Está en la página 1de 18

Simulacin de lneas de espera para el rea de laboratorio de una

clnica local
Autores: Diego Espinoza Leal.
Arica, Julio 2012.
Universidad de Tarapac
Esun, Escuela universitaria de Administracin y Negocios
Investigacin de Operaciones

Contexto:

La clnica San Jos de Arica es una empresa de salud que se preocupa continuamente
por innovar, una muestra de esto es que hoy en da cuenta con el laboratorio ms
moderno de la ciudad, sin embargo hay otros aspectos que a su gerencia le gustara
mejorar, y es que cuando una persona acude para solicitar un examen suele
encontrarse con una cola, o lnea de espera, a veces de varios minutos, cosa que no los
deja muy contentos. Actualmente el rea de laboratorio, donde las personas llegan
para solicitar un examen y para que se les tomen las muestras orgnicas
correspondientes a ste (sangre, orina u otros), cuenta con 3 secretarias y 3
paramdicos. Para disminuir los tiempos de espera se ha pensado en aumentar esas
cantidades a 5 y 7 respectivamente, solamente por estimaciones cualitativas, por lo
que se solicita, en primer lugar, que se describa la situacin actual, sealando
especficamente en qu parte del proceso se forman los cuellos de botella, y, en
segundo, que se describa cmo cambiara la situacin si se aplicaran los cambios
planeados. La investigacin de operaciones, especficamente la teora de colas y la
simulacin, pueden darnos una respuesta acerca de qu tan certero sera llevar a cabo
dicha propuesta, ese es el tema que ser visto a continuacin.


Marco terico:

Para realizar esta investigacin, en primer lugar indagaremos acerca de situaciones
similares en donde se han tratado problemas relacionados con las colas o lneas de
espera, a continuacin se presentarn resumidos 5 ensayos que tratan el tema, 4 de
ellos referidos a empresa de salud y un quinto aplicado al sistema de colas de un
juzgado en Argentina, la importancia de este ensayo es que trata con un sistema de
colas con ms de una fase, como el presente hoy en el laboratorio de la clnica San
Jos.


Implementacin del plan Auge en pacientes con IRC
Revista mdica de Chile
2003

Contexto:
El plan Auge (Acceso Universal y Garantas Explicitas) intenta garantizar atencin
mdica a todos los pacientes que cumplan con ciertos requerimientos, para una
variedad de enfermedades establecidas, que se consideran significativas, partiendo
con malformaciones cardacas congnitas operables en nios, tumores malignos en
nios e insuficiencia renal crnica en adultos y nios, el primero de agosto del 2002.
Se pretende examinar los primeros seis meses de implementacin del plan,
especficamente en el caso de los pacientes con Insuficiencia Renal Crnica, ya que se
ha criticado que la cantidad de procedimientos que conforman los tratamientos
suponen un deterioro en la atencin del resto de los pacientes y un aumento en las
colas o lneas de espera, ya que se produce un aumento desmedido de en la demanda
por atencin de las enfermedades nombradas.

Material y mtodo:
Se emplearn datos referentes a las tasas de llegada y de servicio de un hospital con 6
especialistas (s=6), pertenecientes a dos periodos, el previo y el posterior a la
aplicacin del plan AUGE, para aplicar la teora de colas y luego se realizarn 5
simulaciones de 50 semanas para determinar la cantidad de especialistas y el nmero
de consultas que se necesita para mantener el negocio constante. El software utilizado
es Excel 2000.

Resultados:
Se determina que, antes de implementar el plan AUGE, la probabilidad de encontrar el
sistema desocupado era menor al 5% y que la tasa de servicio es semejante a 1; una
vez implementado se detecta que los pacientes deben esperar ms que antes, que la
tasa de servicio es superior a uno, por lo que aumentaron las colas, y que se necesitar
aumentar la capacidad de atencin en un 30%, contratando dos nuevos nefrlogos.

Conclusin:
En conclusin para que el plan AUGE se lleve a cabo plenamente es necesario realizar
cambios en los hospitales, tanto pblicos como privados, en los que se aplique, pues la
oferta es rpidamente superada por la demanda, como fue demostrado en esta
investigacin de slo seis meses. La solucin es aumentar los recursos de los
hospitales, no reasignarlos. Finalmente es importante preguntarnos qu ocurrir
cuando la cobertura del plan se extienda a otras patologas y cunto est dispuesta a
pagar la sociedad para consolidar beneficios como ste.
Simulacin del funcionamiento de la lista de espera quirrgica en el servicio
Murciano de salud
Autores: Juan Jess Bernal Garca.

Introduccin:
Las lneas de espera son un fenmeno de todos los das, se generan cuando en un
momento la demanda de un servicio es superior a la oferta disponible del mismo. Nos
enfocaremos a estudiar la formacin de lneas de espera de la Sanidad Pblica de la
regin de Murcia, analizando la lista de espera quirrgica de uno de sus centros
hospitalarios ms importantes, durante el ao 2002, especficamente las reas de
ciruga, oftalmologa y traumatologa.

Se emplear la teora de colas y tcnicas de simulacin por medio del software Excel,
la importancia de estas herramientas es que la primera entrega informacin relevante
acerca de prcticamente todas las situaciones posibles, en lo que se refiere a lneas de
espera y que la segunda, adems de corroborar los datos obtenidos, nos sirve como
medio para analizar situaciones que escapen a los lmites de la teora de colas.

Objetivo: Encontrar el nmero de sesiones quirrgicas semanales es requerido en
cada uno de los servicios para que el tiempo medio de espera no supere los 45 das y
que ningn paciente deba esperar ms de 6 meses.

Pasos a seguir:
1) Simulacin de entrada de pacientes a la lista de espera.
2) Simulacin de tiempos de intervencin quirrgica.
3) Simulacin del nmero de pacientes en lista de espera quirrgica.

Resultados:
1) Ciruga: Con 30 sesiones se conseguirn 513 pacientes en la lista de espera, con un
tiempo medio de espera de 51 das; con 28 se llega a la meta de 45. Se corren
simulaciones dando prioridad a pacientes graves y se obtiene que los pacientes son
atendidos en un tiempo medio de 9 das, la espera del resto de los pacientes no excede
los 5 meses.
2) Oftalmologa: Las simulaciones nos dicen que con 15 sesiones semanales se obtiene
la meta de tiempo de espera de 45 das promedio, reduciendo la cantidad de pacientes
en la lista de espera de 550 a 160. Los pacientes con prioridad ms alta son atendidos
dentro de los primeros 10 das y en ningn caso un paciente tuvo que esperar ms de
5 meses.
3) Traumatologa: Con irregularidades la meta se alcanza con 10 sesiones, con 205
personas en la lista de espera y pacientes graves atendidos en 10 das como mximo.
La gestin de colas en un servicio de urgencias hospitalario: Un enfoque borroso
Autores: Javier Puente, Paolo Priore, Ral Pino, David de la Fuente.

Introduccin:
La saturacin de los servicios de urgencias hospitalarios es un fenmeno causado por
una amplia variedad de factores y que afecta poderosamente en la percepcin que los
clientes tienen acerca del servicio y de los profesionales que trabajan en l. Hay tres
formas de abordar el tema, la primera es realizar un anlisis de los tiempos medios de
espera, la segunda es aplicar la teora de colas y la tercera es recurrir a la simulacin;
debido a que la primera simplifica demasiado la situacin estudiada, en este trabajo se
opta por las otras dos herramientas, la teora de colas y la simulacin.

Metodologa:
Se emplea la teora de colas, considerando que la fuente es infinita, hay una nica cola
que tiene capacidad infinita, la atencin responde al criterio Primero en llegar
primero en salir y que al salir del sistema el cliente reingresa a la poblacin. Adems,
para establecer las tasas de servicio y llegada se aade el concepto de borrosidad para
reflejar la incertidumbre inherente a la situacin.

Este trabajo fue realizado en el Servicio de Urgencias del hospital de Cabuees de
Gijn, que posee 494 camas tiles y cubre una poblacin de 289.379 habitantes. Se
modela el proceso de atencin como un sistema de colas, formado por una cola nica
y servidores mltiples en paralelo.

Para determinar la tasa de llegada se recogieron datos durante todas las horas de 7
das mensuales durante el ao del estudio. Mediante la prueba chi-cuadrado se obtuvo
el parmetro 3,11 llegadas por hora, para una distribucin de Poisson.

Mediante muestreo aleatorio sistemtico, se recogieron datos acerca de la atencin
662 pacientes, se obtuvo que la tasa de servicio de media 0,33 horas por pacientes,
para una distribucin de Erlang, calculada con la prueba chi-cuadrado.

Se recurri a simulacin debido a la cantidad de servidores y se obtuvieron los
siguientes resultados: L: 11,24; W: 3,61 horas; Lq: 1,87; Wq: 0,6 horas. Luego se
simul el comportamiento del sistema para variadas cantidades de servidores. Al
aadir el concepto de borrosidad, con un ancho de 15% y se lleg concluir que un
aumento en el nmero de servidores no provocara un aumento en la fluidez con que
se atiende a los pacientes y que lo importante sera reducir las tasas de atencin y que
un nmero de ventanillas inferior a 13 estancara el desenvolvimiento del servicio.

La teora de colas en el modelado de un juzgado nacional civil
Autores: Ricardo Mir, Roberto Depaoli.

Introduccin:

En argentina, la justicia enfrenta un problema de congestin, pues se forman lneas de
espera en el proceso de trmite de los expedientes en un juzgado del fuero nacional
civil. Dicho proceso consta de 3 etapas.

Problemtica: Segn criterios jurdicos el proceso debe cumplirse en 3 das, los datos
dicen que slo 51% de los expedientes es procesado en ese plazo.

Modelo conceptual:

1 fase, Mesa de entrada: Segn el criterio Fifo, se presenta un documento, entonces, si
es aceptado, se forma un nuevo expediente, o bien, se adjunta a uno ya existente.
2 fase, Despacho: Un abogado de la sala de despacho analiza jurdicamente el
expediente y lo enva a la tercera fase. Aqu hay varias colas paralelas.
3ra Fase, Toma de decisiones: Se revisa el estado de la causa, se toma una decisin y
se devuelve a la mesa de entrada.

El abogado en la mesa de entrada averigua las novedades producidas y generar
acciones para que se inicie un nuevo ciclo, el proceso se repite hasta que haya una
sentencia judicial.

Herramienta empleada: Teora de colas.

Resultados:

A partir de los resultados obtenidos se concluye que hay una gran variabilidad en las
tasas parciales de servicio, lo que provoca que se formen colas sin importar que tan
eficiente sea el servidor en donde desembocan las colas.

Solucin:

En este caso la solucin sera organizar las tareas de forma que se minimice la
variabilidad en los tiempos de servicio de cada una de las unidades de servicio que
forman el sistema.

Anlisis del sistema de colas del centro de salud de Chichicastenango para
mejorar el servicio
Autores: Edwin Humberto Cat Rodrguez.
2004

Objetivo: Analizar el sistema de colas de un centro de salud, con el fin de proponer e
implantar mejoras en la atencin de los pacientes.
Objetivo especfico: Optimizar el sistema de manera que el tiempo de espera no
exceda los 20 min.

Metodologa:
- Se obtiene informacin estadstica acerca de la tasa de llegada a partir del registro de
pacientes diarios del establecimiento.
- La tasa de servicio se calcula en base a muestreo aleatorio durante ocho das hbiles.
-Se calculan tasas medias de llegada y de servicio, sumando los valores de las
observaciones y dividiendo por el total (media aritmtica).
- Anlisis Foda Por qu llevar a cabo esta investigacin?
- Aplicacin de Teora de colas para analizar la situacin actual y determinar en qu
condiciones se cumple la meta propuesta previamente.

Modelo matemtico que ms se ajusta al sistema: Modelo de colas Simple
(M/M/s).
- Capacidad de la cola infinita
-Una sola fila
- Un servidor
-Fuente Infinita
- Orden de llegada preferencial
-Criterio de seleccin FIFO

Aplicacin de la herramienta:
L= 9 pacientes/hora; Lq= 8 pacientes/hora; W=1 hora; Wq= 54 minutos; P=0,9;
P0= 0,1; P{Wq>1/3 horas} = 0,65.

Solucin: Aumentar a 2 la cantidad de mdicos para la jornada matutina.

Resultados: En la jornada matutina se reduce el tiempo de espera en un 98% (de 54 a
1 minuto) y disminuye la probabilidad de que la persona espere ms de 20 minutos a
un 2%. En la jornada vespertina el nivel ptimo de ventanillas es 1 doctor, dado que
actualmente ya se logra un tiempo de espera de 14 min, inferior a la meta mxima de
20 minutos.
Cuadro Resume
Nombre Autor Problema Solucin Resultados
Implementacin del plan
Auge en pacientes con
IRC
Revista Mdica de
Chile
Mantener la calidad de
atencin frente a la creciente
demanda generada por la
implementacin del plan
AUGE.
Anlisis de la situacin a
travs de simulaciones con
el software Excel y
aplicacin de teora de
colas.
2 nuevos especialistas aumentan la
capacidad de atencin en un 30%.
Simulacin del
funcionamiento de la
lista de espera
quirrgica en el servicio
Murciano de salud
Jun Jess Bernal
Garca
Se necesita conocer el nmero
ptimo de sesiones semanales,
para las reas de ciruga,
oftalmologa y traumatologa.
Aplicacin de teora de
colas y simulacin por
medio del software Excel.
Ciruga: 30 sesiones se
Oftalmologa: 15 sesiones
Traumatologa: 10 sesiones.

La gestin de colas en un
servicio de urgencias
hospitalario: Un enfoque
borroso
Javier Puente,
Paolo Priore, Ral
Pino, David de la
Fuente

Se necesita encontrar el
motivo por el cual se forman
lneas de espera y excesivos
tiempos de espera, y cul sera
la mejor forma de mejorar la
atencin.
Aplicacin de Teora de
colas y simulacin de
situaciones con diferentes
cantidades de servidores,
incluyendo el concepto de
borrosidad para reflejar la
incertidumbre propia en el
fenmeno.
Es demasiado el tiempo que
requiere cada servidor para
atender a cada paciente, la
solucin es minimizarlo, no
aumentar la cantidad de
servidores.
La teora de colas en el
modelado de un juzgado
nacional civil

Ricardo Mir y
Roberto Depaoli
Slo el 51% de los
documentos son procesados
en el tiempo establecido.
Analizar el sistema de
lneas de esperas presente
en la situacin con la teora
de colas.
Organizar las tareas de forma que
podamos minimizar la variabilidad
en los tiempos de servicio.
Anlisis del sistema de
colas del centro de salud
de Chichicastenango
para mejorar el servicio

Edwin Humberto
Cat Rodrguez
Se quiere conseguir que el
tiempo de espera mximo sea
de 20 minutos.
Modelo de colas simple. Aumentar a 2 la cantidad de
doctores en la jornada matutina y
mantener en 1 en la jornada
vespertina.

Modelo conceptual:


Caractersticas:

Los pacientes ingresan al sistema y se dirigen a una de las secretarias, donde se toman
sus datos y se realizan los trmites necesarios para que el examen pueda llevarse a
cabo, aqu se genera la primera cola, cuando la persona llega y encuentra las 3
ventanillas ocupadas, debe esperar que una se desocupe.

Una vez realizados los trmites, es atendido por uno de los 3 paramdicos de turno, si
todos estn ocupados debe esperar otra vez, aqu se forma la segunda cola. Una vez
que se toma la muestra para el examen la persona se marcha del sistema,
reingresando a la poblacin que se considera infinita. No hay lmite para la cantidad
de personas que puede haber en la cola.

Los clientes acuden a la secretaria o paramdico que se encuentre desocupado(a), por
lo que diremos que hay un orden preferencial en la forma en que se acercan a las
ventanillas o servidores.

La forma en que llegan los pacientes y el tiempo que se requiere para atenderlos, en
cada uno de los procesos, estn ligados a aspectos aleatorios, asemejndose a la
distribucin de Poisson.

No hay lmite en la cantidad de personas que puede haber en cualquiera de las colas y
el criterio que se utiliza para seleccionar al cliente que ser atendido corresponde al
PEPS o FIFO (Primero en entrar, primero en salir).



Modelo matemtico:
Teora de Colas

La teora de colas, engloba una serie de modelos orientados a describir sistemas de
lneas de espera particulares. Su objetivo principal es encontrar un estado ptimo,
donde se equilibran los elementos cuantitativos (costos de servicio) y los elementos
cualitativos (satisfaccin del cliente).

Los elementos de la teora de colas son principales son los clientes y los servidores, y
los elementos que emplea para estudiarlos son los siguientes:

1) La llegada de los clientes
2) La capacidad de la cola
3) La disciplina de la cola
4) Los tiempos de servicio
5) La cantidad de servidores
6) Las etapas del sistema

En este caso la llegada de las personas est dada por que es la tasa promedio de
llegadas; la capacidad de la cola se considera infinita; la disciplina de la cola es PEPS o
FIFO; los tiempos de servicio son determinados por , la tasa promedio de servicio,
hay una tasa para los paramdicos y otra para las secretarias; la cantidad de
servidores es 3 y 3 en la situacin actual y en la situacin planeada es de 5 y 7
respectivamente, finalmente el sistema consta de dos fases o etapas.

- 1/ es el tiempo medio entre llegadas.
- 1/ es el tiempo medio requerido para entregar el servicio.
- P es el factor de utilizacin, proporcin del tiempo que el sistema se encuentra
ocupado o probabilidad de encontrar el sistema ocupado.
- Lq es el nmero medio de personas en la cola.
- Ls es el nmero medio de personas en el sistema.
- Wq es tiempo medio de espera en la cola.
- Ws es el tiempo medio de espera en el sistema.







Frmulas:


Las frmulas para calcular los elementos sealados con anteriormente para un
modelo de colas sencillo, con uno o ms servidores, son las siguientes:



*A la izquierda se presentan las frmulas para el modelo simple con 1 servidor
** A la derecha se encuentran las frmulas para un modelo simple con ms de 1 servidor





Metodologa de Trabajo:

En primer lugar se realiz un muestreo para determinar las tasas de llegada y de
servicio. Para la tasa de llegada se realiz un muestreo aleatorio de 15 horas,
distribuidas a lo largo de la jornada de trabajo del laboratorio de la clnica, que va de
7:30 a 12:00 y de 15:00 a 20:30, de lunes a viernes; y de 7:30 a 12:00 los sbados.

Observaciones obtenidas:
Llegada de clientes (clientes por hora)
Da Hora Cantidad de Clientes
28/06/2012 De 7:30 a 8:30 25
28/06/2012 De 8:30 a 9:30 18
29/06/2012 De 8:10 a 9:10 25
29/06/2012 De 9:10 a 1:10 16
29/06/2012 De 17:39 a 18:39 21
03/07/2012 De 18:30 a 19:30 41
03/07/2012 De 16:00 a 17:00 17
04/07/2012 De 14:00 a 15:00 5
05/07/2012 De 11:15 a 12:15 14
07/07/2012 De 7:30 a 8:30 7
11/07/2012 De 9:40 a 10:40 14
11/07/2012 De 10:44 a 11:44 9
13/07/2012 De 18:30 a 19:30 18
14/07/2012 De 10:00 a 11:00 6
14/07/2012 De 11:00 a 12:00 5

La tasa promedio de llegada es de 16,067 clientes por hora y el tiempo medio entre
llegadas es de 3,734 minutos, es decir, 224,066 segundos.
Para la tasa de servicio del primer proceso (recepcin) se tom una muestra de 30
clientes aleatorios.
Cliente Tiempo Cliente Tiempo Cliente Tiempo
1 00:01:03 11 00:02:09 21 00:03:50
2 00:01:50 12 00:00:47 22 00:02:15
3 00:00:54 13 00:01:12 23 00:03:14
4 00:07:36 14 00:00:32 24 00:04:31
5 00:01:26 15 00:04:19 25 00:07:03
6 00:03:27 16 00:03:00 26 00:04:52
7 00:01:14 17 00:01:30 27 00:05:12
8 00:01:23 18 00:06:57 28 00:02:23
9 00: 01:11 19 00:03:32 29 00:04:52
10 00:00:55 20 00:03:00 30 00:02:12
De la que se desprende que el tiempo necesario para solicitar un examen es de 176,7
segundos, es decir, cada secretaria atiende 20,374 clientes por hora.
Para obtener la tasa media de servicio en la segunda fase del sistema, la toma de
muestras, se realiz un muestreo aleatorio de 21 clientes, calculando el tiempo que
tom atenderlos.
Cliente Tiempo Cliente Tiempo Cliente Tiempo
1 00:04:17 8 00:06:54 15 00:03:57
2 00:03:13 9 00:02:43 16 00:04:34
3 00:04:01 10 00:06:03 17 00:04:53
4 00:03:25 11 00:07:57 18 00:04:33
5 00:05:02 12 00:04:32 19 00:04:04
6 00:06:50 13 00:03:50 20 00:03:57
7 00:01:04 14 00:04:05 21 00:04:02

El tiempo medio necesario para atender a un paciente en el rea de toma de muestra,
la segunda fase del sistema de colas, es de 268,381 segundos. Paralelamente diremos
que se atienden 13,414 clientes por hora.
Finalmente, una vez obtenidos los datos, se llevar a cabo el anlisis de la situacin.
Debido a que aplicar la teora de colas es ms complicado a medida que se estudia un
sistema de lneas de espera ms complejo, se ha preferido optar por la simulacin
como mtodo de anlisis, modelando la realidad de la clnica con el software
simulador Arena.
Simulacin:

En primer lugar, se crea el siguiente modelo, agregando una entrada, dos procesos y
una salida.

Luego, a travs del comando set, agregamos los recursos con los que cuenta cada
proceso, 3 secretarias para el primero y 3 paramdicos para el segundo.

Ingresamos las tasas de llegada y de servicio. Cuando se habla de clientes por hora se
emplea la distribucin de Poisson, en este caso, como hablamos de tiempo entre
llegadas o tiempo de servicio, emplearemos la distribucin Exponencial para reflejar
el componente aleatorio que existe en las llegadas. Adems, programamos un orden
de preferencia en la forma en que los clientes se acercan a las ventanillas.

Llegadas


Proceso 1: Recepcin

Proceso 2: Toma de muestra



Para un nivel certeza del 99% se ha realizado una simulacin de 5000 horas, de las
que se han obtenidos los siguientes resultados:














Se establece que los cuellos de botella surgen en la segunda etapa del proceso, pues
posee mayor tiempo de espera y se espera una cantidad mayor de personas en esta
cola, con lo que se da respuesta a la primera pregunta de la gerencia.
P (Factor de utilizacin)
P(Secretaria 1) = 0 .44540
P(Secretaria 2) = 0. 23782
P(Secretaria 3) = 0. 09859

P(Paramdico 1) = 0.56751
P(Paramdico 2) = 0.38676
P(Paramdico 3) = 0.22933

L (nmero medio de personas en el sistema)
L= 2.0747 personas

Lq (nmero medio de personas en la cola)
Lq(Recepcin)= 0.01701personas
Lq(Toma de muestra)= 0.09228 personas

W (tiempo medio en el sistema)
W= 0.12954 horas

Wq (tiempo medio de espera en la cola)
Wq(Recepcin)= 0 .00106 horas
Wq(Toma de muestra)= 0.00576 horas


Luego se simula la situacin planificada, con 5 secretarias y 7 paramdicos, como se
puede apreciar en la siguiente imagen, agregando los nuevos recursos con el comando
set.





Los resultados obtenidos son los siguientes:


















P (Factor de utilizacin)
P(Secretaria 1) = 0 .43823
P(Secretaria 2) = 0.22852
P(Secretaria 3) = 0.08716
P(Secretaria 4) = 0.02298
P(Secretaria 5) = 0.00493
P(Paramdico 1) = 0.54254
P(Paramdico 2) = 0.35233
P(Paramdico 3) = 0.18490
P(Paramdico 4) = 0.07286
P(Paramdico 5) = 0.02364
P(Paramdico 6) = 0.O0572
P(Paramdico 7) = 0.00162


L (nmero medio de personas en el sistema)
L= 1.9657 personas

Lq (nmero medio de personas en la cola)
Lq(Recepcin)= 2.0602E-04 personas
Lq(Toma de muestra)= 7.0522E-05 personas

W (tiempo medio en el sistema)
W= 0.12273 horas

Wq (tiempo medio de espera en la cola)
Wq(Recepcin)= 1.2864E-05 horas
Wq(Toma de muestra)= 4.4032E-06 horas
Consecuencias de llevar a cabo los cambios planeados

La cantidad esperada de personas en el sistema ha disminuido de 2.0747 a 1.9657
personas, por lo que se dice que la fluidez con la que se imparte el servicio ha
mejorado en un 5,3%.

La cantidad de personas esperadas y el tiempo de espera en las colas 1 y 2, al
aumentar la cantidad de servidores, son nmeros cercanos a cero, y el tiempo que
transcurre desde que la persona entra al sistema hasta que sale se redujo de 544,068
a 441,828 segundos.

Como es obvio, al aumentar la cantidad de recursos se disminuyen los tiempos de
espera, no obstante, es importante observar el factor de utilizacin de cada uno de
estos recursos antes de llegar a una conclusin.

Como vemos a continuacin, existen tres recursos cuya probabilidad de ser utilizados
es semejante a cero, es decir, no valdra la pena invertir en contratarlos, por lo que se
propone que aumentando los recursos, de 3 secretarias y 3 paramdicos, a 4
secretarias y 5 paramdicos, pues prcticamente se obtendrn los mismos resultados,
pues se ha demostrado que su factor de utilizacin es muy bajo.

P(Secretaria 5) = 0.00493
P(Paramdico 6) = 0.O0572
P(Paramdico 7) = 0.00162

Para concluir con nuestro estudio, simularemos el escenario que se formara al llevar
a cabo los cambios que proponemos, en vez de los que la gerencia tiene pensados.

















Como podemos ver si comparamos estos resultados con los anteriores, la cantidad
media de personas esperadas en ambas colas y los tiempos de espera en estas se
mantienen cercanos a cero, sin incurrir en gastos innecesarios, como ocurra en el
caso anterior, por lo que se reafirma nuestra proposicin de cambiar la cantidad de
recursos a 4 y 5 respectivamente y no a 5 y 7 como tiene pensado la gerencia de la
clnica San Jos.

Conclusin:

La investigacin de operaciones pone a nuestro servicio una serie de conocimientos,
desarrollados por especialistas, que facilita la toma de decisiones, conocimientos que
tardaramos aos de experiencia en obtener empricamente y que se encuentran
condensados en herramientas como la teora de colas.

Cabe sealar lo importante que es el manejo de software especializado, como lo es en
este caso Arena, que facilitan en gran medida los clculos y se llevan gran parte del
trabajo, si se les utiliza correctamente.

Con el presente ensayo se da por demostrada la utilidad e importancia tanto de la
simulacin como de la teora de colas y destacamos su complementariedad a la hora
de analizar situaciones de variada complejidad.




P (Factor de utilizacin)
P(Secretaria 1) = 0.43909
P(Secretaria 2) = 0.22977
P(Secretaria 3) = 0.08856
P(Secretaria 4) = 0.02439

P(Paramdico 1) = 0. 54307
P(Paramdico 2) = 0.35401
P(Paramdico 3) = 0. 18674
P(Paramdico 4) = 0.07485
P(Paramdico 5) = 0.02493


L (nmero medio de personas en el sistema)
L= 1.9703 personas

Lq (nmero medio de personas en la cola)
Lq(Recepcin)= 0.00206 personas
Lq(Toma de muestra)= 0. 00286 personas

W (tiempo medio en el sistema)
W= .12302 horas

Wq (tiempo medio de espera en la cola)
Wq(Recepcin)= 1.2859E-04 horas
Wq(Toma de muestra)= 1.7839E-04 horas
Bibliografa y Webgrafa:
1. Len Gonzlez, ngel (2003); Manual prctico de investigacin de operaciones;
Ediciones Uninorte.
2. Prawda Witenberg, Juan (2004); Mtodos y modelos de investigacin de
operaciones, Volumen 1; Editorial Limusa.
3. Prcticas de Simulacin con Arena:
http://gio.uniovi.es/documentos/asignaturas/descargas/practicasARENAresueltas.pdf;
Recuperado el 02 de julio del 2012.

4. Teora de Lneas de Espera:
http://www.investigacion-operaciones.com/Teoria_colas_web.htm.
Recuperado el 28 de junio del 2012.

Ensayos:
Cat Rodrguez, Edwin Humberto (2004); Anlisis del sistema de colas del centro de
salud; Universidad de San Carlos De Guatemala, Facultad de Ingeniera.
Puente J., Priore P., Pino R., de la Fuente D. (2002); La Gestin de Colas en un Servicio
de Urgencias Hospitalario, Un Enfoque Borroso; Asociacin de Ingenieros Industriales
de Gijn.
Juan Jess Bernal Garca (2003); Simulacin del funcionamiento de la lista de espera
quirrgica en el servicio murciano de salud de Chichicastenango para mejorar el
servicio; Departamento de Mtodos Cuantitativos e Informticos, Universidad
Politcnica de Cartagena.
Mir, R., y Depaoli, R. (2006); La teora de las colas en el modelado de un juzgado
nacional civil; Academia nacional de ciencias de Buenos Aires.
Sociedad Mdica de Santiago (2003); Implementacin del plan AUGE en
pacientes con IRC; Revista Mdica Chile.