
Exp.2
Exp.3
IC(99)
IC(99)
2,474
2,283
2,472
2,363
2,413
2,419
2,367
2,421
2,342
2,413
2,483
2,491
2,484
2,486
2,464
2,533
2,495
2,593
2,457
2,509
2,471
2,531
2,358
2,472
2,281
2,396
2,232
2,415
2,135
2,525
2,134
2,563
2,182
2,500
2,158
2,443
2,118
2,414
2,075
2,341
2,072
2,272
2,162
2,242
2,153
2,273
2,166
2,253
2,237
2,231
2,246
2,329
2,301
2,378
2,284
2,431
2,202
2,462
2,073
2,400
- 349 -
Exp.4
IC(99)
1,720
1,737
1,737
1,723
1,777
1,876
1,939
1,933
1,980
1,978
1,951
1,948
1,923
1,919
1,957
1,871
1,927
1,847
1,857
1,878
1,829
1,901
1,921
1,908
1,821
1,872
1,864
1,850
1,922
1,894
Exp.5
IC(99)
2,576
2,641
2,675
2,700
2,592
2,578
2,576
2,491
2,434
2,471
2,568
2,652
2,660
2,661
2,709
2,841
2,920
2,912
2,900
2,888
2,782
2,737
2,714
2,726
2,677
2,556
2,566
2,580
2,545
2,490
Experimento 1
WIP
n
5
10
15
20
25
30
35
40
45
50
Media
18,538
18,567
18,635
18,607
18,590
18,555
18,553
18,554
18,538
18,530
IC(99)
0,377
0,232
0,179
0,154
0,137
0,145
0,149
0,143
0,135
0,124
Nivel de servicio
Media
IC(99)
28,295
6,805
27,507
3,899
26,148
3,160
26,432
2,691
26,846
2,426
27,227
2,330
27,042
2,316
27,083
2,220
27,350
2,055
27,397
1,926
Experimento 2
WIP
n
5
10
15
20
25
30
35
40
45
50
Media
22,779
22,847
22,807
22,766
22,669
22,664
22,660
22,649
22,646
22,671
IC(99)
0,339
0,238
0,178
0,153
0,197
0,185
0,183
0,168
0,160
0,157
- 350 -
Nivel de servicio
Media
IC(99)
22,664
4,327
20,587
4,418
20,434
3,237
20,408
2,643
20,396
2,802
20,409
2,566
20,383
2,504
20,423
2,310
20,417
2,154
20,439
2,158
Experimento 3
WIP
n
5
10
15
20
25
30
35
40
45
50
Media
22,664
20,587
20,434
20,408
20,396
20,409
20,383
20,423
20,417
20,439
IC(99)
0,475
0,386
0,329
0,291
0,255
0,227
0,203
0,191
0,175
0,173
Nivel de servicio
Media
IC(99)
19,790
6,294
19,790
5,256
19,803
4,700
19,836
4,083
19,762
3,508
19,829
3,115
19,850
2,735
19,872
2,581
19,839
2,332
19,849
2,331
Experimento 4
WIP
n
5
10
15
20
25
30
35
40
45
50
Media
19,790
19,790
19,803
19,836
19,762
19,829
19,850
19,872
19,839
19,849
IC(99)
0,278
0,164
0,161
0,212
0,214
0,210
0,190
0,175
0,162
0,152
Nivel de servicio
Media
IC(99)
33,449
4,094
32,871
2,375
32,329
2,411
31,824
2,740
32,542
2,590
31,699
2,524
31,323
2,286
31,103
2,142
31,583
2,024
31,467
1,947
Experimento 5
WIP
n
5
10
15
20
25
30
35
40
45
50
Media
20,166
20,249
20,158
20,153
20,071
20,134
20,077
20,037
20,055
20,031
IC(99)
0,288
0,321
0,318
0,249
0,259
0,236
0,211
0,204
0,190
0,183
- 351 -
Nivel de servicio
Media
IC(99)
35,877
6,789
34,466
5,451
35,422
5,028
35,346
4,055
36,459
3,887
35,876
3,417
37,007
3,238
37,333
3,112
37,268
2,873
37,595
2,709
WIP
n
5
10
15
20
25
30
35
40
45
50
Exp.1
IC(99)
0,377
0,232
0,179
0,154
0,137
0,145
0,149
0,143
0,135
0,124
Exp.2
IC(99)
0,339
0,238
0,178
0,153
0,197
0,185
0,183
0,168
0,160
0,157
Exp.3
IC(99)
0,475
0,386
0,329
0,291
0,255
0,227
0,203
0,191
0,175
0,173
Exp.4
IC(99)
0,278
0,164
0,161
0,212
0,214
0,210
0,190
0,175
0,162
0,152
Exp.5
IC(99)
0,288
0,321
0,318
0,249
0,259
0,236
0,211
0,204
0,190
0,183
n
5
10
15
20
25
30
35
40
45
50
Exp.1
IC(99)
6,805
3,899
3,160
2,691
2,426
2,330
2,316
2,220
2,055
1,926
Nivel de Servicio
Exp.2
Exp.3
IC(99)
IC(99)
4,327
6,294
4,418
5,256
3,237
4,700
2,643
4,083
2,802
3,508
2,566
3,115
2,504
2,735
2,310
2,581
2,154
2,332
2,158
2,331
Exp.4
IC(99)
4,094
2,375
2,411
2,740
2,590
2,524
2,286
2,142
2,024
1,947
Exp.5
IC(99)
- 352 -
6,789
5,451
5,028
4,055
3,887
3,417
3,238
3,112
2,873
2,709