Académique Documents
Professionnel Documents
Culture Documents
Murillo E. Kimberly1, Zambrano J. Christopher1, Zhicay Y. Maria2
1
Ingeniería en Sistemas Computacionales/Ciencias Matemáticas y Físicas/Universidad de Guayaquil
{ christopher.zambranoj, maria.zhicayn, kimberly.murilloe }@ug.edu.ec
Resumen.
El presente proyecto pretende evaluar la eficiencia del Sistema de la Rueda Moscovita “La Perla”, a traves del uso
de los modelos de representacion de sistemas que involucran colas, con el uso de las formulas podremos
determinar el desempeño del Sistema, la cantidad promedio de espera, el numero de optimo de servidores. En la
actualidad, dentro de nuestra sociedad es imposible no encontrarnos en algún momento determinado con las
denominadas colas ya que son parte de la vida diaria, las colas son una serie de personas formadas una detras de
otras esperando ser atendidos por un servidor o cajero. Por ejemplo todos esperamos en una cola para comprar un
ticket para entrar al cine, para hacer un depósito o retiro de dinero en el banco, tambien las hacemos para pagar en
el comisariato, etc. Nos hemos adaptado a esperar breves periodos de espera, pero todavía nos molesta cuando
dichos periodos son demasiado prolongados, no obstante, tener que esperar no sólo es una molestia personal ya
que el tiempo que las personas de una población pierden al esperar en las colas es un factor importante tanto en la
calidad de vida como en la eficiencia de su economía.
Palabras Clave: Teoría de colas, Simulación, Servidores, punto de equilibrio, periodo de espera, La Perla.
1 Introducción
En la realidad empresarial lo ideal es que cada elemento de nuestra empresas se encuentre optimizado,
llamando optamizado a planificar una actividad de modo que se obtengan los mejores resultados posibles.
Parte de estos elementos que deben ser optimizados son los fenomenos de espera que se generan en nuestra
actividad. Dichos fenomenos son muy usuales en la vida cotidiana, ya que estamos acostumbrados a esperar y
esto nos parece natural en gran cantidad de ocasiones, para pagar en un supermercado, al entrar a un cine, etc.
Esto ocurre porque en un determinado momento la demanda de un servicio ha sobrepasado la capacidad de
servicio de este, hay mucha gente esperando pagar en comparación con el numero de cajas, filas de autos
esperando a pagar su peaje.
Desde el punto de vista de la empresa lo lógico es pensar en reducir costes, lo que se consigue con un bajo
numero de servidores que realicen el servicio, pero a la gente no le gusta esperar y los cliente descontentos no
es una buena idea que genere dinero para el negocio. Para ayudar a solucionar el problema existe la Teoria de
Colas, que nos ofrece información muy útil para guiarnos a la hora de diseñar un sistema de espera y a lo
largo de este proyecto se buscara la forma de aplicar esta teoría para mejorar un servicio en una empresa.
El Municipio de Guayaquil recibió la oferta de la construcción de una rueda moscovita por parte de una
empresa privada, lo cual fue una realidad convirtiendosea una atracción turística en guayaquil
La teoría de colas es un tema perteneciente a la Investigación de Operaciones, encargada de proponer
modelos para el manejo eficiente de las líneas de espera, sean estas personas,
productos, automóviles, llamadas telefónicas entre otras [1].
La teoría de colas es un conjunto de modelos matemáticos que describen sistemas de líneas de espera
particulares. El objetivo principal es encontrar el estado estable del sistema y determinar una capacidad de
servicio apropiada que garantice un equilibrio entre el factor cuantitativo (referente a costos del sistema) y el
factor cualitativo (referente a la satisfacción del cliente por el servicio) [2].
Este trabajo investigativo fue realizado por un grupo de estudiantes del sexto semestre de la carrera de
Ingeniería en Sistemas Computacionales de la Universidad de Guayaquil con el fin de conocer el
comportamiento de una línea de espera, hemos tomado como campo de estudio la rueda moscovita “La
Perla”.
Este estudio investigativo aplicado es un claro ejemplo de interpolación entre los problemas que a diario
deben enfrentar las empresas y las herramientas matemáticas y estadísticas diseñadas en las ciencias
administrativas, las cuales se disponen para el modelamiento y el apoyo en la toma de decisiones complejas.
La metodología general se basó primariamente en la recolección de datos, relacionados con tiempos de
llegada y de atención, y el análisis exploratorio estadístico de los mismos para comprobar supuestos del
modelo y confiabilidad de los datos. Posteriormente se determinaron los parámetros necesarios para utilizar el
modelo de teoría de colas y determinar las variables de salida de interés. Finalmente se aplicó un modelo de
aceptación que permitió calcular el número óptimo de promotores sin sacrificar la eficiencia dela empresa
representada en el tiempo ocioso de los empleados.
Un principio fundamental de la teoría de colas es que un sistema que atiende peticiones de servicio (en este
caso las ordenes de los clientes) solo es viable si la capacidad de los recursos es estrictamente superior a las
necesidades de la demanda. Como consecuencia de esta condición, la eficiencia o tiempo de ocupación de los
recursos no puede ser del 100% [3].
2 Teoría de Colas
2.1 Generalidades
La teoría de colas es un conjunto de modelos matemáticos que describen sistemas de líneas de espera
particulares. El objetivo principal es encontrar el estado estable del sistema y determinar una capacidad de
servicio apropiada que garantice un equilibrio entre el factor cuantitativo (referente a costos del sistema) y el
factor cualitativo (referente a la satisfacción del cliente por el servicio) [4]. Modelo básico de una línea de
espera. (Véase como ejemplo la Fig. 1).
Fig. 1. Presenta un bosquejo de un sistema básico de líneas de espera para una sola cola y un servidor, en donde
es claro que cuando el cliente llega al sistema, si no hay nadie en la cola, pasa de una vez a recibir el servicio, de
lo contrario, se une a la cola. Es importante recalcar que la cola no incluye a quien está recibiendo el servicio.
Con base a lo anterior en necesario tener en cuenta algunos componentes claves para ser analizados, los
cuales son [5]:
Las llegadas de los clientes.
La capacidad de la cola.
La disciplina de la cola.
Los tiempos de servicio.
La cantidad de servidores.
Las etapas del sistema.
2.2 Las Llegadas
Este concepto hace referencia al análisis de cómo se alimenta el sistema de colas en donde se evalúa variables
como el tiempo que transcurre entre dos llegadas sucesivas a dicho sistema. Este valor es variable, por lo que
se conoce como un proceso estocástico. Por lo tanto, es necesario analizar la distribución de probabilidad que
presenta dicha variable. Además de este tiempo entre llegadas, también se requiere analizar la cantidad de
clientes que llegan al sistema, ya que puede ser de uno en uno o en lotes. De tal manera, es relevante analizar
también la distribución probabilística asociada a la cantidad de clientes esperados que llegan por unidad de
tiempo. Esta variable se conoce con el nombre de “Tasa Media de Llegadas” y su parámetro asociado es “λ”
Lambda.
2.3 La Capacidad De La Cola
Es importante conocer de antemano cuál es la capacidad máxima de la cola, es decir, cuantos clientes pueden
ubicarse en la línea de espera. Ya que se puede presentar casos en donde el sistema de colas presenta una
línea de espera con capacidad limitada, otras donde es ilimitada y otras donde no hay líneas de espera (tal es
el caso de un sistema de atención por vía telefónica en donde el usuario es bloqueado y rechazado si la línea
telefónica se encuentra ocupada) [6].
2.4 La Disciplina De La Cola
La disciplina de la cola es el modo en el que los clientes son seleccionados para ser servidos. Las
disciplinas más habituales son:
La disciplina FIFO (first in first out), también llamada FCFS (first come first served): según la
cual se atiende primero al cliente que antes haya llegado.
La disciplina LIFO (last in first out), también conocida como LCFS (last come first served) o pila:
que consiste en atender primero al cliente que ha llegado el último. (Véase como ejemplo la Fig.
2).
La RSS (random selection of service), o SIRO (service in random order), que selecciona a los
clientes de forma aleatoria.
Fig. 2. Método FIFO y LIFO.
2.5 Mecanismo de servicio
El mecanismo de servicio consiste en una o más instalaciones de servicio, cada una de ellas con uno o más
canales paralelos de servicio, llamados servidores. Si existe más de una instalación de servicio, puede ser que
sirva al cliente a través de una secuencia de ellas (canales de servicio en serie). En una instalación dada, el
cliente entra en uno de estos canales y el servidor le presta el servicio completo.
Un modelo de colas debe especificar el arreglo de las instalaciones y el número de servidores (canales
paralelos) en cada una. Los modelos más elementales suponen una instalación, ya sea con un servidor o con
un número finito de servidores.
El tiempo que transcurre desde el inicio del servicio para un cliente hasta su terminación en una instalación se
llama tiempo de servicio (o duración del servicio).
Un modelo de un sistema de colas determinado debe especificar la distribución de probabilidad de los tiempos
de servicio para cada servidor (y tal vez para los distintos tipos de clientes), aunque es común suponer la
misma distribución para todos los servidores. Como en el caso del proceso de llegada, este tiempo puede ser
determinístico o probabilístico. Con un tiempo de servicio determinístico, cada cliente requiere precisamente
de la misma cantidad conocida de tiempo para ser atendido.
Con un tiempo de servicio probabilístico, cada cliente requiere una cantidad distinta e incierta de tiempo de
servicio. Los tiempos de servicio probabilísticos se describen matemáticamente mediante una distribución de
probabilidad. En la práctica resulta difícil determinar cuál es la distribución real, sin embargo, una
distribución que ha resultado confiable en muchas aplicaciones, es la distribución exponencial. [7]. (Véase
como ejemplo la Fig. 3).
Fig. 3. Ejemplos de diferentes mecanismos de servicio.
3 Materiales Y Métodos
En esta oportunidad vamos a implementar los conceptos de teoría de colas a rueda moscovita conocida como
“La Perla”. La información que se recopilo en dicho sitio, fueron los tiempos de llegada ( λ) de un cliente, y
los tiempos de servicio (μ) de una boletería en dar el tiquete o boleto de subida. Con base a lo anterior, es
necesario tomar en cuenta la tasa de llegada de los clientes, que tiene una distribución de Probabilidad
Exponencial.
3.1 Principales Cálculos Tasa De Arribos (λ)
Como obtener la tasa de arribo (λ):
Para estimar la tasa de arribos de clientes a “La Perla” se estableció un intervalo de 5 minutos. Luego de
registrar el número de cliente que arribaron, se calcula el tiempo promedio de arribo con las siguientes
formulas:
(1)
(2)
Tasa De Servicio ( )
Como obtener la tasa de servicio ( ): Para estimar la tasa de servicio a los clientes de “La Perla” se hace
una sumatoria de los tiempos de atención de clientes en un intervalo de tiempo. Y luego se obtiene el tiempo
medio de servicio en base a la tasa de servicio.
(3)
(4)
3.2 Colas Infinitas Con 1 Servidor, Modelo (M/M/1)
Quiere decir que nuestro sistema de colas solo cuente con un servidor para atender a la demanda.
Medidas de desempeño a aplicar en el modelo (M/M/1):
: porcentaje de ocupación del sistema:
(5)
: probabilidad que el sistema este vacío:
(6)
: probabilidad de que haya n clientes en el sistema:
(7)
: longitud esperada de clientes en el sistema:
(8)
: longitud esperada de clientes en la cola:
(9)
: tiempo de espera en el sistema:
(10)
: tiempo de espera en la cola:
(11)
3.3 Colas Infinitas Con 1 Servidor, Modelo (M/M/S)
Quiere decir que en nuestro sistema de colas habrá más de 1 servidor atendiendo las órdenes de los
clientes.
Medidas de desempeño a aplicar en el modelo (M/M/S).
: Porcentaje de ocupación del sistema:
(12)
(13)
(15)
: Longitud esperada de clientes en la cola
(16)
(11)
Tiempo de espera en la cola
(11)
Tabla 1. Tamaño de letra en cada tipo de encabezado. El epígrafe o título de la tabla siempre debe ir encima de
ésta, centrado si sólo ocupa una línea y justificado si se extiende a más de una (como en este ejemplo), y debe
acabar en punto.
Lemas, Enunciados y Teoremas. Deben estar numerados consecutivamente por orden de aparición en el texto,
por ejemplo Lema 11.
3.4 Figuras
Las figuras deben ser lo más representativas, claras y legibles posible. Se recomienda utilizar una resolución de
al menos 800 dpi (preferiblemente 1200 dpi). Las figuras deben estar numeradas de manera consecutiva y con el
epígrafe correspondiente debajo de ella. Solamente el rótulo y número de la imagen irá en negrita (véase como
ejemplo la Fig. 1).
Fig. 4. Una gráfica que representa una distribución probabilística. La primera palabra debe comenzar en
mayúsculas, debiendo ir centrado si sólo ocupa una línea y justificado si ocupa más de una, y debe acabar en punto.
Todo como en los epígrafes de las tablas, salvo la posición, que aquí es debajo de la figura, mientras que para las
tablas es encima de la misma.
3.5 Ecuaciones y fórmulas
Las fórmulas deben estar centradas y en una línea distinta, además deben estar numeradas secuencialmente entre
paréntesis, en negrita y a la derecha de la misma, justo pegando al margen derecho, tal y como se muestra a
continuación:
x + y = z (1)
3.6 Fragmentos de código
Los fragmentos de código tendrán como fuente Courier de tamaño 9 puntos. Irán precedidos de una explicación
de tamaño 10 puntos. Deben comenzar por Algoritmo, y el número correspondiente de manera secuencial
(encabezado de nivel 3) además del título. Ejemplo:
Algoritmo 1. Ejemplo de un programa de ordenador, sacado de Jensen K., Wirth N. (1991) Pascal user manual
and report. Springer, New York.
program Inflation (Output)
{Assuming annual inflation rates of 7%, 8%, and
10%,... years};
const MaxYears = 10;
var Year: 0..MaxYears;
Factor1, Factor2, Factor3: Real;
begin
Year := 0;
Factor1 := 1.0; Factor2 := 1.0; Factor3 := 1.0;
WriteLn('Year 7% 8% 10%'); WriteLn;
repeat
Year := Year + 1;
Factor1 := Factor1 * 1.07;
Factor2 := Factor2 * 1.08;
Factor3 := Factor3 * 1.10;
WriteLn(Year:5,Factor1:7:3,Factor2:7:3,
Factor3:7:3)
until Year = MaxYears
end.
3.7 Citas y referencias
Este apartado es crucial y se ruega a los autores que pongan especial hincapié en citar y referenciar
correctamente.
Las diversas referencias deberán mostrarse numeradas de manera secuencial, entre corchetes y en el orden de
aparición a lo largo del texto: [1], [2], [3], etc.
Al final del artículo debe aparecer un apartado titulado Referencias donde aparezcan las referencias completas
a las citas realizadas a lo largo del artículo.
¿Cómo se debe referenciar y cuál es el formato de la referencia?
Artículo en Revista, en Acta de Congreso o Informe Técnico. Autores (Apellido/s, Inicial/es del nombre)
separados por punto y coma: Título del artículo. Nombre de la Revista o del Acta (en cursiva), Vol., No., pp.
(Año). Ejemplos en [1] y a continuación:
Hamburger, C.: Quasimonotonicity, regularity and duality for nonlinear systems of partial differential equations.
Journal of Universal Computer Science, Vol. 1, No. 4, pp. 321354 (1995)
Libro o Capítulo de Libro. Autores (Apellido/s, Inicial/es del nombre) separados por punto y coma: Título del
capítulo (si es el caso). Editores (en su caso, con la misma estructura que los autores): Título del Libro (en
cursiva). Editorial, pp. (Año). Ejemplos en [2] y a continuación:
Geddes, K.O.; Czapor, S.R.; Labahn, G.: Algorithms for Computer Algebra. Springer (2002)
Damas, M.J.; Smith, J.: A webbased educational platform for university studies. Iskander, V. (Ed): Innovations
in Elearning, Instruction Technology, Assessment and Engineering Education. Springer, pp. 317321 (2007)
Documento OnLine. Autores (Apellido/s, Inicial/es del nombre) separados por punto y coma: Título del
artículo. Nombre de la página Web o revista electrónica donde está publicado (en cursiva). URL del enlace al
artículo. (Año de publicación, si se sabe). Fecha de acceso. Ejemplos en [3] y a continuación:
Cartwright, J.: Big stars have weather too. IOP Web. http://physicsweb.org/articles/news/11/6/16/1 (2007).
Accedido el 26 de Junio de 2007
4 Conclusiones y trabajos futuros
Es interesante terminar nuestro artículo mostrando las conclusiones o ideas más importantes y los trabajos
futuros que se desarrollarán a partir de éstas.
Agradecimientos. Encabezado de nivel 3. Esta plantilla ha sido desarrollada a partir de la plantilla LNCS de la
editorial SpringerVerlag.
Referencias
1. Hillier, F.; Lieberman. G.The Stanford Digital Library Metadata Architecture. Introducción a la Investigación de
Operaciones pp.108–121 (1997)
2. Winston, W.: Investigación de Operaciones: Aplicaciones y Algoritmos. Cuarta Edición. Editorial Thomson, pp. 145167
(2005)
3. Maciá, R., A, J., Ñiguez, F., Belén,Ruiz, R., Sober, A., Ñíguez, A., Barba,M., Marco, F., Bornao, R., Pérez,
Q.,Pérez, S., Patológica, A., Baja, H.S.V., de Alicante, U., de Ciencias Matemáticas, F., de Valencia, U. and de Vilanova,
H.A. (2013c) ‘Algunos conceptos básicos de la teoría de colas aplicables en la planificación de un servicio de anatomía
patológica’, Revista Española de Patología,pp. 83–89. doi: 10.1016/j.patol.2014.01.005.
4. Hillier, Liberman. Introducción a la investigación de operaciones, Mc. Graw. Hill, 1999.
5 Eppen, G. D.; Gould, F. J. y Schmidt, C. P. Investigación de Operaciones en ciencia Administrativa. Edit. Prentice Hall.
(1999).
6 Kelton, W . David y otros Simulación con Software ARENA®. McGrawHill – México, pp. 3538 (2008).
7. Rodríguez, M. C. Marrero, D. Manual De Investigación De Operaciones II pp. 18300 (2011)