Está en la página 1de 11

Modelo de dimensionamiento de un Call Center basado en simulacin de sistemas

21

Por: Luis Manuel Chvez Cabello

RESUMEN
En este artculo se describe un modelo para representar el funcionamiento de un call center y analizarlo utilizando el enfoque de la investigacin de operaciones. El modelo tiene como objetivo proporcionar la respuesta a cuntos recursos se necesitan para brindar niveles de servicio establecidos.

Introduccin En toda organizacin se utilizan recursos para conseguir los objetivos establecidos. La finalidad de una organizacin no es simplemente alcanzar estos objetivos, sino, utilizar los recursos necesarios de la manera ms eficaz y eficiente, buscando incrementar la rentabilidad de la empresa.
La utilizacin eficiente de recursos es uno de los problemas que enfrentan las empresas durante el desarrollo de sus operaciones. Antes de iniciar sus actividades, una empresa debe cuantificar qu cantidad de recursos necesita. De la misma forma, a medida que la empresa va creciendo, necesitar volver a dimensionarse para alcanzar sus nuevos objetivos. En la actualidad, la calidad de servicio se ha constituido en un factor determinante para los clientes al momento de decidirse por un determinado producto o servicio. Uno de los aspectos de la calidad de servicio, que se puede cuantificar fcilmente, es el tiempo: nadie quiere pasar demasiado tiempo esperando ser atendido por la empresa que nos da un servicio. Es por esta razn que las tareas de dimensionamiento de recursos en actividades relacionadas con el servicio al cliente son importantes, pues no slo es necesario cuantificar la mnima cantidad de recursos que se necesitan para atender a los clientes, sino tambin considerar un determinado nivel de servicio para ello.

La evolucin de la tecnologa, sobretodo en el rubro de las telecomunicaciones, ha originado el desarrollo de la atencin al cliente no presencial. Un call center es justamente una muestra de esto: la atencin al cliente se da va telefnica, lo que permite reducir costos por no tener que acondicionar grandes espacios para atencin presencial; los tiempos de atencin suelen ser ms cortos y resulta ms fcil automatizar parte de las actividades. Para llevar a cabo las tareas de dimensionamiento de un call center es necesario estudiar en detalle el sistema involucrado. La teora de colas es una herramienta para la toma de decisiones desarrollada a inicios del siglo XX con los primeros estudios de A. K. Erlang. Esta herramienta busca modelar y resolver matemticamente procesos como la atencin de clientes por telfono en un call center. La simulacin de sistemas ha contribuido a desarrollar an ms el estudio de los sistemas de colas. El aporte de la simulacin radica en el hecho de que ya no es necesario modelar matemticamente la totalidad de la realidad para poder representarla (esto puede resultar demasiado complicado en algunos casos), sino que se puede intentar reproducir el comportamiento de los elementos ms complejos de un sistema para complementar un modelo matemtico sencillo. Otra ventaja de la simulacin aplicada al estudio de sistemas de colas es que permite estudiar sistemas dinmicos en el tiempo, proporcionando soluciones tambin

Enero 2006

22

Modelo de dimensionamiento de un Call Center basado en simulacin de sistemas

dinmicas para distintos escenarios (contribucin destacable a la experimentacin y al diseo). El presente estudio utilizar como base la simulacin de sistemas para desarrollar un modelo de dimensionamiento de recursos que se ajuste a la realidad de un call center de una empresa de telecomunicaciones. Sin embargo, algunas de sus conclusiones se podrn extender a otros sistemas. El objetivo general del trabajo es optimizar la utilizacin de recursos del call center de una empresa de telecomunicaciones, en funcin a objetivos cuantitativos de desempeo establecidos por la organizacin. Los objetivos ms especficos son: determinar qu variables y en qu medida influyen en el desempeo del sistema en mencin, elaborar pronsticos a mediano y largo plazo utilizando un enfoque cientfico, automatizar las tareas de dimensionamiento para conseguir mejores resultados en menores tiempos, determinar oportunidades de mejor y demostrar la importancia de la aplicacin de la simulacin en los procesos de toma de decisiones.

donde las llamadas esperan la atencin de los agentes. El presente estudio postula, en este punto, dos supuestos importantes: los tiempos entre llegadas y los tiempos de servicio siguen distribuciones exponenciales con medias conocidas. Estos supuestos son consistentes bajo determinadas condiciones (altos niveles de trfico principalmente), pero es posible modificarlos analizando la distribucin real de ambos tiempos (lo cual podra aplicarse, principalmente, para los tiempos de servicio). Definidos los tiempos entre llegadas con distribucin exponencial sabemos que las tasas de llegada al sistema (cantidad de llamadas por intervalo de tiempo) seguirn una distribucin Poisson. Dado que las tasas de llegada varan con el tiempo (da de la semana, hora del da, etc.), en realidad, estamos ante un proceso de Poisson no estacionario. El supuesto de tiempos de servicio exponenciales es tambin equivalente a tener tasas de servicio que tambin siguen una distribucin Poisson. Sin embargo, para modelar estas tasas, utilizaremos un proceso de Poisson estacionario, dado que con determinadas medidas de control es posible hacer que estas tasas sean ms o menos constantes a lo largo del tiempo.

1. Modelado del sistema con Teora de Colas El problema planteado se podra visualizar como un problema de asignacin de agentes sujeto a determinadas restricciones (cumplimiento de objetivos de servicio y horarios permisibles de trabajo), en el cual se busca planificar recursos a un costo moderado. Definido de esta manera, estamos ante un problema de optimizacin, sin embargo, parte del sistema en estudio es bastante compleja para ser modelada matemticamente por lo que se emplear la simulacin para superar esta dificultad.
La metodologa propuesta para la resolucin del problema indica modelar inicialmente el call center como un sistema de colas, pues, de esta manera, ser posible representarlo de forma matemtica y analizarlo bajo el enfoque de la teora de colas. Un call center es, en efecto, un sistema de colas en el cual las entidades que arriban a l son las llamadas de los clientes, los servidores son los agentes y las colas son los espacios virtuales en

2. Modelado de las tasas de llegada Las tasas de arribo al sistema se pueden modelar como una serie de tiempo dado que se trata de un conjunto de observaciones hechas a intervalos constantes de tiempo (1 hora por ejemplo). De esta manera, es posible utilizar la teora de pronsticos de series de tiempo para modelar estas tasas de arribo con sustento estadstico: se emplea el modelo de Suavizado Exponencial y la metodologa ARIMA para identificar la estacionalidad de esta serie de tiempo y se combina estos resultados con los de un modelo propio para pronstico de nivel y tendencia de la misma serie, obteniendo como resultado un nico modelo para la serie analizada.
El modelo de pronstico elaborado parte de un concepto importante asociado a las tcnicas de

Enero 2006

Modelo de dimensionamiento de un Call Center basado en simulacin de sistemas

23

proporcin de llamadas recibidas

planificacin a largo plazo: propensin a la llamada. La propensin a la llamada es la tasa de llamadas efectuadas por un cliente al call center en un periodo determinado. A medida que crece la cantidad de clientes de la empresa es de esperar que la cantidad de llamadas tambin crezca; ese crecimiento en volumen de llamadas se estima en base a la propensin a la llamada promedio de los clientes de la empresa. El estudio propone una modificacin adicional al modelo convencional de pronstico a largo plazo tomando en cuenta que la propensin a la llamada depende del tiempo de vida del cliente, tal como se muestra a continuacin (Grfico 1):

Habiendo establecido el nivel de llamadas que se espera recibir, es recin posible utilizar los conceptos de series de tiempo para estudiar las estacionalidades de la serie. Esto es importante dado que las cantidades de llamadas recibidas suelen tener estacionalidades marcadas (Grfico 2).
8.0% 7.0% 6.0% 5.0% 4.0% 3.0% 2.0% 1.0% 0.0% 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

hora del da

Grfico 2: Patrn tpico de estacionalidad de llamadas recibidas por hora del da

Con todo lo anterior es posible pronosticar finalmente la cantidad de llamadas recibidas por da para periodos futuros (Grfico 3). A estos pronsticos se les pueden aplicar los patrones de estacionalidad por hora para obtener pronsticos a nivel ms detallado.
tiempo de vida del cliente (meses)

propensin a la llamada

Grfico 1: Propensin a la llamada por tiempo de vida del cliente

Segn lo anterior, para poder estimar de forma ms precisa el volumen de llamadas, que se espera recibir por periodo, lo correcto es utilizar la propensin por tiempo de vida en lugar de la propensin promedio. De esta manera, en periodos en los cuales el crecimiento de clientes de la empresa se considera que el modelo predecir un crecimiento an ms importante de llamadas, tal como se espera que ocurra.

3. Aplicacin de la simulacin en el diseo y experimentacin Para modelar el sistema en estudio se prepararon y analizaron dos submodelos bajo el enfoque de la simulacin discreta denominados multiskill y rellamada, con el objetivo de entender su comportamiento para luego integrarlos al modelo general del sistema. 3.1 Multiskill Un call center especializado es aquel en que cada uno de los grupos de agentes que lo conforman slo
con estacionalidad mensual sin estacionalidad mensual

llamadas recibidas

da

Grfico 3:

Enero 2006

24

Modelo de dimensionamiento de un Call Center basado en simulacin de sistemas

atiende un nico tipo de llamada. Por el contrario, un call center de una sola lnea es aquel en el que existe un nico grupo de agentes que atiende todos los tipos de llamada existentes. Un call center multiskill es un hbrido entre los dos definidos previamente que busca obtener los beneficios de ambos: existen varios grupos de agentes, cada uno con mejor manejo de un determinado tipo de llamada, pero con la capacidad de atender cualquiera de los otros tipos. De esta manera, en trminos de atencin, los grupos constituyen un nico sistema integrado, pero se logra que los agentes tengan alta probabilidad de atender los tipos de llamada que mejor manejan. El submodelo multiskill busca demostrar que, desde el punto de vista de eficiencia operativa, un call center multiskill produce mejores resultados que un call center de una sola lnea o uno especializado.

Utilizando un software de simulacin se disearon modelos para el tipo de operacin especializado y multiskill, para replicar el funcionamiento de un sistema con las siguientes caractersticas: un call center que atiende 2 tipos de llamada (Alfa y Beta). El call center est conformado por 2 grupos de agentes con los mismos nombres, cada uno de los cuales atiende uno de estos tipos de llamadas. La cantidad de llamadas recibidas durante las horas de operacin del sistema y la cantidad de agentes disponibles se muestran a continuacin (Tabla 1):
Intervalo 1 2 3 4 5 6 Llamadas Alfa Call Beta Call 20 24 28 30 22 10 12 16 20 30 26 24 Alfa Group 3 3 4 4 3 2 Agentes Beta Group 3 3 4 6 5 5

Tabla 1: Datos para los submodelos de operacin especializado y multiskill

Observation Intervals Intervalos de Confianza para Niveles de Sevicio

Avg Min 95% CL Max

NS Alfa Escenario 1 NS Alfa Escenario 2 NS Beta Escenario 1 NS Beta Escenario 2

0.515

0.774 0.746 0.801 0.81 0.623 0.759 0.827 0.804 0.919 0.905 0.85 0.905 0.89

0.935 0.992

0.933 0.95

0.92

0.973

Observation Intervals Intervalos de Confianza para Ocupacin de Agentes

Avg Min 95% CL Max

Ocupacin Alfa Agents Escenario 1 Ocupacin Alfa Agents Escenario 2 Ocupacin Beta Agents Escenario 1 Ocupacin Beta Agents Escenario 2

0.436 0.425 0.41 0.42

0.542 0.526 0.537 0.522 0.532 0.512 0.541 0.552 0.558 0.576 0.553 0.558 0.661

0.695

0.687 0.683

Grfico 3: Comparacin de indicadores de desempeo para los escenarios de operacin especializada y operacin multiskill

Enero 2006

Modelo de dimensionamiento de un Call Center basado en simulacin de sistemas

25

Adems, se sabe que los tiempos promedio de atencin de las llamadas tipo Alfa y Beta son exponenciales con medias 4.5 y 6.8 minutos respectivamente, mientras que sus objetivos de nivel de servicio son de 30 segundos para cada tipo de llamada (se deben atender las llamadas en un tiempo menor o igual a este). Los resultados de la simulacin del call center descrito, utilizando los 2 tipos de operacin definidos, son los siguientes (Escenario 1 = operacin especializada; Escenario 2 = operacin multskill) (Grafico 3): De lo anterior resulta claro que, con la misma cantidad de recursos, el tipo de operacin multiskill proporciona mejores niveles de servicio aprovechando de manera ms eficiente los recursos. Para el modelo de dimensionamiento del call center en estudio se utilizar el tipo de operacin multiskill dados los beneficios que implica.

Sean: r: tasa de rellamada Pb: Probabilidad de que todos los agentes se encuentren ocupados Pa: Probabilidad de que una llamada abandone el sistema por encontrarlo ocupado (sin agentes disponibles) Pr: Probabilidad de que una llamada que abandona el sistema sin ser atendida vuelva a ingresar como rellamada De este modo, Pb est definida sobre todo el universo de llamadas recibidas, Pa por el universo de llamadas que encontraron el sistema ocupado y Pr a partir del universo de llamadas que abandonaron el sistema por encontrarlo ocupado. Luego, utilizando los conceptos de probabilidad condicional:

r = Pb Pa Pr

(1)

3.2 Rellamada La rellamada es el fenmeno por el cual una llamada que no es atendida por estar los agentes ocupados se retira del sistema y vuelve a ingresar como una nueva llamada (ver Grfico 4).

De lo anterior se puede deducir que la rellamada depende de 2 parmetros no controlables (ms bien implcitos al cliente): probabilidad de rellamada (Pr) y probabilidad de abandono (Pa). Este ltimo parmetro se puede modelar en trminos de la paciencia del cliente (EWTD), esto es, el tiempo que est dispuesto a esperar un cliente en cola hasta efectuar el abandono.
S

Inicio

Inicio de llamada

Sistema ocupado?

Espera a ser atendida?

Atencin

Fin de llamada

No

No

Atencin

Fin de llamada

Rellamada?

No Fin de llamada Fin

Grfico 4: Diagrama de flujo de una llamada entrante

Enero 2006

26

Modelo de dimensionamiento de un Call Center basado en simulacin de sistemas

Utilizando simulacin se prepar un modelo para replicar el comportamiento de un periodo de operacin del call center y estimar el impacto de los valores de la probabilidad de rellamada (Pr) y la paciencia promedio del cliente (EWT) en los indicadores de servicio. A continuacin se resumen los resultados (Grficos 5 y 6): En consecuencia, es posible determinar que si los clientes son ms propensos a rellanar, los indicadores de servicio tendern a decaer; mientras que, si los clientes son ms pacientes, el porcentaje de atencin crecer, pero no el nivel de servicio (la explicacin para esto tiene que ver con que justamente el nivel de servicio es un indicador que mide la velocidad para la atencin de llamadas para lo cual los tiempos de espera de los clientes son fundamentales). Para poder estimar los valores actuales de los parmetros indicados se comparan los resultados

del modelo rellamada con los del sistema real.

4. Integracin del modelo El sistema completo se modela con un software de simulacin (ARENA), basado en el modelo del sistema de colas definido inicialmente e integrndolo con los submodelos multiskill y rellamada. La informacin de tasas de arribo al sistema, para alimentar este modelo, se obtiene de los modelos de pronstico anteriormente elaborados. Los tiempos de servicio se estiman en base a promedios histricos por tipo de llamada.
Antes de ejecutar algunas corridas con el modelo elaborado es necesario calcular la cantidad inicial de agentes necesarios, por grupo y por intervalo de tiempo, para poder obtener una vista general del comportamiento de todo el sistema. Para ello se utiliza el modelo Erlang C (Cooper, 2000) :

NS = 1 C ( A, s )e

(1 p ) st

(2)

90%
nivel de servicio % atencin

85% 80% 75% 70% 65% 60% 55% 50% 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
Pr Grfico 5: Impacto de Pr en los indicadores de servicio

95%
nivel de servicio % atencin

90% 85% 80% 75% 70% 65% 60%

0.1

0.3

0.5

0.7

0.9

1.2
EWT

1.6

2.0

2.8

4.0

Grfico 6: Impacto del EWT en los indicadores de servicio

Enero 2006

Modelo de dimensionamiento de un Call Center basado en simulacin de sistemas

27

donde: NS: Nivel de servicio objetivo C(A,s): Distribucin Erlang C : Tasa de servicio (inversa de los tiempos promedio de servicio) A: Trfico en Erlangs s: Cantidad de agentes o servidores disponibles p = A/s t: Tiempo aceptable de espera Con la ecuacin anterior es posible establecer una relacin recursiva para calcular la cantidad de agentes necesarios para lograr determinado nivel de servicio, en funcin a determinados parmetros de operacin.

descansarn el da k (k=1,2,3,4,5,6,7) de la semana ut, vt: Variables de desviacin entre lo programado y las necesidades para cada intervalo de tiempo t (intervalo = 1 hora) Funcin objetivo: Minimizar el total de horas de teleoperacin de agentes contratados (equivalente a minimizar los costos totales de contratacin de agentes) Modelo PL: min Z =

P X
i =1 j =1 k =1 i 3 h 7

ijk

Modelo PM: min Z =

5. Modelo de programacin de horarios Para poder elaborar un programa de horarios que satisfaga las necesidades de agentes, por hora calculadas previamente, se formularn modelos de programacin lineal entera (PL) y programacin por metas (PM y PM pond).
Estos modelos buscan determinar la cantidad de agentes, de determinada modalidad1, que deben trabajar en determinado turno y descansar en determinado da de la semana. Adems, tienen como restricciones las necesidades de agentes por hora y los programas de horarios permisibles y, como objetivo, minimizar los costos de contratacin y desviaciones sobre las necesidades. A continuacin la formulacin matemtica: Sean: h: nmero de horarios definidos T: nmero de intervalos de tiempo definidos Pi: duracin de jornada laboral de agente de modalidad i (equivalente a factor de costo asociado a contratar un agente de modalidad i) bt: agentes necesarios por intervalo definido (intervalo = 1 hora) Variables de decisin: Xijk: Cantidad de agentes de modalidad i (i=1,2,3) que sern asignados al horario j (j=1,..,h) y que
1

Pi X ijk +
i =1 j =1 k =1

(u
t =1 T

+ vt )

Modelo PM pond: min Z =

Pi X ijk +
i =1 j =1 k =1

(b u
t =1 t

+ vt )

Restricciones: Modelo PL: Yt b t Modelos PM y PM pond: Yt + ut - vt bt donde : Yt : cantidad de agentes presentes en el intervalo t (t=1,...,T) segn la disposicin de horarios Rango de existencia: Xijk: enteros no negativos

6. Metodologa heurstica para optimizacin con simulacin En el funcionamiento del sistema se simula las veces necesarias para formular intervalos de confianza consistentes para los principales indicadores. El proceso se repite varias veces. Empleando una metodologa heurstica, se ensayan cambios en el sistema para optimizar su funcionamiento hasta conseguir los objetivos de servicio a un costo moderado.
Para cada cambio efectuado en el modelo se describe un escenario a continuacin:

Duracin de la jornada laboral

Enero 2006

28

Modelo de dimensionamiento de un Call Center basado en simulacin de sistemas

1) Se simula inicialmente la operacin actual del call center estudiado, sin incluir el efecto multiskill. 2) Dada la estrategia de atencin del call center, slo uno de los 2 tipos de cliente existentes es atendido por varios grupos segn el tipo de consulta que tenga. En base a esto se incluye en el modelo la operacin multiskill, pero slo para los grupos que atienden a este tipo de cliente. 3) Las cantidades de agentes necesarios, calculadas inicialmente en base al modelo Erlang C, se modifican tomando en cuenta que en general las empresas buscan obtener sus objetivos de servicio a largo plazo (y no para cada intervalo). 4) Se define una estrategia para la distribucin de agentes por grupo, tomando en cuenta la operacin multiskill (hasta el momento las necesidades de agentes se haban calculado de manera independiente para cada grupo).
100% 98% 96% 94% 92% NS 90% 88% 86% 84% 82% 80%

5) D a d o q u e l o s o b j e t i v o s d e s e r v i c i o normalmente dependen del tipo de cliente, se calculan unos factores de correccin para incrementar la cantidad de agentes de los grupos que atienden a los clientes ms importantes. De esta manera se afinan los clculos para satisfacer los objetivos de servicio para cada tipo de cliente. 6) En este escenario se aplican los modelos de programacin de horarios en base a las necesidades calculadas en el punto anterior. 7) Finalmente, se efecta un cambio en el diseo del sistema para que, cuando varios tipos de cliente estn en cola, se d prioridad a los ms importantes (aquellos para los cuales los objetivos de servicio son ms exigentes). Los resultados de estos escenarios (grficos 7 y 8) muestran cmo la metodologa descrita nos permite acercarnos a los niveles de servicio objetivo, afinando la cantidad de recursos necesarios para ello.

Escenario 1 Escenario 2 Escenario 3 Escenario 4 Escenario 5 Escenario 6 Escenario 7

Grfico 7: Evolucin del nivel de servicio del sistema para los 7 escenarios simulados

8000 7500 7000 HHTT 6500 6000 5500 5000 Escenario 1 Escenario 2 Escenario 3 Escenario 4 Escenario 5 Escenario 6 Escenario 7

Grfico 8: Evolucin del total de horas de operacin de agentes empleados para los 7 escenarios simulados

Enero 2006

Modelo de dimensionamiento de un Call Center basado en simulacin de sistemas

29

7. Conclusiones El modelo de dimensionamiento desarrollado satisface los objetivos de servicio del call center en estudio optimizando la cantidad de recursos destinados para ello y de manera ms precisa que la metodologa actual de clculo.
Se han identificado tres variables, cuyo comportamiento influye en este tipo de sistema, que describen el comportamiento de los clientes: propensin a la llamada, probabilidad de rellamada y paciencia del cliente. La propensin a la llamada de un cliente depende de su tiempo de vida: se espera que clientes nuevos sean ms propensos a llamar que clientes antiguos, con lo cual, en aquellos periodos en los cuales se esperan altas considerables de clientes, se debern esperar entonces incrementos an mayores de llamadas al call center. El fenmeno denominado rellamada depende de la probabilidad de que una llamada que abandona el sistema, sin ser atendida, vuelva a ingresar (probabilidad de rellamada), y del tiempo que est dispuesto a esperar un cliente hasta ser atendido (paciencia del cliente). El impacto de la rellamada est asociado con la distorsin de los indicadores de servicio del call center, as como con la sobre valoracin del nivel de llamadas recibidas. Un aporte importante del estudio realizado es la aplicacin de la teora de series de tiempo para pronosticar las tasas de llegada al sistema. Bsicamente se utilizaron 2 tcnicas: el suavizado exponencial y la metodologa ARIMA. La implementacin de la operacin multiskill es una alternativa ms eficiente para la organizacin actual del call center, dado que se pueden lograr mejores indicadores de servicio utilizando la misma

cantidad de recursos. La simulacin permite modelar situaciones complejas que no se pueden resolver matemticamente, como en este caso. En particular se utiliz la simulacin para modelar la operacin multiskill, analizar el fenmeno de la rellamada y simular el funcionamiento de todo el call center, logrando resultados consistentes con la realidad y que, por lo tanto, permiten tomar decisiones acertadas sobre el sistema analizado. Por otro lado, resuelto el problema del modelado de un sistema complejo, en este caso empleado simulacin, siempre es posible recurrir a tcnicas ms analticas para facilitar la toma de decisiones. Particularmente, en el estudio desarrollado, se utiliz la programacin lineal para disear un programa de horarios de agentes que se ajuste con las necesidades del call center. Este modelo de programacin de horarios no slo proporciona buenos resultados en menores tiempos, sino que adems automatiza el proceso de clculo que anteriormente se llevaba a cabo. Finalmente, el modelo desarrollado no toma en cuenta algunos eventos que pueden alterar el comportamiento del sistema, bsicamente aquellos asociados a fallas de los recursos. En un call center estas fallas son equivalentes a inasistencias, tardanzas y labores extra que realiza un agente; durante estos eventos los agentes no estn disponibles y por lo tanto ser necesario sobredimensionar ligeramente los recursos para mantener los niveles de servicio. El modelado de estos eventos es sencillo desde el punto de vista lgico, pero un tanto complejo desde el punto de vista de datos. En este sentido, se recomienda, a la empresa que invierta, llevar a cabo un estudio para recopilar la informacin necesaria y, as, completar el modelo de simulacin.

Referencias Bibliogrficas Chvez, L.; 2005. Modelo de dimensionamiento de un centro de atencin de llamadas basado en simulacin de sistemas. Tesis de grado. Pontificia Universidad Catlica del Per. Banks, J.; Carson II, J.; Nelson, B. & Nicol, D. 2001. Discrete-event system simulation. Prentice Hall International Eppen, G.; Gould, F.; Schmidt, C.; Moore, J. & Weatherford, L. 2000. Investigacin de operaciones en la ciencia administrativa. Prentice Hall Hall, R. 1991. Queueing methods for services and manufacturing. Prentice Hall International Hamilton, J. 1994. Time series analysis. Princeton University Press Kelton, W.; Sadowski, R. & Sadowski, D. 2002. Simulation with ARENA. Mc Graw Hill Kleinrock, L. 1975. Queueing systems volumen 1: theory. John Wiley & Sons Inc. Tanner, M. 1995. Practical queueing analysis. Mc Graw Hill International

30

Modelo de dimensionamiento de un Call Center basado en simulacin de sistemas

Referencias Electrnicas Alcatel. 2000. Erlang. Estados Unidos. [Documento en lnea]. Disponible desde Internet en: <http://www.ind.alcatel.com/library/e-briefing/eBrief_Erlang.pdf> [con acceso el 26/03/2004] Angus, I. 2001. An introduction to erlang B and erlang C. Canad. [Documento en lnea]. Disponible desde Internet en: <http://www.agustel.ca/reports/Erlang%20B%20&%20C.pdf> [con acceso el 06/03/2004] Batchelor, R. 2002. Box-Jenkins analysis. Pars. [Documento en lnea]. Disponible desde Internet en: <http://www.staff.city.ac.uk/r.a.batchelor/ARIMA.pdf> [con acceso el 12/03/2004] Cooper, R. 2000. Queueing theory. Portland. [Documento en lnea]. Disponible desde Internet en: <http://www.cs.usm.maine.edu/~pfiorini/erlang-B-C-models.pdf> [con acceso el 05/03/2004] Fomby, T. 2004. Box-Jenkins model notation. Dallas. [Documento en lnea]. Disponible desde Internet en: <http://faculty.smu.edu/tfomby/eco5375/data/Notes/BJ_notation.pdf> [con acceso el 05/04/2004] Grier, N.; Massey, W.; McKoy, T. & Whitt, W. 2000. The time-dependent erlang loss model with retrials. Nueva York. [Documento en lnea]. Disponible desde Internet en: <http://www.columbia.edu/~ww2040/erlang.pdf> [con acceso el 12/04/2004] Meeker, W. 2001. Descriptive time series statistics and introduction to autoregression. Iowa. [Documento en lnea]. Disponible desde Internet en: <http://www.public.iastate.edu/~wqmeeker/stat451stuff/pdf_psnups/handout02_psnup.pdf> [con acceso el 15/05/2004] Miller, L. 2002. Formulas for blocking probability. Maryland. [Documento en lnea]. Disponible desde Internet en: <http://w3.antd.nist.gov/wetg/netanal/BlckForm.pdf> [con acceso el 15/04/2004] National Institute of Standards and Technology (NIST). Fecha desconocida. Engineering statistics handbook. Estados Unidos. [Web en lnea]. Disponible desde Internet en: <http://www.itl.nist.gov/div898/handbook> [con acceso el 05/03/2004] Robinson, T. 2002. Forecasting. Inglaterra. [Documento en lnea]. Disponible desde Internet en: <http://www.bath.ac.uk/~masar/math0118/forecasting.pdf> [con acceso el 01/03/2004]

Enero 2006