Evaluación del impacto de la implementación de un ERP para el proceso de atención al cliente en una Mype

Texto completo

(1)1. FACULTAD DE INGENIERÍA Carrera de Ingeniería Empresarial. EVALUACIÓN DEL IMPACTO DE LA IMPLEMENTACIÓN DE UN ERP PARA EL PROCESO DE ATENCIÓN AL CLIENTE EN UNA MYPE Trabajo de Investigación para optar el Grado Académico de Bachiller en Ingeniería Empresarial. YULISA HAYDEE MURILLO BARRIENTOS DIANA ESTRELLA NARVAEZ BARRETO RUTH PILLACA QUISPE SLHI RAFAEL QUISPE ECOS Lima – Perú 2019.

(2) III Índice General Índice de Tablas. III. Índice de Ilustraciones. IV. Índice de Anexos. V. Introducción. 1. Problema de la Investigación. 2. Justificación de la investigación. 3. Marco referencial. 5. Objetivos e hipótesis. 8. Alcances y Limitaciones. 9. Método. 9. Población, Muestra y Unidad de Análisis. 10. Variables. 11. Técnicas e Instrumentos de Recolección de Datos. 12. Procedimientos. 13. Resultados. 35. Conclusiones. 54. Recomendaciones. 55. Referencias. 56. Anexos. 58.

(3) IV. Índice de Tablas. Tabla 1 Información Reclamos hasta 2019. 3. Tabla 2 Diseño de la Investigación. 14. Tabla 3 Indicadores de la Variable Dependiente. 16. Tabla 4 Indicadores de la Variable Independiente. 17. Tabla 5 Niveles de Venta. 19. Tabla 6 Ciclo de Arribos AS IS. 21. Tabla 7. Distribución AS IS. 22. Tabla 8. Proceso en ProModel AS IS. 24. Tabla 9. Ciclo de Arribos Modelo TO BE. 32. Tabla 10. Distribución de las Variables TO BE. 33. Tabla 11. Proceso en ProModel TO BE. 34. Tabla 12. Réplicas exportadas - Variable Tiempo de Ciclo. 38. Tabla 13. Cálculo del Número de Réplicas – Variable Tiempo de Ciclo. 39. Tabla 14. Número de Réplicas – Variable Tiempo de Ciclo. 40. Tabla 15. Comparación de Escenarios – Tiempo de Ciclo. 42. Tabla 16. Réplicas exportadas - Variable Tiempo de Registrar Pedido. 45. Tabla 17. Cálculo del Número de Réplicas – Variable Tiempo de Registrar Pedido. 46. Tabla 18. Número de Réplicas – Variable Tiempo de Registrar Pedido. 47. Tabla 19. Comparación de Escenarios – Tiempo de Registrar Pedido. 49. Tabla 20. Réplicas exportadas - Variable Tiempo de Pago de Pedido. 52. Tabla 21. Cálculo del Número de Réplicas – Variable Tiempo de Pago de Pedido. 53. Tabla 22. Número de Réplicas – Variable Tiempo de Pago de Pedido. 54. Tabla 23. Comparación de Escenarios – Tiempo de Pago de Pedido. 56.

(4) V Índice de Ilustraciones. Ilustración 1 Diagrama de Pareto Reclamos hasta julio 2019. 4. Ilustración 2 Diagrama de Causa Efecto Demora en Proceso de Atención. 5. Ilustración 3 Diagrama de Pareto. 6. Ilustración 4 Flujo de Proceso AS IS. 15. Ilustración 5. Locaciones AS IS. 17. Ilustración 6. Entidades AS IS. 18. Ilustración 7. Arribos AS IS. 18. Ilustración 8. Redes de Rutas AS IS. 19. Ilustración 9. Recursos AS IS. 19. Ilustración 10. Atributos AS IS. 19. Ilustración 11. Variables AS IS. 20. Ilustración 12. Escenario de Simulación AS IS. 25. Ilustración 13 Flujo del Proceso TO BE. 27. Ilustración 14. Locaciones TO BE. 28. Ilustración 15. Entidades TO BE. 30. Ilustración 16. Arribos TO BE. 30. Ilustración 17. Redes de Rutas TO BE. 30. Ilustración 18. Recursos TO BE. 31. Ilustración 19. Atributos TO BE. 31. Ilustración 20. Variables TO BE. 32. Ilustración 21. Escenario de Simulación TO BE. 35. Ilustración 22. Réplicas de la muestra - Variable Tiempo de Ciclo. 37. Ilustración 23. Réplicas – Variable Tiempo de Ciclo. 41. Ilustración 24. Cuadro de Análisis para la Hipótesis – Variable Tiempo de Ciclo. 43. Ilustración 25. Réplicas de la muestra - Variable Tiempo de Registrar Pedido. 44. Ilustración 26. Réplicas – Variable Tiempo de Registrar Pedido. 47. Ilustración 27. Análisis para la Hipótesis – Variable Tiempo de Registrar Pedido. 50. Ilustración 28. Réplicas de la muestra - Variable Tiempo de Pago de Pedido. 51. Ilustración 29. Réplicas – Variable Tiempo de Pago de Pedido. 55. Ilustración 30. Análisis para la Hipótesis – Variable Tiempo de Pago de Pedido. 57.

(5) VI Índice de Anexos. Anexo 1 Ficha Técnica de Observación AS IS. 59. Anexo 2 Cálculo de tiempo en minutos para el Modelo AS IS. 63. Anexo 3 Ficha Técnica de Observación TO BE. 64. Anexo 4 Cálculo de tiempo en minutos para el Modelo TO BE. 66. Anexo 5 Tabla de distribución T. 67. Anexo 6 Réplicas del Modelo AS IS de la Variable Tiempo de Ciclo. 69. Anexo 7 Réplicas del Modelo TO BE de la Variable Tiempo de Ciclo. 70. Anexo 8 Tabla de distribución Normal (Z positivo). 71. Anexo 9 Réplicas del Modelo AS IS - Variable Tiempo de Registro de Pedido. 74. Anexo 10 Réplicas del Modelo TO BE - Variable Tiempo de Registro de Pedido. 75. Anexo 11 Réplicas del Modelo AS IS - Variable Tiempo de Pago del Pedido. 76. Anexo 12 Réplicas del Modelo TO BE - Variable Tiempo de Pago del Pedido. 77.

(6) 1 Introducción El presente trabajo de investigación tiene por objetivo determinar, aplicando la herramienta de simulación ProModel, el impacto que produce la implementación del Sistema de Gestión de Recursos Empresariales (ERP) sobre el proceso de atención al cliente de la Mype Kokys SAC. La importancia de estudiar este tema en particular radica en que las Mypes poseen un papel fundamental en la economía del país, dado esto, se busca incrementar su competitividad para que puedan mantenerse a flote en el mercado y tener un crecimiento continuo. Por lo cual, la implementación de este sistema es de suma relevancia por ser uno de los factores decisivos para la diferenciación en la gestión integrada del negocio. A lo largo del trabajo de investigación, se pretende dar a conocer la importancia del uso de las herramientas de simulación de sistemas como paso inicial para la implementación un sistema de información, de esta forma, apoyar a las empresas a la toma de decisiones más acertadas e informadas antes tomar una acción. En la primera sección, se presenta la formulación, la justificación del estudio de la problemática existente y se plantea una alternativa de solución. En la segunda sección, se desarrolla el marco teórico con los conceptos principales del negocio y del sistema a implementar para la comprensión y elaboración de la investigación; asimismo, se describen los objetivos, alcances y limitaciones encontrados que soportan la propuesta planteada. En la tercera sección, se define el método, tipo y diseño de la investigación, además, se realiza la identificación de las técnicas e instrumentos de recolección de datos, la población, muestra, unidad de análisis y variables de la de investigación para continuar con todos la especificación de procedimientos implementados. En la cuarta sección, se presentan los resultados relevantes después de la aplicación de los procedimientos, así como conclusiones y recomendaciones derivadas del trabajo que permitan extender la investigación en un futuro. Se incluyen los anexos en donde se agrupan las principales evidencias de los instrumentos de recolección de datos, el análisis de los datos y el cálculo de las réplicas necesarias para determinar los resultados de la investigación..

(7) 2. Problema de la Investigación Descripción del proceso de atención al cliente La Mype se encarga de captar clientes mediante la venta pollos a la brasa entre otros platos a la carta a través de la atención presencial del establecimiento. El área de atención al cliente cuenta con 02 mozos, 01 cocinero, 01 ayudante y 01 cajera en un solo canal de atención. Se brinda atención a los clientes desde la llegada a la empresa, consumo y pago de servicio.. Nivel de ventas Respecto al nivel de venta por días, existe 3 posibles niveles de venta que experimenta la empresa a largo de todo el año, según los siguientes escenarios:  Pesimista: número de pollos vendidos en un día de demanda baja. La cantidad de pollos vendidos al día es 20 (lunes y martes). . Optimista: número de pollos vendidos en un día de demanda alta. La cantidad de pollos vendidos al día es 70 (sábado y domingo).. . Más probable: número de pollos vendidos en un día de demanda normal. La cantidad de pollos vendidos al día es 30 (miércoles, jueves y viernes).. Cabe destacar que para el cálculo del número promedio de clientes en un día se contó la cantidad de boletas emitidas, debido a que una boleta representa a una venta realizada por un cliente, se concluyó que el número promedio de pedidos en un día es de 42.. Además, en relaciones a los horarios de la empresa, atienden de 12PM a 11PM, los trabajadores no tienen descansos, respecto a los 2 mozos, uno atiende en el horario de 12pm a 5.30 pm y el otro de 5:30pm a 11pm..

(8) 3 Descripción del problema Considerando que el desempeño de las operaciones manuales de la empresa, se precisa que no se ha tomado acciones necesarias para planificar acciones cuando hay gran afluencia de clientes, lo cual es una desventaja, ya que esto conlleva a obtener un tiempo de espera bastante alto, el cual se incrementa debido al flujo de información deficiente. Lo que incrementa los tiempos de espera e influye en la percepción de atención de la calidad en la atención a los clientes; asimismo, el sistema de facturación simple actual que usa la empresa para la atención no contribuye en la mejora de este problema. Esto se refleja al momento en que los clientes se acercan a realizar el pago y el cajero tiene que preguntar y digitar la venta por transacción al momento de la atención lo que ocasiona que el tiempo de atención de estos clientes dure entre 5 y 10 minutos, ocasionando así que los tiempos de atención de los clientes se incremente y exceda el tiempo establecido. Asimismo, la falta de capacitación del personal para realizar estas y otras operaciones manuales, y la ausencia de un guía de atención al cliente influyen en el incremento de los tiempos de atención y, por ende, en los tiempos de espera de los clientes. Solucionar esta debilidad del sistema es relevante para la Mype, ya que, como toda empresa emprendedora, el éxito de la misma se basa en la percepción que los clientes puedan tener de esta atención y servicio ofrecido. Además, en lo que concierne al servicio, básicamente en atención en la pollería, en el nivel de satisfacción del cliente se mide por la calidad recibida en base a la atención de los mozos, es aquí donde influye el tiempo de espera de cada cliente, mientras más alto sea el tiempo de espera, más disconforme estará la experiencia y percepción de la Mype. Esta mala percepción de empresa se traduce en disconformidades de los clientes que se reportan a través de reclamos, los cuales se muestran a continuación:. Tabla 1 Información Reclamos hasta 2019. Frecuencia % Acumulado Reclamos 39 Demora en la atención al cliente 39% 28 Inadecuada atención al cliente 66% 16 Transacciones mal realizadas 82% 18 Pedidos cancelados 100% 101 200% Fuente: La Empresa. Porcentaje 0.38613861 0.27722772 0.15841584 0.17821782 1.

(9) 4 Ilustración 1 Diagrama de Pareto Reclamos hasta julio 2019. Problemas. Diagrama de Pareto - Reclamos hasta Julio 2019 100% 80% 60% 40% 20% 0%. 100 80 60 40 20 0. Demora en la atención al cliente Frecuencia 39 % Acumulado 39%. Inadecuad a atención al cliente. Transacci ones mal realizadas. Pedidos cancelado s. 28 66%. 16 82%. 18 100%. Fuente: Elaboración propia basada en datos de la Mype En esta figura se aprecia que la demora en la atención al cliente es un 39% del total de quejas hasta Julio del 2019, esto significa que los clientes no quedan totalmente satisfechos con la atención brindada y se traduce en una mala percepción del sistema de atención que brinda la pollería. Es por ello que presente trabajo de investigación tiene el objetivo principal el proceso de atención para poder reducir el tiempo de espera y brindar una mejor atención a los clientes, mejorando los índices de satisfacción de los mismos y poder convertirse en la pollería con los clientes más satisfechos de su mercado.

(10) 5 Identificación de la Causa Raíz del Problema Para analizar las causas del problema planteado se utilizará el Diagrama de Ishikawa o Diagrama de Espina de Pescado.. Ilustración 2 Diagrama de Causa Efecto Demora en Proceso de Atención. Fuente: Elaboración propia basada en La Empresa. Del diagrama de causa efecto y la lluvia de ideas, la mayoría de las causas están relacionados directamente con el método realizado, es decir, por la falta de innovación y por procedimientos inadecuados. Con los datos de ambas gráficas se procedió a hacer el siguiente diagrama de Pareto:.

(11) 6 Ilustración 3 Diagrama de Pareto. Causas de la demora en la atención al cliente 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0%. 60 50 40 30 20 10 0. Frecuencia % Acumulado 80-20. Fuente: Elaboración propia Con el Diagrama de Pareto se tiene una vista más clara de las principales causas que se tiene que abordar para poder reducir el tiempo de espera de los clientes. Significa que atacando las 3 primeras causas se solucionaría el 80 % de los problemas. Es en estos puntos a los que se apunta realizar la propuesta de mejora en orden de mejorar o reducir el tiempo de espera de los clientes..

(12) 7. Solución del Problema En la actualidad, es evidente las ventajas competitivas de la implementación de un Sistema de Información Empresarial en las empresas; sin embargo, las empresas pequeñas no emprenden este reto debido que existe una brecha con diferentes factores limitantes para esta adopción. A pesar de las ventajas del uso de TIC en las organizaciones, se observa que las pequeñas empresas no realizan una adopción comprometida de estas debido a factores como: escasez de recursos financieros, humanos y tecnológicos, y la carencia de una cultura organizativa que incluya su uso (Hoyos & Valencia, 2012, p. 106). En este marco, para una pequeña empresa en busca de adopción de nueva tecnología, la adquisición y mantenimiento implica más complejidad, por ello este trabajo de investigación busca evaluar el impacto que generaría la implementación de un sistema en un proceso de negocio, con el objetivo de asegurar la obtención de beneficios y reducción de brechas limitantes encontradas. En efecto, el presente trabajo de investigación está enfocado en presentar una propuesta de solución para la empresa Kokys SAC, una MYPE del sector de servicios dedicada al rubro de la gastronomía debido que se observó un proceso de atención al cliente ineficiente, dado que se lleva a cabo sin utilizar indicadores de control de procesos ni sistemas de información automatizados que permitan su trazabilidad, para identificar problemas y oportunidades de mejora. Por último, cabe mencionar algunas manifestaciones de este problema entre los cuales están la insatisfacción de los clientes, que a veces puede desencadenar en el desprestigio de la empresa y por tanto influir negativamente en su rentabilidad. A su vez dado que no se cuenta con un proceso de atención al cliente mapeado y estandarizado existen actividades que no generan ningún valor a la empresa dado que son innecesarias y repetitivas. Formulación del problema ¿Qué impacto produce la implementación de un Sistema ERP sobre el proceso de atención al cliente en la empresa Kokys SAC, a través de una simulación?.

(13) 8 Justificación de la investigación Justificación Práctica Según Gestión (2014), el informe Mipyme 2013 señala que más del 60% de las Mypes peruanas en Lima, Arequipa y Trujillo no usan las herramientas TIC, en sus instalaciones, ya sea hardware o software, debido a la resistencia al cambio, falta de información sobre los beneficios y la inversión que demanda. En este sentido estas empresas peruanas que aprovechan las soluciones tecnológicas tienen un mayor potencial de crecimiento, según estudios realizados crecieron en un 18% en un periodo de tres años (Consultora Ipsos Perú, 2014). Por ello el trabajo está centrado en el estudio de la empresa Kokys SAC, una MYPE del sector de servicios dedicada al rubro de la gastronomía mediante la venta de pollo a la brasa, dado que en el proceso de atención al cliente se identificaron deficiencias, ya que actualmente solo cuenta con un sistema de facturación, pero no posee control sobre todo el proceso que comprende la atención al cliente debido que existen tareas innecesarias que demandan tiempo extra. Ante esta problemática se presenta una propuesta de implementación de un sistema ERP para la Gestión de Recursos en el proceso de atención al cliente. Por lo que se refiere al sistema de gestión de recursos para Mypes, está diseñada para operarse mediante una PC, Tablet o Smartphone permitiendo tener un mayor control de la atención y dar un valor añadido a la experiencia del cliente, de acuerdo a los requerimientos de la empresa. Además, el sistema en mención facilita la gestión desde la asignación de la mesa hasta el cobro del pedido al cliente, permitiendo así que todo el proceso se maneje de manera automática; incluso se considera a esta solución creativa puesto que cuenta con una interfaz amigable y un servicio de análisis de negocio (Power BI), el cual permite realizar informes sobre el estado de la empresa para luego consolidarla a través de dashboards para obtener información del cliente más recurrente, el reporte de ventas diarias o mensuales hasta la promoción más solicitada, adicionalmente el sistema cuenta con capacidades únicas para brindar una atención eficiente, que resulta necesaria para mejorar los procesos internos de la empresa..

(14) 9 Marco referencial Antecedentes del estudio Peña & Forero (2012) llevaron a cabo un estudio que tuvo como propósito el accionamiento de un sistema de inventarios basado en técnicas de simulación, ello con el propósito de mejorar la administración de los procesos de recepción, almacenamiento y distribución de la bodega de papel en la DISTRIBUIDORA DE MUEBLES & ACCESORIOS S.A. Se determinó un diseño de investigación no experimental, para ello se consideró como muestra a las actividades de los procesos de recepción, almacenamiento y distribución. Como instrumento se empleó la recopilación documental, para ello se consultaron documentos físicos y documentos escritos; también se empleó la observación directa, encuestas y entrevistas realizadas a las áreas operativas. El resultado de la investigación se detectó la posibilidad de mejorar la productividad al establecer un modelo de inventarios que se ajuste a las necesidades de la compañía, identificando puntos clave y orientando a la empresa hacia la gestión de una buena satisfacción del cliente. Lavandera Zúñiga (2018) efectuó un estudio con el objetivo de mejorar los procesos de asignación de frecuencias y recursos en la ruta de una línea de trasporte urbano en la ciudad de Lima Metropolitana. Para esta investigación se consideran los tiempos de llegada de los Pasajeros en minutos, el tiempo de viaje, tiempo de señalización de semáforos, capacidad de bus. Se levantó la información con la observación y fichas de recolección de datos, con la finalidad de realizar una buena gestión. El resultado detalla que la herramienta de simulación empleada permitió identificar los diversos escenarios posibles y determinar la mejor propuesta, así como asignar una correcta programación de choferes. Quispe & Vargas (2016) llevaron a cabo un estudio cuyo objetivo fue optimizar la gestión administrativa de la organización comercial Angelito de la ciudad de Chepén, con la inducción de un sistema de información Web. Se trató de un estudio de diseño Lineal, la muestra estuvo conformada por los 300 clientes de la organización. Como técnica e instrumento se empleó encuestas a los clientes. Finalmente se llegó a la conclusión de que con la aplicación implementada se logró perfeccionar la gestión de la empresa Angelito, otro factor que determino esta aceptación fueron los indicadores económicos que fueron calcularon: el valor actual neto el cual dio un valor mayor a cero y la tasa de retorno interna dio un valor de 92%. Bolaños (2014) desarrollo un análisis que tuvo como propósito el diseño de un auto lavado, con el fin de ofrecer una disminución en el tiempo promedio de servicio de lavado, con la.

(15) 10 asistencia de la simulación. Esta investigación se trató de un análisis de diseño experimental. Para el estudio de este caso se emplearon los tiempos de las actividades del proceso, las herramientas empleadas para el levantamiento de la información fueron entrevistas, encuestas, cuestionarios, la observación y diagramas de flujo. Con los resultados se llegó a la conclusión que las tres propuestas diseñadas son factibles y útiles para mejorar el proceso de servicio de lavado, el cual representa una gran oportunidad de crecimiento y desarrollo; asimismo el simulador es de gran ayuda para realizar una mejora en cualquier proceso. Marco teórico Simulación Es el estudio de un sistema a través de un modelo ayudado por un computador, con la finalidad de comprender su comportamiento en un conjunto de escenarios y plantear propuestas o alternativas de mejora. (Averill & Kelton, 2014) ProModel Garcia, Garcia & Cárdenas (2013), ProModel es un software de simulación que permite simular cualquier tipo de sistemas de manufactura, logística, manejo de materiales, etc. Cuenta con herramientas de análisis y diseño que, unidas a la animación de los modelos bajo estudio, permiten al analista conocer mejor el problema y alcanzar resultados más confiables respecto de las decisiones a tomar. Entre las herramientas de trabajo utilizadas están área de trabajo ProModel, Editor Gráfico, el interfaz de Resultados, la herramienta estadística Stat:Fit y Simrunner para el análisis posterior del modelo. También ayuda a proteger cualquier tipo de negocio, mediante el análisis del impacto de nuevas "what-if" (ideas de negocio), reglas y estrategias antes de su implementación en los procesos de negocio, sin causar interrupciones en el servicio Sistema de Información. Es un conjunto de elementos interrelacionados que recaban (entrada), manipulan (proceso), almacenan y distribuyen (salida) datos e información y proporciona una reacción correctiva (mecanismo de retroalimentación) si no se ha logrado cumplir un objetivo” (Stair & Reynolds, 2010, p. 8)..

(16) 11 Sistema de Información Empresarial. Trasobares (2003) afirma que: Los sistemas de información empresarial permiten incrementar la eficacia en la realización de las tareas, ahorrar tiempo en el desarrollo de las actividades y almacenar la mayor cantidad de información en el menor espacio posible. De este modo los sistemas de información se constituyeron como una de las cuestiones estratégicas de la empresa, que ha de considerarse siempre en todo proceso de planificación empresarial (p. 6). Sistema de Gestión de Recursos Empresariales (ERP) O’brien & Marakas (2006) Indican que la planeación de recursos empresariales es la columna vertebral tecnológica de los negocios electrónicos, una estructura de transacción de toda la empresa con vínculos a hacer procesamiento de pedidos de ventas, administración y control de inventarios, planeación de producción y de distribución, y finanzas. Por lo cual ERP es un sistema empresarial interfuncional que está dirigido por una paquete integrado de módulo de software que da soporte a los procesos internos básico. De esa manera ERP proporciona a la empresa una visión integrada a tiempo real de todos sus procesos centrales de negocio, tales como producción, procesamiento de pedidos y administración de inventarios unidos por un software de aplicación ERP y una base de datos común mantenida por un sistema de administración de base de datos (Rodríguez, 2015). Los principales beneficios del ERP para Mypes se detallan a continuación: . Agilidad en la atención al cliente, debido a la optimización de las actividades del proceso, desde el primer contacto con el cliente hasta la despedida respectiva.. . Integra el proceso de atención al cliente mediante un eficiente flujo de información entre el área de pedido, cocina y caja, facilitando el trabajo coordinado de los roles involucrados.. . Alta satisfacción del cliente.. . Experiencia significativa para el cliente.. . Contar con excelencia y mejor control del negocio para la planificación de sus recursos.. . Mejor toma de decisiones para una buena administración del negocio..

(17) 12 MYPE. De acuerdo con (Ley N°28015, 2003) el Artículo N°2 define a la MYPE (Micro y pequeña empresa) como la unidad económica constituida por una persona natural o jurídica, bajo cualquier forma de organización o gestión empresarial. Debiendo contar con un máximo de cincuenta (50) trabajadores y niveles de ventas anuales entre 51 y 850 UIT.. Kokys SAC. Kokys SAC es una MYPE del sector de servicios dedicada al rubro de la gastronomía, específicamente a la venta de Pollo a la brasa.. Proceso de Atención al Cliente de Kokys SAC. Actualmente, el proceso de atención al cliente de la empresa Kokys SAC abarca al conjunto de actividades que se realizan desde el primer contacto con un cliente, hasta que se termine la atención de su orden de compra. Sin embargo, las fases de este proceso no están definidas, puesto que existen actividades redundantes y por ende un retrabajo, los cuales conllevan tiempo extra; además no se tiene un conocimiento claro de los puntos clave del proceso de negocio, es por eso por lo que se considera como ineficiente, dado que se lleva a cabo sin utilizar indicadores de control de procesos ni sistemas de información automatizados que permitan su trazabilidad..

(18) 13. Objetivos e hipótesis Objetivos Objetivo Principal. Determinar el impacto que produce la implementación de un Sistema ERP sobre el proceso de atención al cliente en la empresa Kokys SAC mediante el software de simulación ProModel. Objetivos Específicos.  Determinar el tamaño de la muestra para registrar los datos necesarios de la unidad de análisis del proceso.  Diagramar el mapa de procesos de atención al cliente actual y propuesto de acuerdo con las funcionalidades del Sistema de Gestión de Recursos Empresariales.  Analizar cómo el sistema ERP optimiza el uso de los recursos de la empresa a través del modelamiento del proceso actual y propuesto en la herramienta de simulación ProModel. Hipótesis La implementación del sistema de ERP permitirá la optimización del proceso de atención al cliente en la empresa Kokys SAC, mediante la simulación. Alcances y Limitaciones Alcances. El trabajo de investigación consiste en el análisis del proceso de atención al cliente de la MYPE Kokys SAC, con el objetivo de evaluar el impacto de la implementación del Sistema ERP mediante la herramienta de simulación ProModel. Limitaciones. Falta de estudios previos acerca de las adquisiciones de herramientas tecnológicas para la gestión de atención al cliente en MYPES de Lima..

(19) 14 Método Tipo y Diseño de Investigación Tipo de Investigación El desarrollo del presente trabajo de investigación se llevó a cabo mediante un estudio de nivel explicativo ya que está dirigidos a responder el efecto de la implementación de un sistema en una MYPE, asimismo fue desarrollado bajo un diseño preexperimental. Según (Hernández et al., 2010, p. 566) un diseño preexperimental acota la evaluación de los cambios tanto en tiempo y actividades en el proceso de atención al cliente, en el marco de la simulación de la implementación de un Sistema de Planificación de Recursos Empresariales. Es importante tener presente que el estudio se limitó a observar el proceso de atención al cliente tal como se da actualmente “AS IS” y mediante la aplicación del sistema como se optimizan los tiempos y actividades “TO BE”. El análisis de la información recolectada empleó, complementariamente, un método cuantitativo. Diseño de la Investigación. Preexperimental: Diseño de un grupo con una sola medición. Tabla 2 Diseño de la Investigación. Antes. Intervención. Después. Y. X. Y. Fuente: Elaboración propia Y: Grupo intervenido X: Programa Se realizará una evaluación y comparación de la variable dependiente antes y después de la intervención del Sistema de Planificación de Recursos Empresariales que viene a ser nuestra variable Independiente..

(20) 15 Población, Muestra y Unidad de Análisis Población. En esta investigación el universo representa todas las unidades de la investigación estudiadas de acuerdo con la naturaleza del problema, las cuales deben poseer características comunes. El universo identificado son los tiempos del proceso de atención al cliente de la empresa Kokys SAC, los cuales inician desde la toma de pedido hasta el momento en el que se emite el comprobante de pago. Para esta investigación el universo es infinito, debido que desde el inicio de operaciones la empresa ha registrado y seguirá registrando una gran cantidad de tiempos del proceso de atención al cliente, debido a que el proceso es continuo. Muestra. Para el muestreo estadístico de la investigación se tomará el proceso de atención al cliente de la empresa Kokys SAC. Existen varios procedimientos estadísticos de forma aleatoria para calcular el tamaño de la muestra, para ello en el actual trabajo de investigación al ser el universo infinito la fórmula para calcular el tamaño de muestra cuando se desconoce el tamaño de la población es la siguiente: 𝑛=. 𝑍2 × p ×q 𝑑2. En donde: . Nivel de confianza: Z = 1.95. . Probabilidad de éxito, o proporción esperada: p = 0.5. . Probabilidad de fracaso: q = 0.5. . Precisión, error máximo admisible en términos de proporción: d = 0.1. . Con un 95% de confianza: α = 5%. Reemplazando los datos que tenemos:. 𝑛=. 𝑍2 × p × q 𝑑2. n= 68.06 Como resultado se obtienen 68.06 datos, los cuales redondeados por exceso y finalmente generan un tamaño de muestra de 69 datos..

(21) 16 Unidad de Análisis. La unidad de análisis es el tiempo de ciclo, el tiempo de demora en registrar el pedido y el tiempo de pago respectivo del proceso de atención al cliente de la empresa Kokys SAC. Variables Variable Dependiente: Proceso de atención al cliente. Definición Nominal: Es el conjunto de actividades que se realiza desde el momento en que la empresa tiene un primer contacto con el cliente, atiende sus necesidades y este se retira. Sin embargo, es importante mencionar que el tiempo del subproceso de Preparación de Pedido, que consiste en el tiempo que toma a los cocineros preparar el pedido, no se verá afectado con la implementación del sistema ERP debido a que la plataforma, dentro de sus especificaciones, no está diseñada para automatizar el subproceso de preparación de pedidos. Por lo cual, para efectos de la simulación se determinó un tiempo estándar de 4.6 minutos. Lo mismo ocurre para la actividad Degustar Pedido, ya que el software no influye en el tiempo que toma a los comensales degustar el pedido, por lo cual se determinó un tiempo estándar equivalente a 33.51 minutos. Para llegar a los dos tiempos fijos, se sacó el promedio de las 69 muestras de tiempo de cada caso.. Por lo tanto, los indicadores claves, dentro del proceso de atención al cliente, que nos indicaran cual es el impacto en caso el sistema se implementara, serán los tiempos de los siguientes subprocesos. Indicadores: Tiempo de respuesta de atención al cliente Tabla 3 Indicadores de la Variable Dependiente Indicadores. Descripción Es el tiempo que toma registrar el. Tiempo de registro de pedido. pedido del cliente después de su arribo a la empresa. Es el tiempo desde que el cliente. Tiempo de pago de pedido. solicita la cuenta hasta que se emite su boleta o factura de pago.. Fuente: Elaboración propia.

(22) 17 Variable Independiente: Sistema de Planificación de Recursos Empresariales Definición Nominal: Es el sistema que da soporte a todo el proceso de atención al cliente, permitiendo brindar mayor control y valor añadido al cliente. Indicadores: Tabla 4 Indicadores de la Variable Independiente Indicadores. Índice. Descripción NO: Proceso actual de Atención al Cliente.. Implementación del Sistema de. SÍ: Proceso de Atención al Cliente con. Planificación de. Implementación del Sistema de Planificación. Recursos. SÍ – NO. la. de Recursos Empresariales. Empresariales Fuente: Elaboración propia Técnicas e Instrumentos de Recolección de Datos Entrevista Abierta Se realizó una entrevista registrada en el Anexo 2, al dueño de la Pollería, Sr. Julio Yong, para recabar datos importantes, los cuales fueron necesarios para la evaluación en la herramienta ProModel. Observación Cualitativa Directa Para la descripción del proceso AS IS, esta técnica consistió en ubicarnos en un lugar neutral y observar todas las acciones que realizaban los empleados de la empresa Kokys SAC respecto al proceso de atención al cliente; para el caso de modelado del proceso TO BE se diseñara el flujo del proceso de acuerdo con las actividades que demande el software. El instrumento utilizado en ambos casos fue Bizagi Modeler versión 3.4.0062 para el modelamiento del proceso. De acuerdo a la técnica de Benchmarking se eligió a la empresa La Olla Arequipeña S.A.C, debido a que en esta empresa se aplica un proceso automatizado de atención al cliente, además se encuentra en el mismo rubro de Kokys SAC. La Observación Cualitativa Directa también se aplicó en la obtención de datos en el Benchmarking, para ello se tomó como referencia a la empresa “La Olla Arequipeña.

(23) 18 S.A.C”, de la cual se tomará el tiempo para las actividades “toma de pedido al cliente” y “pago del pedido”, esos datos se emplearán en la simulación del escenario TO BE. Observación Cuantitativa no Experimental Esta técnica consistió en la observación y registro de los tiempos del recorrido del proceso de atención al cliente, desde el ingreso de un cliente hasta el pago efectuado. El instrumento fue la guía de observación, para ello se realizó la toma de tiempos en minutos y segundos de cada actividad que intervino en el todo el proceso. Mapeo de procesos AS IS / TO BE Se empleó el mapeo de procesos AS IS / TO BE para representar el proceso de atención al cliente actual y propuesto, con finalidad de realizar de representa el flujo de procesos detallado, el cual servirá como base para crear el modelo de simulación con todos sus elementos. ProModel Se empleó el Software ProModel para la simulación de ambos escenarios; dentro de ProModel está incluido el software Stat-Fit, el cual se empleó para determinar la distribución de los datos que se tomaron, la distribución servirá para la simulación.. Simulación Montecarlo Es considerado como el precursor de la simulación actual, cuyo propósito es estimar las distribuciones de las variables de salida que dependen de las variables probabilísticas de entrada.. Paired T test Esta prueba estadística se utilizará para la comparación de los dos escenarios que tienen la misma cantidad de muestras (AS IS - TO BE), para determinar si efectivamente es conveniente la implementación del Sistema de Planificación de Recursos Empresariales..

(24) 19 Procedimientos Para llevar a cabo esta investigación en primer lugar se solicitó la autorización del dueño de la pollería Kokys SAC, el señor Julio Yong, para realizar nuestro estudio en su local, conjuntamente se le realizó una entrevista y se acordó los días para la toma de datos. 1. Entrevista Abierta Recabamos los datos respecto al Nivel de venta por días y su respectiva demanda, que será empleado en ProModel. De acuerdo con la entrevista realizada al dueño de KOKIS, se determinó que hay 3 posibles niveles de venta que experimenta la empresa a largo de todo el año; los cuales se clasificaron de la siguiente manera: . Pesimista: número de pollos vendidos en un día de demanda baja.. . Optimista: número de pollos vendidos en un día de demanda alta.. . Más probable: número de pollos vendidos en un día de demanda normal. Tabla 5 Niveles de Venta Cantidad de. Pollos. vendidos al. Probabilidad de. Días de la Semana. Escenario. día Pesimista. 20. 0.285714286. (lunes y martes). Optimista. 70. 0.285714286. (sábado y Domingo). 30. 0.428571429. Más Probable. (miércoles, jueves y Viernes). Fuente: Elaboración propia Aparte de ello, para calcular el número promedio de clientes en un día se contó la cantidad de boletas emitidas, debido a que una boleta representa a un cliente. Basado en esto se concluyó que el número promedio de pedidos en un día es de 42. Trabajadores: Respecto a los trabajadores según la entrevista Kokys SAC cuenta con: . 1 cocinero. . 1 ayudante de cocina. . 2 mozo. . 1 cajero. La empresa además atiende de 12PM a 11PM, los trabajadores no tienen descansos,.

(25) 20 respecto a los 2 mozos, uno atiende en el horario de 12pm a 5.30 pm y el otro de 5:30pm a 11pm. 2. Observación Cuantitativa no Experimental Procedimiento para la recolección de datos AS IS y TO BE. Observación de los datos cualitativos para diagramar del proceso de atención al cliente . Se observó detenidamente cada actividad que se realizaba para atender a los clientes.. . Se efectuó el diagrama en Bizagi Modeler del proceso de atención al cliente..

(26) 15. Ilustración 4 Flujo de Proceso AS IS. Fuente: Elaboración propia.

(27) Procedimiento para la observación y recolección de datos cuantitativos. Datos cuantitativos AS IS . Se recolectaron los datos de tiempo de inicio y fin de cada actividad mediante la ficha técnica de observación Anexo 3.. . Se calculó el periodo en minutos que toma realizar el proceso de atención al cliente Anexo 4.. . Los datos fueron vaciados al programa ProModel versión 10.0.0.3218 en español, para su posterior análisis.. Datos cuantitativos TO BE . Con la implementación del software se eliminan actividades referentes al traslado de una locación a otra por parte del mozo, por lo que respecto a las actividades que se mantengan se considerarán los tiempos del modelo AS IS.. . Empleando la técnica benchmarking, solo se efectuará un cambio en las actividades de: “toma de pedido al cliente” ya que se realizará usando un Tablet y “pago del pedido” realizándolo directamente en la caja, para ello se tomó los tiempos del restaurante “La Olla Arequipeña S.A.C”, puesto que esta empresa realiza su registro de manera digital. Consideramos estos tiempos para la simulación debido a que el proceso se realizará de la misma manera con la implementación del sistema de Gestión de Recursos en Kokys SAC.. . Los datos para el modelo TO BE lo podemos observar en el (Anexo 5).. . Los cálculos para determinar el tiempo del proceso de atención al cliente para la actividad “Toma de pedido al cliente” los podemos observar en el (Anexo 6).. Procedimiento del Modelo AS IS del proceso de Atención al Cliente Para el análisis del modelo AS IS se procedió a realizar las siguientes acciones en el programa ProModel: PASO 1: Construir Locaciones Se consideraron siete locaciones, estas son: caja, cocina, zona de entrega, zona de pedido, mesa, cola del restaurante y puerta. La locación mesa y zona de pedido son de tipo múltiple, puesto que se han creado a partir de ellas catorce locaciones idénticas..

(28) Ilustración 5. Locaciones AS IS. Fuente: Elaboración propia 1. Cola_restaurant: La cola del restaurante tiene una capacidad infinita, representa el medio es el medio por donde ingresan los clientes. 2. Zona_pedido: A partir de esta locación se han definido 14 unidades adicionales, esta representa la zona en la cual el cliente realiza el pedido antes de desplazarse a la mesa. 3. Mesa: De igual manera que para la locación anterior, para esta locación se han definido 14 unidades adicionales con la intención de representar el modelo tal cual de Kokys SAC. 4. Caja: Representa el lugar donde se registran los pedidos y se emite una orden de pedido y un voucher, para esta locación se ha definido una capacidad de 10. 5. Cocina: Esta locación representa el lugar donde se realiza la preparación de los pedidos, se le ha asignado una capacidad de 4. 6. Zona_entrega: Esta locación representa la ubicación de los pedidos preparados, que están listos para ser entregados, se ha asignado una capacidad de 5. 7. Puerta: Se le ha asignado una capacidad infinita, esta representa el lugar por donde salen los clientes..

(29) PASO 2: Construir entidades Se han creado cinco entidades para simular el proceso de atención al cliente, estas son: Ilustración 6. Entidades AS IS. Fuente: Elaboración propia. 1. Cliente: Representa a los clientes que ingresan a la pollería. 2. Pollo_a_la_brasa: Representa el producto a ser entregado al cliente, una vez realizado el pedido. 3. Orden_Pedido: Representa la orden de pedido que es anotada en libreta cuando el cliente está en la mesa y la orden de pedido que se realiza en la caja con dirección a la locación cocina. 4. Cliente_OK: Representa al cliente que sale del local, una vez que ha consumido su pedido y realizado el pago. 5. Voucher: Representa al comprobante de pago que es entregado al cliente cuando este lo solicite. PASO 3: Construir arribos Se define los arribos para un día, los clientes arriban en la cola del restaurante. Se ha definido un ciclo de arribos de cincuenta y dos clientes, una frecuencia de veinticuatro horas y una ocurrencia de una sola vez. Ilustración 7. Arribos AS IS. Fuente: Elaboración propia.

(30) PASO 4: Construir redes de rutas Se ha creado una ruta de desplazamiento “ruta mozo”, por la cual el mesero realizara su desplazamiento y se distribuye para la interfaz N1 caja, N2 zona de pedido, N3 cocina, N4 zona de entrega y N5 mesa. Ilustración 8. Redes de Rutas AS IS. Fuente: Elaboración propia La ruta parte de (N = nodo): . N1 N2. . N1  N3. . N1  N4. . N4  N5. PASO 5: Construir recursos Se ha creado el recurso mozo, con un número de unidades igual a uno y se le ha asignado la red “ruta mozo”. Ilustración 9. Recursos AS IS. Fuente: Elaboración propia PASO 6: Construir atributos Se crearon tres atributos de tipo Real: A_HORA_ARRIBO: Con este atributo definimos la hora de arribo del cliente dentro del modelo. A_HORA_ARRIBO_A_ZONA_PEDIDO: Este atributo almacena la hora en que el cliente llega a la zona de pedido. A_INICIAR_PAGO_DE_PEDIDO: Este atributo almacena la hora en que el cliente empieza a realizar el pago. Ilustración 10. Atributos AS IS.

(31) Fuente: Elaboración propia PASO 7: Construir Variables Se definieron cinco variables del modelo: . V_TIEMPO_DE_CICLO, de tipo real para determinar el tiempo de ciclo de los clientes.. . V_NÚMERO_DE_PEDIDOS_PROCESADOS, de tipo entero para determinar la cantidad de pedidos que se han procesado.. . V_NÚMERO_DE_PEDIDOS_EN_EL_SISTEMA, de tipo entero para determinar la cantidad de pedidos que se encuentran en el sistema.. . V_TIEMPO_DE_REGISTRAR_PEDIDO, de tipo real para calcula el tiempo en que el cliente llega a la zona de pedido hasta que el mesero culmina la toma del pedido en la libreta.. . V_TIEMPO_DE_PAGO_DE_PEDIDO, de tipo real para calcula el tiempo que le toma al cliente realizar el pago de su pedido.. Ilustración 11. Variables AS IS. Fuente: Elaboración propia.

(32) PASO 8: Construir ciclo de arribos De acuerdo con la entrevista realizada al dueño de la pollería el ciclo de arribos se distribuye de la siguiente manera, considerando que la pollería inicia sus actividades a las 12 del mediodía a 11 de la noche.. Tabla 6 Ciclo de Arribos AS IS Cantidad. %. de pedidos. Observada. 13:00. 5. 11.905%. 12%. 13:00. 14:00. 8. 19.048%. 31%. 14:00. 15:00. 4. 9.524%. 40%. 15:00. 16:00. 2. 4.762%. 45%. 16:00. 17:00. 1. 2.381%. 48%. 17:00. 18:00. 0. 0.000%. 48%. 18:00. 19:00. 4. 9.524%. 57%. 19:00. 20:00. 7. 16.667%. 74%. 20:00. 21:00. 8. 19.048%. 93%. 21:00. 22:00. 2. 4.762%. 98%. 22:00. 23:00. 1. 2.381%. 100%. Li. Ls. 12:00. 42. Fuente: Elaboración propia. %Acumulada.

(33) 22 PASO 9: Determinamos la distribución de las variables en ProModel (STAT FIT). Para determinar la distribución para las actividades, insertamos los datos que tomamos en la ficha de observación en STAT FIT. Tabla 7. Distribución AS IS ACTIVIDAD. DISTRIBUCIÓN Lognormal. Tiempo de registrar pedido. Lognormal Tiempo de registrar pedido en la caja. Tiempo de preparar pedido. El tiempo de preparar pedido va a tomar un único valor que es 4.6 minutos, ello debido a que el subproceso en mención no será controlado por el software. Y para determinar el tiempo de preparar pedido le saco el promedio de todos los tiempos de preparación de las 69 muestras.. GRÁFICO.

(34) 23. El tiempo de degustar pedido va a tomar un único valor que es de 33.5 Tiempo de degustar pedido. minutos, ello debido a que la actividad en mención no se verá afectado con la implementación del software desde el punto de vista cuantitativo. Y de la misma manera para determinar el tiempo de degustar pedido se sacó el promedio de todos los tiempos de degustación de las 69 muestras.. Lognormal Tiempo de pago de pedido. Fuente: Elaboración propia.

(35) 24 PASO 10: Construir proceso Detallamos el proceso en ProModel, con las entidades, locaciones, la operación y lógica de movimiento, teniendo en cuenta la distribución que siguen los tiempos de cada actividad. Tabla 8. Proceso en ProModel AS IS. Fuente: Elaboración propia.

(36) 25 PASO 11. Simulación del Escenario Ilustración 12. Escenario de Simulación AS IS. Fuente: Elaboración propia.

(37) Procedimiento del Modelo TO BE del proceso de Atención al Cliente. El módulo ERP elegido para poder dar solución a las causas raíz del problema en la demora del proceso de atención al cliente es el Módulo Ventas, pues este permite llevar un control de pedidos, generación de facturas y seguimiento de pedidos pendientes, por lo cual para empezar con el mapeado de procesos TO BE, con el objetivo de optimizarlo se han identificado las funcionalidades del Sistema de Planificación de Recursos Empresariales, se detalla lo siguiente: . El sistema registra la asignación de la mesa al cliente. El sistema acumula la cuenta por mesa y cliente. El sistema registra el pedido (realizado por el mozo mediante una Tablet). El sistema envía el pedido al Chef para su preparación. El sistema registra la preparación y el servicio del pedido del cliente. El sistema registra el pago por el pedido y emite boleta y factura.. . El sistema registra el estado de la atención de cada pedido, esta información permite monitorear el cumplimiento de la atención de cada pedido del cliente.. . El sistema registra las compras. El sistema registra nuevos platos y productos y actualiza sus precios.. . El sistema reporta la venta diaria. El sistema reporta la venta mensual por producto.. . El sistema reporta el stock de los productos.. . El sistema controla el acceso de sus usuarios.. De acuerdo a estas funcionalidades de la herramienta, las actividades clave a automatizar son el registro y pago de pedidos, los cuales ayudan a que estandarizar y tener un mayor control del proceso, eliminando desplazamientos innecesarios del personal y mejorando el flujo de información del pedido entre los involucrados del proceso de atención al cliente. Así mismo esta herramienta está diseñada para cubrir las necesidades en las operaciones del negocio para mejorar el control, productividad y flujo de información integrado de procesos que implica la atención al cliente. Así mismo, según las características de un ERP se puede implementar aquellas funcionalidades que necesita una empresa, y así mitigar las causas más frecuentes que desencadena el problema identificado en la empresa, que es la demora en la atención al cliente. Consideración de gestión de un ERP en una Mype..

(38) 27 Ilustración 13 Flujo del Proceso TO BE. Fuente: Elaboración propia.

(39) Para el análisis del modelo TO BE se procedió a realizar las siguientes acciones en el programa ProModel: PASO 1: Construir Locaciones Se consideraron nueve locaciones, estas son: caja, cocina, zona de entrega, zona de pedido, mesa, cola del restaurante, puerta, cola cocina y cola caja. La locación mesa y zona de pedido son de tipo múltiple, puesto que se han creado a partir de ellas catorce locaciones idénticas. Ilustración 14. Locaciones TO BE. Fuente: Elaboración propia. 1. Cola_restaurant: La cola del restaurante tiene una capacidad infinita, representa el medio es el medio por donde ingresan los clientes. 2. Zona_pedido: A partir de esta locación se han definido 14 unidades adicionales, esta representa la zona en la cual el cliente realiza el pedido antes de desplazarse a la mesa..

(40) 3. Mesa: De igual manera que para la locación anterior, para esta locación se han definido 14 unidades con la intención de representar el modelo tal cual de Kokys SAC. 4. Caja: Representa el lugar donde se emite el voucher, para esta locación se ha definido una capacidad de 1, que significa que se atenderá un cliente a la vez en esta locación. 5. Cocina: Esta locación representa el lugar donde se realiza la preparación de los pedidos, se le ha asignado una capacidad de 4 pedidos. 6. Zona_entrega: Esta locación representa la ubicación de los pedidos preparados, que están listos para ser entregados, se ha asignado una capacidad de 1. 7. Puerta: Se le ha asignado una capacidad infinita, esta representa el lugar por donde salen los clientes. 8. Cola_cocina: Se le ha asignado una capacidad infinita, esta representa la cola virtual de los pedidos. 9. Cola_caja: Se le ha asignado una capacidad infinita, esta representa la cola de las personas que realizarán el pago por el producto. PASO 2: Construir entidades Se han creado cinco entidades para simular el proceso de atención al cliente, estas son: 1. Cliente: Representa a los clientes que ingresan a la pollería. 2. Pollo_a_la_brasa: Representa el producto a ser entregado al cliente, una vez realizado el pedido. 3. Orden_Pedido: Representa la orden de pedido que es anotada en libreta cuando el cliente está en la mesa y la orden de pedido que se realiza en la caja con dirección a la locación cocina. 4. Cliente_OK: Representa al cliente que sale del local, una vez que ha consumido su pedido y realizado el pago. 5. Voucher: Representa al comprobante de pago que es entregado al cliente cuando realice el pago en la caja..

(41) Ilustración 15. Entidades TO BE. Fuente: Elaboración propia PASO 3: Construir arribos Se define los arribos para un día, los clientes arriban en la cola del restaurante. Se ha definido un ciclo de arribos de cincuenta y dos clientes, una frecuencia de veinticuatro horas y una ocurrencia de una sola vez. Ilustración 16. Arribos TO BE. Fuente: Elaboración propia PASO 4: Construir redes de rutas Se ha creado una ruta de desplazamiento “ruta mozo”, por la cual el mesero realizara su desplazamiento y se distribuye para la interfaz N1 caja, N2 zona de pedido, N3 zona de entrega y N4 mesa. Ilustración 17. Redes de Rutas TO BE. Fuente: Elaboración propia La ruta parte de (N = nodo): . N1 N2. . N1  N3. . N3  N4. PASO 5: Construir recursos.

(42) Se ha creado el recurso mozo, con un número de unidades igual a uno y se le ha asignado la red “ruta mozo”. Ilustración 18. Recursos TO BE. Fuente: Elaboración propia PASO 6: Construir atributos Se crearon tres atributos de tipo Real: A_HORA_ARRIBO: Con este atributo definimos la hora de arribo del cliente dentro del modelo. A_HORA_ARRIBO_A_ZONA_PEDIDO: Este atributo almacena la hora en que el cliente llega a la zona de pedido. A_INICIAR_PAGO_DE_PEDIDO: Este atributo almacena la hora en que el cliente empieza a realizar el pago. Ilustración 19. Atributos TO BE. Fuente: Elaboración propia PASO 7: Construir Variables Se definieron cinco variables del modelo: V_CICLO_DE_ARRIBOS, de tipo real para determinar el tiempo de ciclo de los clientes. V_NÚMERO_DE_PEDIDOS_PROCESADOS, de tipo entero para determinar la cantidad de pedidos que se han procesado. V_NÚMERO_DE_PEDIDOS_EN_EL_SISTEMA, de tipo entero para determinar la cantidad de pedidos que se encuentran en el sistema..

(43) V_TIEMPO_DE_REGISTRAR_PEDIDO, de tipo real para calcula el tiempo de llegada a la zona de pedido hasta que culmine la toma del pedido en la libreta. V_TIEMPO_DE_PAGO_DE_PEDIDO, de tipo real para calcula el tiempo que le toma al cliente realizar el pago de su pedido. Ilustración 20. Variables TO BE. Fuente: Elaboración propia PASO 8: Construir ciclo de arribos De acuerdo con la entrevista realizada al dueño de la pollería el ciclo de arribos se distribuye de la siguiente manera, considerando que la pollería inicia sus actividades a las 12 del mediodía a 11 de la noche. Tabla 9. Ciclo de Arribos Modelo TO BE. Li. Ls. 12:00. 13:00. 13:00. Cantidad de. % Observada. %Acumulada. 5. 11.905%. 12%. 14:00. 8. 19.048%. 31%. 14:00. 15:00. 4. 9.524%. 40%. 15:00. 16:00. 2. 4.762%. 45%. 16:00. 17:00. 1. 2.381%. 48%. 17:00. 18:00. 0. 0.000%. 48%. 18:00. 19:00. 4. 9.524%. 57%. 19:00. 20:00. 7. 16.667%. 74%. 20:00. 21:00. 8. 19.048%. 93%. 21:00. 22:00. 2. 4.762%. 98%. 22:00. 23:00. 1. 2.381%. 100%. pedidos. 42 Fuente: Elaboración propia.

(44) 33 PASO 9: Determinamos la distribución de las variables en ProModel (STAT FIT). Para determinar la distribución para las actividades, insertamos los datos que tomamos en la ficha de observación en STAT FIT. Cabe recalcar que las funcionalidades que ofrece el sistema de Gestión de Recursos afectan directamente a dos actividades claves del proceso de atención al cliente, las cuales son registrar y pagar pedido. Tabla 10. Distribución de las Variables TO BE ACTIVIDAD. DISTRIBUCIÓN Lognormal. Tiempo de registrar pedido. Lognormal. Tiempo de pagar pedido. Fuente: Elaboración propia. GRÁFICO.

(45) 34. PASO 10: Construir proceso Detallamos el proceso en ProModel, con las entidades, locaciones, la operación y lógica de movimiento, teniendo en cuenta la distribución que siguen los tiempos de cada actividad. Tabla 11. Proceso en ProModel TO BE ENTIDAD. LOCACIÓN. OPERACIÓN SALIDA DESTINO A_HORA_ARRIBO = Clock() Cliente Cola_Restaurante Cliente Zona de Pedido Inc V_NÚMERO_DE_PEDIDOS_EN_EL_SISTEMA A_HORA_ARRIBO_A_ZONA_PEDIDO=Clock() Cliente Mesa Cliente Zona de Pedido Use 1 Mozo For U(1.48, 0.475) Free Mozo *Orden_Pedido Cola_Cocina Orden_Pedido Cola_Cocina Orden_Pedido Cocina Orden_Pedido Cocina Wait 4.6 Pollo_a_la_Brasa Zona de Entrega Pollo_a_la_Brasa Zona de Entrega Cliente. Mesa. Cliente. Caja. Cliente_ Ok. Puerta. Join 1 Pollo_a_la_Brasa free all Wait 33.5 A_INICIAR_PAGO_DE_PEDIDO=Clock() Wait U(1.32, 0.317). REGLA. LOGICA MOVIMIENTO. FIRST 1. Move for U(7,2) sec. FIRST 1. V_TIEMPO_REGISTRAR_PEDIDO=Clock()A_HORA_ARRIBO_A_ZONA_PEDIDO. FIRST 1 FIRST 1 Join 1. Pollo_a_la_Brasa. Mesa. Join 1. Move With Mozo Then Free Wait u(7,2) sec. Cliente. Caja. FIRST 1. move for u(7,2) sec. Cliente_Ok. Puerta. FIRST 1. Cliente_Ok. EXIT. FIRST 1. V_TIEMPO_DE_PAGO_PEDIDO=Clock()A_INICIAR_PAGO_DE_PEDIDO Move for u(7,2)sec V_TIEMPO_CICLO= Clock() - A_HORA_ARRIBO Dec V_NÚMERO_DE_PEDIDOS_EN_EL_SISTEMA Inc V_NÚMERO_DE_PEDIDOS_PROCESADOS.

(46) 35 Fuente: Elaboración propia. PASO 11. Simulación del Escenario Ilustración 21. Escenario de Simulación TO BE.

(47) 36 Fuente: Elaboración propia.

(48) |. 37. Resultados Presentación de Resultados Para evaluar el modelo actual y el modelo propuesto analizamos las siguientes variables que se introdujeron en ProModel: V_TIEMPO_DE_CICLO, con esta variable medimos el tiempo que conlleva todo el proceso, desde el ingreso de los clientes hasta que efectúan el pago. V_TIEMPO_DE_REGISTRAR_PEDIDO, con esta variable medimos el tiempo en que el cliente llega a la zona de pedido hasta que el mesero culmina la toma del pedido en la libreta. V_TIEMPO_DE_PAGO_DE_PEDIDO, con esta variable medimos el tiempo que le toma al cliente realizar el pago de su pedido, este inicia desde que culmina su consumo hasta que cancela por el producto. Evaluación de la Variable Tiempo de Ciclo PASO 1. Ejecutamos una muestra de 10 réplicas y deshabilitamos la animación, con la finalidad de calcular las réplicas con las que se trabajará. Ilustración 22. Réplicas de la muestra - Variable Tiempo de Ciclo. Fuente elaboración propia.. Luego exportamos los datos obtenidos en excel de las 10 réplicas ejecutadas:.

(49) |. 38. Tabla 12. Réplicas exportadas - Variable Tiempo de Ciclo Tiempo Réplica. Nombre. Total. Por cambio. Valor. Valor. Valor. Valor. Cambios. Promedio. Mínimo. Máximo. Actual. Promedio. (Min) 1.00 2.00 3.00 4.00 5.00 6.00 7.00 8.00 9.00 10.00. V TIEMPO DE CICLO V TIEMPO DE CICLO V TIEMPO DE CICLO V TIEMPO DE CICLO V TIEMPO DE CICLO V TIEMPO DE CICLO V TIEMPO DE CICLO V TIEMPO DE CICLO V TIEMPO DE CICLO V TIEMPO DE CICLO. 42.00. 32.48. 44.06. 105.63. 53.23. 73.18. 42.00. 33.61. 45.97. 96.55. 48.38. 69.09. 42.00. 33.54. 45.19. 109.88. 64.03. 78.44. 42.00. 33.17. 45.52. 102.45. 70.13. 72.38. 42.00. 33.52. 43.78. 125.40. 63.38. 74.45. 42.00. 33.78. 44.73. 91.54. 52.27. 67.56. 42.00. 33.34. 45.41. 69.70. 57.47. 57.69. 42.00. 33.60. 46.07. 98.32. 46.07. 73.47. 42.00. 32.51. 45.76. 114.67. 86.70. 72.89. 42.00. 32.72. 43.60. 84.69. 56.68. 61.29. Fuente: Elaboración propia..

(50) |. 39 Con los datos de la última fila (Valor Promedio), determinamos el número de réplicas para lo cual trabajaremos, con la siguiente fórmula:. [. (. ). ]. Dónde: N: Número de réplicas necesarias para lograr un nivel de exactitud deseado. S: Es la desviación estándar, basada en n réplicas del modelo. e: Es el error entre la media estimada poblacional y la media muestral. t: Valor crítico de la tabla t student Anexo 7, se considera un nivel de confianza de 90%.. Tabla 13. Cálculo del Número de Réplicas – Variable Tiempo de Ciclo Valor Promedio 73.18 69.09 78.44 72.38 74.45 67.56 57.69 73.47 72.89 61.29 S= 6.34 T(10-1,1-10%/2)= 1.833. Fuente: Elaboración propia. Una vez hallada la desviación estándar y la t-student, se procedió a calcular “e” para el cual se asignó 9 valores y con ello se determinó el valor de N más conveniente al reemplazar en la fórmula..

(51) |. 40 Tabla 14. Número de Réplicas – Variable Tiempo de Ciclo si e=. N=. 0.3. 1,500. 0.5. 540. 1. 135. 2. 34. 3. 15. 4. 9. 5. 6. 6. 4. 7. 3. Fuente: Elaboración propia. Elegimos diferencia entre la media poblacional y la muestral el valor de e=1, con el cual ejecutamos N=135 réplicas, este represento un valor adecuado para efectuar la comparación de escenarios. PASO 2. Para efectuar la comparación del escenario actual y el escenario propuesto se empleó la Prueba Paired T test, la cual permite determinar si la diferencia entre dos conjuntos de observaciones es cero. Para ello se planteó la siguiente hipótesis: . H0: μ1 = μ2. . H1: μ1 ≠ μ2 “H0 nos dice que el valor de μ1 no es significativamente diferente de μ2 con un nivel α de significancia” (E. Walpole, H. Myers, L. Myers, & Ye, 2012) “H1 nos dice que el valor de μ1 y μ2 son significativamente diferentes con un nivel α de significancia” (E. Walpole, H. Myers, L. Myers, & Ye, 2012) Seguidamente se ejecutaron las 135 réplicas calculadas para el modelo AS IS y TO BE y se exportaron en Excel como se puede observar en el Anexo 8 y 9..

(52) |. 41 Ilustración 23. Réplicas – Variable Tiempo de Ciclo. Fuente: Elaboración propia..

(53) |. 42 De la diferencia de ambos modelos se calculó el promedio y la desviación estándar: Tabla 15. Comparación de Escenarios – Tiempo de Ciclo. Réplica. 1.00. 2.00. 3.00. 4.00. 5.00. Nombre V TIEMPO DE CICLO V TIEMPO DE CICLO V TIEMPO DE CICLO V TIEMPO DE CICLO V TIEMPO DE CICLO. Escenario. Escenario. Actual. Propuesto. 73.18. 42.97. 30.21. 69.09. 42.51. 26.57. 78.44. 42.40. 36.05. 72.38. 42.81. 29.57. 74.45. 42.81. 31.64. Diferencia. ⁞. ⁞. ⁞. ⁞. ⁞. ⁞. ⁞. ⁞. ⁞. ⁞. 67.34. 43.26. 24.08. 65.78. 42.77. 23.01. 63.01. 42.59. 20.42. 64.58. 42.79. 21.79. 89.04. 42.81. 46.24. 72.32. 42.67. 29.66. 66.67. 42.81. 23.86. 72.08. 42.42. 29.66. 128.00. 129.00. 130.00. 131.00. 132.00. 133.00. 134.00. 135.00. V TIEMPO DE CICLO V TIEMPO DE CICLO V TIEMPO DE CICLO V TIEMPO DE CICLO V TIEMPO DE CICLO V TIEMPO DE CICLO V TIEMPO DE CICLO V TIEMPO DE CICLO. Promedio Desviación Estándar. Fuente: Elaboración propia.. 26.42 6.68.

(54) |. 43 Seguidamente se procedió a determinar los límites inferior y superior con la siguiente fórmula, para la cual se consideró un nivel de confianza de 90%. ( ̄. (. ). √𝑛. ) 𝑛. Dónde: x: romedio de los datos obtenidos de la diferencia de modelo actual y el propuesto. Z: Evaluamos la tabla de distribución normal Anexo 10, pues el número de datos “n” es mayor a 30 (Z= 1.64). S: Desviación estándar de la diferencia de ambos escenarios. n: Total de datos n=135. Reemplazamos: (. ̄. (. ). √. ). Se obtuvo como resultado los límites inferior y superior y se analizó el escenario en el cual se ubicaron los límites: (25.48 < u1 - u2 < 27.37) Ilustración 24. Cuadro de Análisis para la Hipótesis – Variable Tiempo de Ciclo. Fuente: Elaboración propia..

(55) |. 44 Con ello se llegó a la siguiente conclusión: Nos encontramos en el caso “c”, puesto que el intervalo contiene valores positivos. Por lo tanto, rechazamos la hipótesis Ho y tomamos la hipótesis H1: μ1 ≠ μ2. Ello significa que el escenario 2 es el mejor entre 25.47 y 27.36 minutos más bajo que el escenario 1. Evaluación de la Variable Tiempo de Registrar Pedido PASO 1. Ejecutamos una muestra de 10 réplicas y deshabilitamos la animación, con la finalidad de calcular las réplicas con las que se trabajará. Ilustración 25. Réplicas de la muestra - Variable Tiempo de Registrar Pedido. Fuente elaboración propia..

(56) |. 45. Luego exportamos los datos obtenidos en excel de las 10 réplicas ejecutadas: Tabla 16. Réplicas exportadas - Variable Tiempo de Registrar Pedido Tiempo Por Réplica. Nombre. Total. cambio. Cambios. Promedio. Valor. Valor. Valor. Valor. Mínimo Máximo Actual Promedio. (Min) 1.00. 2.00. 3.00. 4.00. 5.00. 6.00. 7.00. 8.00. 9.00. 10.00. V TIEMPO DE REGISTRAR PEDIDO V TIEMPO DE REGISTRAR PEDIDO V TIEMPO DE REGISTRAR PEDIDO V TIEMPO DE REGISTRAR PEDIDO V TIEMPO DE REGISTRAR PEDIDO V TIEMPO DE REGISTRAR PEDIDO V TIEMPO DE REGISTRAR PEDIDO V TIEMPO DE REGISTRAR PEDIDO V TIEMPO DE REGISTRAR PEDIDO V TIEMPO DE REGISTRAR PEDIDO. 42.00. 31.31. 0.97. 31.90. 3.51. 10.73. 42.00. 32.52. 1.00. 19.76. 2.51. 9.07. 42.00. 32.27. 1.15. 26.81. 10.53. 11.16. 42.00. 31.82. 1.06. 28.59. 13.38. 9.33. 42.00. 32.31. 0.94. 31.86. 12.16. 10.37. 42.00. 32.61. 1.11. 28.67. 3.05. 8.46. 42.00. 32.12. 1.13. 12.74. 6.28. 5.63. 42.00. 32.58. 1.20. 21.66. 3.31. 9.63. 42.00. 30.87. 1.18. 21.49. 17.80. 8.82. 42.00. 31.69. 0.74. 16.15. 13.35. 6.20. Fuente: Elaboración propia. Con los datos de la última fila (Valor Promedio), determinamos el número de réplicas para lo cual trabajaremos, con la siguiente fórmula:. [. (. ). ].

(57) |. 46 Dónde: N: Número de réplicas necesarias para lograr un nivel de exactitud deseado. S: Es la desviación estándar, basada en n réplicas del modelo. e: Es el error entre la media estimada poblacional y la media muestral. t: Valor crítico de la tabla t student Anexo 7, se considera un nivel de confianza de 90%. Tabla 17. Cálculo del Número de Réplicas – Variable Tiempo de Registrar Pedido. Valor Promedio 10.73 9.07 11.16 9.33 10.37 8.46 5.63 9.63 8.82 6.20 S= 1.88 T(10-1,1-10%/2)= 1.833 Fuente: Elaboración propia. Una vez hallada la desviación estándar y la t-student, se procedió a calcular “e” para el cual se asignó 9 valores y con ello se determinó el valor de N más conveniente al reemplazar en la fórmula..

(58) |. 47 Tabla 18. Número de Réplicas – Variable Tiempo de Registrar Pedido si e=. N=. 0.3. 123. 0.5. 45. 1. 12. 2. 3. 3. 2. 4. 1. 5. 1. 6. 1. 7. 1. Fuente: Elaboración propia.. Elegimos diferencia entre la media poblacional y la muestral el valor de e=0.3, con el cual ejecutamos N=123 réplicas, este represento un valor adecuado para efectuar la comparación de escenarios. PASO 2. Para efectuar la comparación del escenario actual y el escenario propuesto se empleó la Prueba Paired T test, la cual permite determinar si la diferencia entre dos conjuntos de observaciones es cero. Para ello se planteó la siguiente hipótesis: . H0: μ1 = μ2. . H1: μ1 ≠ μ2 “H0 nos dice que el valor de μ1 no es significativamente diferente de μ2 con un nivel α de significancia” (Walpole et al. , 2014, p. 320). “H1 nos dice que el valor de μ1 y μ2 son significativamente diferentes con un nivel α de significancia” (Walpole et al. , 2014, p. 320). Seguidamente se ejecutaron las 132 réplicas calculadas para el modelo AS IS y TO BE y se exportaron en Excel como se puede observar en el Anexo 11 y 12. Ilustración 26. Réplicas – Variable Tiempo de Registrar Pedido.

(59) |. 48. Fuente: Elaboración propia..

(60) |. 49. De la diferencia de ambos modelos se calculó el promedio y la desviación estándar: Tabla 19. Comparación de Escenarios – Tiempo de Registrar Pedido. Réplic a. 1. 2 ⁞ ⁞ 120. 121. 122. 123. Nombre V TIEMPO REGISTRAR PEDIDO V TIEMPO REGISTRAR PEDIDO ⁞ ⁞ V TIEMPO REGISTRAR PEDIDO V TIEMPO REGISTRAR PEDIDO V TIEMPO REGISTRAR PEDIDO V TIEMPO REGISTRAR PEDIDO. Escenari o Actual. Escenari o Propuest o. Diferenci a. 10.73. 2.18. 8.55. 9.07. 2.03. 7.04. ⁞ ⁞. ⁞ ⁞. ⁞ ⁞. 10.19. 2.25. 5.85. 7.43. 2.00. 5.19. 6.16. 2.06. 7.15. 7.94. 2.02. 8.53. Promedio Desviaci ón Estándar. 6.45 1.78. Fuente: Elaboración propia. Seguidamente se procedió a determinar los límites inferior y superior con la siguiente fórmula, para la cual se consideró un nivel de confianza de 90%. ( ̄. (. ). √𝑛. ) 𝑛.

(61) |. 50 Dónde: x: romedio de los datos obtenidos de la diferencia de modelo actual y el propuesto. Z: Evaluamos la tabla de distribución normal Anexo 9, pues el número de datos “n” es mayor a 30 (Z= 1.64). S: Desviación estándar de la diferencia de ambos escenarios. n: Total de datos n=132. Reemplazamos: (. (. ). √. ). Se obtuvo como resultado los límites inferior y superior y se analizó el escenario en el cual se ubicaron los límites: (6.19 < u1 - u2 < 6.72) Ilustración 27. Análisis para la Hipótesis – Variable Tiempo de Registrar Pedido. Fuente: Elaboración propia. Nos encontramos en el caso “c”, puesto que el intervalo contiene valores positivos. Por lo tanto, rechazamos la hipótesis Ho y tomamos la hipótesis H1: μ1 ≠ μ2. Ello significa que el escenario 2 es el mejor entre 6.19 y 6.72 minutos más bajo que el escenario 1. Evaluación de la Variable Tiempo de Pago de Pedido PASO 1. Ejecutamos una muestra de 10 réplicas y deshabilitamos la animación, con la finalidad de calcular las réplicas con las que se trabajará..

(62) |. 51 Ilustración 28. Réplicas de la muestra - Variable Tiempo de Pago de Pedido. Fuente elaboración propia..

(63) |. 52. Luego exportamos los datos obtenidos en excel de las 10 réplicas ejecutadas: Tabla 20. Réplicas exportadas - Variable Tiempo de Pago de Pedido Tiempo. Réplica. Nombre. Total Cambios. Por cambio Promedio. Valor. Valor. Valor. Valor. Mínimo. Máximo. Actual. Promedio. (Min) 1.00. 2.00. 3.00. 4.00. 5.00. 6.00. 7.00. 8.00. 9.00. 10.00. V TIEMPO DE PAGO DE PEDIDO V TIEMPO DE PAGO DE PEDIDO V TIEMPO DE PAGO DE PEDIDO V TIEMPO DE PAGO DE PEDIDO V TIEMPO DE PAGO DE PEDIDO V TIEMPO DE PAGO DE PEDIDO V TIEMPO DE PAGO DE PEDIDO V TIEMPO DE PAGO DE PEDIDO V TIEMPO DE PAGO DE PEDIDO V TIEMPO DE PAGO DE PEDIDO. 42.00. 32.48. 2.20. 30.82. 9.05. 9.79. 42.00. 33.61. 2.58. 19.47. 3.79. 8.94. 42.00. 33.54. 2.36. 25.76. 2.96. 10.54. 42.00. 33.17. 2.10. 20.42. 2.47. 10.26. 42.00. 33.52. 2.16. 33.30. 5.35. 10.78. 42.00. 33.78. 2.37. 29.67. 3.76. 8.11. 42.00. 33.34. 2.22. 10.95. 5.81. 5.92. 42.00. 33.59. 2.33. 27.80. 2.33. 10.44. 42.00. 32.51. 2.35. 25.10. 8.63. 9.71. 42.00. 32.72. 2.48. 14.63. 2.50. Fuente: Elaboración propia.. 7.00.

(64) |. 53. Con los datos de la última fila (Valor Promedio), determinamos el número de réplicas para lo cual trabajaremos, con la siguiente fórmula:. [. (. ). ]. Dónde: N: Número de réplicas necesarias para lograr un nivel de exactitud deseado. S: Es la desviación estándar, basada en n réplicas del modelo. e: Es el error entre la media estimada poblacional y la media muestral. t: Valor crítico de la tabla t student Anexo 7, se considera un nivel de confianza de 90%. Tabla 21. Cálculo del Número de Réplicas – Variable Tiempo de Pago de. Pedido. Valor Promedio 9.79 8.94 10.54 10.26 10.78 8.11 5.92 10.44 9.71 7.00 S= 1.65 T(10-1,1-10%/2)= 1.833. Fuente: Elaboración propia. Una vez hallada la desviación estándar y la t-student, se procedió a calcular “e” para el cual se asignó 9 valores y con ello se determinó el valor de N más conveniente al reemplazar en la fórmula..