Simulación en tiempo discreto de un proceso de abastecimiento de combustible como una herramienta de toma de decisiones
Caso estación de servicios en Barranquilla
Palabras clave:
Simulación, Capacidad, Colas, Productividad, Probabilidad, Toma de decisionesResumen
Se presenta un análisis de un modelo de líneas de espera, específicamente en una estación de servicio que posee algunos problemas de tráfico y productividad, lo cual afecta negativamente el nivel de servicio y la sostenibilidad de la empresa. A partir de conceptos de la simulación y modelaje de procesos, soportados en la teoría de la probabilidad, estadística matemática y modelos de colas de espera, se obtuvo un modelo computacional de simulación que recrea la realidad que vive el sistema actual, generando estadísticas vitales para el proceso de toma de decisiones. La investigación tiene un enfoque descriptivo dentro de un estudio piloto de un proyecto de simulación de tráfico en una de las localidades de la ciudad de Barranquilla, Colombia y su interacción con el sistema de transporte masivo. El modelo permite diagnosticar el comportamiento estadístico de las estaciones de suministro apoyando la toma de decisiones estratégicas relacionadas con la capacidad instalada.
Descargas
Referencias
Blanco, L. (2012). Probabilidad (segunda edición). Bogotá, Colombia: Universidad Nacional de Colombia.
Chase, R., Jacobs, F. & Aquilano, N. (2009). Administración de Operaciones. Producción y Cadena de Suministro (Duodécima edición). (E. Zúñiga, Ed.). México D.F., México: McGraw-Hill.
Gómez, F. (2008). Aplicación de teoría de colas en una entidad financiera: Herramienta para el mejoramiento de los procesos de atención al cliente. Revista Universidad EAFIT, 44(150), 51-63.
Greasley, A. (2003). Using business-process simulation within a business-process reengineering approach. Business Process Management Journal, XI(4), 408- 420.
Grimmett, G. & Stirkzaker, D. (2001). Probability and Random Processes. London: Oxford University Press.
Helquist, J., Deokar, A., Cox, J. & Walker, A. (2012). Analyzing process uncertainty through virtual process simulation. Business Process Management Journal, XVII(1), 4-19.
Hillier, F. & Lieberman, G. (2010). Introduction to Operations Research. Columbus: McGraw-Hill Higher Education.
Hogg, R. & Craig, A. (1995). Introduction to Mathematical Statistics. China: Higher Education Press.
Kelton, W., Sadowski, R. & Sturrock, D. (2004). Simulation with Arena (tercera edición). Boston: McGraw- Hill.
Llinás, H. (2010). Estadística Inferencial. Barranquilla: Ediciones Uninorte.
Llinás, H. & Rojas, C. (2012). Estadística descriptiva y distribuciones de probabilidad. Barranquilla: Editorial Universidad del Norte.
Mayorga, J. (2004). Inferencia estadística (primera edición). Bogotá: Universidad Nacional de Colombia.
Mayorga, J. & Muñoz, L. (junio de 2010). Bondad de ajuste empleando la función generadora de momentos. Revista Colombiana de Estadística, XXXIII(1), 111-125.
Taha, H. (2005). Investigación de operaciones. México: Pearson Education.
Verma, R., Gibbs, G. & Gilgan, R. (2000). Redesigning check-processing operations using animated computer simulation. Business Process Management Journal, VI(6), 54-64.
Walpole, R., Myers, R. & Myers, S. (1998). Probabilidad y estadística para ingenieros (sexta edición). México D.F., México: Pearson Educations.
Zacchea, N. (1995). The use of computer modelling and simulation in the audit process. Managerial Auditing Journal, X(1), 25-30. Dictamen Libre,
