PrietoIngenieria

Características a la Hora de Establecer un Diseño Industrial

2013-02-26T07:40:00.001-08:00

Diseño Preliminar

- Planteamiento inicial de la necesidad.

- Revisión del estado del arte del problema.

- Recolección de datos cuantitativos y cualitativos.

- Definición del problema.

· Diseño Básico

- División en subsistemas.

- Planteamiento de alternativas de solución de subsistemas.

- Selección de alternativas de solución.

- Integración de subsistemas.

· Diseño De Detalle

- Selección de elementos comerciales.

- Síntesis y análisis de piezas manufacturadas.

- Integración de elementos y subsistemas.

- Planos de ensamble y de taller.

· Prototipos & Pruebas

- Prototipos: virtuales (CAD 3D, CAE, CAM) y reales.

- Pruebas estáticas y dinámicas.

- Retroalimentación.

· Diseño Definitivo

- Planos definitivos: detalle, taller, ensamble y explosión.

- Diseño de detalles estéticos y especificación de acabados.

- Construcción de la pieza en serie.

· Comunicación

- Bitácora de diseño.

- Memorias de cálculo y planos.

- Manuales de instalación, operación y mantenimiento.

- Patente y registro comercial.

- Catálogos comerciales.

Material de apoyo

La estructura de un algoritmo genético

2012-10-30T20:48:00.001-07:00

Un algoritmo genético está descrito por tres módulos de programación:

a) Modulo evolutivo, Es un mecanismo de decodificación que interpreta la información de un cromosoma y tiene una función de evaluación que mide la calidad del cromosoma. Este es el único punto donde existe información del dominio.

b) Modulo poblacional, Este módulo tiene una representación poblacional y técnicas para manipularla. Se utilizan técnicas de representación, técnicas de arranque, criterios de selección y de reemplazo. Aquí también se define el tamaño de la población y la condición de terminación.

c) Modulo reproductivo, Este módulo contiene los operadores genéticos así como lo son el crossover, la mutación la selección, entre otros.

Funcionamiento de un algoritmo genético básico

2012-10-30T20:46:00.001-07:00

Un algoritmo genético puede presentar diversas variaciones, dependiendo de cómo se aplican los operadores genéticos (cruzamiento, mutación), de cómo se realiza la selección y de cómo se decide el reemplazo de los individuos para formar la nueva población. En general, el pseudocódigo consiste de los siguientes pasos:

Inicialización: Se genera aleatoriamente la población inicial, que está constituida por un conjunto de cromosomas los cuales representan las posibles soluciones del problema. En caso de no hacerlo aleatoriamente, es importante garantizar que dentro de la población inicial, se tenga la diversidad estructural de estas soluciones para tener una representación de la mayor parte de la población posible o al menos evitar la convergencia prematura.

Evaluación: A cada uno de los cromosomas de esta población se aplicará la función de aptitud para saber qué tan "buena" es la solución que se está codificando.

Condición de término El AG se deberá detener cuando se alcance la solución óptima, pero ésta generalmente se desconoce, por lo que se deben utilizar otros criterios de detención. Normalmente se usan dos criterios: correr el AG un número máximo de iteraciones (generaciones) o detenerlo cuando no haya cambios en la población. Mientras no se cumpla la condición de término se hace lo siguiente:

Selección Después de saber la aptitud de cada cromosoma se procede a elegir los cromosomas que serán cruzados en la siguiente generación. Los cromosomas con mejor aptitud tienen mayor probabilidad de ser seleccionados.

Recombinación o Cruzamiento La recombinación es el principal operador genético, representa la reproducción sexual, opera sobre dos cromosomas a la vez para generar dos descendientes donde se combinan las características de ambos cromosomas padres.

Mutación modifica al azar parte del cromosoma de los individuos, y permite alcanzar zonas del espacio de búsqueda que no estaban cubiertas por los individuos de la población actual.

Reemplazo una vez aplicados los operadores genéticos, se seleccionan los mejores individuos para conformar la población de la generación siguiente

Algoritmo Genetico

2012-10-30T20:43:00.000-07:00

Algoritmo genético

Un algoritmo es una serie de pasos organizados que describe el proceso que se debe seguir, para dar solución a un problema específico. En los años 1970, de la mano de John Henry Holland, surgió una de las líneas más prometedoras de la inteligencia artificial, la de los algoritmos genéticos.1 Son llamados así porque se inspiran en la evolución biológica y su base genético-molecular. Estos algoritmos hacen evolucionar una población de individuos sometiéndola a acciones aleatorias semejantes a las que actúan en la evolución biológica (mutaciones y recombinaciones genéticas), así como también a una Selección de acuerdo con algún criterio, en función del cual se decide cuáles son los individuos más adaptados, que sobreviven, y cuáles los menos aptos, que son descartados. Es incluido dentro de los algoritmos evolutivos, que incluyen también las estrategias evolutivas, la programación evolutiva y la programación genética. Dentro de esta última se han logrado avances curiosos:

Un algoritmo genético es un método de búsqueda dirigida basada en probabilidad. Bajo una condición muy débil (que el algoritmo mantenga elitismo, es decir, guarde siempre al mejor elemento de la población sin hacerle ningún cambio) se puede demostrar que el algoritmo converge en probabilidad al óptimo. En otras palabras, al aumentar el número de iteraciones, la probabilidad de tener el óptimo en la población tiende a 1 (uno).

Matriz Fundamental Markov

2012-10-30T09:15:00.000-07:00

Teoremas Markovianos

2012-10-30T09:10:00.000-07:00

Teorema 01

Si en cada paso hay una probabilidad constante p de obtener un resultado favorable, el número esperado de pasos hasta obtener el primer caso favorable es 1/p.

Si q = 1 - p a la probabilidad de obtener un resultado desfavorable

Teorema 02

Cadenas Absorbentes

Hay solo dos tipos de estados (absorbentes y transientes), nos resultara conveniente llamar al conjunto de estados absorbentes A y al conjunto de estados transientes T.

En una cadena absorbente y empezando en cualquier estado, sea Transiente o absorbente, tenemos una probabilidad positiva de llegar en algún momento a un estado absorbente. (En el grafo se observa: esto se refleja en que desde todo estado Transiente existe un camino (dirigido) hacia algún estado absorbente o para cada estado u existe un estado y un número de pasos r tales que la probabilidad de ir desde u hasta v en r pasos es positiva.

En toda cadena de Markov absorbente, la probabilidad de absorción (que empezando en cualquier lugar se llegue a un estado absorbente) es

Teorema 03

En una cadena de Markov absorbente cuya matriz canoníca tiene la forma de la ecuación

Tipos de Cadenas de Markov

2012-10-30T09:05:00.000-07:00

ESTADO ABSORBENTE

Estado absorbente: una vez que llego a ellos nunca puedo salir cadena es ergódica: no hay estados absorbentes

ESTADOS TRANSIENTES

Estado Transiente: estados que no están en ningún conjunto ergódico

Cadenas absorbentes

Una cadena de Markov con espacio de estados finito se dice absorbente si se cumplen las dos condiciones siguientes:

La cadena tiene al menos un estado absorbente.
De cualquier estado no absorbente se accede a algún estado absorbente.

Cadenas absorbentes: donde hay solo estados transientes y absorbentes (los conjuntos ergódicos tienen un único estado).

Cadenas Conexas

Cadenas conexas: todos los puntos se pueden conectar con caminos no dirigidos

Cadenas Regulares

Una cadena de Markov se dice regular (también primitiva o ergódica) si existe alguna potencia positiva de la matriz de transición cuyas entradas sean todas estrictamente mayores que cero.

Cuando el espacio de estados E es finito, si P denota la matriz de transición de la cadena se tiene que:

donde W es una matriz con todos sus renglones iguales a un mismo vector de probabilidad w, que resulta ser el vector de probabilidad invariante de la cadena. En el caso de cadenas regulares, éste vector invariante es único.

Cadenas (ergódicas) regulares: en las que el total forma un conjunto ergódico y existe

Cadenas de Markov

2012-10-30T09:00:00.000-07:00

En matemáticas, se define como un proceso estocástico discreto que cumple con la propiedad de Márkov, es decir, si se conoce la historia del sistema hasta su instante actual, su estado presente resume toda la información relevante para describir en probabilidad su estado futuro

Una cadena de Markov es un proceso estocástico en el que Si el estado actual Xn y los estados previos X1, . . . , Xn−1 son conocidos La probabilidad del estado futuro Xn+1 No depende de los estados anteriores X1, . . . , Xn−1, y Solamente depende del estado actual Xn.

Para que el proceso estocástico del número de líneas ocupadas sea una cadena de Markov
es necesario que la probabilidad de cada posible número de líneas ocupadas en cualquier instante de tiempo dependa solamente del número de líneas ocupadas

CARACTERISTICAS

PUNTOS DISCRETOS {tk} RESULTADOS EXAHUSTIVOS Y MUTUAMENTE EXCLUSYENTES

VARIABLE ALEATORIA ξtk

PROCESO ESTOCASTICO {ξtk} ES FAMILIA VARIABLES

CADENA DE MARKOV CASO ESPECIAL DE PROCESO DE MARKOV USADO PARA EL

ESTUDIO DE CIERTO SISTEMAS EN EL CORTO Y LARGO PLAZO

PROBABILIDAD DE TRANSICIÓN O TRANSICIÓN DE UN PASO

REPRESENTA LA PROBABILIDAD DE QUE EL ESTADO ESTE EN Xn CUANDO t ES tn, DADO QUE ESTABA EN Xn-1 EN

TRANSICIÓN DE m PASOS

LAS PROBABILIDADES DE IR DE UN PASO A OTRO EXISTEN, SON EXCLUYENTES Y ESTABLES EN EL TIEMPO Y SE REPRESENTAN CON LA MATRIZ P DE TRANSICION HOMOGENEA (TODAS LAS PROBABILIDADES DE TRANSICION SON FIJAS E INDEPENDIENTES EN EL TIEMPO)

Metodo Montecarlo

2012-10-07T11:38:00.000-07:00

Método de Simulación de Monte Carlo

La simulación de Monte Carlo es una técnica cuantitativa que hace uso de la estadística y

los ordenadores para imitar, mediante modelos matemáticos, el comportamiento aleatorio

de sistemas reales no dinámicos (por lo general, cuando se trata de sistemas cuyo estado

va cambiando con el paso del tiempo, se recurre bien a la simulación de eventos

discretos o bien a la simulación de sistemas continuos).

Es un método estadístico numérico y permite simular y evaluar modelos matemáticos complejos.

El método de Monte Carlo es en realidad una clase de métodos que comparten el siguiente conjunto de características:

Definen un dominio de entradas posibles.
Generan entradas aleatoriamente en el dominio definido.
Realizan cálculos determinísticos usando las entradas generadas.
Consolidan los resultados de los cálculos individuales en el resultado final.

Simulacion Montecarlo

2012-10-07T11:19:00.002-07:00

Método de Montecarlo

El método de Montecarlo es un método no determinístico o estadístico numérico, usado para aproximar expresiones matemáticas complejas y costosas de evaluar con exactitud. El método se llamó así en referencia al Casino de Montecarlo (Principado de Mónaco) por ser “la capital del juego de azar”, al ser la ruleta un generador simple de números aleatorios. El nombre y el desarrollo sistemático de los métodos de Montecarlo datan aproximadamente de 1944 y se mejoraron enormemente con el desarrollo de la computadora.

El uso de los métodos de Montecarlo como herramienta de investigación, proviene del trabajo realizado en el desarrollo de la bomba atómica durante la Segunda Guerra Mundial en el Laboratorio Nacional de Los Álamos en EE. UU. Este trabajo conllevaba la simulación de problemas probabilísticos de hidrodinámica concernientes a la difusión de neutrones en el material de fisión. Esta difusión posee un comportamiento eminentemente aleatorio.Montecarlo

En la primera etapa de estas investigaciones, John von Neumann y Stanislaw Ulam refinaron esta ruleta rusa y los métodos "de división" de tareas. Sin embargo, el desarrollo sistemático de estas ideas tuvo que esperar al trabajo de Harris y Herman Kahn en 1948. Aproximadamente en el mismo año, Enrico Fermi, Nicholas Metropolis y Ulam obtuvieron estimadores para los valores característicos de la ecuación de Schrödinger para la captura de neutrones a nivel nuclear usando este método.

El método de Montecarlo proporciona soluciones aproximadas a una gran variedad de problemas matemáticos posibilitando la realización de experimentos con muestreos de números pseudoaleatorios en una computadora. El método es aplicable a cualquier tipo de problema, ya sea estocástico o determinista. A diferencia de los métodos numéricos que se basan en evaluaciones en N puntos en un espacio M-dimensional para producir una solución aproximada, el método de Montecarlo tiene un error absoluto de la estimación que decrece como en virtud del teorema del límite central.

Ejemplo de aplicación de Montecarlo. En el juego de barcos, primero se realizan una serie de tiros a puntos aleatorios. Si el jugador genera un algoritmo puede deducir la posición del barco conocidos los datos anteriores.

Pruebas Estadisticas para Los Numeros Aleatorios

2012-10-07T09:00:00.000-07:00

PRUEBAS DE MEDIAS

PRUEBAS DE VARIANZAS

PRUEBAS DE UNIFORMIDAD

Algoritmos PseudoAleatorios

2012-10-07T08:49:00.001-07:00

ALGORITMOS LINEAL

ALGORITMO CUADRADOS MEDIOS

ALGORITMO PRODUCTOS MEDIOS

ALGORITMO MULTIPLICATIVO CONSTANTE

ALGORITMO MULTIPLICATIVO CONGRUENCIAL

ALGORITMO ADICTIVO

ALGORITMO CUADRATICO

ALGORITMO UNIX

ALGORITMO VISUAL

ALGORITMO EXCEL 97

ALGORITMO EXCEL 03-07

Descrgar Algoritmos

Caracteristicas de los Numeros Aleatorios

2012-10-07T08:27:00.000-07:00

Un número es aleatorio o no con respecto a otros números; por lo tanto, lo correcto es hablar de series
de números aleatorios.

Propiedades de los números aleatorios:

Deben tener igual probabilidad de salir elegidos.
No debe existir correlación serial.
Los números generados no se deben repetir frecuentemente (en ciclos).
Las series generadas deben ser reproducibles.
Rapidez en la obtención de los números.
Almacenamiento mínimo. Tanto el propio generador como los números por el generados. Los números generados han de estar uniformemente distribuidos (todos deben tener la misma probabilidad de salir).
Los valores generados deben ser independientes unos de otros, es decir, que la obtención de cierto valor no esté condicionado por los valores obtenidos anteriormente (no correlacionado).

Numeros Aleatorios

2012-10-07T08:12:00.000-07:00

Un número aleatorio es un resultado de una variable al azar especificada por una función de distribución. Cuando no se especifica ninguna distribución, se presupone que se utiliza la distribución uniforme continua en el intervalo [0,1).

En los ordenadores personales es fácil simular la generación de números aleatorios, mediante mecanismos de generación de números seudoaleatorios, que, sin ser aleatorios (siguen una fórmula)

En estadística, un número aleatorio es un resultado de una variable al azar especificada por una distribución. Los algoritmos para la generación de valores uniformemente distribuidos están presentes en todas las calculadoras y lenguajes de programación, y suelen estar basados en congruencias

Un número pseudo-aleatorio es un número generado en un proceso que parece producir números al azar, pero no lo hace realmente. Las secuencias de números pseudo-aleatorios no muestran ningún patrón o regularidad aparente desde un punto de vista estadístico, a pesar de haber sido generadas por un algoritmo completamente determinista, en el que las mismas condiciones iniciales producen siempre el mismo resultado.

Los mecanismos de generación de números aleatorios que se utilizan en la mayoría de los sistemas informáticos son en realidad procesos pseudo-aleatorios.

Una de las utilidades principales de los números pseudoaleatorios se lleva a cabo en el llamado método de Montecarlo, con múltiples utilidades, por ejemplo para hallar áreas / volúmenes encerradas en una gráfica y cuyas integrales son muy difíciles de hallar o irresolubles; mediante la generación de puntos basados en estos números, podemos hacer una buena aproximación de la superficie /volumen total , encerrándolo en un cuadrado / cubo , aunque no lo suficientemente buena. Asimismo, también destacan en el campo de la criptografía. Por ello se sigue investigando en la generación de dichos números, empleando por ejemplo medidores de ruido blanco o analizadores atmosféricos, ya que experimentalmente se ha comprobado que tienen una aleatoriedad bastante alta.

Modelos de Servidores Múltiples (M/M/C) : (DG/∝/∝)

2012-08-19T17:07:00.002-07:00

Modelo con servidores en paralelos en los cuales la tasa de servicio de salida varian segun el numero de servidores

Definimos el valor de p (Ro)

como su sistema es infinito su landa efectivo es igual, y su variación en la tasa de salida esta condicionada por

la probabilidad de un evento cero condicionada por:

La Probabilidad de un Evento condicionada por:

Medidas de rendimiento

Modelos con Un Servidor (M/M/1) : (DG/N/∝)

2012-08-19T16:25:00.000-07:00

Hay un limite de clientes en el sistema dado por N

La longitud máxima de la cola será N-1 Cuando la cantidad de clientes llega en el sistema llega a N no se aceptan más

definimos el valor de p (Ro)

la probabilidad del evento cero condicionada por:

La probabilidad de un evento cualquiera es:

Medidas de rendimiento

Modelos con Un Servidor (M/M/1) : (DG/∝/∝)

2012-08-19T14:44:00.000-07:00

Numero de clientes en un tiempo determinado

Definimos el valor de p (Ro)

la probabilidad de un evento cero condicionada por:

La probabilidad de un evento cualquiera condicionada por:

Medidas de Rendimiento

Medidas de Rendimiento de Estado Estable

2012-08-19T13:00:00.000-07:00

Ls = CANTIDA DE CLIENTES EN SISTEMA

Lq = CANTIDAD CLIENTES EN LA COLA

Ws= TIEMPO EN EL SISTEMA

Wq = TIEMPO EN LA COLA

C= NÚMERO SERVIDORES OCUPADOS PROMEDIO

Utilización de la instalación o sistema

Colas Especializadas de Poisson

2012-08-19T12:30:00.001-07:00

Distribución de Kendall

David G. Kendall introdujo una notación de colas A/B/C en 1953. La notación de Kendall para describir las colas y sus características puede encontrarse en Tijms, H.C,Algorithmic Analysis of Queues, Capítulo 9 en A First Course in Stochastic Models, Wiley, Chichester, 2003. Ha sido desde entonces extendida a (1/2/3/(4/5/6) donde los números se reemplazan con:

Un código que describe el proceso de llegada. Los códigos usados son:

M para "Markoviano" (la tasa de llegadas sigue una distribución de Poisson), significando una distribución exponencial para los tiempos entre llegadas.

D para unos tiempos entre llegadas "determinísticas".

G para una "distribución general" de los tiempos entre llegadas, o del régimen de llegadas.

Un código similar que representa el proceso de servicio (tiempo de servicio). Se usan los mismos símbolos.

El número de canales de servicio (o servidores).

La capacidad del sistema, o el número máximo de clientes permitidos en el sistema incluyendo esos en servicio. Cuando el número está al máximo, las llegadas siguientes son rechazadas. Un caso particular de esta situación es el modelo M/M/n/n o Erlang-B, en el cual no hay cola de espera, sino n recursos (servidores) y hasta n usuarios como máximo; si llega el usuario n+1, es rechazado. Este último modelo es el que se aplica en telefonía convencional. Otro caso particular es el modelo Erlang-C o M/M/n, donde la capacidad del sistema es ilimitada, aunque haya sólo n recursos; en caso de llegar el recurso número n+1, pasará a una cola de espera, pero no es rechazado.

El orden de prioridad en la que los trabajos en la cola son servidos:

First Come First Served (FCFS) ó First In First Out (FIFO) , Last Come First Served (LCFS) o Last In First Out (LIFO) , Service In Random Order (SIRO) y Processor Sharing.

El tamaño del origen de las llamadas. El tamaño de la población desde donde los clientes vienen. Esto limita la tasa de llegadas.

Modelo Kendall

(a/b/c):(d/e/f)

a: distribución de llegada

b: distribución de salida o tiempo de servicio

c: cantidad de servidores en paralelo

d: disciplina de la cola

e: cantidad máxima del sistema

f: tamaño de la fuente

Modelo Generalizado de Colas de Poisson

2012-08-19T11:53:00.001-07:00

El desarrollo del modelo generalizado se basa en el comportamiento a largo plazo del estado estable en el modelo de colas, el cual se logra después de que el sistema ha estado en un tiempo de operación prolongado, el cual contrasta con el tiempo transitoria o de calentamiento del modelo

Estado estable: comportamiento de largo plazo Que se alcanza por funcionamiento de la cola por largo plazo
Bajo estado estable: tasa de entrada y salida debe ser iguales
Frecuencia de llegada y salida depende del estado
La probabilidad se calcula usando el diagrama de frecuencia de transición

las tasas esperadas de d flujo de entrada y salida del estrado deben ser iguales

Con relación al siguiente diagrama de tasa de transición

En General el modelo de ecuación de balance seria

Modelo de Nacimientos y Muertes Puros

2012-08-19T11:09:00.000-07:00

El termino de Nacimientos Puras es cuando solo se le permite llegadas al sistema ; el de Muertes Puras cuando solo se permiten salidas del sistema

Nacimientos Puros

proceso completamente aleatorio que se puede describir por medio de una distribución de Poisson.

Probabilidad de un Evento Cero condicionada por:

Probabilidad de un Evento n condicionada por :

Donde λ es la tasa de llegadas por unidad de tiempo, con el número esperado de llegadas durante t igual a λ t.

Muertes Puras
o bien conocidas como la distribución truncada de Poisson.

Probabilidad de un Evento Cero condicionada por:

Probabilidad de un Evento n condicionada por :

Donde u es la frecuencia de salida

Papel de La Distribución Exponencial en un Sistema de Colas

2012-08-19T10:18:00.001-07:00

En la mayor parte de las situaciones de ccolas, el arribo de los clientes ocure d forma totalmente aleatoria, este caracter aleatorio significa que la ocurrencia de un evento no esta condicionada o iunfluida por la ocurrencia del evenbto inmediatamente anterior

Condiciones :

La mayoria de los casos la llegada es aleatoria sin influencia del tiempo transcurrido entre el evento anterior

Los tiempo aleatorios de llegada se describen con la distribucion exponencial

Distribución Exponencial

Densidad de Probabilidad

SIATEMA DE COLAS

2012-08-19T09:59:00.003-07:00

El estudio de colas determina las medidas de funcionamiento de una situación d colas, incluyendo el tiempo de espera y la longitud de la cola promedio, entre otras, esta información nos sirve para decidir respecto a un nivel apropiado de servicio para las instalaciones de la organización

Medidas de eficiencia

Longitud promedio de la cola
Tiempo promedio de espera
Utilización promedio de intslaciones

Modelo de formación de colas

Se forman debido a un desequilibrio temporal entre la demanda del servicio y la capacidad del sistema para suministrarlo.

En las formaciones de colas se habla de clientes, tales como máquinas dañadas a la espera de ser rehabilitadas. Los clientes pueden esperar en cola debido a que los medios existentes sean inadecuados para satisfacer la demanda del servicio; en este caso, la cola tiende a ser explosiva, es decir, a ser cada vez más larga a medida que transcurre el tiempo. Los clientes puede que esperen temporalmente, aunque las instalaciones de servicio sean adecuadas, porque los clientes llegados anteriormente están siendo atendidos.

Objetivos

Los objetivos de la teoría de colas consisten en:

Identificar el nivel óptimo de capacidad del sistema que minimiza el coste del mismo.
Evaluar el impacto que las posibles alternativas de modificación de la capacidad del sistema tendrían en el coste total del mismo.
Establecer un balance equilibrado (“óptimo”) entre las consideraciones cuantitativas de costes y las cualitativas de servicio.
Prestar atención al tiempo de permanencia en el sistema o en la cola de espera.

Elementos existentes en la teoría de colas

Proceso básico de colas: Los clientes que requieren un servicio se generan en una fase de entrada. Estos clientes entran al sistema y se unen a una cola. En determinado momento se selecciona un miembro de la cola, para proporcionarle el servicio, mediante alguna regla conocida como disciplina de servicio. Luego, se lleva a cabo el servicio requerido por el cliente en un mecanismo de servicio, después de lo cual el cliente sale del sistema de colas.

Fuente de entrada o población potencial: Una característica de la fuente de entrada es su tamaño. El tamaño es el número total de clientes que pueden requerir servicio en determinado momento. Puede suponerse que el tamaño es infinito o finito.

Cliente: Es todo individuo de la población potencial que solicita servicio como por ejemplo una lista de trabajo esperando para imprimirse.

Capacidad de la cola: Es el máximo número de clientes que pueden estar haciendo cola (antes de comenzar a ser servidos). De nuevo, puede suponerse finita o infinita.

Disciplina de la cola: La disciplina de la cola se refiere al orden en el que se seleccionan sus miembros para recibir el servicio.

Seguridad Industrial e Higiene

2011-05-17T07:31:00.000-07:00

La higiene se define como la "parte de la medicina que tiene por objeto la conservación de la salud y los medios de precaver las enfermedades"; en consecuencia, para aplicar la higiene en el trabajo se deberá observar, establecer y además, vigilar las condiciones que conlleven y ayuden a conservar y mantener un medio de trabajo lo suficientemente sano, y de esta manera evitar al máximo enfermedades.

La higiene Industrial es un sistema de principios y reglas dedicados al reconocimiento, evaluación y control de factores del ambiente, psicológicos o tensionales de riesgo, que provienen del trabajo y que pueden causar enfermedades o deteriorar la salud. Cuando se habla de higiene industrial, esas actividades se realizan sobre aquellos factores de riesgos ambientales o tensiones provocadas por o con motivo del trabajo y en ocasiones hasta pueden originar cuadros epidémicos o endémicos.

La Enfermedad Profesional se define como un estado patológico que sobreviene por una causa repetida durante largo tiempo, como obligada consecuencia de la clase de trabajo que desempeña la persona, o del medio en que tiene que trabajar y que produce en el organismo una lesión o perturbación funcional o mental, trastornos enzimáticos o bioquímicos, permanentes o transitorios, pudiendo ser originada por agentes químicos, físicos, biológicos, de energía o psicológicos.

Existe una relación muy estrecha entre los términos higiene y seguridad industrial, debido a que ambos están representados por un conjunto de principios, leyes, criterios y normas formuladas con el objetivo de prevenir acciones que puedan ocasionar daños a los trabajadores.

Los índices de ausentismo debido a enfermedades comunes motivadas por infecciones de tipo gastrointestinal, vías respiratorias, etc., reducen considerablemente la productividad y el desarrollo de las empresas, por lo que la higiene en el trabajo es un renglón muy importante.

Al terminar las labores del día o del turno, los trabajadores deberán limpiar el área de trabajo: retirarán las herramientas utilizadas, las limpiarán y las colocarán en el lugar que le corresponda; asearán la máquina que hayan empleado, y retirarán todas las rebabas, aceites, estopas, para dejarla en condiciones de trabajo para el día siguiente o para el turno posterior; así mismo limpiarán el piso correspondiente a su área de trabajo, cuidando de no dejar manchas de aceite u otros materiales resbalosos o inflamables.

Enseguida, procederán a despojarse de la ropa de trabajo y la colocarán en los sitios que se hayan asignado para tal efecto. Si existen duchas, deberán ser utilizadas.

La ropa de trabajo. No deberá ser muy holgada pero tampoco será muy ajustada; por supuesto, tendrá un aseo cíclico determinado por el tipo de trabajo de que se trate.

En las oficinas donde se utilicen máquinas de impresión deberán existir batas adecuadas para tal contacto. Para trabajar con máquinas herramientas tales como tornos, cepillos, fresadoras, sierras de cinta, etc., se sugiere usar calcetines de lana y poner tarimas para auxiliar al operador y para evitar el contacto directo con el piso, que regularmente está frío.

Es una obligación que la ley impone a patrones y a trabajadores y que también se debe organizar dentro de determinados cánones (Reglas) y hacer funcionar dentro de determinados procedimientos.

El patrón estará obligado a observar, de acuerdo con la naturaleza de su negociación, los preceptos legales (cada una de las instrucciones o reglas que se dan o establecer para el manejo o conocimiento de un arte o facultad) sobre higiene y seguridad en las instalaciones de su establecimiento, y a adoptar las medidas adecuada para prevenir accidente en el uso de las máquinas, instrumentos y materiales de trabajo, así como a organizar de tal manera éste, que resulte la mayor garantía para la salud y la vida de los trabajadores, y del producto de la concepción, cuando se trate de mujeres embarazada. Las leyes contendrán al efecto, las sanciones procedentes en cada caso.

La seguridad industrial se define como un conjunto de normas y procedimientos para crear un ambiente seguro de trabajo, a fin de evitar pérdidas personales y/o materiales.

Otros autores la definen como el proceso mediante el cual el hombre, tiene como fundamento su conciencia de seguridad, minimiza las posibilidades de daño de sí mismo, de los demás y de los bienes de la empresa. Otros consideran que la seguridad es la confianza de realizar un trabajo determinado sin llegar al descuido. Por tanto, la empresa debe brindar un ambiente de trabajo seguro y saludable para todos los trabajadores y al mismo tiempo estimular la prevención de accidentes fuera del área de trabajo. Si las causas de los accidentes industriales pueden ser controladas, la repetición de éstos será reducida.

La seguridad industrial se ha definido como el conjunto de normas y principios encaminados a prevenir la integridad física del trabajo, así como el buen uso y cuidado de las maquinarias, equipos y herramientas de la empresa.

Seguridad Laboral

2011-05-17T07:29:00.000-07:00

La relación costo beneficio toma los ingresos y egresos presentes netos del estado de resultado, para determinar cuáles son los beneficios por cada peso que se sacrifica en el proyecto.

Cuando se menciona los ingresos netos, se hace referencia a los ingresos que efectivamente se recibirán en los años proyectados. Al mencionar los egresos presente netos se toman aquellas partidas que efectivamente generarán salidas de efectivo durante los diferentes periodos, horizonte del proyecto. Como se puede apreciar el estado de flujo neto de efectivo es la herramienta que suministra los datos necesarios para el cálculo de este indicador.

La relación beneficio / costo es un indicador que mide el grado de desarrollo y bienestar que un proyecto puede generar a una comunidad.

En nuestro país es normal que a los empleados se les haga trabajar horas extras, de noche, domingos y festivos y no se les pague. Es bastante común que se despida a un trabajador sin justa causa y no se le pague la respectiva indemnización. Es común que le maltrate o acose, que se le obliga a renunciar o aceptar condiciones cada vez más desmejoradas y un largo etcétera que preocupa.

Desafortunadamente la mayoría de los trabajadores ni siquiera intentan hacer valer sus derechos, tal vez por el temor a quedar sin trabajo, trabajo que hoy es supremamente difícil conseguir. O tal vez se desanima ante un sistema judicial que muy poca soluciones brindan a los trabajadores. Un proceso laboral es largo y costoso, y en muchos casos infructuoso si el caso es contra una empresa grande que tiene dinero e influencias. Muchas veces la inoperancia absoluta del ministerio de la protección social es suficiente para que un trabajador desista de cualquier querella contra su empleador. Todo esto ha llevado que muchos empleados vean sus “derechos” laborales como un imposible.

Y parece ser que muchos empleadores se han dado cuenta de ello. La probabilidad de que un trabajador demande judicialmente a su empleador es muy baja. Y sí lo demanda, la probabilidad de tener éxito no es muy alentadora, aún en casos en que las pruebas y los hechos hablan por sí solos. Con un panorama así, el riesgo es mínimo frente a los beneficios económicos de incumplir la legislación laboral.

La gran mayoría de los trabajadores colombianos apenas devengan un salario mínimo, lo que hace improbable que alguien tenga el ánimo de luchar por tan poco y con tan poca posibilidad de éxito. Hay que tener en cuenta que con un salario mínimo, a muchas personas no les sobra ni para pagar un taxi para buscar un abogado, mucho menos para contratarlo o para perder tiempo reuniendo papeles y pruebas.