ch 845 simulacion proceso admision autores

VIII Simposio Internacional de Ingeniería Industrial: Actualidad y Nuevas Tendencias 2015Concepción, Chile

Agosto 5, 6 y 7, 2015

Simulación del proceso de admisión y propuesta de optimización. Caso de la Universidad Nacional Mayor de San Marcos

Alan Gutiérrez Atúncar1, Teonila García Zapata2, Adolfo Acevedo Borrego2

1Facultad de Ingeniería Industrial, Escuela de Ingeniería Industrial. Universidad Nacional Mayor de San Marcos.

2 Docente Facultad de Ingeniería Industrial. Universidad Nacional Mayor de San [email protected], [email protected], [email protected]

Autor para correspondencia: Alan Gutiérrez Atúncar1, Dir. postal: Jr. Albero Rojas 198, Urb. Cooperativa Policial , Distrito San Martín de Porres, Lima-12, Perú; email:

[email protected]

Simulation of admission process and optimization proposal. Case of the Major National University of San Marcos

Resumen

En el proceso de admisión en la Universidad Nacional Mayor de San Marcos, se presenta una tendencia anual creciente en el número de postulantes que determina alta competencia y elevados puntajes para ingresar, con alta presión y control insuficiente durante la realización del proceso en el día de admisión, donde surgen dificultades no previstas de manera que el control deviene en poco eficiente. El presente estudio propone la mejora del proceso mediante el uso de instrumentos biométricos, la simulación y optimización de procesos. La investigación es documental al inicio, donde se estudia la información de los procesos de admisión de varios años, luego se aplica análisis y diseño de sistemas, mediante la técnica de simulación de un sistema de colas y programación lineal se optimiza el número de servidores y el ingreso al campus universitario durante el proceso. Se aplicó una prueba piloto que derivó en la propuesta de implantación del sistema digital de identificación de postulantes con reducción significativa en los tiempos de proceso de control previo e ingreso, el cual se encuentra en etapa de evaluación por parte de la Oficina Central de Admisión, donde se discute las mejoras en recursos y costos, para su futura ejecución.

Palabras Clave: Proceso de admisión, Universidad Nacional Mayor de San Marcos, Simulación, Optimización de procesos.

Abstract

In the admissions process at the National University of San Marcos, a growing annual trend occurs in the number of applicants that determines high competition and high scores to enter, with high pressure and insufficient control over the implementation of the process on the day of admission where unforeseen difficulties so that control becomes inefficient in arise. This study aims to improve the process by using biometric tools for simulation and process optimization. The research is documentary at the beginning where the information of admissions process of several years is studied, then analysis and design of systems is applied by the technique of simulating a queuing system and linear programming to optimize the number of servers and income the university campus during the process. a pilot that led to the proposed introduction of digital identification system for applicants with significant reduction in processing times prior checking and income, which is under evaluation by the Central Office of Admissions was applied, where improvements in resources and costs, for future implementation is discussed.

Key Words: Admission process, Major National University of San Marcos, Simulation, Optimization of processes.

mailto:[email protected]





Agosto 5, 6 y 7, 2015

1. Introducción

A lo largo de los procesos de admisión a la Universidad Nacional Mayor de San Marcos, debido a la alta competitividad de los postulantes, los elevados puntajes que se requiere para ingresar, y la tendencia creciente de la demanda, ha originado la implementación de modalidades ilícitas. En ese contexto, se ha encontrado numerosas dificultades para controlar la realización integra del proceso de admisión de manera eficiente.

Por este motivo y debido a que se pretende asegurar el ingreso de los alumnos realmente aptos, la Oficina Central de Admisión de la universidad en estudio ha propuesto mejorar este procedimiento por medio de instrumentos biométricos, los cuales se implantarían en las puertas de ingreso.

La técnica de la Simulación es una herramienta con aplicaciones crecientes en diversos campos debido a su flexibilidad y a su capacidad para describir y analizar el comportamiento de un sistema, por ello la presente investigación tiene por propósito analizar el proceso actual, y plantear un nuevo proceso de control en el examen de admisión y optimizarlo, estas mejoras fueron simuladas para evaluar la viabilidad.

El artículo se estructura en tres partes. La primera es la definición del problema. La segunda consiste en la presentación de la propuesta de mejora del proceso y el desarrollo del modelo que permite evaluar las políticas de ingreso, encontrar el número óptimo de servidores por puerta que garantice el control adecuado minimizando los tiempos de espera y los costes asociados. De esta manera se analiza la viabilidad de la propuesta. Finalmente se presenta las conclusiones.

2. Metodología

A continuación, se presenta el enfoque metodológico que se usó en el presente artículo. Las etapas se presentan en la figura 1.

Figura 1 Metodología de simulación del proceso de admisión Fuente: Elaboración propia

En la tabla 1 se describen las generalidades de cada una de las etapas de la metodología empleada en el análisis del sistema de control del proceso de admisión.

Tabla 1 Descripción de metodología de simulación utilizada

1Mapeo del proceso actual y definición del problema.

El mapeo del proceso permite comprender el proceso actual en el que se desarrolló la simulación, se recolectó la información de la fuente primaria, la oficina central de admisión responsable de este proceso en la universidad.

2 Definición del objetivo de simulación

Evaluar la viabilidad de la alternativa de mejora Optimizar las variables de respuesta, número de servidores, costo,

utilización de los servidores.

2


Agosto 5, 6 y 7, 2015

3 Modelo conceptual

Caracterización del proceso de control, incluyendo políticas, indicadores y operaciones.

Declaración de las variables de entrada, parámetros y variables de respuesta del modelo.

Definición de entidades, servicios y procesos del modelo. Recolección de los datos del proceso propuesto mediante prueba piloto y

supuestos del modelo para obtener las distribuciones estadísticas de las variables de entrada.

4 Modelo computacional Traducción del modelo conceptual al modelo en el software SIMIO Validación del modelo con exámenes de otra índole a cargo de la Oficina

central de admisión.

5 Análisis de resultados

Se realizó un análisis de los resultados del proceso actual (entrada de las entidades en 3 horas)

Se realizó la simulación del proceso propuesto. Con el modelo de simulación validado, se definieron escenarios cambiando

el número de servidores para optimizar en base a los indicadores: costo, %utilización, flujo de entrada.

6 ConclusionesLas mejoras y los valores de las variables de entradas, políticas óptimas sustentadas en la mejora de los indicadores se presentaron mediante un informe para su evaluación.

3. Descripción del problema y propuesta de mejora.

3.1. Definición del problema.

En los procesos de admisión existen intentos de fraude como suplantación, uso de equipos electrónicos, entre otros. Por otro lado, los tiempos en cola hasta rendir el examen son extensos, el ingreso al campus es de 6:00 a 9:00 am, a las 10:00 el alumno debe estar en sus aulas listo para las indicaciones y un segundo control para empezar el examen de 11:00 a 14:00 horas. Esto ocasiona un tiempo de espera muy largo que debería reducirse.

El problema se traduce en el diseño de un proceso de control, con políticas de ingreso que minimice el tiempo de espera, y los costos asegurando el ingreso de todos los postulantes bajo controles estrictos.

La figura 1 muestra el proceso de admisión actual, siendo el caso de análisis el proceso de Control.

Figura 2 Flujograma del proceso de admisión. Elaboración propia

3


Agosto 5, 6 y 7, 2015

3.2. Propuesta de Mejora

Se propone un proceso de control que contempla una revisión rápida de aparatos electrónicos, y una comparación entre la huella digital obtenida mediante el instrumento biométrico dactilar y la huella descargada de los registros nacionales de identificación y estado civil (RENIEC), este proceso se presenta en la figura2.

Figura 3 Diagrama de proceso de control. Elaboración propia

Adicionalmente, al empezar el proceso y elegir la puerta de ingreso se propone un modelo de programación lineal debido a la posible acumulación de colas y a la gran extensión del campus universitario (30 000 metros cuadrados). El modelo busca equilibrar la cantidad de alumnos a ingresar por cada puerta de acuerdo a la capacidad de las aulas asignadas en cada local (facultad que ofrece una cantidad de aulas para el proceso de admisión) y a la cercanía a la puerta, minimizando la distancia total recorrida por los alumnos. Para ello se modela el siguiente problema de transporte, que optimiza el ingreso por cada puerta.

Conjuntos.

i=nodo deoferta , puerta1 , 2, 3j=nodo de demanda, local1 ,2 , 3 ,.. , 17Variables de decisión.

x ij :Cantidad de alumnos que ingresan por la puerta i y rinden elexamen enel local jOi : cantidad que ingresa por la puertaiParámetros.

d ij : distanciaentre la puerta i y el local jCapi : capacidad del local jTOTAL=Cantidad totalde postulantes

min Z=∑j=1

16

∑i=1

3

xij∗d ij(1)

Total=∑i=1

3

Oi(2)

Oi=∑j=1

16

x ij ,∀ i=1,2,3(3)

4


Agosto 5, 6 y 7, 2015

Capi≥∑i=1

3

x ij , ∀ j=1,2 , .. ,16 (4)

x i>0 ,∀ i

En este modelo, la función objetivo (1) minimiza las distancias recorridas por los estudiantes, que ingresan de las puertas i hacia los locales j dentro del campus, la restricción (2) asegura que el total de alumnos que se presentan ingresan al campus, la restricción (3) y (4) son restricciones del modelo de transporte de oferta y demanda.

Los resultados de este modelo servirán para distribuir a los alumnos de forma óptima y con datos históricos nos permite conocer la proporción de alumnos que debe ingresar por cada puerta, que servirá como entrada al modelo de simulación de la propuesta.

4. Estudio de simulación

4.1. Objetivo del modelo

El modelo tiene por objetivo analizar la viabilidad del sistema propuesto en cuanto a indicadores, minimizando los costos. Para ello se busca evaluar ciertas variables como: utilización de los servidores, cola en el servicio, espera total del alumno hasta que esté en el aula (TiempoHasta10am), costos. Estas variables permitirán decidir sobre la viabilidad de la propuesta y de las políticas.

4.2. Modelo conceptual

La primera parte del modelo conceptual corresponde al proceso de ingreso y control de los alumnos descritos en el punto 3.2. La otra parte corresponde a las variables de entrada, parámetros y variables de respuestas que se presenta en el modelo propuesto.

- Entidad: Postulante que puede ser de varios tipos.- Variables de entrada

Capi=cantidad de servidores en la puertai Tiempo entre llegada de entidades Tipo de entidad Tiempo de atención de las entidades Probabilidad de elección de la puerta i

- Variables de respuesta %Utilización de los servidores TiempoHasta10am: Tiempo promedio que los postulantes esperan desde que llegan

hasta las 10:00 horas. Wq: Tiempo promedio que los postulantes demoran en la cola de control. CostoT: Costo de oportunidad más el costo de los servidores. Throughput: Flujo de salida, estudiantes que entran entre el total que arriban.

- Políticas Tiempo ingreso: Evaluar si el tiempo de ingreso se puede reducir de 3 a 2 horas. Tiempo adicional: Evaluar si una vez pasado el tiempo de ingreso se puede atender 20

minutos adicionalmente a los que se encuentran en cola ya que llegaron dentro del tiempo de ingreso.

En la figura 3 se observa el modelo desarrollado para la evaluación de estos indicadores.

5


Agosto 5, 6 y 7, 2015

Figura 4 Animación del modelo de simulación

4.3. Modelamiento de la elección de puertas

Para el proceso de repartir las entidades a una puerta se considera los resultados del programa lineal descrito en el punto 3.2. Los postulantes ingresan por tres puertas hacia los locales dentro de la universidad donde rendirán su examen.

Tabla 1. Proporción por puerta.

Proporción

Puerta 1 0.3

Puerta 3 0.4

Puerta 7 0.3

1

4.4. Modelamiento del tiempo de servicio

Se obtuvo la información en base a la prueba piloto realizada en el proceso de admisión 2014-2, este proceso estuvo a cargo de la facultad de Ingeniería Industrial de la Universidad en mención.

De esta prueba se obtuvo una muestra de los tiempos de atención (en segundos) del proceso de control propuesto, los cuales se ajustaron a una distribución de probabilidad utilizando la herramienta “Analizador de datos de entrada” (Input Analyzer) del software ARENA, el cual encuentra el mejor ajuste.

En la figura 4, se presenta los resultados se presenta los resultados de la prueba Chi-cuadrada para determinar la discrepancia entre la distribución observada y la teórica, obteniéndose una distribución normal con un error cuadrado de 0.37% como la más indicada para modelar esta variable.

6


Agosto 5, 6 y 7, 2015

Figura 5 Ajuste de los datos de tiempo de servicio

4.5. Modelamiento del tiempo entre arribos

Este tiempo se aproximará como una distribución markoviana con una tasa que se calculará como como los arribos totales sobre el tiempo. En la tabla 2 se muestra la proyección de la cantidad de postulantes para el proceso de admisión del 2015, obtenido mediante el método de regresión con un coeficiente de determinación del 85%.

Tabla 2. Pronóstico para la cantidad de postulantes de los días del examen. Elaboración propia

Tabl

La tasa de

llegadas varía cada hora por ello se considera un proceso markoviano no homogéneo, se sabe por experiencia que el 15% de los postulantes llega en la primera hora, el 60% en la segunda y el 25% restante en la tercera hora.

Tasa arribos domingo λhora 1=15210 postulantes∗0.15

1 hr=2281 postulantes

hr

Tasa arribos domingo λhora 2=15210 postulantes∗0.50

1hr=7605 postulantes

seg

Tasa arribos domingo λhora 3=15210 postulantes∗0. 35

1 hr=5323 postulantes

seg

4.6. Modelación de las entidades

Las entidades son los postulantes que buscan pasar por el control, son de cuatro tipos, de acuerdo al colegio de procedencia estatal o particular esto debido a que cada entidad tiene un distinto pago por el derecho de admisión. Además se tiene en cuenta el porcentaje de la población la cual tiene como intención suplantar, de los cuales se destacan dos posibilidades, los desertores quienes estando en la cola de ingreso, optan por retirarse (por razones que no se analizan en este trabajo), o son detectados en el servidor y retirados del proceso posteriormente. En la tabla 3 se encuentra el porcentaje esperado de cada uno de ellos, el cual se modela como una probabilidad discreta.

7

Tabla 3. Porcentaje de entidades respecto al proceso 2012-I

DíaAño (proceso I) Pronostico

2009 2010 2011 2012 2013 2014 2015

Sábado 9549 8059 8742 8956 10485 11920.5 11554

Domingo 10476 9531 11755 13108 12815 14569.5 15210

Total 20025 17590 20497 22064 23300 26490 26763


Agosto 5, 6 y 7, 2015

4.7. Costos

Para lograr el objetivo de la investigación, el cual es encontrar el número óptimo de servidores, se debe tener en consideración una serie de costos, así para el análisis se consideró:- Costo oportunidad El costo de oportunidad de un alumno viene dado por encontrar la cola llena y no lograr entrar en el lapso de 6:00 a 9:00 am, esto producirá que no logre a entrar a rendir su examen y pierda el costo de su inscripción.

Tabla 4. Costo de oportunidad (Cifras en Nuevos Soles PEN, 1 dólar equivale a 3 PEN)

- Costo de servicio Son los costos asociados a la instalación y funcionamiento de un módulo de control en la puerta respectiva.

Tabla 5. Costo de servicio (Cifras en Nuevos Soles PEN)Costo recursos x 3hr x 2hrPago controlador S/. 200.00 S/. 130.00Pago ayudante S/. 100.00 S/. 70.00Costo actividadesInstalación de modulo S/. 50.00 S/. 50.00Depreciación inversiónEquipos biométricos S/. 100.00 S/. 100.00Equipos computo S/. 50.00 S/. 50.00Costo total S/. 500.00 S/. 400.00

4.8. Modelo computacional

El modelo conceptual se procesó en el software SIMIO con los modulos que se enlistan en la tabla 6.

8

Total proceso 2012-I Día Sábado Día Domingo Porcentaje día

DomingoEstatal 12590 5666 6924 56.99%

Particular 9474 4264 5210 42.88%Suplantadores 4 2 2 0.02%

Desertores 24 11 13 0.11%Total 22064 9943 12149 100.00%

Estatal ParticularCosto prospecto S/.60 S/.60

Costo derecho examen S/.250 S/.400Costo movilidad S/.5 S/.5

Costo total S/.315 S/.465


Agosto 5, 6 y 7, 2015

Tabla 6. Modelo computacional en software SIMIO

Modulo Funcionalidad

1 Source

Creación de las entidades de cada tipo según una distribución discreta y con la tasa markoviana del tiempo de arribos no homogéneo.

2 Entidades

3 Server

En este proceso se da la atención de los clientes.

El tiempo de procesamiento es una distribución normal con media 22.3 y media 3.17 segundos.

Acá se rescatan las estadísticas con objetos Tally Statistics

4 Paths Se usó medidas en metros de la distancia entre la puerta al centro de gravedad de los locales.

5 Sink

Destruye las entidades

Rescata la estadística de TiempoHasta10am

6 Costos y estadísticas de salida

Se usó elementos del tipo Centro de Costo para la imputación de los mismos

9


Agosto 5, 6 y 7, 2015

4.9. Optimización OptQuest

En la simulación, se realizó un experimento donde el primer objetivo es minimizar el costo total que es la suma del costo de servicio y el costo de oportunidad, ya que este costo es la variable de la cual depende el numero óptimo de servidores, además se busca un troughput mayor 95%,

Este experimento se realiza en el OptQuest de SIMIO con un nivel de confianza del 95%.

min zCostoTotal=CostoOportunidad+Costo Servicio(5)Sujeto a:5≤Cap 1≤25(6)

5 ≤Cap 3≤25 (7)

Cap 1=Cap7 (8)Troughput ≥0.98 (9)

La función objetivo (5) encuentra un equilibrio entre las entidades que no entran a rendir su examen y el costo de un servidor adicional, las restricciones (6) y (7) limita los servidores por un tema de orden y espacio, la restricción (9) asegura un flujo de salida del 98%.

5. Resultados

Se realizó la simulación del proceso de control e ingreso de los postulantes al examen de admisión del día domingo que es el más crítico en cantidad, para ello se realizaron mejoras en el diseño del proceso, mediante un programa matemático y un proceso de control más eficiente.

Se encuentra una solución óptima de servidores, como salida del software, a un nivel de confianza del 95%, se corrió entre 5 y 20 simulaciones por cada escenario. La figura 4 y 5 presenta los resultados de los escenarios propuestos con un tiempo de control de 2 y 3 horas, ambas con 20 minutos de atención adicional después de cerrada la puerta para la atención de los que llegaron dentro del tiempo programado.

Figura 5. Resultados propuesta en 3 horas y 20 minutos dentro del campus.

10


Agosto 5, 6 y 7, 2015

Figura 6. Resultados propuesta en 2 horas y 20 minutos dentro del campus.

Se concluyó que el proceso debe ser con un tiempo de dos horas y veinte minutos adicionales para los que llegaron dentro de las dos horas, con 12 servidores en la puerta 1 y 7; 16 servidores en la puerta 3. Alcanzando un costo de 16000 PEN (5 300 dólares), siendo este el costo mínimo, y una reducción en tiempo de espera promedio hasta 1.80 horas, y una espera promedio en la cola de 0.18 horas (11 minutos), detectando al 100% los fraudes.

6. Discusión

El análisis que se usa en este artículo demuestra que la herramienta de simulación y el software SIMIO son muy útiles para modelar y optimizar sistemas, en este caso un sistema de colas. Se encuentra un número elevado de servidores, a pesar de que hay suficiente espacio para 16 servidores en las entradas la distribución puede causar desorden, por ello se debería mejorar el software de identificación de huella a tal punto que sea automatizado para disminuir el tiempo de procesamiento y así poder disminuir los servidores, reduciendo aún más los indicadores en cuestión.

Los tiempos tomados en la prueba piloto son muy variables debido a la poca preparación de los que realizaron el control, esto puede ser mejorado con capacitación y por efecto de la curva de aprendizaje. No se contó con un análisis de tiempo de llegadas debido a la gran cantidad de postulantes, pero se aproximó según supuestos y llevado a la incertidumbre por medio de las variables aleatorias.

El presente estudio se encuentra en etapa de evaluación por parte de la Oficina Central de Admisión, donde se discute las mejoras en recursos y costos, para su futura ejecución.

BIBLIOGRAFIA

E. Raffo Lecca (2012). Modelación y simulación con SIMIO. 1°Ed. Lima, Peru / CEPREDIM

Ley universitaria N°23733(1994, 4 mayo)[En línea]:Congreso de la República del Perú. Disponible en: http://www.albany.edu/dept/eaps/prophe/data/Country_Law/PeruLEY%20UNIVERSITARIA_modificada.pdf [2015, 20 abril]

Universidad Nacional Mayor de San Marcos (2014). Demanda universitaria. Compendio estadístico 2014 (24). Disponible en: http://ogpl.unmsm.edu.pe/compendios/Compendio%202014/Cap2.html [2015, 20 abril]

Universidad Nacional Mayor de San Marcos (2014). Más de 23 mil postulantes lucharon por una vacante. Disponible en: http://www.unmsm.edu.pe/noticias/ver/2330 [2015, 20 abril]

11


Agosto 5, 6 y 7, 2015

Universidad Nacional Mayor de San Marcos (2014). UNMSM implementará captura de huellas digitales durante el proceso de admisión. Disponible en: http://orientacion.universia.edu.pe/universidades-8/noticias/unmsm-implementara-captura-de-huellas-digitales-durante-el-proceso-de-admision--1063.html [2015, 20 abril]

Taha, H. A. (2010). Investigación de Operaciones (9a ed.). Naucalpan de Juárez, México: Pearson Educación.

12

ch 845 simulacion proceso admision autores

Documents