Application of the Manova multivariate technique to two control variables from three simulation models of a productive process

Authors

DOI:

https://doi.org/10.31908/19098367.2056

Keywords:

Multivariate statistics, Manova, Simulated models, Control variables

Abstract

In this article, the improvement of the manufacturing process of a construction brick producing company in the city of Santa Marta was studied. By simulation, the current process has been modeled and improvement alternatives have been established. The performance of these simulated processes has been assessed using the variables cost per lot (in Colombian pesos) and the time in the System (in hours), both programmed in the simulated models and which were established as control variables. These variables are the components of a bivariate vector whose values were obtained from samples derived from replicating each of the models, which were then analyzed using a technique derived from multivariate statistics called Manova. The multivariate hypothesis test shows that one of the models presents better performance. Based on the results, it is concluded that the company should adopt the improvement found in the simulation.

Author Biographies

  • Jhon Jairo Vargas Sánchez, Universidad del Magdalena

    Nació en Manizales (Caldas), el 16 de junio de 1971. Doctor en Ingeniería de la Universidad Nacional de Colombia y Magíster en Investigación Operativa y Estadística de la Universidad Tecnológica de Pereira e Ingeniero Industrial de la Universidad Nacional de Colombia. Docente de planta de la Facultad de Ingeniería de la Universidad del Magdalena. Director del grupo de Investigación en Estadística y Métodos cuantitativos de esta misma Universidad. Entre sus investigaciones se encuentran modelos de análisis envolvente de datos, estadística multivariada, series de tiempo y estadística aplicada

  • José Jorge Muñoz Mercado, Universidad del Magdalena

    Nació en Pivijay (Magdalena), el 07 de octubre del 2000. Ingresó como estudiante de la Universidad del Magdalena en el programa de Ingeniería Industrial en el segundo semestre del 2016. Actualmente se encuentra en estado académico finalizado en el programa de Ingeniería Industrial, vinculado al semillero de investigación Estadística y Métodos Cuantitativos de la Universidad del Magdalena. Sus intereses al obtener el título de pregrado son aplicar a estudios de posgrado en Ingeniería Industrial o Ciencias de los datos y, la investigación en esta última.

  • Nayeth Alejandra Paba Luna, Universidad del Magdalena

    Nació en Santa Marta (Magdalena), el 19 de febrero de 1999. Ingresó como Estudiante de la Universidad del Magdalena en el segundo semestre del año 2016 al programa de Ingeniería Industrial. Actualmente se encuentra en estado académico finalizado en el programa de Ingeniería Industrial., vinculada al semillero de investigación Estadística y Métodos Cuantitativos de la Universidad del Magdalena, sobresaliendo con sus últimas calificaciones, ocupando éstas el tercer puesto en su cohorte. Sus intereses son el Análisis de datos, Optimización de procesos y la Estadística aplicada.

  • Nicolás Ordoñez Castro, Universidad del Magdalena

    Nació en San Gil (Santander), el 18 de enero de 1997. Empezó sus estudios de pregrado en el año 2014 en la Universidad del Magdalena, en el programa de Ingeniería Industrial logrando con sus últimas calificaciones obtenidas destacarse ocupando con ellas el primer puesto de su cohorte. Actualmente obtuvo su título de Ingeniero Industrial y está dedicado a la ingeniería de procesos en procesos de cultivo.

References

Pimienta, C. (2019). ANDI, Comité del sector Ladrillero. Recuperado de http://www.andi.com.co/Home/Noticia/15597-ladrilleras-de-colombia-unidas-en-nuevo.

Estadísticas del comercio para el desarrollo internacional de las empresas.https://www.trademap.org/Country_SelProductCountry_Map.aspx?nvpm=3%7c170%7c%7c%7c%7c6904%7c%7c%7c4%7c1%7c2%7c2%7c1%7c1%7c2%7c1%7c1,2019.

Indicadores Económicos Alrededor de la Construcción (IEAC). (2019).https://www.dane.gov.co/files/investigaciones/boletines/pib_const/Bol_ieac_IIItrim19.pdf.

Stirzaker, D. Stochastic processes and models. Oxford UniversityPress, 2005.

Vargas, J. J. Simulación basada en probabilidad. U. Autónoma de Manizales, 2013.

Torres, P. Simulación de sistemas con el software Arena. Fondo editorial Universidad de Lima, 2017.

García, E., García, H., y Cárdenas, L. Simulación y análisis de sistemas con ProModel. Segunda edición. México: Pearson, 2013.

Salvador Figueras, M. (2000): "Introducción al Análisis Multivariante", [en línea] 5campus.com, Estadística [2019].

Dallas, E. J. Métodos multivariados aplicados al análisis de datos. México: International Thomson Editores, S. A. 2000.

Ferrán, M. SPSS para Windows. Programación y análisis estadístico. Madrid: McGrawHill, 1996.

Díaz, L. G y Morales, M. A. Análisis estadísticos de datos multivariados. Bogotá: Universidad Nacional de Colombia. 2012.

Hair, J., Anderson, R., Tatham, R., y Black, W. Análisis Multivariante Quinta edición. Madrid: Prentice Hall, 2000.

Basu, A. K. Introduction to stochastic processes. Alpha Science International Ltd, 2003.

Brzezniak, Z., y Zastawniak, T. Basic stochastic processes. Springer, 1999.

Darnton, G. Business Process Analysis. Cengage Learning Emea. 2012.

De Smith, M. Statistical Analysis Handbook. The Winchelsea Press, 2018.

Field, A. Discovering Statistics Using IBM SPSS Statistics. Fourth Edition. Londres: SAGE Publications Ltd, 2013.

Gil, I., Guevara, J., García, J., Leguizamón, A., y Rodríguez, G. Process Analysis and Simulation in Chemical Engineering. Springer International Publishing, 2016.

Grimmett, G. R., y Stirzaker, D. R. Probability and random processes. Oxford: Clarendon Press, 1982.

Himmelblau, D., y Bischoff, K. Process Analysis and Simulation. New York: John Wiley and Sons, Inc. 1968.

Kerlinger, F. y Lee, H. Investigación del comportamiento. Métodos de investigación en ciencias sociales. México: McGraw-Hill, 2002.

Lizasoain, L. y Joaristi, L. Gestión y análisis de datos con SPSS. Versión 11. Madrid: Thompson, 2003.

Marqués de Sá, J. Applied Statistics Using SPSS, STATISTICA, MATLAB and R. Second Edition. Heidelberg: Springer, 2007.

Martínez, C. Estadística y Muestreo. Bogotá: Ecoe editores. 2000.Romero, R. Curso de introducción a los métodos de análisis estadístico multivariante. Universidad Politécnica de Valencia, 1997.

Mourtzis, D., Doukas, M and Bernidaki, D, “Simulation in Manufacturing: Review and Challenges”, Procedia CIRP, vol. 25, pp. 213-229.

Sánchez, P.A., Ceballos, F y Sánchez, G, “Análisis del proceso productivo de una empresa de confecciones: modelación y simulación”, Ciencia e Ingeniería Neogranadina, vol. 25, no. 2, pp. 137-150, Julio 2014. DOI: http://dx.doi.org/10.18359/rcin.1436.

Davis, J., Eisenhardt, K. and Bingham, C, “Developing theory through simulation methods”, Acad. Manag., vol. 32, no. 2, pp. 480-499,Abril2007. DOI: https://doi.org/10.5465/amr.2007.24351453.

Ramanathan, U, "Performance of supply chain collaboration – A simulation study", Expert Systems with Applications, vol. 41, no. 1, pp. 210-220, 2014. DOI: https://doi.org/10.1016/j.eswa.2013.07.022.

Jungwon, Y, "Assembly simulations in virtual environments with optimized haptic path and sequence", Robotics and Computer-Integrated Manufacturing, vol. 27, no. 2, pp. 306-317, Abril 2011. DOI: https://doi.org/10.1016/j.rcim.2010.07.015.

Brondi, C and Carpanzano, E, “A modular framework for the LCA-based simulation of production systems”, CIRP Journal of Manufacturing Science and Technology, vol. 4, no. 3, pp. 305-312, 2011. DOI: https://doi.org/10.1016/j.cirpj.2011.06.006.

Banu, Y and Arslan, M, “A simulation based experimental design to analyze factors affecting production flow time”, Simulation Modelling Practice and Theory, vol. 16, no. 1, pp. 278-293. Febrero 2008. DOI: 10.1016/j.simpat.2007.11.016.

Eryilmaz, M., Kusakci, A., Gavranovic, H and Findik, F, “Analysis of Shoe Manufacturing Factory By Simulation of Production Processes,” Southeast Eur. J. Soft Comput., vol. 1, no. 1, pp. 120–127, 2017. DOI: http://dx.doi.org/10.21533/scjournal.v1i1.81.

Correa, A. P., Castro, J. A., Garcés, C y Ceballos, Y.F, “Simulación y evaluación de un proceso productivo de suelas termoplásticas en Colombia”, Entre Ciencia e Ingeniería, vol. 14, no. 28, pp.10-16, julio diciembre 2020.

Spotorno, R., Pochettino, D. E., Pasero, O., Ohse, J y García, F, “Estudio y desarrollo de un secadero de adobes de ladrillos macizos”, Extensionismo, Innovación y Transferencia Tecnológica, vol. 4, pp. 229.239, 2018. DOI: http://dx.doi.org/10.30972/eitt.402890.

Sora, J, “Sistema de mantenimiento de maquinarias para productoras de ladrillos”, Tesis de Pregrado, Universidad Peruana de Ciencias Aplicadas, Lima, Perú, 2010.

Garay, H, “Revisión Sistemática: Calidad de la Producción de los Ladrillos Artesanales”, Trabajo de investigación, Universidad Privada del Norte, Cajamarca, Perú, 2018.

Huayta, F, “Indicadores de gestión empresarial en la producción de ladrillo artesanal de la región Junín”, Tesis de Maestría, Universidad Nacional del Centro de Perú, Huancayo, Perú, 2014.

Barranzuela, J, “Proceso productivo de los ladrillos de arcilla producidos en la Región Piura”, Tesis de pregrado, Universidad de Piura. Facultad de Ingeniería, Piura, Perú, 2014.

Arizabal, A, “Plan de implementación del sistema de cámara de secado en la producción de ladrillos mecanizados Santa Bárbara S.R.L.”, Tesis de Pregrado, Universidad Andina del Cusco, Cusco, Perú, 2015.

Arce, h y castro, j, “Reingeniería del proceso de mezcla y secado para optimizar las propiedades del ladrillo techo 15 en ladrillera Sagitario”, Tesis de Pregrado, Universidad San Ignacio de Loyola, Facultad de Ingeniería, Lima, Perú, 2017.

Downloads

Published

2020-12-21

Issue

Vol. 14 No. 28 (2020)

Section

Artículos

How to Cite

Application of the Manova multivariate technique to two control variables from three simulation models of a productive process. (2020). Entre Ciencia E ingeniería, 14(28), 66-75. https://doi.org/10.31908/19098367.2056