Académique Documents
Professionnel Documents
Culture Documents
1
Resumen Ejecutivo
2
ndice
1. Introduccin ..........................................................................................................4
4. Anlisis ................................................................................................................13
5. Conclusiones .......................................................................................................13
3
1. Introduccin
2. Marco Terico
Dentro del marco terico del presente trabajo, se encuentra la teora de colas,
la cual estudia los sistemas de atencin. Un sistema de atencin est compuesto por
una o ms colas, uno o ms servidores y entidades que entran y salen del sistema.
Existe un proceso de llegada, mediante el cual las entidades (personas o productos,
por ejemplo) entran al sistema, y tambin existe un proceso de salida. Dichos procesos
se tienen distintas distribuciones de probabilidad y ciertos parmetros (como la tasa
de llegada, por ejemplo) que los caracterizan. Luego, si se conocen las distribuciones y
sus parmetros, es posible saber cul es la tasa con la cual llegan las entidades al
sistema y cmo se comportan estas, ya sea al entrar, al salir o dentro del sistema.
4
3. Descripcin del modelo
3.1 Descripcin del Sistema
5
3.2 Construccin del modelo
Se utiliz el software Arena para realizar una simulacin del sistema en estudio,
en ambos horarios, los cuales son modelados como una cadena de tipo M/M/1, ya que
el sistema consiste en un servidor, con una nica fila. Las simulaciones sern explicadas
a continuacin.
Simulacin horario peak:
6
Simulacin horario normal:
7
Para el horario normal, el nmero de clientes atendidos segn el modelo de
simulacin es 51, el cual es relativamente cercano a 60, el nmero real de clientes
atendidos. Por otro lado, el tiempo promedio de atencin es 0.2508 minutos, lo que
equivale a 15.05 segundos, nmero que es relativamente parecido a los 18.08
segundos obtenidos de las mediciones.
Si bien estos modelos no logran representar al 100% lo que sucedi en la
realidad, s se asemejan bastante para efectos prcticos. Es decir, son una buena
estimacin del nmero de entidades que entran al sistema y del tiempo que en
promedio estarn en ste, por lo tanto, el modelo es vlido para hacer predicciones
del comportamiento del sistema. Al observar la simulacin de los modelos en el
software Arena, se puede ver claramente que en el horario peak las colas son bastante
ms largas que en el horario normal, lo cual hace que las entidades se demoren un
tiempo de considerablemente mayor en el sistema. Esto es exactamente lo que
sucedi al momento de tomar las muestras en el sistema de pesaje de frutas y
verduras.
Por otra parte, ambos modelos podran perfeccionarse llevando a cabo una
forma ms prolija de tomar las mediciones, pues esto generara distintos datos con
distintas distribuciones de tiempos, lo cual cambiara la simulacin. Cabe destacar que
el modelo de simulacin del horario peak es ms representativo de la realidad que el
modelo se simulacin del horario normal. Esto quizs se deba al que el intervalo de
tiempo en el cual se tomaron los datos es mayor, lo que hace que el software
interprete en exceso un flujo menor de personas en el sistema en comparacin con el
horario peak. Es posible arreglar esta diferencia entre ambos horarios tomando
muestras en intervalos de tiempo de igual duracin en vez de tomar muestras hasta
llegar a un nmero igual de datos.
Es importante tomar en cuenta que estos modelos son una herramienta muy
poderosa, pues con ellos es posible simular el sistema manejando ciertas variables
como el nmero de cajeros o el nmero de filas para atender, con el fin de predecir si
estos cambios mejoran la eficiencia del proceso.
8
En base a lo observado en terreno y analizando los datos se propone
diferenciar los clientes por el tiempo de atencin, asignndolos a diferentes servidores.
Se estim que el tiempo de pesar una bolsa de fruta son 6 segundos, luego se
diferenciarn los clientes con tiempo de atencin mayor a 18 segundos (ms de 3
bolsas), se describen los tipos de cliente a continuacin:
Con esta propuesta se busca disminuir los tiempos de espera de las entidades
dada la diferencia de hasta 2,5 veces que se observ existe entre clientes, es decir, el
servidor que atiende a los clientes tipo A tarda un tiempo 2,5 veces mayor. Adems, al
agregar un servidor, se espera disminuir la cantidad promedio de clientes por fila lo
que puede permitir disminuir los clientes no atendidos del sistema.
Para testear la mejora propuesta se modific el modelo propuesto en la parte
3.2 del presente informe con las consideraciones descritas para llegar al siguiente:
9
Nmero promedio de personas en la cola 6.02 2.3481
Tiempo promedio de permanencia en el sistema 2.2178 [min] 1.1710 [min]
Tiempo promedio de espera en la cola 1.9235 [min] 1.0157 [min]
Tiempo promedio de atencin 0.3270 [min] 0.4387 [min]
Luego la mejora propuesta para el horario peak aumenta los clientes atendidos,
es efectiva en disminuir el largo promedio de personas en la cola y el tiempo de espera
en la cola pero no as el nmero de clientes no atendidos.
10
Horario peak:
Horario normal:
11
Para el caso de horario peak, se presentan dos cuadros con los resultados de la
simulacin para un tiempo de 19 segundos (para ambos casos). El primero de ellos
representa los resultados de la simulacin en el caso con diferenciacin de clientes, y
en el segundo, los resultados de la simulacin para el caso original.
12
Costo cliente tipo A 1 U.m
Costo cliente tipo B 2 U.m
Costo total 22.968 U.m
Se puede apreciar para este horario que no conviene diferenciar entre clientes
tipo A y B, ya que los costos en este caso aumentan en comparacin con el sistema
original con un servidor. Si bien el tiempo promedio de espera en la cola disminuye al
diferenciar los clientes, para el tipo de clientes B, la disminucin es insignificante, y al
ser estos ms costosos para el sistema en estudio (ya que se demoran ms en la
atencin), el costo total aumenta.
4. Anlisis
Sin embargo esta medida no es conveniente para horario normal, ya que los
costos aumentaron. Evidentemente disminuyen los tiempos de espera de los clientes,
pero de manera insignificante, por lo que el costo que est asociado a incorporar un
nuevo servidor (sueldo balancero extra) para la diferenciacin de clientes no se
justifica.
5. Conclusiones
Respecto a la simulacin del sistema en horario peak y en horario normal que
de desarroll utilizando el software Arena, se pudo observar que si bien no logran
representar al 100% lo que sucedi en la realidad, si se asemejan bastante para efectos
prcticos. Es decir, resultaron ser una buena estimacin del sistema en estudio. Por lo
que a partir de este se pueden hacer predicciones del comportamiento del sistema
ante diferentes tipos de cambios y as evaluar posibles mejoras al sistema. Es
13
importante destacar que la simulacin en horario peak logr acercarse ms a la
realidad que la simulacin en horario normal.
14