RESUMEN

En este trabajo se presenta un contraste entre los modelos de la Teoría de Colas y la

Simulación. El principal objetivo es evidenciar como estas dos áreas se complementan
mutuamente. Lo anterior debido a que con el modelo matemático se puede validar el modelo
de simulación y este último permite al investigador profundizar mucho más en el análisis del
sistema de colas objeto de estudio. Para observar lo anterior, se presenta como caso de
estudio un sistema de atención en la empresa Indumaster, el cual está conformado por una
línea de espera “fila Preferencial” y un servidor “El Cajero” encargado de atender los clientes
respectivos.

ABSTRACT

In this work a contrast between the models of the Theory of Tails and the Simulation is
presented. The main objective is to show how these two areas complement each other. This is
due to the fact that the simulation model can be validated with the mathematical model, and
the latter allows the researcher to go much deeper into the analysis of the tailing system under
study. To observe the above, we present a case study system in the company Indumaster,
which is made up of a waiting line "Preferential Row" and a server "El Cajero" in charge of
serving the respective clients.

PALABRAS CLAVES

Modelos, Procesamiento, Simulación, Sistema de Colas, Utilización.

1. Introducción .......................................................................................................................... 4
2. Objetivos ............................................................................................................................... 4
2.1 Objetivo general .................................................................................................................. 4
2.2 Objetivos específicos........................................................................................................... 4
3. Antecedentes de la empresa .................................................................................................. 5
4. Formulación del problema y captura de requisitos................................................................ 6
5. Marco teórico ..........................................................................Error! Bookmark not defined.
5.1 Simulación Monte Carlo .......................................................Error! Bookmark not defined.
5.2 Lenguaje Python....................................................................Error! Bookmark not defined.
5.2.1 Introducción de productos nuevos ..................................Error! Bookmark not defined.
5.2.2 Políticas de inventario ....................................................Error! Bookmark not defined.
5.2.3 Líneas de espera .............................................................Error! Bookmark not defined.
5.2.4 Finanzas..........................................................................Error! Bookmark not defined.
5.3 Beneficios de la simulación...................................................Error! Bookmark not defined.
6. Análisis: recogida de información y definición de modelo ................................................... 9
7. Diseño .....................................................................................Error! Bookmark not defined.
8. Implementación del modelo ................................................................................................ 12
9. Análisis de resultados .......................................................................................................... 14
10. Conclusiones ................................................................................................................... 16
12. Referencias ...................................................................................................................... 16
La simulación es una de las herramientas de análisis cuantitativo de mayor uso. Cerca
de la mitad de las grandes corporaciones en los Estados Unidos hacen uso de ésta para
la planificación corporativa. Simular es tratar de duplicar las características, los
componentes y la apariencia de un sistema real. Para esto se construye un modelo
matemático que represente tan cercano como sea posible la realidad del sistema.
También se pueden construir modelos físicos para verificar los sistemas. La idea detrás
de la simulación es imitar matemáticamente una situación de la vida real. De esta
manera se puede estudiar sus propiedades y características de operación, sacar
conclusiones y tomar decisiones.
Hoy día, la simulación es ampliamente aceptada en el mundo de los negocios para
predecir, explicar y ayudar a identificar soluciones óptimas. En particular, aplicaremos
la simulación Monte Carlo a un caso de estudio para los emprendedores de la empresa
INDUMASTER S.A en Manta, donde se simulará la atención al cliente que se tendrá en
las semanas siguientes, con el uso de un aplicativo desarrollado en lenguaje Python.

Demostrar la aplicación del modelo de simulación Montecarlo, mediante un estudio de

caso para los emprendedores de la empresa Indumaster S.A en Manta con el fin de
realizar una demostración en un software de simulación realizado en Python.

 Realizar una entrevista al empresario Indumaster para levantar información

 Tabular la información suministrada, estructurándola en un documento digital.
 Desarrollar una aplica que simule líneas de espera en lenguaje Python.
 Realizar pruebas de la simulación.
SE BASA EN:
 El sistema de línea de espera consisten en formulas y relaciones matemáticas que se
usan para determinar las característica operativas o también llamado medidas de
desempeño, las características operativa de interés son: hora de llegada, hora de
servicio, tiempo de llegada, tiempo de servicio, Tiempo exacto de llegada, Hora de
inicialización del servicio, tiempo de espera, tiempo en sistema, los cuales estos
datos arrojados por el sistema nos reflejara como se está manejando la empresa en
relación al tiempo que deben de esperar los clientes para ser atendidos, y en base a
aquello tomar decisiones referente a la línea de espera, con el fin de optimizar el
servicio.

La Empresa Indumaster S.A le llegan diariamente personas, con pedidos grandes y otros
pequeños en productos, en los cuales varían los pedidos por día y por semana, en
ocasiones el tiempo de atención a una persona puede ser instantáneamente (si contamos
con los productos en el almacén), y salir inmediatamente ya que los problemas de
demanda por pedidos bajos son simples de resolver. Por otro lado, existe otro tipo de
situación en la que el cliente llega y debe esperar por ser atendido (cuando el pedido
supera más de 30 muebles de oficina por día), y si la solución es más complicada, debe
esperar hasta el día siguiente que haya abastecimiento del producto. La tasa de llegada
de los clientes es de 1 cada 15 minutos y el tiempo de servicio se distribuye
exponencialmente con una media de 8 minutos por cliente.
1. Hora de llegada (i=1, 2) 6. Hora de terminación del servicio

2. Hora de servicio(i=1, 2) 7. Tiempo de espera

3. tiempo de llegada 8. tiempo de servicio

4. tiempo exacto de llegada 9. tiempo en el sistema.

5. hora de inicialización del servicio

 LISTA DE PEDIDOS SEMANALES DE LA EMPRESA INDUMASTER S.A
TERCERA SEMANA DE JUNIO
PEDIDOS MUEBLES 15 20 25 14 15 10
PEDIDOS SILLAS 4 5 4 8 5 3
PEDIDOS PUPITRES 2 1 3 2 1 1
PEDIDOS MESAS 20 15 25 17 10 5
PEDIDOS ESCRITORIO 4 5 8 5 6 7

TOTALES DE PERSONAS AL DIA 45 46 65 46 37 26

FECHAS
HORAS
 INDUMASTER S.A
30

25

20

15
25 25
10 20 20
17
15 15 14 15
5 10 10
8 8 7
5 1 5 5 5 1 6
4 2 4 4 3 2 3 1 5
0
Lunes Martes Miércoles Jueves Viernes Sábado

MUEBLES SILLAS PUPITRES MESAS ESCRITORIO

En base a la información recolectada y la información presentada en el marco teórico, se

llegó a la conclusión que el modelo de simulación de líneas de espera cumple es
aplicable al modelo pretende simular en el caso de estudio para los emprendedores de la
empresa INDUMASTER S.A en Manta, dicho esto se procederá aplicar la simulación,
donde veremos el comportamiento de las personas que esperan por ser atendidas y se
tratara de optimizar los procesos de atención al cliente.
7.1. El comportamiento del modelo de líneas de espera es un modelo verificable y modelable en cualquier lenguaje de programación, para
poder realizar una presentación previa del modelo se ha utilizado Excel para diseñar y verificar el comportamiento del modelo.
Luego del proceso de desarrollo un sistema de simulación de líneas de espera con Montecarlo en el cual veremos lo siguiente:
1. Una pantalla inicial donde se deberán los datos iniciales del ejercicio, esto son El número de eventos de llegada y de servicio para
después calcular.
 Una vez ingresados los datos anteriores automáticamente se genera una tabla de datos de la simulación, donde se encontrará una tabla explicita
de resultados según los parámetros inicialmente ingresados.
Lo siguiente será obtener los resultados del análisis donde encontraremos, el tiempo
promedio que un cliente pasa en el sistema, el tiempo que los clientes esperan para
ser atendidos, el número promedio de clientes que están siendo atendidos, y el
número promedio de clientes en espera.

A. Tiempo promedio que un cliente pasa en el sistema

𝟏 𝟏 𝟏
𝑾𝒔 = = = = 𝟎, 𝟔𝟏 𝑯𝑶𝑹𝑨
(𝝁 − 𝛌) (𝟓, 𝟔𝟑 − 𝟒) 𝟏, 𝟔𝟑

B. Tiempo promedio que los clientes esperan en cola para ser atendidos
𝛌 𝟒 𝟒
𝑾𝒒 = = = = 𝟎, 𝟒𝟒 𝑯𝑶𝑹𝑨
𝝁(𝝁 − 𝛌) 𝟓, 𝟔𝟑(𝟓, 𝟔𝟑 − 𝟒) 𝟗, 𝟏𝟖

C. N.º Promedio de clientes que están siendo atendidos

𝛌 𝟒 𝟒
𝑳𝒔 = = = = 𝟐, 𝟒𝟓
(𝝁 − 𝛌) (𝟓, 𝟔𝟑 − 𝟒) 𝟏, 𝟔𝟑

D. N.º Promedio de clientes en cola

𝛌𝟐 (𝟒)𝟐 𝟏𝟔
𝑳𝒒 = = = = 𝟏, 𝟕𝟒
𝝁(𝝁−𝛌) 𝟓,𝟔𝟑(𝟓,𝟔𝟑−𝟏,𝟐) 𝟐𝟒,𝟗𝟒

De acuerdo con los datos obtenidos se puede interpretar que el número máximo de
clientes en la cola es 2, la primera persona en la cola espera un tiempo de 26 minutos
con 40 segundos para ser atendidas.
El tiempo promedio que un cliente pasa en atención al cliente es de 36 minutos 60
segundos, el tiempo promedio que un cliente espera en cola es de 3 minutos 00
segundos, el número promedio de clientes es la cola es de 1,74, numero promedio de
clientes en el sistema 2,45.
 Por último, veremos el módulo gráfico donde se muestra un diagrama estadístico de los
resultados, en un plano tiempo de llegada por tiempo de servicio.

0.45
0.4
0.35
Tiempo de Servicio

0.3
0.25
0.2
0.15
0.1
0.05
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4
Tiempo de Llegada

INDUMASTER S.A
16.00

14.00 0.409
-4.296
0.041
12.00 0.016 Tiempo en el sistema
0.069 3.297
0.088 -3.272 Tiempo de espera
-3.118
10.00 0.019 Hora de terminacion
3.887
Axis Title

-2.384 Hora de iniciacion del servicio

8.00 0.233 3.272
-2.280 3.204 Hora de llegada
0.023 3.030
0.277 -
1.847
0.063 2.366 Tiempo de servicio
6.00 0.071 -1.801
-1.222-1.398 1.8252.047 Tiempo entre llegada
3.2563.887
1.1511.3351.524 3.0303.204
4.00 2.366 Servicio
1.1511.335 1.8252.047
1.524 0.025 LLegada
0.069
2.00 0.0710.063 0.0230.2330.0190.0880.173 0.053
0.183 0.301 0.3180.665 0.870 0.409
1.151 0.7000.277 0.8800.2230.900 0.680
0.6700.48 0.189
0.210
0.47 0.30 0.410.270 0.631
0.6100.50 0.81 0.100
- -- 0.01 0.28 0.07 0.08
1 2 3 4 5 6 7 8 9 10 11
 • Observamos que con la simulación se obtiene más información que con los
escenarios reales, lo cual nos da mucha información para un buen análisis de la
situación de la empresa Indumaster S.A en su atención al cliente.

• Se recomienda, si se desea mejorar los tiempos de espera de los clientes, se

deberá incorporar un colaborador adicional a la bodega de la ciudad para poder
así brindar una atención al cliente de calidad y agilizar las entregas de los
productos.

García, A. M. (16 de Junio de 2015). OpenCourseWare. Obtenido de bbvaopen4u.com:

https://bbvaopen4u.com/es/actualidad/cinco-librerias-en-python-para-cientificos-de-
datos-como-visualizar-informacion