Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Dirigido por:
Giovanny Mauricio Tarazona Bermúdez Ph.D.
Facultad de Ingeniería
Universidad Distrital Francisco José de Caldas
Bogotá,D.C.
2015.
Tabla de contenido
1. Introducción........................................................................................................... 3
1.1. Descripción del problema ............................................................................................. 5
1.2. Objetivo general............................................................................................................ 5
1.3. Objetivos específicos..................................................................................................... 5
1.4. Justificación ................................................................................................................... 6
1.5. Resultados esperados ................................................................................................... 6
2. Estado del arte ....................................................................................................... 7
2.1. Del problema del dimensionamiento............................................................................ 7
2.2. De los modelos de simulación....................................................................................... 7
2.3. De los modelos de simulación junto con modelos analíticos ....................................... 8
2.4. De la programación del personal .................................................................................. 9
2.5. Del análisis de entrada ................................................................................................ 10
2.6. De los modelos analíticos............................................................................................ 10
2.7. Conceptos básicos: Call Center ................................................................................... 11
3. Metodología......................................................................................................... 14
3.1. Alcance ........................................................................................................................ 14
3.2. Estructura de Desglose de Trabajo.............................................................................. 16
3.3. Costos del Proyecto..................................................................................................... 22
3.4. Cronograma y línea base............................................................................................. 22
3.5. Identificación de Riesgos............................................................................................. 23
3.6. Identificación de Interesados ...................................................................................... 25
4. Modelo Propuesto ................................................................................................ 26
4.1. Descripción cualitativa del sistema ............................................................................. 26
4.2. Análisis de entrada ...................................................................................................... 29
4.3. Modelo conceptual ..................................................................................................... 36
4.4. Modelo de Simulación................................................................................................. 37
4.5. Alternativa de Expansión............................................................................................. 45
4.6. Modelo de Optimización ............................................................................................. 48
5. Conclusiones y validación de objetivos ................................................................ 53
6. Referencias .......................................................................................................... 55
7. Anexos ................................................................................................................ 59
2
1.Introducción.
El sector de los centros de servicio, que incluye los llamados call centers, así como
los centros de contacto (contact centers), ha ganado mucha relevancia en nuestro
país en la última década. Este tipo de servicio nació un departamento interno en
grandes compañías que deseaban un contacto directo con sus clientes, pero luego
debido a los avances tecnológicos y a una subutilización de su capacidad pasaron a
una atención más extensa de servicio y poco a poco se convirtieron en unidades
autónomas que podían ofrecer servicios externos [1]. Luego, en la década de los
90 el servició comenzó a ser tercerizado y por consiguiente comenzó la
conformación de compañías dedicadas exclusivamente a ofrecer este servicio a
otras compañías que no deseaban invertir en sus propios centros de servicio.
Aunque los grandes países de Asia eran los favoritos para la instalación de centros
de servicio hasta finales del siglo pasado, en los últimos años este gremio ha
invertido fuertemente en el país, no sólo es un sector que en 2013 movía 9 billones
de pesos sólo en Colombia y que aportaba 0.9% del PIB nacional en 2013 [2], sino
que además ha venido creciendo en promedio un 18% anual en la última década
[2] y del cual se espera un aumento en los ingresos operacionales del 23.1% en el
presente año en nuestro país [2].
Pero tal vez el factor más relevante de este tipo de negocios no está en las fuertes
inversiones tecnológicas, sino que a diferencia de los demás sectores productivos,
en éste de la mano con los adelantos tecnológicos va un aumento considerable de
la planta de personal, es decir, es un sector que jalona el empleo formal de forma
considerable en aquellos países donde es fuerte [1]. Así, en nuestro país a través
del Programa de Transformación Productiva (PTP) se desarrolló un estudio para la
caracterización y formulación de una estratégica nacional y regional del sector de
tercerización de servicios BPO, KPO e ITO en Colombia [3]. En donde las siglas
corresponden a Tercerización de procesos de negocio (Business Process
Outsourcing), Tercerización de servicios de tecnología de la información
(Information Technology Outsourcing) y Tercerización de procesos de
conocimiento (Knowledge Process Outsourcing), respectivamente. En lo que
concierne al presente trabajo, la categoría BPO, en la cual se ubican los call centers
y los centros de contacto, es la de interés y, como se puede ver en la Tabla 1, ésta
corresponde a más del 60% de los ingresos por tercerización.
4
clásicos utilizados en los call centers como en aquellos que utilizan modelos de
simulación como herramienta de solución. También allí se precisaran algunas
definiciones técnicas que serán utilizadas en el desarrollo del modelo propuesto.
Luego, en la siguiente sección se presentará una descripción detallada de la
metodología seguida para la construcción del modelo, en particular se definirá la
estructura de desglose del trabajo (EDT) y el cronograma obtenido a partir de ésta.
Además se incluye la estructura de desglose de riesgos, tanto para el desarrollo de
este proyecto, como para la evaluación de alternativas.
5
Construir, validar y verificar el modelo de simulación propuesto para el
análisis del sistema.
Determinación de los parámetros del modelo de optimización (OptQuest)
para su implementación e integración con el modelo de simulación.
Evaluación de la alternativa de expansión propuesta por la compañía.
1.4. Justificación
Las compañías quieren mantener un contacto directo con sus clientes, una de las
principales herramientas para ello siguen siendo las líneas de contacto telefónicas,
las que les han permitido conocer mejor a sus clientes y también disponer de un
nuevo canal de venta, fortaleciendo así al call-center como una parte integral del
negocio. Sin embargo, el principal problema que tiene que afrontar la
administración de un call-center es el de mantener el nivel de servicio que ofrece a
los usuarios mientras disminuye sus costos, así determinar los requerimientos de
infraestructura y personal es una tarea critica [5]. Para abordar este problema,
aunque existen diversos modelos analíticos, la principal ventaja de la simulación,
es que diferencia de éstos, no se basa en supuestos que pueden estar alejados de la
realidad, evitando así sesgar el dimensionamiento del sistema [6], [7]. Es decir, la
simulación es más flexible en la representación de las variables que repercuten en
la rentabilidad del negocio y además permite la evaluación de posibles escenarios
sin incurrir en los costos de implementación. Esto cobra vital importancia en la
actualidad dados los constantes cambios tecnológicos que afectan directamente la
operación de un call-center y debido a la importancia del sector en la economía del
país, pero principalmente como generador de demanda laboral, como ya se
estableció en la introducción del trabajo.
1.5. Resultados esperados
6
2.Estado del arte
En la primera parte de esta sección se hará un recorrido por los principales
avances en búsqueda de mejores soluciones para el problema del
dimensionamiento, en donde el énfasis estará en aquellas aproximaciones que han
usado la simulación como la principal herramienta. Adicionalmente, se revisaron
algunos aportes en un problema relacionado como es la programación del personal
así como también algunos trabajos sobre el análisis estadístico de la información
de entrada, que en este tipo de modelos es de vital importancia. La organización,
aunque principalmente cronológica, corresponde a una clasificación por el método
de aproximación utilizado por los autores de cada trabajo. El siguiente diagrama
ilustra esquemáticamente la organización de las referencias revisadas.
Simulación
[1959-2003]
Análisis de Entrada
Simulación junto [2004-2008]
con modelos
analíticos [2000-
2008]
Programación del
Personal
Modelos Analíticos [2008-2011]
Relevantes
[2002-2015]
Figura 1 Esquema de la revisión del estado del arte seguida en este trabajo. Fuente el autor.
A inicios de este siglo, año 2000, Ridley [19] comparó en su trabajo los modelos
analíticos versus los modelos de simulación, en donde establece como principal
ventaja la flexibilidad, en particular en las distribuciones a utilizar, de los modelos
de simulación sobre los modelos analíticos. En 2001, en la ya anteriormente
8
mencionada Winter Simulation Conference, Gulati y Malcom [20] mostraron la
utilidad en la evaluación de cambios tecnológicos en la infraestructura de los
centros de servicio de los modelos de simulación, en ese mismo sentido, y ese
mismo año, Saltzman y Mehrotra [21] utilizaron un modelo de simulación como su
principal herramienta para la evaluación de una alternativa de cambio tecnológico
en una gran compañía y analizar así la factibilidad de un nuevo programa de
soporte técnico.
Dentro del problema del dimensionamiento del call center, una vez definida la
infraestructura, el siguiente factor crítico es la programación del personal de
atención, es decir la definición de turnos. Ertogral y Bamuqabel [28], en 2008
analizaron el call center de una compañía telefónica en donde se tenían agentes
bilingües, allí usaron una aproximación por teoría de colas junto con un modelo de
simulación para establecer los requerimientos de personal para cada hora y luego
un modelo de optimización para la programación de los agentes. Avramidis et al en
2010 [29] mostraron como se puede usar esquemas de simulación para la
optimización de los turnos de los operarios, en este caso la integración de una
técnica de programación entera sobre el modelo de simulación es un factor clave
para conseguir este objetivo.
9
[32] mostraron la efectividad del uso de programas de simulación en el proceso de
capacitación de los operarios del call center en dos de las compañías de la lista
Fortune 50.
2.5. Del análisis de entrada
Otro aspecto clave para el dimensionamiento del sistema tiene que ver con la
robustez del análisis de entrada que se haga de la información disponible, que
debido a los avances tecnológicos es abundante en este tipo de sistemas. En este
aspecto, vale la pena rescatar el trabajo de Avramidis, Deslauriers y L’Ecuyer [33]
quienes en 2004 analizaron una gran cantidad de datos sobre los arribos a
diferentes centros de servicio, mostrando que las principales características en
este tipo de sistemas incluyen una gran variabilidad, la no homogeneidad a lo largo
del día y la autocorrelación, factores clave a tener en cuenta en un buen análisis
estadístico de los tiempos entre arribos.
Como se ha notado anteriormente, los modelos analíticos son usados junto con
modelos de simulación para lograr mejoras significativas en el dimensionamiento
y operación de los call centers. Así, es necesario incluir no sólo trabajos que hagan
un uso directo de la simulación, sino también aquellos que utilicen modelos
analíticos que nos permitan obtener elementos para el diseño de la técnica de
optimización que va a operar sobre el modelo de simulación propuesto aquí.
Para propósitos de este trabajo, se entiende aquí que un call center constituye un
conjunto de recursos (personal, equipos de cómputo y equipos de comunicación)
que permite la prestación de servicios por vía telefónica. La mayoría de las
instalaciones incluyen un sistema de respuesta automático (IVR) o unidad de
respuesta de voz (VRU) la cual es la encargada de recibir las llamadas e interactuar
con el cliente para luego dirigirlas al distribuidor automático de llamadas (ACD)
desde el cual la llamada es dirigida a un operador. Desde el punto de vista
esquemático, su funcionamiento se puede ver como un sistema con N agentes
atendiendo llamadas y N + K líneas telefónicas. Un cliente cuando llama tiene tres
resultados posibles:
• Ser atendido inmediatamente si hay algún agente libre.
• Esperar en cola si todos los agentes están ocupados y hay líneas libres.
• Ser bloqueado por no haber líneas disponibles.
Luego, para el caso del cliente que queda en cola, existen dos posibilidades:
• Esperar hasta ser atendido cuando algún agente se libere.
• Abandonar el sistema sin ser atendido.
Además, existen los reintentos tanto para el caso de bloqueos como de abandonos,
siendo éstos los clientes que vuelven a llamar. Finalmente, se tienen los retornos,
que corresponden a clientes que fueron atendidos, pero por alguna razón vuelven
a comunicarse con el call center.
Nin: Número total de llamadas recibidas en el intervalo medido, sólo las que
ingresaron al sistema, no se tienen en cuenta las que recibieron tono de ocupado.
Abn: Tasa de abandonos, porcentaje de las llamadas que dejaron el sistema antes
de ser atendidas por un agente. Se calcula como (1-Nin/Nans)*100%
11
Figura 2 Esquema básico de un call center. Adaptado de [9]
AHT: Tiempo promedio de servicio. Se calcula con base en el total de tiempo activo
para todas las llamadas, desde el momento que entran al ACD hasta que el agente
termina de atender el servicio. Este tiempo generalmente se divide en tres
subestadísticas:
Hold: tiempo que permaneció esperando, si hablar con el agente, una vez
comenzó su servicio con el agente.
Wrap time: tiempo que tarda el agente, una vez la llamada sale del sistema,
para terminar el servicio requerido.
12
On Prod %: Fracción del tiempo que los agentes logueados están activos
(atendiendo una llamada) o disponibles para tomar una llamada. Se calcula como
tiempo total activo más el tiempo total disponible dividido entre la suma del
tiempo total logueado (activo más disponible más no disponible).
Sch Open FTE: Número de agentes FTE programados para el intervalo de tiempo
bajo medición. Corresponde a la versión programada de la estadística On Prod FTE.
Sch Avail %: Razón entre los agentes logueados y los programados para el
intervalo de tiempo bajo medición, se calcula como: Sch Open FTE dividido entre
On Prod FTE.
Tiempo Ocioso: Este factor incluye únicamente los efectos resultantes entre la
interacción de los tiempos entre arribos y los tiempos de servicio y la
programación de agentes. Se calcula como 1 - Occ %.
13
3.Metodología
Para el desarrollo y control del presente proyecto se utilizó la metodología PMI,
estableciendo las directrices a seguir para la planificación, ejecución y cierre del
proyecto exitosamente. En esta sección se resumirán los principales aspectos del
inicio y la planeación del mismo, en el siguiente capítulo se describirá
detalladamente las fases de ejecución y seguimiento y control, en el último capítulo
se hará el cierre del proyecto.
3.1. Alcance
3.1.1. Descripción del proyecto
Actualmente, como una de las compañías claves del sector de tercerización de
servicios BPO en el país, ésta tiene una gran variedad de clientes, en los cuales sus
necesidades y requerimientos de servicios cambian constantemente. Por esta
razón requiere de una herramienta eficiente que le permita evaluar, sin perturbar
su operación diaria, los cambios en la demanda de servicios y mejorar el
dimensionamiento y distribución de los recursos, de infraestructura y personal,
para atender cada uno de sus clientes, para así lograr la reducción de los costos de
operación.
Modelo de simulación de eventos discretos para una línea de atención (un único
cliente) seleccionada por la compañía, de tipo inbound (sólo recibe llamadas, no las
realiza) con un número variable pero fijo de estaciones y operarios, programado
en el software Arena®. Los parámetros de entrada serán ajustados con la
información proporcionada por la compañía al 1 de mayo de 2015. Para la
determinación de los turnos de trabajo de los operarios se utilizará el módulo add-
on OptQuest® programado junto con el modelo de simulación. El diseño
conceptual del modelo de simulación, independiente del software de simulación
utilizado, será un entregable del proyecto, sin embargo, el modelo para la
determinación de turnos sólo se incluirá programado en OptQuest®.
El documento final del proyecto deberá cumplir con los estándares exigidos por el
Consejo de Facultad.
3.1.5. Exclusiones
3.1.6. Supuestos
3.1.7. Restricciones
16
MODELO DE
SIMULACIÓN
4. Modelo de 5. Evaluación
1. Modelo 2. Análisis de 3. Modelo
optimización en alternativa 6. Documento Final
conceptual Entrada simulación en Arena
OptQuest Expansión
5.3. Análisis
2.3. Pruebas de 3.3. Generación de 4.3. Generación de
estadístico de los
Bondad de Ajuste reportes reportes
resultados
17
ID # 2 Cuenta Control # 2 Última Actualización 05/07/2015
Descripción: Análisis de entrada de la información de las llamadas proporcionada, de la línea de
atención seleccionada por la compañía. Incluye la caracterización de las distribuciones de los
tiempos entre arribos, los tiempos de servicio y los tiempos de impaciencia condicionales, la
descripción cualitativa del ruteo de las llamadas en el sistema, las reglas de atención utilizadas y
el sistema actual de programación de operarios
Criterio de Aceptación: El análisis de entrada debe incluir la distribución y los parámetros de
cada uno de los procesos estocásticos involucrados en el sistema. El nivel de significancia
utilizado para las pruebas de bondad de ajuste no debe superar el 10%
Entregable: Archivos en formato digital (.out) para cada distribución. Actualización de la
descripción cualitativa del sistema
Supuestos: Se realiza con base a la información proporcionada hasta mayo 1 de 2015
Recursos asignados: 1 coordinador de operaciones, 1 consultor
Duración: 21 días
Hitos: 17 mayo – Análisis preliminar por el coordinador operativo
25 mayo – Análisis completo aprobado por el coordinador operativo
Costo: $ 3.836.000
18
ID # 3 Cuenta Control # 3 Última Actualización 05/07/2015
Descripción: Programación del modelo de simulación en el software de simulación Arena®.
Incluye la verificación y validación del modelo
Criterio de Aceptación: Debe representar fielmente el flujo de las llamadas en la línea
seleccionada y reproducir las medidas de desempeño reales obtenidas del CTI. Aprobado por el
coordinador operativo de la línea
Entregable: Archivo en formato digital del modelo (.doe). Reporte Category Overview (.pdf)
Supuestos: Se realiza con base al modelo conceptual aprobado y el análisis de entrada
Recursos asignados: 1 coordinador de operaciones, 1 consultor
Duración: 21 días
Hitos: 31 mayo – Borrador del modelo aprobado por el coordinador operativo
7 junio – Modelo de simulación validado aprobado por el coordinador operativo
14 junio – Modelo de simulación final (verificado) aprobado por el coordinador operativo
Costo: $ 8.950.000
A partir de la duración estimada para cada una de las actividades, se estimaron las
horas-hombre requeridas para llevar a cabo todas las diferentes actividades del
proyecto. Estas incluyen a un director de proyecto por parte de la compañía y un
director de proyecto en la universidad, así como el consultor externo, en este caso
el autor de este trabajo, y el coordinador de operaciones de la línea seleccionada
para la construcción del modelo. El presupuesto incluye el costo de adquisición de
la licencia comercial del software utilizado en el modelo, la impresión y resguardo
físico de los entregables y un 5% reservado para imprevistos. De esta forma se
calculó un presupuesto resumido de los costos del proyecto:
Total $ 48.625.500,00
Figura 4 Presupuesto resumido del proyecto.
22
cronograma de actividades al definir la línea base del proyecto, el resultado se
muestra a continuación:
25
4.Modelo Propuesto
4.1. Descripción cualitativa del sistema
La compañía, como una de las compañías líderes del sector BTO en el país cuenta
con diferentes locaciones para atender los servicios requeridos por sus clientes. En
este caso nos referiremos exclusivamente al sistema bajo estudio, una línea de
atención para uno de sus principales clientes. El sistema está compuesto por 45
estaciones de trabajo que se encuentran configuradas, con equipo y software, para
atender el servicio prestado, un esquema de la configuración física de esta línea de
atención se muestra en la Figura 7.
26
atender una solicitud se asume igualmente distribuido para todos los agentes. En
el sistema se tienen 3 supervisores de calidad, que monitorean constantemente el
servicio prestado y en casos muy particulares atienden servicios que estén más allá
de las capacidades de los agentes.
Todas las llamadas que ingresan al sistema a través de un PBX (private automatic
branch ex- change) donde son atendidas por el VRU (interactive voice response
unit) la cual dirige al usuario a través de un menú de opciones y si es necesario
pasa la llamada al sistema ACD (automatic call distributor), el cual dependiendo de
las características de la llamada, establecidas durante su paso por el VRU, la dirige
a uno de los agentes de atención si hay alguno disponible o mantiene la llamada en
espera hasta que hay un agente disponible. Una vez el agente disponible toma la
llamada, se atenderán los requerimientos del usuario a través del uso de 3
interfaces de servicios disponibles en la estación de cada agente.
Si la solicitud del usuario no puede ser resuelta por el agente de atención, está
deberá ser dirigida a uno de los supervisores para que se encargue del servicio, el
agente permanecerá ocupado mientras el supervisor resuelve la situación y le es
devuelta la llamada, una vez terminada la atención directa con el cliente, este
abandona el sistema (cuelga su llamada) pero el agente debe terminar de
actualizar la información en el aplicativo de la compañía para terminar el servicio.
Una vez terminado este proceso, el agente vuelve a quedar disponible para atender
otra llamada.
Todas las operaciones realizadas por el VRU o los agentes es registrada por el CTI
(Computer-telephone integration) y reportada en intervalos de 30 minutos, esta
información es utilizad por la coordinación de operaciones para medir el
desempeño del sistema y realizar ajustes en los casos que este sea necesario.
Además, la información recopilada permite emitir semanalmente la matriz de
requerimientos de personal, la cual establece para cada intervalo de 30 minutos de
cada día de la semana el número mínimo de agentes que deben ser programados.
27
aprobación del supervisor para evitar que el número de agentes activos baje más
allá de los requerimientos establecidos.
28
Sch Lun Mar Mié Jue Vie Sáb Dom
Descanso 1 2 2 2 7 18 19
6:00:00 a. m. 5 7 7 7 6 6 5
7:00:00 a. m. 6 3 3 2 2 4 4
8:00:00 a. m. 9 8 9 9 9 7 7
9:00:00 a. m. 5 6 6 6 6
11:30:00 a. m. 5 5 5 5 4
12:00:00 p. m. 5 5
1:00:00 p. m. 8 7 7 7 5
3:00:00 p. m. 5 6 5 6 5 5 5
4:00:00 p. m. 5 5 5 5 5 5 5
10:00:00 p. m. 2 2 2 2 2 1 1
Total general 51 51 51 51 51 51 51
Tabla 6 Numero de asesores programados en cada turno para la semana del 25 al 31 de mayo.
Las llamadas no llegan al sistema de manera homogénea a lo largo del día, hay
franjas horarias de mucha actividad y algunas otras en las que prácticamente no
hay demanda de servicios. En la Figura 8, se muestra el comportamiento de las
llamadas que ingresan al sistema, discriminadas en intervalos de 30 minutos. En la
gráfica se observa que se trata de una distribución bimodal con picos alrededor del
mediodía y hacia las 3 de la tarde. También se observa que antes de las 6 de la
mañana la actividad es casi nula y que después de las 3 de la tarde la tasa de
llamadas decae hasta pasada la media noche.
29
proceso de Poisson que mejor se ajusta en cada intervalo. La Tabla 7 resume los
parámetros de la distribución a utilizar.
14000
12000
10000
8000
6000
4000
2000
Figura 8 Total de llamadas recibidas entre el 1 de enero y el 31 de mayo de 2015. Discriminadas en intervalo
de 30 minutos
50000
40000
30000
20000
10000
0
Lunes Martes Miércoles Jueves Viernes Sábado Domingo
Figura 9 Total de llamadas recibidas entre el 1 de enero y el 31 de mayo de 2015. Discriminadas por día de la
semana
30
Intervalo Lun-Vie Sáb Dom
12:00:00 a. m. 12:30:00 a. m. 8,91 9,48 6,5
12:30:00 a. m. 1:00:00 a. m. 5,63 7,37 7,23
1:00:00 a. m. 1:30:00 a. m. 3,9 4,22 4,81
1:30:00 a. m. 2:00:00 a. m. 2,85 3,67 3,27
2:00:00 a. m. 2:30:00 a. m. 1,82 2,37 2,38
2:30:00 a. m. 3:00:00 a. m. 1,63 1,7 1,69
3:00:00 a. m. 3:30:00 a. m. 1,74 1,59 1,38
3:30:00 a. m. 4:00:00 a. m. 1,53 1,93 1,15
4:00:00 a. m. 4:30:00 a. m. 1,7 1,22 1,08
4:30:00 a. m. 5:00:00 a. m. 2,04 1,74 1,5
5:00:00 a. m. 5:30:00 a. m. 2,55 2,33 1,92
5:30:00 a. m. 6:00:00 a. m. 3,77 3,22 1,85
6:00:00 a. m. 6:30:00 a. m. 6,22 4,74 3,85
6:30:00 a. m. 7:00:00 a. m. 10 6,41 5,27
7:00:00 a. m. 7:30:00 a. m. 18,95 11,04 7,81
7:30:00 a. m. 8:00:00 a. m. 30,97 17 11,46
8:00:00 a. m. 8:30:00 a. m. 49,73 28,07 20,65
8:30:00 a. m. 9:00:00 a. m. 66,69 40,22 22,54
9:00:00 a. m. 9:30:00 a. m. 80,88 49,59 28,92
9:30:00 a. m. 10:00:00 a. m. 88,82 61,81 32,92
10:00:00 a. m. 10:30:00 a. m. 93,83 62,04 39,19
10:30:00 a. m. 11:00:00 a. m. 96,23 66,93 42,08
11:00:00 a. m. 11:30:00 a. m. 97,23 66,85 41,15
11:30:00 a. m. 12:00:00 p. m. 97,08 65,15 43,19
12:00:00 p. m. 12:30:00 p. m. 87,21 61 39,88
12:30:00 p. m. 1:00:00 p. m. 80,87 53,3 37,31
1:00:00 p. m. 1:30:00 p. m. 75,27 48,33 35,65
1:30:00 p. m. 2:00:00 p. m. 75,88 45,67 33,19
2:00:00 p. m. 2:30:00 p. m. 80,46 45,3 32,23
2:30:00 p. m. 3:00:00 p. m. 88,17 44,63 31,81
3:00:00 p. m. 3:30:00 p. m. 88,94 43,37 29,81
3:30:00 p. m. 4:00:00 p. m. 82,9 38,26 28,65
4:00:00 p. m. 4:30:00 p. m. 82,25 39,11 31,73
4:30:00 p. m. 5:00:00 p. m. 77,96 36,85 29,35
5:00:00 p. m. 5:30:00 p. m. 72,3 35,26 29,27
5:30:00 p. m. 6:00:00 p. m. 67,13 34,22 32,35
6:00:00 p. m. 6:30:00 p. m. 57,41 32,56 30,5
6:30:00 p. m. 7:00:00 p. m. 50,83 29,81 30,38
7:00:00 p. m. 7:30:00 p. m. 44,05 30,07 30,5
7:30:00 p. m. 8:00:00 p. m. 43,05 30,7 28,85
8:00:00 p. m. 8:30:00 p. m. 38,99 26,04 28,88
8:30:00 p. m. 9:00:00 p. m. 37,05 26,37 29,88
9:00:00 p. m. 9:30:00 p. m. 34,02 25,15 28,65
9:30:00 p. m. 10:00:00 p. m. 30,65 20,85 25,92
10:00:00 p. m. 10:30:00 p. m. 27,57 18,93 21,5
10:30:00 p. m. 11:00:00 p. m. 20,96 15,63 18,08
11:00:00 p. m. 11:30:00 p. m. 16,58 13,78 14,73
11:30:00 p. m. 12:00:00 a. m. 12,52 9,48 11,04
Tabla 7 Tasa de arribo estimadas por intervalo y por día de la semana
14000
12000
10000
8000
6000
4000
2000
0
00:00
01:30
03:00
04:30
06:00
07:30
09:00
10:30
12:00
13:30
15:00
16:30
18:00
19:30
21:00
22:30
00:00
01:30
03:00
04:30
06:00
07:30
09:00
10:30
12:00
13:30
15:00
16:30
18:00
19:30
21:00
22:30
Figura 10 Total llamadas recibidas vs Obtenidas con el Proceso de Poisson No Homogéneo (Lunes a Viernes)
Distribution: PPNH
Square Error: 0,07332564
Chi Square Test
Number of Intervals 48
Degrees of Freedom 47
Corresponding p-value 15,1%
Tabla 8 Resultados de la prueba de bondad de ajuste para el PPNH (Lunes a Viernes)
Figura 11 Total llamadas recibidas vs Obtenidas con el Proceso de Poisson No Homogéneo (Sábado)
Distribution: PPNH
Square Error: 0,30852846
Chi Square Test
Number of Intervals 48
Degrees of Freedom 47
Corresponding p-value 16,9%
Tabla 9 Resultados de la prueba de bondad de ajuste para el PPNH (sábado)
32
Llamadas Domingo Observado PPNH
1200
1000
800
600
400
200
0
00:00
01:30
03:00
04:30
06:00
07:30
09:00
10:30
12:00
13:30
15:00
16:30
18:00
19:30
21:00
22:30
00:00
01:30
03:00
04:30
06:00
07:30
09:00
10:30
12:00
13:30
15:00
16:30
18:00
19:30
21:00
22:30
Figura 12 Total llamadas recibidas vs Obtenidas con el Proceso de Poisson No Homogéneo (Domingo)
Distribution: PPNH
Square Error: 0,18795159
Chi Square Test
Number of Intervals 48
Degrees of Freedom 47
Corresponding p-value 66,9%
Tabla 10 Resultados de la prueba de bondad de ajuste para el PPNH (Domingo)
Tiempo de Servicio
1200
1000
800
600
400
200
0
30 90 150 210 270 330 390 450 510 570 630 690 750 810 870 1250
Tiempo (Segundos)
Para los tiempos en los cuales el agente realizó el servicio sin la intervención del
supervisor se ajustó a una distribución Normal, donde nuevamente se garantiza un
p-value superior al 10% exigido.
Distribution: Normal(373,126)
Square Error: 0,000047
Chi Square Test
Number of Intervals 26
Degrees of Freedom 23
Corresponding p-value 31.1%
Tabla 11 Resultados de la prueba de bondad de ajuste para los tiempos de servicio
Tiempo (Segundos)
Figura 14 Tiempos de servicio sin la intervención del supervisor. Ajuste a la distribución normal
Por otra parte, para los tiempos donde se requirió la intervención del supervisor se
obtuvo una distribución exponencial desplazada a la derecha (shift).
34
Tiempo de Servicio (con supervisor)
50
45
40
35
30
25
20
15
10
5
0
1200 1600 2000 2400 2800 3200 3600
Tiempo (Segundos)
Figura 15 Tiempos de servicio sin la intervención del supervisor. Ajuste a la distribución exponencial
Tiempo de Impaciencia
600
500
400
300
200
100
0
100
120
140
160
180
200
220
240
260
280
300
320
340
360
380
400
420
440
460
480
500
520
540
560
580
600
20
40
60
80
Tiempo (Segundos)
35
Al realizar el proceso de ajuste se obtuvo una distribución exponencial,
característica de los tiempos de impaciencia en este tipo de sistemas, y los
resultados se muestran a continuación.
Tiempo de Impaciencia
700
600
500
400
300
200
100
0
100
120
140
160
180
200
220
240
260
280
300
320
340
360
380
400
420
440
460
480
500
520
540
560
580
600
20
40
60
80
Tiempo (Segundos)
Figura 17 Tiempos de impaciencia para las llamadas que abandonaron el sistema Ajuste a la distribución
exponencial
Distribution: Expo(81.2)
Square Error: 0,002644
Chi Square Test
Number of Intervals 26
Degrees of Freedom 24
Corresponding p-value 14.6%
Tabla 13 Resultados de la prueba de bondad de ajuste para los tiempos de impaciencia
36
Tiempos de servicio
SUPERVISOR
3 supervisores
43 Estaciones
N(393,126)
51 Agentes
Tiempo de
servicio
Turnos
tabla5
0.8 %
Agente
Agente
Agente
Salida
97.42%
2.58 %
Salida
ACD
Expo (81.2) s
Impaciencia
Tiempos de
dadas en la tabla 6
Llegadas siguen
un PPNH, tasas
VRU
0 T ru e
Llegadas Sabado Sabado?
0
0 Fa ls e
0 T ru e
Llegadas Domingo Domingo?
0
0 Fa ls e
No entrantes
0
Figura 19 Submodelo para las llegadas al sistema
Llegadas
Llamadas 0 0
Para Tr ue
Entrantes e Impac ienc ia Serv ic io N o R equiere S upervisor? Liberar A gente Atendidos Salida
Impac ienc ia O r iginal
0
0 Duplicat e 0
0 False
A tencion con
ConSuperv is or
supervisor
Impaciencia
Figura 20 Modelo principal programado en Arena®
En ti d a d v i rtu a l
Ab a n d o n o An te s
d e l Um b ra l
0
Im p a c i en c i a m e no r a Tr ue
Ti em p o
Bus c a r e n l a fi l a Aba n d on a r
Um b ra l Im p a c i en c i a Found O r iginal
Ate n d i d o a n te s
d e l Um b ra l
Ab a n d o n o
De s p u e s d e l
Um b ra l
Ate n d i d o
des pues del
Um b ra l
Las tasas para cada intervalo de 30 minutos están consignadas en los módulos
Schedule que contienen las tasas correspondientes al día de la semana de la Tabla
7, en la Tabla 15 se muestran los parámetros del Schedule LunesViernes, los otros
dos son similares y se encuentran en los anexos (Tabla 36Tabla 35 y Tabla 37).
Schedule
Name LunesViernes
Type Arrivals
Time Units Halfhours
Scale Factor 0.01
Durations
1782 1 1244 1 17442 1 11482 1
1126 1 2000 1 16174 1 10166 1
780 1 3790 1 15054 1 8810 1
570 1 6194 1 15176 1 8610 1
364 1 9946 1 16092 1 7798 1
326 1 13338 1 17634 1 7410 1
348 1 16176 1 17788 1 6804 1
306 1 17764 1 16580 1 6130 1
340 1 18766 1 16450 1 5514 1
408 1 19246 1 15592 1 4192 1
510 1 19446 1 14460 1 3316 1
754 1 19416 1 13426 1 2504 1
Tabla 15 Parámetros del módulo Schedule para las llegadas de lunes a viernes. Las tasas se ajustaron a
llegadas/hora teniendo en cuenta el factor de escala
39
nuevo tipo de entidad, para separarla de aquellas que no ingresan al sistema y las
numera, esto se hace por medio de un módulo assign, ver la Tabla 16.
Assign
Name Llamadas Entrantes e Impaciencia
Assignments
Type Entity Type
Entity Type LunesViernes
Type Attribute
Attribute Name WaitingTime
New Value 4.4.3. EXPO(81.2)
Type Attribute
Attribute Name numero
New Value EntitiesIn(Entrantes)
Tabla 16 Parámetros del módulo Assign “Llamadas Entrantes e Impaciencia”
Luego de asignados los atributos, las llamadas pasan al proceso donde serán
atenidas por un agente libre o esperarán hasta que se desocupe uno. Los
parámetros del módulo Process se muestran a continuación:
Procces
Name Servicio
Type Standar
Logic
Action Seize Delay
Resources
Type Resource
Resource Name Agente
Quantity 1
Delay Type Normal
Units Seconds
Value (mean) 393
Std dev. 126
Tabla 17 Parámetros para el módulo Process
Los turnos de los agentes se incluyen en la capacidad del Recurso Agente a través
de un Schedule, cuyos parámetros para el caso base se muestran en la Tabla 19.
Para aquellos casos que se requiera la intervención del supervisor, esta se modela
con un módulo Delay, porque se asume que el supervisor puede atender tantos
casos como sea necesario ya que cuenta con la presencia del agente durante su
intervención. Los parámetros del módulo se muestran a continuación:
Delay
Name Atencion con supervisor
Delay Type 900 + EXPO( 452 )
Units Seconds
Tabla 18 Parámetros del módulo Delay para la atención con el supervisor.
40
Schedule
Name Turnos
Type Capacity
Time Units Hours
Scale Factor 1.0
Durations
1 6 7 1 10 1 19 1 25 3 16 1
7 1 10 1 19 1 25 3 30 1 17 1
10 1 19 1 25 3 30 1 37 1 15 4
19 1 25 3 30 1 37 1 30 1 11 3
25 3 30 1 37 1 30 1 32 1 6 1
30 1 37 1 30 1 32 1 28 1 2 6
37 1 30 1 32 1 28 1 22 3 5 1
30 1 32 1 28 1 22 3 17 1 9 1
32 1 28 1 22 3 17 1 10 2 16 4
28 1 22 3 17 1 10 2 7 1 21 2
22 3 17 1 10 2 7 1 2 6 16 1
17 1 10 2 7 1 2 6 5 1 17 1
10 2 7 1 2 6 7 1 9 1 15 4
7 1 2 6 7 1 10 1 16 4 11 3
2 6 7 1 10 1 19 1 21 2 6 1
Tabla 19 Parámetros del módulo Schedule para los turnos de los agentes.
Una vez sea atendido el usuario y el agente quede disponible, se libera el recurso
con un módulo Release.
El submodelo de impaciencia crea una entidad virtual para controlar el tiempo que
el cliente está dispuesto a esperar antes de abandonar el sistema, al incio del
submódulo se separan las entidades dependiendo de si su tiempo de impaciencia
está por debajo del umbral definido en el ASA, en este caso 20 segundos, para
separar los abandonos por debajo de este umbral de los que se dan por encima de
él. El proceso en los dos casos es similar por lo cual aquí se describirá sólo el
primer caso.
Delay
Name Tiempo Impaciencia
Delay Type WaitingTime
Units Seconds
Tabla 20 Parámetros del módulo Delay para la impaciencia por debajo del umbral.
41
Una vez transcurrido este tiempo se debe buscar al cliente en la fila, si éste aún
continúa esperando se debe sacar de la fila y contar el abandono, en caso contrario
se cuenta como una atención por debajo del umbral. La búsqueda se realiza con un
módulo Search y a través de un módulo Remove se saca al cliente de la fila si está
ahí. Los parámetros de los dos módulos se muestran a continuación.
Search
Name Tiempo Impaciencia
Type Search a Queue
Queue Name Servicio.Queue
Starting Value 1
Ending Value NQ(Servicio.Queue)
Search Condition numero
Tabla 21 Parámetros del módulo Search para la impaciencia por debajo del umbral.
Remove
Name Abandonar
Queue Name Servicio.Queue
Rank of Entity J
Tabla 22 Parámetros del módulo Remove para la impaciencia por debajo del umbral.
ATH
450
400
350
300
250
200
150
100
50
0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Tiempo (h)
Figura 22 Comportamiento de la estadística ATH en una corrida de 10000 horas
42
ASA
35
30
25
20
15
10
0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Tiempo (h)
Figura 23 Comportamiento de la estadística ASA en una corrida de 10000 horas
TSF
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Tiempo (h)
Figura 24 Comportamiento de la estadística TSF en una corrida de 10000 horas
De los gráficos se concluye que para la estadística ATH, se requieren 2000 horas
para alcanzar estado estable, para el ASA son necesarias 7000, mientras que para
el TFS y el Abn se requieren más de 8000. Como es necesario que todas las
medidas de desempeño se evalúen en un sistema en estado estable, se define como
tiempo de calentamiento 10000 horas, de esta forma, se correrá el modelo por
120000 horas para obtener estadísticas confiables.
Por los tanto, para garantizar que todas las estadísticas cumplan con la longitud del
intervalo definida, entonces se deben realizar 16 réplicas.
Como se observa en la tabla anterior, los resultados del modelo cumplen con las
condiciones de aceptación definidas originalmente, los intervalos de confianza
incluyen a los resultados obtenidos con los datos proporcionados durante los 5
primeros meses de operación del año. En los anexos se incluye el reporte Category
Overview donde se pueden encontrar otras estadísticas del sistema. En esta sección
se incluyen solo las definidas como criterio de aceptación del modelo.
44
4.5. Alternativa de Expansión
Para el segundo semestre del año, la compañía planea aumentar la fuerza laboral
dedicada a la línea de atención con el objetivo de reducir la tasa de abandonos en
un punto porcentual, aumentar la estadística TSF en 2 puntos porcentuales y
reducir la medida ASA en 2 segundos. Estos requerimientos son los mínimos
aceptables para considerar la alternativa viable.
Objetivo
Controles
Respuestas
Restricciones
Los controles son variables del modelo que se cambian desde la interfaz de
OptQuest®, mientras que las respuestas son variables o estadísticas calculadas
(como por ejemplo: tiempo total, tiempo en fila, utilización, etc) que están
definidas en el modelo, a partir de las variables y los resultados se construyen las
restricciones y los objetivos.
De esta forma, para poder definir el número de agentes que minimizaría los costos
de nómina se debe hacer una modificación en el modelo anterior y permitir que el
Schedule de Turnos se modifique desde OptQuest®. Para lograr esta tarea, la
asignación de agentes se convierte en una variable de decisión. Para limitar el
espacio de búsqueda se van a definir turnos iguales para todos los días de la
semana, esto reduce el número de variables de 168 a tan sólo 24, estas variables se
definen como un array de 24 posiciones y se introducen al modelo dentro del
Schedule como se muestra en la Tabla 27.
4.6.1. Controles
Controles
Name Low Boud Suggested High Bound Step
Programados(1) 1 2 2 1
Programados(2) 1 2 2 1
Programados(3) 1 2 2 1
Programados(4) 1 2 2 1
Programados(5) 1 2 2 1
Programados(6) 1 2 2 1
Programados(7) 1 7 7 1
Programados(8) 1 10 10 1
Programados(9) 1 19 19 1
Programados(10) 1 25 25 1
Programados(11) 1 25 25 1
Programados(12) 1 25 25 1
Programados(13) 1 30 30 1
Programados(14) 1 37 37 1
Programados(15) 1 30 30 1
Programados(16) 1 32 32 1
Programados(17) 1 28 28 1
Programados(18) 1 22 22 1
Programados(19) 1 22 22 1
Programados(20) 1 22 22 1
Programados(21) 1 17 17 1
Programados(22) 1 10 10 1
Programados(23) 1 12 12 1
Programados(24) 1 7 7 1
Tabla 28 definición de los límites y el paso para la variable Programados.
49
Los controles definidos en el modelo corresponden a los dos arrays de variables
definidos anteriormente, es decir se van a utilizar 48 controles, para cada uno hay
que definir un límite inferior, uno superior y un valor sugerido, esto con el fin de
acotar el espacio de soluciones. En la Tabla 28 se describen los parámetros
utilizados para el array de variables Programados.
Para las variables auxiliares, que también harán parte de los controles del modelo,
también se definieron limites superior e inferior, sólo que en este caso su
determinación proviene de los valores definidos para la anterior variable. En la
Tabla 29 se muestran detalladamente los parámetros para este conjunto de
variables.
Controles
Name Low Boud Suggested High Bound Step
Contratados(1) 0 0 20 1
Contratados(2) 0 0 20 1
Contratados(3) 0 0 20 1
Contratados(4) 0 0 20 1
Contratados(5) 0 0 20 1
Contratados(6) 0 0 20 1
Contratados(7) 0 0 20 1
Contratados(8) 0 0 20 1
Contratados(9) 0 0 20 1
Contratados(10) 0 0 20 1
Contratados(11) 0 0 20 1
Contratados(12) 0 0 20 1
Contratados(13) 0 0 20 1
Contratados(14) 0 0 20 1
Contratados(15) 0 0 20 1
Contratados(16) 0 0 20 1
Contratados(17) 0 0 20 1
Contratados(18) 0 0 20 1
Contratados(19) 0 0 20 1
Contratados(20) 0 0 20 1
Contratados(21) 0 0 20 1
Contratados(22) 0 0 20 1
Contratados(23) 0 0 20 1
Contratados(24) 0 0 20 1
Tabla 29 Definición de los límites y el paso para la variable Contratados.
4.6.2. Respuestas
4.6.3. Objetivo
Objetive
Name Nomina
Type Nonlinear
Descripción Total agentes contratados
Expresión Contratados[1] + Contratados[2] + Contratados[3] +
Contratados[4] + Contratados[5] + Contratados[6] +
Contratados[7] + Contratados[8] + Contratados[9] +
Contratados[10] + Contratados[11] + Contratados[12] +
Contratados[13] + Contratados[14] + Contratados[15] +
Contratados[16] + Contratados[17] + Contratados[18] +
Contratados[19] + Contratados[20] + Contratados[21] +
Contratados[22] + Contratados[23] + Contratados[24]
Tabla 30 Definición de función objetivo.
4.6.4. Restricciones
Finalmente, para que el modelo quede bien definido, se deben establecer las
restricciones que los controles o las respuestas deben satisfacer. En este caso se
tiene dos restricciones dadas por el sistema para las medidas de desempeño.
Constraints
TSF NonLinear [TSF] >= 0.75
Abn NonLinear [Abn] <= 0.03
Tabla 31 Restricciones de las medidas de desempeño.
Por último, se deben incluir las restricciones que relacionan las variables que
definen la capacidad, número de agentes programados en cada hora, con las
variables auxiliares que se definieron, son 24 restricciones todas similares, a
continuación se define una genérica que las representa a todas, en donde: i está
entre 1 y 24 y la diferencia i-j es módulo 24, para j de 1 a 7.
51
Constraints
Hora i Linear Programados[i] = Contratados[i-7] + Contratados[i-6] +
Contratados[i-5] + Contratados[i-4] + Contratados[i-3] +
Contratados[i-2] + Contratados[i-1] + Contratados[i]
Tabla 32 Restricciones para las variables auxiliares.
4.6.5. Resultado
Por otra parte, el modelo de optimización propuesto aprovecha las ventajas dadas
por el modelo de simulación y permite de una manera sencilla encontrar buenas
soluciones, no necesariamente óptimas, a diferentes funciones objetivo, siempre y
cuando estas se puedan formular con base en variables definidas en el modelo de
simulación. Sin embargo, el inconveniente principal del modelo es su tiempo de
iteración, por tratarse de un modelo de búsqueda local, es muy sensible al tamaño
del espacio de solución, así que si éste no se acota estrechamente, los tiempos de
iteración y alcance de una solución son prohibitivos.
54
6.Referencias
[1] F. Diago, “Los Call Centers y su proyección en Colombia : Una aproximación,”
Dictam. Libr., no. 8, pp. 13–26, 2011.
[2] “Colombia ¿la próxima India de Contac Centers y BPO?,” Dinero, 15-Sep-
2014. [Online]. Available:
http://www.dinero.com/empresas/articulo/balance-del-sector-contact-
centers-bpo-colombia-2014/200915. [Accessed: 07-Jun-2015].
[4] Z. Aksin, M. Armony, and V. Mehrotra, “The Modern Call Center : A Multi-
Disciplinary Perspective on Operations Management Research,” Prod. Oper.
Manag. Soc., vol. 16, no. 6, pp. 665– 688, 2007.
[6] V. Bapat and E. B. Pruitte Jr, “Using simulation in call centers,” in Proceedings
of the 1998 conference on Winter simulation, 1998, vol. 2, pp. 1395–1399.
[7] K. Miller and V. Bapat, “Case study: simulation of the call center environment
for comparing competing call routing technologies for business case Roi
projection,” in Proceedings of the 1999 conference on Winter simulation,
1999, vol. 2, pp. 1694–1700.
[8] A. K. Erlang, “On the rational determination of the number of circuits,” life
Work. AK Erlang, pp. 216–221, 1948.
55
[13] S. Kwan, M. Davis, and A. Greenwood, “A simulation model for determining
variable worker requirements in a service operation with time-dependent
customer demand,” Queueing Syst., vol. 3, no. 3, pp. 265–275, 1988.
[24] M. T. Cezik and P. L’Ecuyer, “Staffing Multiskill Call Centers via Linear
Programming and Simulation,” Manage. Sci., vol. 54, no. 2, pp. 310–323,
2008.
[25] J. Jang, J. Chung, J. Suh, and J. Rhee, “Estimation of the mean waiting time of a
customer subject to balking: A simulation study,” Int. J. Flex. Manuf. Syst., vol.
18, no. 2, pp. 121–144, 2006.
56
[26] A. N. Avramidis and P. L’Ecuyer, “Modeling and simulation of call centers,” in
Proceedings of the 2003 conference on Winter simulation, 2005, vol. 2005, no.
2003, pp. 144–152.
[27] N. M. van Dijk and E. van der Sluis, “Practical optimization by OR and
simulation,” Simul. Model. Pract. Theory, vol. 16, no. 8, pp. 1113–1122, 2008.
[30] S. Bhulai, G. Koole, and a. Pot, “Simple Methods for Shift Scheduling in
Multiskill Call Centers,” Manuf. Serv. Oper. Manag., vol. 10, no. 3, pp. 411–420,
2008.
57
[38] O. Jouini, Z. Aksin, and Y. Dallery, “Call Centers with Delay Information:
Models and Insights,” Manuf. Serv. Oper. Manag., vol. 13, no. 4, pp. 534–548,
2011.
[39] I. Adan, M. Boon, and G. Weiss, “Design and evaluation of overloaded service
systems with skill based routing, under FCFS policies,” Perform. Eval., vol. 70,
no. 10, pp. 873–888, 2013.
[40] B. Legros, O. Jouini, and Y. Dallery, “A flexible architecture for call centers
with skill-based routing,” Int. J. Prod. Econ., vol. 159, pp. 192–207, Jan. 2015.
58
7.Anexos
Llamadas día Lunes
3000
2500
2000
1500
1000
500
Figura 31 Total de llamadas recibidas entre el 1 de enero y el 31 de mayo de 2015 los días lunes. Discriminadas
en intervalo de 30 minutos.
2500
2000
1500
1000
500
Figura 32 Total de llamadas recibidas entre el 1 de enero y el 31 de mayo de 2015 los días martes.
Discriminadas en intervalo de 30 minutos.
59
Llamadas día Miércoles
3000
2500
2000
1500
1000
500
Figura 33 Total de llamadas recibidas entre el 1 de enero y el 31 de mayo de 2015 los días miércoles.
Discriminadas en intervalo de 30 minutos.
2500
2000
1500
1000
500
Figura 34 Total de llamadas recibidas entre el 1 de enero y el 31 de mayo de 2015 los días jueves.
Discriminadas en intervalo de 30 minutos.
60
Llamadas día Viernes
3000
2500
2000
1500
1000
500
Figura 35 Total de llamadas recibidas entre el 1 de enero y el 31 de mayo de 2015 los días viernes.
Discriminadas en intervalo de 30 minutos.
1800
1600
1400
1200
1000
800
600
400
200
Figura 36 Total de llamadas recibidas entre el 1 de enero y el 31 de mayo de 2015 los días sábados.
Discriminadas en intervalo de 30 minutos.
61
Llamadas día Domingo
1200
1000
800
600
400
200
Figura 37 Total de llamadas recibidas entre el 1 de enero y el 31 de mayo de 2015 los días domingos.
Discriminadas en intervalo de 30 minutos.
14000
12000
10000
8000
6000
4000
2000
Figura 38 Total de llamadas recibidas entre el 1 de enero y el 31 de mayo de 2015. Discriminadas en intervalo
de 30 minutos.
62
Schedule
Name LunesViernes
Type Arrivals
Time Units Halfhours
Scale Factor 0.01
Durations
1782 1 1244 1 17442 1 11482 1
1126 1 2000 1 16174 1 10166 1
780 1 3790 1 15054 1 8810 1
570 1 6194 1 15176 1 8610 1
364 1 9946 1 16092 1 7798 1
326 1 13338 1 17634 1 7410 1
348 1 16176 1 17788 1 6804 1
306 1 17764 1 16580 1 6130 1
340 1 18766 1 16450 1 5514 1
408 1 19246 1 15592 1 4192 1
510 1 19446 1 14460 1 3316 1
754 1 19416 1 13426 1 2504 1
Tabla 35 Parámetros del módulo Schedule para las llegadas de lunes a viernes. Las tasas se ajustaron a
llegadas/hora teniendo en cuenta el factor de escala
Schedule
Name LunesViernes
Type Arrivals
Time Units Halfhours
Scale Factor 0.01
Durations
1896 1 948 1 12200 1 6512 1
1474 1 1282 1 10660 1 5962 1
844 1 2208 1 9666 1 6014 1
734 1 3400 1 9134 1 6140 1
474 1 5614 1 9060 1 5208 1
340 1 8044 1 8926 1 5274 1
318 1 9918 1 8674 1 5030 1
386 1 12362 1 7652 1 4170 1
244 1 12408 1 7822 1 3786 1
348 1 13386 1 7370 1 3126 1
466 1 13370 1 7052 1 2756 1
644 1 13030 1 6844 1 1896 1
Tabla 36 Parámetros del módulo Schedule para las llegadas los sábdos. Las tasas se ajustaron a llegadas/hora
teniendo en cuenta el factor de escala
63
Schedule
Name LunesViernes
Type Arrivals
Time Units Halfhours
Scale Factor 0.01
Durations
1300 1 770 1 7976 1 6100 1
1446 1 1054 1 7462 1 6076 1
962 1 1562 1 7130 1 6100 1
654 1 2292 1 6638 1 5770 1
476 1 4130 1 6446 1 5776 1
338 1 4508 1 6362 1 5976 1
276 1 5784 1 5962 1 5730 1
230 1 6584 1 5730 1 5184 1
216 1 7838 1 6346 1 4300 1
300 1 8416 1 5870 1 3616 1
384 1 8230 1 5854 1 2946 1
370 1 8638 1 6470 1 2208 1
Tabla 37 Parámetros del módulo Schedule para las llegadas de los domingos. Las tasas se ajustaron a
llegadas/hora teniendo en cuenta el factor de escala
64
Runs 186 E(R) 181,9503
n0 184 s.d.(R) 6,6970
n1 178 Z2 0,6047
N 362 P-value 0,7273
Tabla 42 Prueba de aleatoriedad para los arribos entre las 4:00 am y las 5:00 am
65
Runs 123 E(R) 130,0166
n0 278 s.d.(R) 4,7641
n1 84 Z6 -1,4728
N 362 P-value 0,0704
Tabla 50 Prueba de aleatoriedad para los arribos entre las 12:00 pm y la 1:00 pm
66
Runs 141 E(R) 146,6409
n0 261 s.d.(R) 5,3828
n1 101 Z10 -1,0479
N 362 P-value 0,1473
Tabla 58 Prueba de aleatoriedad para los arribos entre las 8:00 pm y las 9:00 pm
67