Gutierrez Vanegas Juan Carlos Florian Lozano Diego

DISEÑO DE UN MODELO DE SIMULACIÓN PARA LA EVALUACIÓN
DE ALTERNATIVAS DE MEJORAMIENTO PARA UNA EMPRESA DEL

SECTOR DE TERCERIZACIÓN DE SERVICIOS BPO
Trabajo de Grado presentado al

Departamento de Ingeniería Industrial
por:
Juan Carlos Gutiérrez Vanegas

Para optar por el título de
Ingeniero Industrial
Diego Florián Lozano

Para optar por el título de
Ingeniero Eléctrico
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.
Año 2011 2012 Crecimiento

Empresas 2.436 2.615 7,4%
Ingresos por tercerización $ 8.202.462.000.000 $ 9.700.942.000.000 19,6%
Total BPO $ 5.060.959.000.000 $ 6.053.665.000.000 19,6%
Total ITO $ 2.460.412.000.000 $ 2.943.021.000.000 19,6%
Total KPO $ 565.145.000.000 $ 704.256.000.000 24,6%
Tabla 1. Crecimiento de los sectores BPO, ITO y KPO en los años 2011 y 2012. Fuente [3]
En el estudio de Granados-Villate [3] se establece que el sector de tercerización de

servicios empleaba, con corte a 2013, 246.709 empleados, de los cuales 182.084, es
3
decir, el 73% correspondían al sector BPO, ver Tabla 2. Es decir, la industria de los
centros de contacto es un componente primordial en la demanda laboral del país.
De las 1177 empresas identificadas en el estudio que corresponden a la categoría
BPO, 332 son centros de contacto o call centers, de ellos 46 bilingües, como se
muestra en la Tabla 3. Además, el sector en 2012 aportaba el 62.4% de los ingresos
por tercerización, el 63% de las exportaciones. Ya entre los grandes operadores en
BPO del país, Teleperformance aparece como el mayor de todos, seguido por
Contax, Atento, Americas y Emtelco. Cifras que justifican los esfuerzos dedicados al
proceso de mejoramiento del funcionamiento de los call centers y en particular el
estudio de caso aplicado en una de las compañías de este sector.
En 2.615 Empresas Total sector % participación

Total empleados 319.038
Empleados Tercerización 246.709 77,3%
Empleados BPO 182.084 73,8%
Empleados KPO 49.769 20,2%
Empleados ITO 14.857 6,0%
Tabla 2 Empleados contratados por el sector y los subsectores BPO, ITO y KPO. Fuente [3]
Es en este aspecto que se encuentra el aporte de este trabajo, al proporcionarle a la

gerencia operativa de los centros de contacto y/o call centers, una herramienta
cuantitativa que le permita optimizar el uso de sus recursos, de infraestructura y
personal, sin que esto implique una interrupción de las operaciones diarias. Es así,
como el modelo de simulación aquí propuesto pretende convertirse es dicha
herramienta y así los cambios en la demanda de servicios que se presentan
continuamente en este tipo de negocios ser manejados con un correcto
dimensionamiento de los recursos dedicados a dicha demanda, ya sea por una
reorganización tecnológica o de personal. En este último aspecto, el modelo
propuesto cuenta con una herramienta de optimización que facilita la
programación de turnos una vez dimensionado el canal de servicio.
Sector BPO 2012 Empresas Ingresos Totales % partici

Servicio al cliente, contact center en español 286 $ 2.858.136.000.000 47,0%
Servicio al cliente, contact center Bilingüe 46 $ 369.403.000.000 6,0%
Gestión de recursos humanos 93 $ 686.234.000.000 11,0%
Facturación, Cartera/Cobranzas 219 $ 1.023.995.000.000 17,0%
Finanzas, contabilidad 126 $ 155.764.000.000 3,0%
Gestión de compras 32 $ 77.448.000.000 1,0%
Logística 263 $ 628.192.000.000 10,0%
Analítica de negocio, análisis de información 112 $ 254.493.000.000 4,0%
Total 1.177 $ 6.053.665.000.000
Tabla 3 Empresas e ingresos del subsector BPO en 2012. Fuente [3]
El trabajo está organizado de la siguiente forma: en esta sección se describirán los

principales elementos del proyecto, los objetivos y la justificación. En la segunda
sección se presentará una revisión del estado del arte, tanto de los modelos
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.
En la cuarta sección se muestra el modelo de simulación construido, junto con la

herramienta de OptQuest diseñada para la optimización del recurso humano,
también se incluye la evaluación de una alternativa de expansión para la línea de
atención que será modificada en el segundo semestre de esta año, allí se mostraran
el procedimiento para utilizar el modelo propuesto así como la explicación de los
resultados obtenidos, para así establecer la robustez del modelo como herramienta
de apoyo a la toma de decisiones. Finalmente, se presentan las principales
conclusiones del trabajo y se proponen posibles extensiones del mismo para ser
desarrolladas posteriormente.
1.1. Descripción del problema
Dado el complejo funcionamiento de los call-centers en la actualidad,

constantemente se buscan herramientas dinámicas que permitan comprender,
analizar y optimizar su desempeño. Las compañías deben hacer fuertes
inversiones, ya sea directamente o por medio de tercerización, para ofrecer el
mejor servicio a sus clientes, incrementándose cada día el uso y tecnología de los
canales de comunicación [4]. El dimensionamiento adecuado del sistema es una
tarea crítica para garantizar un alto nivel de servicio al menor costo posible,
subutilizar la infraestructura y tener personal ocioso es demasiado costoso, pero
una baja capacidad del sistema conduciría a un servicio deficiente. Por lo tanto se
requiere de un modelo que permita evaluar rápidamente, y sin traumatismos para
la operación, diferentes alternativas de configuración para de esta forma encontrar
la que mejor se adapte al flujo de usuarios para cada tipo de operación que lleve a
cabo el sistema.
1.2. Objetivo general
Diseñar un modelo computacional que permita evaluar las estrategias de

mejoramiento de la operación una compañía del sector de tercerización de
servicios BPO, considerando en éste los estándares de calidad de la compañía, para
así lograr el correcto dimensionamiento del sistema, a través de la normalización y
distribución de los recursos de infraestructura y personal, que conlleve a una
reducción de costos.
1.3. Objetivos específicos
 Caracterizar estadísticamente la información relevante para la correcta

descripción del sistema.
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
Al final de este trabajo se espera proveer a la compañía asesorada un modelo

computacional, programado en Arena, que represente su centro de atención y
permita la formulación y evaluación de alternativas de mejora de la operación.
Además, se usará el modelo para la evaluación de una propuesta de expansión del
centro de atención que la compañía dedica a uno de sus principales clientes,
ofreciendo un análisis estadístico robusto de los resultados. Finalmente se
entregará la formulación de un modelo de optimización en OptQuest que esté
integrado al modelo de simulación. Estos resultados se especificarán en la sección
del alcance del proyecto en el tercer capítulo de este documento.
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.
Inicios del problema de

dimensionamiento
[1948]
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.
2.1. Del problema del dimensionamiento
El problema del dimensionamiento de un call center inició formalmente en 1948

con el artículo de Erlang [8] y en casi 7 décadas de investigación, los avances en
diferentes áreas del conocimiento, tales como: investigación de operaciones,
estadística, psicología del consumidor, administración del talento humano,
simulación, procesos estocásticos, entre otras, han sido significativos para el
desarrollo de esta línea de investigación. Para ver para una extensa revisión del
estado del arte, se puede consultar el exhaustivo trabajo de Mandelbaum [5],
actualizado hasta el 2002, así como también el publicado por Gans, Koole y
Mandelbaum en 2003 [9], el cual incluye interesantes prospectos para la
investigación en esta área. También se recomienda consultar el trabajo de Aksin et
al [4] que resume los desarrollos hasta el año 2007.
2.2. De los modelos de simulación
La simulación como herramienta ha estado presenta casi por el mismo espacio de

tiempo, sus inicios como herramienta “computacional” se pueden rastrear hasta
7
1959 en donde Conway, Johnson y Maxwell [10] presentaron su estudio sobre la
simulación digital, donde abordó el problema de la construcción de la simulación
por computador y luego, en 1963, Conway [11] extendió su trabajo en el mismo
campo a los problemas técnicos del uso de los programas de simulación por
computador. En el artículo de Nelson de 2004 [12] se puede encontrar un buen
resumen del desarrollo de la simulación en 50 años desde el trabajo de Conway de
1959. A continuación se revisarán brevemente los trabajos más relevantes
desarrollados en estos 70 años, enfocándonos principalmente en los métodos de
simulación y optimización, en donde se encuentran los modelos a utilizar en este
trabajo.
En el campo de la simulación, un buen punto de inicio para su utilización en el

dimensionamiento de un call center corresponde al trabajo de Kwan, Davis y
Greenwood [13] quienes, en 1988, usaron un modelo de simulación para mejorar
considerablemente el dimensionamiento en un centro de atención. Luego, en una
escala mucho mayor, Brigandi, Dargon, Sheehan, y Spencer III [14], en 1994,
construyeron una herramienta computacional para modelar los call centers de
recepción de llamadas (inbound) de la compañía telefónica más grande de los
Estados Unidos, AT&T, logrando para ésta utilidades anuales de más de 750
millones de dólares.
Así, la importancia de la simulación como herramienta de análisis en este tipo de

sistemas fue ganando terreno, al punto en el cual alcanzó notoriedad en la
comunidad académica en la conferencia Winter Simulation Conference de 1998, en
donde Bapat y Pruitte Jr [6] presentaron un detallado artículo en el cual se muestra
a la simulación como una extensión lógica de las herramientas analíticas hasta
ahora utilizadas para el dimensionamiento de los call centers. En ese mismo
sentido Van Dijk [15] mostró como los procesos estocásticos pueden ser utilizados
de la mano de un modelo de simulación para lograr mejores resultados.
También en 1998, Mason, Ryan y Panton [16] presentaron en su trabajo una

integración directa de herramientas de optimización y el modelo de simulación. Ya
en la conferencia Winter Simulation Conference de 1999 Tanir y Booth [17]
mostraron la eficacia de la simulación en el dimensionamiento de call centers a
gran escala, al utilizarlos para la compañía Bell de Canadá, mientras Miller y Bapat
[7] mostraron el uso efectivo de un modelo de simulación en evaluar una nueva
tecnología de ruteo en una red nacional de centros de servicio, logrando
importantes resultados financieros (ROI) para la compañía. Finalmente, en 2003
Mehrotra y Fama [18], presentaron en la Winter Simulation Conference de ese año
un trabajo que resume la metodología básica, así como las principales medidas de
desempeño, al utilizar modelos de simulación en un call center.
2.3. De los modelos de simulación junto con modelos analíticos
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.
En 2002 Deslauriers et al [22] combinaron un modelo analítico, una CMTC, con un

modelo de simulación para modelar un call center con dos tipos de agentes y
llamadas de entrada y de salida. Luego, en 2004, Atlason, Epelman y Henderson
[23] mostraron como combinando la optimización entera, en particular la técnica
de planos cortantes basados en el nivel de servicio, con los modelos de simulación
se puede buscar la optimización de los recursos en un call center. En un trabajo
similar Cezik y L’Ecuyer en 2008 [24] usaron planos cortantes y para la para la
determinación de los niveles de servicio un modelo de simulación.
La optimización entera no ha sido la única herramienta analítica utilizada en los

modelos de simulación, Jang, Chung, Suh y Rhee en 2006 utilizaron modelos de
simulación, junto con modelos estadísticos de regresión para la estimación de los
tiempos promedio de espera y así con dicha información alcanzar un correcto
dimensionamiento del sistema [25]. Estos son tan sólo unos cuantos ejemplos en
los cuales los modelos analíticos van de la mano con la simulación para lograr
mejores resultados, al aprovechar las ventajas que tiene cada una de las técnicas.
Los trabajos de Avramidis y L’Ecuyer [26] en 2005 y Van Dijk y Van der Sluis [27]
en 2008, ilustran de forma más completa este punto.
2.4. De la programación del personal
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.
Por su parte, Bhulai, Koole y Pot [30], en 2008, utilizaron un modelo de

programación lineal de forma iterativa para la determinación de los turnos de
trabajo en un call center genérico, en su trabajo abren la posibilidad de obtener
mejoras a la programación si se consideran grupos de trabajo. Este enfoque, el
análisis de los grupos de trabajo, fue abordado por Ma, Kim y Rothrock [31], en
2011, donde se diseñó una herramienta para medir el desempeño de los operarios
en diferentes ventanas de tiempo. A su vez, Murthy, Challagalla, Vincent y Shervani
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.
Luego, en 2005, Brown et al [34] extendieron el análisis, ya no sólo a los arribos al

sistema, sino que incluyeron los tiempos de servicio y la impaciencia. En este caso
el estudio sólo utilizó un sistema, el call center de un pequeño banco, pero se
estudió todo un año de información utilizando estimación no paramétrica.
Finalmente, en 2008, Bregni, Cioffi y Decina [35] retomaron el análisis de los
tiempos entre arribos, sólo que en este caso el estudio se enfocó en redes GMS y
utilizó modelos MAVAR para un análisis detallado de los arribos segundo a
segundo, la conclusión importante del trabajo es que a pesar de los cambios
tecnológicos, la llegadas aún se asemejan a un proceso Poisson no homogéneo,
como ha sido el supuesto en modelos más clásicos.
2.6. De los modelos analíticos
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.
Por ejemplo, se puede consultar el trabajo de Koole y Mandelbaum [36], 2002,

quienes realizaron un resumen detallado de las aplicaciones de la teoría de colas
clásica al análisis de los call centers. Deslauriers et al [37], en 2007, utilizaron una
CMTC, para analizar el desempeño de un call center de Bell Canadá, aunque a
pesar de incluir diferentes niveles de detalle en su modelo, los errores de
estimación llegan a ser superiores al 10%. Jouini, Aksin y Dallery [38] en 2011,
utilizan un sistema clásico M/M/s + M con énfasis en la impaciencia de los clientes,
en particular en la ventaja que tiene para la operación del call center el contar con
esta información para el diseño de su operación.
Ya al considerar ambientes de alto tráfico, Adan, Boon y Weiss [39] proponen

alternativas de ruteo dinámico para tratar la operación diaria bajo reglas simples
de despacho a un gran número de usuarios, de la misma forma, Legros, Jouini y
10
Dallery [40], en 2015, consideran las habilidades de los operarios no homogéneas,
para bajo el supuesto de una arquitectura flexible, proponer un sistema de ruteo
para las llamadas dentro del sistema en donde se separan los agentes en dos
categorías, según sus habilidades, y se compara su eficiencia versus un sistema en
donde no se diferencian los agentes.
2.7. Conceptos básicos: Call Center
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.
El análisis del desempeño del sistema se realiza a través de una serie de

mediciones, generalmente automáticas que generan reportes del comportamiento
del call center en intervalos de tiempo, generalmente 15 minutos o media hora. En
dicho reporte se encuentran, entre otras, las siguientes estadísticas [9]:
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.
Nans: Número total de llamadas contestadas por un agente
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%
ASA: Velocidad promedio de respuesta, representa la cantidad de tiempo que una

llamada permaneció en espera antes de ser atendida. No tiene en cuenta el tiempo
de las llamadas que abandonan.
11
Figura 2 Esquema básico de un call center. Adaptado de [9]
TSF: factor de servicio telefónico, representa el porcentaje de llamadas que deben

esperar más allá de un tiempo “máximo” de espera predefinido, generalmente 20 o
30 segundos.
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:
Talk time: Tiempo de interacción directa con el agente
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.
FTE: Número equivalente de agentes de “tiempo completo”. Calculado como el

número total de horas de trabajo programadas para todos los agentes divido entre
la carga completa de un agente.
On Prod FTE: Número promedio de FTEs activos o disponibles durante el intervalo

de medición. Se calcula como: Total de agentes activos más total de agentes
disponibles dividido entre la longitud del intervalo de tiempo, generalmente 30
minutos.
Occ %: Tasa de ocupación del sistema, excluye el tiempo que los agentes no están
disponibles para tomar llamadas. Se calcula como tiempo total activo dividido
entre la suma del tiempo total activo y el tiempo total disponible.
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.
A partir de las estadísticas medidas anteriormente se puede evaluar el desempeño

del sistema al tener información detallada en los cuatro factores clave: Arribos,
abandonos, utilización de agentes y tiempos de espera. Es más, es posible
identificar tres factores específicos de perdida en la productividad del sistema al
calcular:
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 %.
Agentes No disponibles %: Fracción del tiempo que los agentes fueron

originalmente programados para estar disponibles pero a pesar de estar loguados
en el sistema no estaban disponibles para tomar llamadas. Se calcula como 1 - On
Prod %.
Agentes No logueados %: Fracción del tiempo que los agentes fueron

originalmente programados para estar disponibles pero no estaban logueados, tal
vez fuera de su estación en alguna pausa no permitida. Se calcula como 1 - Sch
Avail %.
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.
3.1.2. Alcance del modelo
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®.
3.1.3. Entregables Principales
 Análisis de entrada de la información de las llamadas proporcionada, de la

línea de atención seleccionada por la compañía, hasta mayo de 2015.
Incluye la caracterización de las distribuciones de los tiempos entre
arribos, los tiempos de servicio y los tiempos de impaciencia condicionales
(sin análisis de datos censurados) con un nivel de significancia estadística
de máximo un 10%, también una descripción cualitativa del ruteo de las
llamadas en el sistema, las reglas de atención utilizadas y la programación
de operarios.
 Modelo de simulación, de la línea de atención seleccionada por la compañía,

programado en Arena®. Parametrizado con el sistema actual, incluye los
resultados totales de la corrida (informe Category Overview de Arena®).
14
 Modelo de optimización para la determinación de los turnos de trabajo, de
la línea de atención seleccionada por la compañía, programado en
OptQuest®. Incluye los resultados totales de la corrida con la mejor
alternativa (informe Category Overview de Arena®)
 Diseño conceptual del modelo de simulación, independiente del software de

simulación utilizado, en formato digital.
 Evaluación de la alternativa de expansión propuesta por la compañía, para

la línea de atención seleccionada por la compañía. Incluye los resultados
totales de la corrida (informe Category Overview de Arena®) así como la
comparación estadística de los resultados contra el sistema actual.
 Documento final entregado a la coordinación curricular del programa de

ingeniería industrial.
3.1.4. Criterios 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%.
Modelo de simulación completo y funcional programado en Arena® versión 14.5,

el modelo debe correr bajo una licencia de uso comercial. Los intervalos de
confianza, con un nivel del 95%, de los resultados para las medidas de desempeño
ASA, AHT, TSF y Abn deben contener a las obtenidas en el sistema actual. El ancho
del intervalo no debe superar 0.2 s, 0.1 s, 0.5% y 0.5% respectivamente.
El modelo de optimización debe minimizar los costos de operación y operar sobre

el modelo de optimización. El modelo debe funcionar bajo una licencia comercial
para OptQuest. Versión de interfaz 4.0 y versión de “máquina” (OptQuest´s engine)
6.4.
El modelo de simulación debe evaluar la alternativa de expansión propuesta para

la línea de atención seleccionada por la compañía y realizar la comparación
estadística de los resultados contra el sistema actual.
El documento final del proyecto deberá cumplir con los estándares exigidos por el
Consejo de Facultad.
3.1.5. Exclusiones
El modelo de simulación se programará en la versión 14.5 de Arena®. No se

garantiza la compatibilidad con versiones anteriores del software.
El modelo de OptQuest se programará en la versión de interfaz 4.0 y la versión de

OptQuest´s engine 6.4. No se garantiza la compatibilidad con versiones anteriores
del software.
15
No se programará ninguno de los modelos en software diferente a Arena® y su
add-on OptQuest.
Sólo se evaluará la alternativa de expansión determinada por la compañía. La

evaluación de alternativas adicionales está más allá del alcance de este proyecto.
La compañía dispondrá de personal capacitado en el uso del software Arena®, así

como del add-on OptQuest®, está fuera del alcance del proyecto la capacitación del
personal en el uso del software. Las horas de capacitación se dedicarán
exclusivamente al manejo de los modelos.
3.1.6. Supuestos
La línea de atención modelada es de tipo inbound (sólo recibe llamadas, no realiza

llamadas hacia el exterior del sistema).
El número de estaciones y operarios para el sistema base es fijo. Para la evaluación

de alternativas no hay restricciones para la infraestructura a instalar ni el número
de operarios a utilizar.
El anteproyecto radicado en la coordinación del programa curricular de ingeniería

industrial fue aceptado y declarado viable.
3.1.7. Restricciones
La caracterización de las distribuciones se realiza con la información

proporcionada por la compañía hasta mayo 1 de 2015.
Las restricciones administrativas para la determinación de turnos serán

proporcionadas hasta mayo 1 de 2015.
Es responsabilidad de la compañía la adquisición de la licencia de uso comercial

del software Arena®, versión 14.5, así como la de su add-on OptQues® versión 6.4.
3.2. Estructura de Desglose de Trabajo
Con base en los entregables definidos en la sección 3.1.3 se construyó la estructura

de desglose de trabajo para el proyecto, definiendo para ésta seis cuentas de
control:
1. Modelo conceptual
2. Análisis de Entrada
3. Modelo simulación en Arena
4. Modelo de optimización en OptQuest
5. Evaluación alternativa Expansión
6. Documento Final
A continuación se presenta la estructura de desglose de trabajo y el diccionario
correspondiente.
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
1.1. Descripción 5.1. Determinación

2.1. Validación de 3.1. Construcción 4.1. Construcción
cualitativa del de parámetros de
Datos de entrada del modelo del modelo
sistema corrida
2.2. Determinación 3.2. Determinación 4.2. Determinación

5.2. Generación de
de distribuciones y de parámetros de de parámetros de
reportes
parámetros corrida corrida
5.3. Análisis
2.3. Pruebas de 3.3. Generación de 4.3. Generación de
estadístico de los
Bondad de Ajuste reportes reportes
resultados
Figura 3 EDT del proyecto. Fuente el autor
3.2.1. Diccionario de la Estructura de Desglose de Trabajo
Para cada uno de los términos de la estructura de desglose de trabajo se debe

definir claramente su criterio de aceptación, entregable asociado, supuestos en los
que se basa, recursos asignados, duración, hitos y costo.
ID # 1 Cuenta Control # 1 Última Actualización 05/07/2015

Descripción: Diseño conceptual del modelo de simulación, independiente del software de
simulación utilizado.
Criterio de Aceptación: Debe representar fielmente el flujo de las llamadas en la línea
seleccionada. Aprobada por el coordinador operativo de la línea
Entregable: Archivo en formato digital del modelo (diagrama de proceso de la línea)
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 – Borrador aprobado por el coordinador operativo
25 mayo – Modelo final aprobado por el coordinador operativo
Costo: $ 3.836.000
ID # 1.1 Cuenta Control # 1 Última Actualización 05/07/2015

Descripción: Descripción cualitativa del sistema, junto con el coordinador operativo se define el
número de estaciones, operarios y turnos para el sistema actual. También se define el ruteo
normal de cada llamada en el sistema
Criterio de Aceptación: Debe representar la situación actual en la línea seleccionada. Aprobada
por el coordinador operativo de la línea
Entregable: Descripción cualitativa del sistema en formato digital
Duración: 7 días
Hitos: 10 mayo – Descripción cualitativa final aprobado por el coordinador operativo
Costo: $ 1.280.000
17
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
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

Descripción: Validación de la información proporcionada, junto con el coordinador operativo se
revisa el número de estaciones, operarios y turnos para el sistema actual, el ruteo normal de
cada llamada en el sistema y las estadísticas promedio obtenidas del CTI de la compañía
Criterio de Aceptación: Debe representar la situación actual en la línea seleccionada. Aprobada
por el coordinador operativo de la línea
Entregable: Análisis descriptivo de los datos del sistema, en formato digital
Duración: 7 días
Hitos: 10 mayo –Validación de Datos de entrada aprobada por el coordinador operativo
Costo: $ 1.280.000

Descripción: Determinación de parámetros de las distribuciones de tiempo: entre arribos, la
impaciencia de los clientes que abandonan y el servicio. Usando el software InputAnalyzer®
Criterio de Aceptación: Cada proceso estocástico debe tener una distribución de probabilidad,
con todos sus parámetros estimados
Entregable: Archivos en formato digital (.out) para cada distribución
Duración: 7 días
Hitos: 17 mayo –Entrega de distribuciones para cada proceso estocástico del sistema aprobadas
por el coordinador operativo
Costo: $ 1.280.000

Descripción: Pruebas de Bondad de Ajuste para las distribuciones de tiempo: entre arribos, la
impaciencia de los clientes que abandonan y el servicio. Usando el software InputAnalyzer®
Criterio de Aceptación: 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
Duración: 7 días
Hitos: 25 mayo – Análisis completo aprobado por el coordinador operativo
Costo: $ 1.280.000
18
Descripción: Programación del modelo de simulación en el software de simulación Arena®.
Incluye la verificación y validación del modelo
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
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

Descripción: Programación del modelo de simulación en el software de simulación Arena®.
seleccionada. Aprobado por el coordinador operativo de la línea
Entregable: Archivo en formato digital del modelo (.doe)
Supuestos: Se realiza con base al modelo conceptual aprobado y el análisis de entrada
Duración: 7 días
Hitos: 31 mayo – Modelo de simulación aprobado por el coordinador operativo
Costo: $ 2.560.000

Descripción: Validación del modelo de simulación versus el modelo conceptual y los datos de
entrada. Determinación del tiempo de corrida, el tiempo de calentamiento y el número de réplicas
Criterio de Aceptación: Debe garantizar independencia estadística en los resultados, el ancho del
intervalo no debe superar un 5%. Aprobado por el coordinador operativo de la línea
Entregable: Análisis de salida de la corrida piloto, gráficas para las medidas de estado estable.
Archivos en formato digital (.out)
Supuestos: Se realiza con base en las medidas de estado estable: ASA, AHT y TSF
Duración: 7 días
Hitos: 7 junio –Determinación de parámetros de corrida aprobados por el coordinador operativo
Costo: $ 3.836.000

Descripción: Verificación del modelo de simulación versus las estadísticas obtenidas del CTI.
Generación del informe Category Overview con el modelo final. Capacitación
Criterio de Aceptación: Los intervalos de confianza, con un nivel del 95%, de resultados para
las medidas de desempeño ASA, AHT, TSF y Abn deben contener a las obtenidas en el sistema
actual. Aprobado por el coordinador operativo de la línea
Supuestos: Se realiza con base en los parámetros de corrida determinados en 3.2
Duración: 7 días
Hitos: 14 junio – Modelo de simulación final (verificado) aprobado por el coordinador
operativo
15 junio – Reporte Category Overview aprobado por el coordinador operativo
Costo: $ 2.560.000
19
Descripción: Programación del modelo de optimización en el software de simulación Arena®,
en el add-on OptQuest® incluye la parametrización y el reporte para la mejor solución
Criterio de Aceptación: Debe garantizar que la programación obtenida respeta las restricciones
administrativas. El tiempo total del modelo no debe ser excesivo, no debe superar en 20 veces el
modelo de simulación. Aprobado por el coordinador operativo de la línea
Supuestos: Se realiza con base en las restricciones administrativas
Duración: 21 días
Hitos: 31 mayo – Borrador del modelo aprobado por el coordinador operativo
7 junio – Modelo de optimización parametrizado aprobado por el coordinador
operativo
14 junio – Modelo de optimización final aprobado por el coordinador operativo
Costo: $ 3.836.000

Descripción: Programación del modelo de optimización en el software de simulación Arena®, en
el add-on OptQuest®
Criterio de Aceptación: Debe garantizar que la programación obtenida respeta las restricciones
administrativas. Aprobado por el coordinador operativo de la línea
Entregable: Archivo en formato digital del modelo de optimización (.doe)
Duración: 7 días
Hitos: 31 mayo – Modelo de optimización aprobado por el coordinador operativo
Costo: $ 1.280.000

Descripción: Determinación del espacio de solución factible, los umbrales de convergencia
(criterios de parada), además del tiempo de corrida, el tiempo de calentamiento y el número de
réplicas
Criterio de Aceptación: El tiempo total del modelo no debe ser excesivo, no debe superar en 20
veces el modelo de simulación. Aprobado por el coordinador operativo de la línea
Entregable: Parametrización del modelo de optimización en el archivo del modelo
Duración: 7 días
Hitos: 7 junio –Determinación de parámetros de corrida aprobados por el coordinador operativo
Costo: $ 1.280.000

Descripción: Corrida del modelo de optimización para obtener la mejor programación de
agentes. Generación del informe Category Overview con el modelo final. Capacitación
Criterio de Aceptación: La programación de turnos debe satisfacer las restricciones
administrativas y debe disminuir el costo de la nomina
Entregable: Archivo del modelo de optimización (.doe). Reporte Category Overview (.pdf)
Duración: 7 días
Hitos: 14 junio – Modelo de optimización final aprobado por el coordinador operativo
15 junio–Reporte Category Overview de la mejor programación aprobado por el
coordinador operativo
20
Costo: $ 1.280.000
Descripción: Parametrización de la alternativa de expansión de la línea seleccionada, evaluación
y comparación estadística versus el sistema actual
seleccionada. Aprobado por el coordinador operativo de la línea
Entregable: Archivo en formato digital del modelo (.doe). Comparación de alternativas (.out)
Supuestos: Se realiza con base al modelo aprobado y la descripción de la alternativa de
expansión
Duración: 14 días
Hitos: 28 junio – Evaluación de la alternativa, reporte Category Overview aprobado por el
coordinador operativo
7 julio – Comparación estadística de alternativas aprobado por el coordinador operativo
Costo: $ 2.560.000

Descripción: Determinación del tiempo de corrida, el tiempo de calentamiento y el número de
réplicas
Criterio de Aceptación: Debe garantizar independencia estadística en los resultados, el ancho del
intervalo no debe superar un 5%. Aprobado por el coordinador operativo de la línea
Entregable: Análisis de salida de la corrida piloto, gráficas para las medidas de estado estable.
Archivos en formato digital (.out)
Duración: 7 días
Hitos: 25 junio –Determinación de parámetros de corrida aprobados por el coordinador
operativo
Costo: $ 780.000

Descripción: Generación del informe Category Overview con la alternativa de expansión
Criterio de Aceptación: El ancho del intervalo para las medidas de desempeño ASA, AHT y TSF no
deben superar el 5%. Aprobado por el coordinador operativo de la línea
Entregable: Archivo en formato digital del modelo (.doe).
Reporte Category Overview (.pdf)
Duración: 7 días
Hitos: 28 junio – Reporte Category Overview aprobado por el coordinador operativo
Costo: $ 500.000

Descripción: Generación del reporte para la comparación estadística de las alternativas
utilizando el software OutputAnalyzer®.
Criterio de Aceptación: El nivel de significancia total en la comparación de alternativas debe ser
del 5%, Aprobado por el coordinador operativo de la línea
Entregable: Archivo en formato digital del análisis de salida (.out).
Duración: 7 días
Hitos: 7 julio – Comparación estadística de alternativas aprobado por el coordinador operativo
Costo: $ 1.280.000
21
Descripción: Construcción del documento final según las exigencias del Consejo de Facultad. Se
debe radicar ante la coordinación del programa curricular de ingeniería industrial.
Criterio de Aceptación: Debe cumplir a cabalidad con las exigencias planteadas por el Consejo
de Facultad. Aprobado por el coordinador del programa curricular, el docente director y el
docente evaluador.
Entregable: Archivo en formato digital e impreso del documento
Supuestos: El anteproyecto radicado en la coordinación del programa curricular de ingeniería
industrial fue aceptado y declarado viable
Recursos asignados: 1 consultor
Duración: 7 días
Hitos: 7 Julio – Radicación del documento en la coordinación del programa curricular
Costo: $ 0
3.3. Costos del Proyecto
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:
Director Proyecto UD Salario Base 6000000 $ 2.400.000,00

(20% dedicación 2 meses)
Director Proyecto Teleperformance Salario Base 10000000 $ 2.000.000,00
Encargado Proyecto Teleperformance Salario Base 3000000 $ 3.000.000,00
Horas Asesoría Consultores Costo Hora 80000 $ 31.360.000,00
(392 horas)
Licenciamiento software Arena Costo US 2500 $ 6.250.000,00
(1 licencia Básica uso comercial) TRM 2500
Horas capacitación uso modelo de simulación Costo Hora 120000 $ 1.200.000,00
(10 horas)
Impresión de documentos y respaldo físico de los $ 100.000,00
entregables
Imprevistos 5% costo del proyecto $ 2.315.500,00
Total $ 48.625.500,00
Figura 4 Presupuesto resumido del proyecto.
3.4. Cronograma y línea base
Con base en los paquetes de trabajo determinados en la sección anterior, se

establecieron las relaciones de precedencia entre ellos y se construyó el
22
cronograma de actividades al definir la línea base del proyecto, el resultado se
muestra a continuación:
Figura 5 Línea base del proyecto. Fuente el autor
Figura 6 Cronograma de actividades del proyecto. Fuente el autor
3.5. Identificación de Riesgos
El desarrollo del proyecto puede verse obstaculizado principalmente por factores,

internos o externos que impidan la recolección y validación de la información
necesaria para la construcción del modelo, por problemas en la adquisición de la
licencia comercial de Arena® y/o el add-on OptQuest® o por problemas en los
procesos administrativos en la Universidad. Así, la lista de riegos a tener en cuenta
durante la ejecución, control y cierre del proyecto incluye a los elementos listados
en la Tabla 4.
23
Posible
Riesgo Impacto
Estrategia
No se dispone de información actualizada sobre los
Moderado Mitigar
arribos (demanda de servicio) a la línea seleccionada
No se dispone de información actualizada sobre los
Moderado Mitigar
tiempos de servicio en la línea seleccionada
No se dispone de información actualizada sobre el
número de estaciones y/o agentes en la línea Moderado Mitigar
seleccionada
No se dispone de información actualizada sobre el
Moderado Mitigar
flujo normal de una llamada en la línea seleccionada
No se dispone de ninguna información sobre los
Muy Alto Evitar
arribos (demanda de servicio) a la línea seleccionada
No se dispone de ninguna información sobre los
Muy Alto Evitar
tiempos de servicio en la línea seleccionada
No se dispone de ninguna información sobre el
número de estaciones y/o agentes en la línea Muy Alto Evitar
seleccionada
No se dispone de ninguna información sobre el flujo
Muy Alto Evitar
normal de una llamada en la línea seleccionada
Las compañía no acompaña el proceso de
construcción, validación y verificación de los Muy Alto Evitar
modelos construidos
La compañía no adquiere la licencia comercial de
Muy Alto Evitar
Arena®, ni la de OptQuest® en ninguna versión.
La compañía no cuenta con la licencia comercial para
la versión 14.5 de Arena®, ni la para la versión 6.4 Alto Aceptar
de OptQuest®
El anteproyecto no es aceptado como viable por la
Muy Alto Evitar
coordinación curricular
El proyecto no es aceptado como viable por la
Muy Alto Evitar
coordinación curricular
Tabla 4 Riegos principales identificados
Las posibles estrategias, inicialmente contemplan las siguientes acciones:
Para mitigar el riesgo de no contar con información actualizada se puede alimentar

el modelo con información histórica no reciente, registrando el cambio en y
presentando los resultados obtenidos en consecuencia del mismo.
No contar con información en absoluto sobre la línea a modelar implica la

cancelación del proyecto.
Sin un acompañamiento de la compañía para validar y verificar los modelos

construidos no se puede realizar el proyecto.
Sin la licencia comercial para desarrollar y correr los modelos construidos no es

posible la realización del proyecto.
24
Si la licencia disponible por la compañía no corresponde a la disponible por el
desarrollador del modelo, como se indicó en las restricciones, se podría desarrollar
con las versiones disponibles en la compañía pero eso implica un retraso
considerable en la ejecución del proyecto. El tiempo para la construcción de los
modelos podría doblarse.
Si el anteproyecto no es aceptado como viable por la coordinación curricular no es

Si el proyecto no es aceptado como viable por la coordinación curricular no es

3.6. Identificación de Interesados
 Ejecutores del Proyecto

 Coordinación del programa de Ingeniería Industrial U.D.
 Decanatura de la Facultad de Ingeniería U.D.
 Planta Docente del Programa de Ingeniería Industrial U.D.
 Director Operativo de la compañía.
 Coordinador Operativo de la línea seleccionada para el modelo de
simulación
 Agentes de servicio de la línea seleccionada para el modelo de simulación
 Cliente directo (contratante) del servicio de la línea seleccionada para el
modelo de simulación
 Usuarios de la línea seleccionada para el modelo de simulación
 Compañías del sector de tercerización de servicios BPO
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.
Figura 7 Layout de la infraestructura dedicada a la atención de la línea de servicio bajo estudio.
Sin embargo, actualmente se tienen disponibles para atender usuarios sólo 39

estaciones, tres de ellas se usan para control de calidad y las demás permanecen
inactivas. Pero en el momento requerido las 45 pueden quedar disponibles para la
atención de usuarios.
En cuanto al personal, agentes de atención, actualmente se tienen 51 programados,

distribuidos en turnos de 8 horas, no necesariamente continuas, seis días a la
semana, es decir, cada agente tiene un día de descanso a la semana. Los horarios se
asignan de acuerdo con una matriz de requerimientos que se actualiza
semanalmente. Todos los agentes se consideran homogéneos en cuanto al servicio
prestado, esto es, cualquier agente es capaz de atender satisfactoriamente a
cualquier cliente que llame al centro de atención. El tiempo que tarda un agente en
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.
La primera incluye consultas para acceder a la base de datos de clientes y realizar

un proceso de validación que garantice la identificación positiva del usuario que
está en la línea. La segunda interfaz es un aplicativo proporcionado por el cliente,
en donde se encuentran la oferta completa de servicios que se ofrecen
telefónicamente y que es la que permite prestar el servicio contratado. Finalmente,
está el aplicativo interno, en donde cada agente se debe loguear para indicar que
está activo y la que permite comunicación interna con otros agentes y/o
supervisores y que a su vez permite, a los supervisores de calidad, el monitoreo en
tiempo real de cada una de las llamadas.
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.
A modo de ejemplo, en la Tabla 5 se muestra la matriz de requerimientos para la

última semana de mayo del presente año y en la Tabla 6 la matriz de asignación de
asesores para cada turno de trabajo, en este caso los turnos corresponden a 8
horas continuas de trabajo con un descanso de 10 minutos que cada agente realiza
aproximadamente en la mitas de su turno, pero que está supeditado a la
27
aprobación del supervisor para evitar que el número de agentes activos baje más
allá de los requerimientos establecidos.
Req Sch Lun Mar Mie Jue Vie Sáb Dom

12:00:00 a. m. 4 5 4 6 6 6 4
12:30:00 a. m. 3 3 3 4 5 5 4
1:00:00 a. m. 2 2 2 3 2 4 2
1:30:00 a. m. 2 2 2 2 3 2 3
2:00:00 a. m. 2 2 2 2 2 4 2
2:30:00 a. m. 1 1 2 2 2 2 1
3:00:00 a. m. 1 2 2 1 1 1 1
3:30:00 a. m. 1 2 1 1 2 2 1
4:00:00 a. m. 1 2 2 2 1 1 1
4:30:00 a. m. 2 2 1 2 2 1 1
5:00:00 a. m. 2 1 2 2 2 2 2
5:30:00 a. m. 3 1 2 1 3 2 2
6:00:00 a. m. 5 3 3 4 5 2 4
6:30:00 a. m. 5 4 4 5 5 3 5
7:00:00 a. m. 8 8 8 8 7 6 6
7:30:00 a. m. 9 8 9 11 11 8 6
8:00:00 a. m. 17 17 16 16 14 11 8
8:30:00 a. m. 21 24 22 23 23 15 9
9:00:00 a. m. 25 27 28 29 28 16 12
9:30:00 a. m. 27 31 28 30 28 18 15
10:00:00 a. m. 29 28 32 30 29 21 14
10:30:00 a. m. 29 33 30 30 30 23 13
11:00:00 a. m. 30 29 30 31 30 20 14
11:30:00 a. m. 30 31 31 29 30 22 15
12:00:00 p. m. 26 25 25 27 27 20 13
12:30:00 p. m. 20 26 25 23 23 16 12
1:00:00 p. m. 27 23 27 24 26 16 13
1:30:00 p. m. 24 22 21 26 22 15 13
2:00:00 p. m. 34 31 29 27 29 15 10
2:30:00 p. m. 32 26 22 23 24 15 10
3:00:00 p. m. 35 30 32 28 27 16 10
3:30:00 p. m. 27 24 24 24 23 12 12
4:00:00 p. m. 33 36 32 31 29 14 11
4:30:00 p. m. 27 23 23 25 26 13 13
5:00:00 p. m. 25 23 23 22 18 13 12
5:30:00 p. m. 24 24 21 23 20 14 12
6:00:00 p. m. 19 18 19 18 15 13 10
6:30:00 p. m. 22 17 18 18 16 14 12
7:00:00 p. m. 22 20 18 18 19 11 12
7:30:00 p. m. 18 16 14 16 16 11 11
8:00:00 p. m. 18 15 15 13 12 11 14
8:30:00 p. m. 18 16 14 15 12 10 13
9:00:00 p. m. 13 12 13 11 12 10 11
9:30:00 p. m. 13 13 11 13 9 10 13
10:00:00 p. m. 11 11 9 10 10 8 10
10:30:00 p. m. 9 12 9 10 7 8 6
11:00:00 p. m. 5 8 7 6 7 8 7
11:30:00 p. m. 5 4 5 5 4 4 6
Tabla 5 Matriz de requerimientos de agentes para la semana del 25 al 31 de mayo.
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.
4.2. Análisis de entrada
Para que el modelo construido represente fielmente el comportamiento real del

sistema se debe caracterizar, además del proceso que sigue cada llamada como ya
se hizo en la sección anterior, las distribuciones de probabilidad de los procesos
estocásticos involucrados, esto incluye: los tiempos entre arribos para las llamadas
que llegan al sistema, los tiempos de servicio para cada tipo de llamada y las
probabilidades de ruteo de cada llamada a lo largo del sistema. Con base en los
datos proporcionados por la compañía, que incluye la información recolectada por
el sistema CTI durante los primeros 5 meses del año, se procedió a realizar un
análisis estadístico para la caracterización de las distribuciones de probabilidad
involucradas.
4.2.1. Proceso de arribos
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.
En cuanto al comportamiento por día de la semana, en la Figura 9 se observa como

el comportamiento es homogéneo de lunes a viernes y decae en el fin de semana,
pero en cada uno de los días en comportamiento por franja horaria se conserva,
como se observa en las figuras del anexo (Figuras Figura 31 a la Figura 38).
El comportamiento observado implica que para caracterizar las llegadas se debe

hacer un análisis separado para cada intervalo de 30 minutos y además discernir
los fines de semana (sábado y domingo por separado) de los días entre semanas.
Con base en los datos proporcionados y utilizando el procedimiento descrito por
Massey, Parker y Whitt [41] en el software InputAnalyzer® se encontró la tasa del
29
proceso de Poisson que mejor se ajusta en cada intervalo. La Tabla 7 resume los
parámetros de la distribución a utilizar.
Total llamadas por franja horaria

16000
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
Total llamadas por día

60000
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
A continuación se muestran los histogramas observado y teórico para cada uno de

los tres grupos identificados, junto con la prueba Chi-cuadrado, en cada uno de los
casos el p-value fue superior al nivel de significancia estadística exigido del 10%.
31
Llamadas Lunes-Viernes Observado PPNH
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)
Llamadas Sábado Observado PPNH

2000
1800
1600
1400
1200
1000
800
600
400
200
0
00:…
01:…
03:…
04:…
06:…
07:…
09:…
10:…
12:…
13:…
15:…
16:…
18:…
19:…
21:…
22:…
00:…
01:…
03:…
04:…
06:…
07:…
09:…
10:…
12:…
13:…
15:…
16:…
18:…
19:…
21:…
22:…
Figura 11 Total llamadas recibidas vs Obtenidas con el Proceso de Poisson No Homogéneo (Sábado)
Distribution: PPNH
Chi Square Test
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
Chi Square Test
Tabla 10 Resultados de la prueba de bondad de ajuste para el PPNH (Domingo)
4.2.2. Tiempo de Servicio
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)
Figura 13 Tiempos de servicio medidos entre enero y mayo de 2015.
En cuanto a los tiempos de servicio, no es necesario hacer una segmentación por

días o franjas horarias, ya que el servicio prestado al usuario es independiente de
estos factores. En la Figura 13 se observa el comportamiento de los tiempos de
servicio totales, incluyendo los casos atendidos por el supervisor, durante los
33
primeros 5 meses del año, las últimas 5 clases son principalmente casos en los que
intervino el supervisor, en las demás clases la proporción es no significativa. Para
realizar el ajuste de las distribuciones se van a separar los dos casos.
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)
Chi Square Test
Corresponding p-value 31.1%
Tabla 11 Resultados de la prueba de bondad de ajuste para los tiempos de servicio
Tiempo de Servicio (sin supervisor)

900
800
700
600
500
400
300
200
100
0
120
150
180
210
240
270
300
330
360
390
420
450
480
510
540
570
600
630
660
690
720
750
780
30
60
90
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).
Distribution: 900 + Expo(452)

Chi Square Test
Tabla 12 Resultados de la prueba de bondad de ajuste para los tiempos de servicio con intervención del
supervisor
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
4.2.3. Tiempo de Impaciencia
Para caracterizar los abandonos en el sistema se utilizó la información recopilada

para aquellas llamadas que dejaron el sistema antes de terminar su servicio, es
decir, no se caracterizará la impaciencia de los usuarios, sino que al trabajar con
datos censurados, se caracterizará la impaciencia condicional. En la Figura 16 se
muestra la distribución de los datos obtenidos del CTI para los primeros 5 meses
del año.
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)
Figura 16 Tiempos de impaciencia para las llamadas que abandonaron el sistema
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)
Chi Square Test
Corresponding p-value 14.6%
Tabla 13 Resultados de la prueba de bondad de ajuste para los tiempos de impaciencia
4.2.4. Probabilidades de ruteo
Finalmente, se deben caracterizar las probabilidades de transición entre las

diferentes estaciones, con base en los datos proporcionados, las probabilidades
estimadas son:
 3.8% de las llamadas esperando en el ACD abandonan el sistema
 0.8% de las llamadas requieren atención del supervisor

4.3. Modelo conceptual
Uniendo la información de las dos secciones precedentes se puede construir el

modelo conceptual del sistema, el cual describe los principales elementos del
funcionamiento del sistema que se tendrán en cuanta en el modelo de simulación.
36
Tiempos de servicio
SUPERVISOR
900 + Expo (452) s

programados en
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
Figura 18 Modelo conceptual de la línea de atención
4.4. Modelo de Simulación
Con base en el modelo conceptual de la sección anterior, se procedió a programar

el modelo en el software Arena®. El modelo se dividió en tres partes para facilitar
el seguimiento y control, el modelo principal, en donde se representa el
funcionamiento descrito en la Figura 20 y dos submodelos auxiliares para modelar
el proceso de arribos y la impaciencia. En este último también se calculan las
principales estadísticas. En las figuras Figura 19, Figura 20 y Figura 21 se muestra el
modelo construido.
37
0
Llegadas Lunes a T ru e
Viernes Entre Semana?

0
0 Fa ls e
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
Not Found Rem oved Ent it y

0 Fals e
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
2 0 s e g un d o s Bus c a r e n l a fi l a Im p a c i en c i a Bus c a r e n l a fi l a Aba n d on a r 2

2 Found Res ta n te 3 Found O r iginal
Not Found Not Found Rem oved Ent it y
Ate n d i d o
des pues del
Um b ra l
Figura 21 Submodelo para las impaciencias de los usuarios
A continuación se describirán los principales parámetros utilizados en el modelo

anterior, los detalles completos de cada módulo se muestran en los anexos.
4.4.1. Submodelo de arribos
La llegada de las llamadas se realizará por medio de tres procesos Poisson no

homogéneos, uno para los días de lunes a viernes, otro para los sábados y otro para
los domingos, esto se modeló por medio de tres módulos Create su
parametrización fue de la siguiente forma:
38
Create
Name Llegadas Lunes a Viernes
Entity Type llamadas
Time Between Arrivals
Type Schedule
Schedule Name LunesViernes
Name Llegadas Sabados
Type Schedule
Schedule Name Sabados
Name Llegadas Domingos
Type Schedule
Schedule Name Domingos
Tabla 14 Parámetros de los módulos create
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
4.4.2. Modelo de principal

El modelo principal recibe las llegadas del submodelo de arribos y a cada entidad
le asigna su tiempo de impaciencia, determinado anteriormente, le asigna un
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.
4.4.4. Submodelo de impaciencia
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.
Para simular el tiempo de impaciencia se utiliza un módulo Delay con los

siguientes parámetros:
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.
4.4.5. Parámetros de Corrida
Para determinar la longitud de la corrida, el tiempo de calentamiento del modelo y

el número de réplicas a realizar, se analizaron las cuatro medidas de desempeño
seleccionadas en los criterios de aceptación definidos en el alcance del proyecto.
Para determinar el tiempo en el que el sistema alcanza el estado estable para las 4
medidas se realizó una corrida piloto y se analizaron con el software Output
Analyzer® los gráficos de cada una, los cuales se muestran en las Figura 22 a la
Figura 25.
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.
Para determinar el número de corridas, se realizaron 10 corridas con los

parámetros anteriormente determinados para así encontrar la desviación estándar
de cada una de las medidas de desempeño y con esta información y usando un
nivel de confianza del 95% se calculó el número de réplicas para cada una de las
medidas seleccionadas como se muestra en la Tabla 23.
43
Tasa de Abandonos
9,00%
8,00%
7,00%
6,00%
5,00%
4,00%
3,00%
2,00%
1,00%
0,00%
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Tiempo (h)
Figura 25 Comportamiento de la estadística Abn en una corrida de 10000 horas
s (desviación h (longitud del Número

Estadística Promedio Z2.5%
estándar) intervalo) replicas
ATH 388,02 s 0,40335 0,200000 1,96 16
ASA 14,17 s 0,12907 0,100000 1,96 7
TSF 75,78% 0,005% 0,005000 1,96 1
Abn 2,61% 0,005% 0,005000 1,96 1
Tabla 23 Calculo del número de réplicas para cada medida de desempeño
Por los tanto, para garantizar que todas las estadísticas cumplan con la longitud del
intervalo definida, entonces se deben realizar 16 réplicas.
4.4.6. Resultados del modelo
Estadística Promedio LB 95% UB 95% Observado

ATH 388,06 s 387,93 s 388,19 s 388,13 s
ASA 14,19 s 14,15 s 14,23 s 14,16 s
TSF 75,84% 75,79% 75,89% 75,80%
Abn 2,62% 2,57% 2,67% 2,58%
Tabla 24 Resultados del modelo con 26 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.
La implementación directa de la alternativa de expansión ocasiona un aumento de

los gastos de nómina, pero debido a la infraestructura instalada no se requiere
inversión para nuevas estaciones de trabajo, las 45 disponibles son suficientes
porque el aumento propuesto, del 40%, no ocasiona que se requieran nuevas
estaciones de trabajo para ubicar a los agentes. Sin embargo, se requiere un gasto
importante en la selección y capacitación del nuevo personal, gasto que se
realizará sin que se garantice el éxito de la alternativa propuesta. Es por esta razón
que la utilización del modelo construido es útil para evaluar la alternativa y
verificar que satisface los requerimientos antes de su implementación.
4.5.1. Parámetros de Corrida
El cambio propuesto sólo afecta el Schedule de turnos que se explicó

anteriormente, los nuevos parámetros se muestran a continuación:
Schedule
Name Turnos
Type Capacity
Time Units Hours
Scale Factor 1.4
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 25 Parámetros del módulo Schedule para la alternativa de expansión.
Los parámetros de corrida se determinaron de manera similar que para el caso

base, el análisis mostró que 10000 horas son nuevamente suficientes para alcanzar
45
el estado estable para las cuatro estadísticas de interés, por lo tanto se define la
longitud de corrida en 120000 horas. El número de réplicas tampoco se ve
afectado.
4.5.2. Resultados del modelo
Al correr el modelo con los nuevos parámetros se obtuvieron los siguientes

resultados:
Estadística Promedio LB 95% UB 95% Actual Cambio

ATH 385,81 s 385,64 s 385,98 s 388,06 s -2,25 s
ASA 11,92 s 11,88 s 11,96 s 14,19 s -2,27 s
TSF 89,09% 89,04% 89,15% 75,84% 13,25%
Abn 1,10% 1,05% 1,15% 2,62% -1,42%
Tabla 26 Resultados del modelo con la nómina aumentada en un 40%
Los resultados obtenidos muestran que se cumplen los requerimientos pedidos

para la implementación de la alternativa, el ASA se redujo en más de 2 segundos
(3.0 segundos), la tasa de abandonos bajó en 1.46 puntos porcentuales y el TSF
aumentó en 13.25 puntos porcentuales, por lo cual la alternativa parece viable, sin
embargo se debe validar que la diferencia real entre las dos configuraciones si
corresponde a los valores pedidos, por lo cual se va a realizar una prueba de
comparación estadística.
4.5.3. Análisis estadístico
Utilizando el software Output Analyzer® se realizó una comparación de medias

para muestras independientes para las medidas ATH y ASA, y una prueba de
comparación de proporciones para las medidas TSF y Abn, en cada caso la
configuración base correspondía a la primera población, mientras que la
alternativa con aumento de personal era la segunda. Todas la pruebas se
realizaron con un nivel de significancia del 5%. Los resultados se muestran a
continuación, ver figuras Figura 26 a la Figura 29.
Figura 26 Resultados de la comparación de medias entre el sistema actual y la alternativa de expansión de

personal para la medida Abn
46
personal para la medida TSF

personal para la medida TSF

personal para la medida AHT
47
Los resultados indican que para la tasa de abandonos, la diferencia real entre los
dos sistemas está entre 1.41 y 1.44 puntos porcentuales, por encima del mínimo
exigido. Para el TSF la diferencia real se encuentra entre 13.1 y 13.3 puntos
porcentuales, muy por encima de los 5 puntos porcentuales exigidos. Para el
tiempo de respuesta ASA la reducción está entre 2.25 y 2.29 segundos, es decir,
supera el límite establecido. Por lo tanto, la alternativa propuesta cumple con las
exigencias mínimas para su implementación y se recomienda a la compañía llevar
a cabo la expansión.
4.6. Modelo de Optimización
Partiendo del modelo de simulación que se desarrolló anteriormente, se va a

construir un modelo de optimización que utiliza al modelo de simulación como
insumo para la optimización de uno o varios objetivos definidos. El modelo aquí
propuesto usa la herramienta OptQuest® y no es un modelo general, es decir, no
se puede programar y modelar de forma independiente al modelo de optimización,
por lo cual la descripción del mismo se ceñirá al funcionamiento de la herramienta.
Un modelo de optimización en OptQuest® utiliza un procedimiento de búsqueda

local, por lo tanto encuentra una buena solución pero no garantiza optimalidad.
Para su funcionamiento depende de cuatro elementos claves que se definen a
partir del modelo de simulación:
 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.
Adicionalmente se define un nuevo array de variables auxiliares que definirán el

número de agentes totales necesarios para operar la línea, en el modelo este array
de variables, de 24 posiciones, que se denominó Contratados [1], Contratados
[2],…, Contratados [24]. Con estos dos cambios en el modelo original ya es posible
definir el modelo de optimización en OptQuest®.
48
Schedule
Name Turnos
Type Capacity
Time Units Hours
Scale Factor 1.0
Durations
Programados(1) 1 Programados(13) 1
Tabla 27 Parámetros del módulo Schedule en donde el número de agentes cada hora es una variable.
4.6.1. Controles
Controles
Name Low Boud Suggested High Bound Step
Programados(1) 1 2 2 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.
El límite inferior garantiza que siempre habrá al menos un asesor programado

para cada hora del día, para el límite superior se escogió la configuración actual
para garantizar un nivel de servicio y una tasa de abandonos predefinida, estas dos
restricciones se explicaran en la sección dedicada a esta parte del modelo.
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
Tabla 29 Definición de los límites y el paso para la variable Contratados.
4.6.2. Respuestas
Como medidas de interés en el modelo, además porque se exigen niveles mínimos

de cumplimiento de algunas de ellas, las medidas Abn, ATH, ASA y TSF se incluyen
50
como respuestas en el modelo de optimización. Estas medidas están definidas
como estadísticas en el modelo de simulación por lo cual no requieren de ninguna
parametrización en particular.
4.6.3. Objetivo
El modelo de optimización está orientado a la minimización de los costos de

personal, por lo cual es importante contar con la estructura de costos del sistema
para involucrarla en el modelo de simulación y por medio de éste en el modelo de
optimización, sin embargo, en este caso los agentes son homogéneos, no solo en el
servicio prestado sino en los costos asociados a estos, así el costo por hora, o por
turno de 8 horas, de una agente programado es una constante y el costo total de la
nómina será esta constante multiplicada por el número de agentes programados,
por lo tanto minimizar el número de agentes programados minimizará también el
costo de dichos agentes, de esta forma la función objetivo se define como la suma
de los agentes contratados:
Objetive
Name Nomina
Type Nonlinear
Descripción Total agentes contratados
Expresión Contratados[1] + Contratados[2] + Contratados[3] +
Contratados[4] + Contratados[5] + Contratados[6] +
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
El modelo descrito se programó en OptQuest® y se corrió parametrizado de la

forma descrita, sin el espacio de solución aún es muy grande (2024) y la
convergencia fue bastante lenta. La Figura 30 muestra la evaluación del proceso de
optimización después de 6 horas de iteraciones, en las cuales la restricción TFS
permaneció infactible todo el tiempo, por lo cual fue necesario reducir el espacio
de búsqueda.
Figura 30 Evolución del proceso de búsqueda local.
Al reducir el espacio de búsqueda, acercando los límites inferiores de los controles

a sus límites superiores se obtuvo la siguiente asignación de agentes:
Inicio de Turno Cantidad

6:00:00 a. m. 5
7:00:00 a. m. 3
8:00:00 a. m. 7
9:00:00 a. m. 5
11:30:00 a. m. 5
1:00:00 p. m. 7
3:00:00 p. m. 5
4:00:00 p. m. 5
10:00:00 p. m. 1
Tabla 33 Resultados obtenidos en el modelo de optimización con espacio de búsqueda reducido
Es decir, se emplean 43 agentes para atender la demanda diaria, cuando en el

sistema actual se disponen de 49 agentes (se seleccionó para efectos de
comparación la programación para un día entre semana), es decir se redujo en 6
agentes los requerimientos de personal sin sacrificar el desempeño del sistema. Sin
embargo, debido a lo limitado del espacio de búsqueda no se puede garantizar que
la solución encontrada este cerca de la solución óptima.
52
5.Conclusiones y validación de objetivos
Una de las actividades fundamentales durante el cierre del proyecto, es la de
validar el cumplimiento de los objetivos planteados al inicio del mismo. En este
caso, durante el desarrollo del proyecto, se logró el cumplimiento del objetivo
general a través de alcanzar todos los objetivos específicos como se muestra en
Objetivo Alcance Observaciones

Caracterizar estadísticamente la Se realizó correctamente la
información relevante para la correcta caracterización de todas las
descripción del sistema. 100% distribuciones utilizadas en el
modelo con un nivel de
significancia del 5%.
Construir, validar y verificar el modelo Los intervalos de confianza
de simulación propuesto para el análisis para las medidas de
del sistema. desempeño críticas, obtenidos
100%
con el modelo de simulación,
contenían a los valores
medidos en el sistema real.
Determinación de los parámetros del El modelo de optimización se
modelo de optimización (OptQuest) para caracterizó con 48 controles,
su implementación e integración con el para los cuales se definió los
100%
modelo de simulación. límites adecuados que
redujeran a niveles aceptables
el espacio de soluciones.
Evaluación de la alternativa de La alternativa propuesta se
expansión propuesta por la compañía. evaluó con el modelo de
100% simulación y los resultados
permitieron definir la
viabilidad de la misma.
Tabla 34 Cumplimiento de los objetivos del proyecto
Finalmente, después de realizados los modelos de simulación y optimización

propuestos en el alcance del proyecto y del cumplimiento satisfactorio de todos los
entregables, se obtiene como principales conclusiones las siguientes:
En cuanto al modelo conceptual y la descripción cualitativa del sistema, se

establecieron adecuadamente los principales parámetros del sistema, se describió
con claridad su funcionamiento y se construyó un modelo conceptual del sistema
que puede ser fácilmente llevado a un ambiente computacional por personal
calificado.
En cuanto al análisis de entrada se obtuvieron distribuciones de probabilidad para

los tiempos de servicio y para los tiempos de impaciencia, estos últimos
condicionales y no de todos los usuarios, porque sólo se contaba con datos de los
abandonos. Adicionalmente, se logró representar de manera precisa el proceso de
arribos al sistema a través de aproximar las llegadas a un proceso Poisson No
Homogéneo, esto permitió simular distribuciones que de otra forma serían muy
53
difíciles de lograr. Los resultados de las pruebas de bondad de ajuste muestran que
las distribuciones escogidas fueron estadísticamente correctas.
En lo que respecta al modelo de simulación, se llevó al software Arena® el sistema

caracterizado en el modelo conceptual, el modelo se partió en 3 submodelos para
facilitar el proceso de análisis y programación. Se determinaron los parámetros de
corrida para garantizar el cumplimiento de los criterios de aceptación definidos en
el alcance y por medio del análisis de las salidas del modelo se verificó que este si
reproducía las principales medidas de desempeño del sistema, es decir, los
intervalos de confianza construidos para las 4 medidas de desempeño
seleccionadas si contenían los valores medidos en el sistema real. Así, al reproducir
el comportamiento del sistema, el modelo funciona como base para una evaluación
de alternativas
Al evaluar la propuesta de expansión de la nómina asignada a la línea se comprobó

la eficacia del modelo como soporte a la toma de decisiones, principal objetivo
buscado con el desarrollo de este trabajo. La nueva alternativa mejoró más allá de
lo exigido las medidas de desempeño escogidas, bajo el supuesto de que todo lo
demás en el sistema permanecería igual, en particular se asumió que la demanda
de servicios continuaría con el comportamiento mostrado hasta ahora. Las
modificaciones del modelo, en gran parte debido a la separación en submodulos,
son sencillas de implementar y los tiempos que tarda el modelo en alcanzar
resultados son del orden de segundos, lo que en realidad lo ubica como una
herramienta útil en la gran mayoría de escenarios.
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.
Finalmente, en lo que respecta a la metodología PMI, utilizada como herramienta

de gestión en el desarrollo de este trabajo, se puede concluir que permitió
organizar adecuadamente el inicio y la planeación del proyecto, lo que facilitó su
ejecución y control, permitió el desarrollo y entrega de los compromisos
establecidos en el alcance del trabajo (entregables) y conllevo al cumplimiento del
cronograma de ejecución propuesto en la etapa de planeación. Es por esta razón
que durante el desarrollo de este documento se han incluido los principales
elementos de la metodología para mostrar la eficacia de la metodología en el
desarrollo de proyectos exitosos.
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].
[3] Granados-Villate, “Caracterización y formulación estratégica del sector BPO ,

KPO e ITO en Colombia,” IDC Colomb., pp. 1–62, 2014.
[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.
[5] A. Mandelbaum, “Call centers (centres): Research bibliography with

abstracts,” Version, 2002. [Online]. Available:
http://www.ie.technion.ac.il/serveng/References/ccbib.pdf. [Accessed: 11-
May-2015].
[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.
[9] N. Gans, G. Koole, and A. Mandelbaum, “Telephone Call Centers: Tutorial,

Review, and Research Prospects,” Manuf. Serv. Oper. Manag., vol. 5, no. 2, pp.
79–141, 2003.
[10] R. W. Conway, B. M. Johnson, and W. L. Maxwell, “Some Problems of Digital

Systems Simulation,” Manage. Sci., vol. 6, no. 1, pp. 92–110, Oct. 1959.
[11] R. W. Conway, “Some Tactical Problems in Digital Simulation,” Manage. Sci.,

vol. 10, no. 1, pp. 47–61, Oct. 1963.
[12] B. L. Nelson, “ANNIVERSARY ARTICLE: Stochastic Simulation Research in

Management Science,” Manage. Sci., vol. 50, no. 7, pp. 855–868, 2004.
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.
[14] A. J. Brigandi, D. R. Dargon, M. J. Sheehan, and T. Spencer III, “AT&T’s call

processing simulator (CAPS) operational design for inbound call centers,”
Interfaces (Providence)., vol. 24, no. 1, pp. 6–28, 1994.
[15] N. M. Van Dijk, “On hybrid combination of queueing and simulation,” in

Proceedings of the 2000 conference on Winter simulation, 2000, pp. 147–150.
[16] A. J. Mason, D. M. Ryan, and D. M. Panton, “Integrated simulation, heuristic

and optimisation approaches to staff scheduling,” Oper. Res., vol. 46, no. 2,
pp. 161–175, 1998.
[17] O. Tanir and R. J. Booth, “Call center simulation in Bell Canada,” in

Proceedings of the 1999 conference on Winter simulation, 1999, vol. 2, pp.
1640–1647.
[18] V. Mehrotra and J. Fama, “Call center simulation modeling - methods,

challenges, and opportunities,” in Proceedings of the 2003 conference on
Winter simulation, 2003, pp. 135–143.
[19] A. Ridley, “Performance Optimization of a Telecommunication Call Center,”

Simul. Ser., vol. 32, no. 4, pp. 163–167, 2000.
[20] S. Gulati and S. A. Malcolm, “Call center scheduling technology evaluation

using simulation,” in Proceedings of the 2001 conference on Winter
simulation, 2001, pp. 1438–1442.
[21] R. M. Saltzman and V. Mehrotra, “A call center uses simulation to drive

strategic change,” Interfaces (Providence)., vol. 31, no. 3, pp. 87–101, 2001.
[22] J. Pichitlamken, A. Deslauriers, P. L’Ecuyer, and A. Avramidis, “Modelling and

simulation of a telephone call center,” in Proceedings of the 2003 Winter
Simulation Conference, 2003, vol. 2, pp. 1805–1812.
[23] J. Atlason, M. a. Epelman, and S. G. Henderson, “Call center staffing with

simulation and cutting plane methods,” Ann. Oper. Res., pp. 333–358, 2004.
[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.
[28] K. Ertogral and B. Bamuqabel, “Developing staff schedules for a bilingual

telecommunication call center with flexible workers,” Comput. Ind. Eng., vol.
54, no. 1, pp. 118–127, Feb. 2008.
[29] A. N. Avramidis, W. Chan, M. Gendreau, P. L’Ecuyer, and O. Pisacane,

“Optimizing daily agent scheduling in a multiskill call center,” Eur. J. Oper.
Res., vol. 200, no. 3, pp. 822–832, Feb. 2010.
[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.
[31] J. Ma, N. Kim, and L. Rothrock, “Performance assessment in an interactive

call center workforce simulation,” Simul. Model. Pract. Theory, vol. 19, no. 1,
pp. 227–238, Jan. 2011.
[32] N. N. Murthy, G. N. Challagalla, L. H. Vincent, and T. a. Shervani, “The Impact

of Simulation Training on Call Center Agent Performance: A Field-Based
Investigation,” Manage. Sci., vol. 54, no. 2, pp. 384–399, 2008.
[33] A. Avramidis, A. Deslauriers, and P. L’Ecuyer, “Modeling daily arrivals to a

telephone call center,” Manage. Sci., vol. 50, no. Julyn 2004, pp. 896–908,
2004.
[34] L. Brown, N. Gans, A. Mandelbaum, A. Sakov, H. Shen, S. Zeltyn, and L. Zhao,

“Statistical Analysis of a Telephone Call Center,” J. Am. Stat. Assoc., vol. 100,
no. 469, pp. 36–50, 2005.
[35] S. Bregni, R. Cioffi, and M. Decina, “An empirical study on time-correlation of

GSM telephone traffic,” IEEE Trans. Wirel. Commun., vol. 7, no. 9, pp. 3428–
3435, 2008.
[36] G. Koole and A. Mandelbaum, “Queueing models of call centers: An

introduction,” Ann. Oper. Res., vol. 113, no. 1–4, pp. 41–59, 2002.
[37] A. Deslauriers, P. L’Ecuyer, J. Pichitlamken, A. Ingolfsson, and A. N.

Avramidis, “Markov chain models of a telephone call center with call
blending,” Comput. Oper. Res., vol. 34, no. 6, pp. 1616–1645, Jun. 2007.
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.
[41] W. a. Massey, G. a. Parker, and W. Whitt, “Estimating the parameters of a

nonhomogeneous Poisson process with linear rate,” Telecommunication
Systems, vol. 5, no. 2. pp. 361–388, 1996.
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.
Llamadas día Martes

3000
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.
Llamadas dia Jueves

3000
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.
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.
Llamadas día Sabado

2000
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.
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.
Total llamadas por franja horaria

16000
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
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
Schedule
Name LunesViernes
Type Arrivals
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
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
Runs 187 E(R) 180,5856

n0 197 s.d.(R) 6,6462
n1 165 Z0 0,9651
N 362 P-value 0,8328
Tabla 38 Prueba de aleatoriedad para los arribos entre las 0:00 am y la 1:00 am
Runs 155 E(R) 160,0718

n0 244 s.d.(R) 5,8827
n1 118 Z0 -0,8622
N 362 P-value 0,1943
Tabla 39 Prueba de aleatoriedad para los arribos entre la 1:00 am y las 2:00 am
Runs 163 E(R) 171,3039

n0 225 s.d.(R) 6,3007
n1 137 Z1 -1,3179
N 362 P-value 0,0938
Tabla 40 Prueba de aleatoriedad para los arribos entre las 2:00 am y las 3:00 am
Runs 168 E(R) 178,8177

n0 205 s.d.(R) 6,5804
n1 157 Z1 -1,6439
N 362 P-value 0,0501
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
Runs 172 E(R) 181,9779

n0 183 s.d.(R) 6,6980
n1 179 Z2 -1,4897
N 362 P-value 0,0682
Runs 182 E(R) 176,3425

n0 213 s.d.(R) 6,4883
n1 149 Z3 0,8720
N 362 P-value 0,8084
Runs 171 E(R) 177,0276

n0 211 s.d.(R) 6,5137
n1 151 Z3 -0,9254
N 362 P-value 0,1774
Runs 161 E(R) 162,7680

n0 240 s.d.(R) 5,9830
n1 122 Z4 -0,2955
N 362 P-value 0,3838
Runs 139 E(R) 145,7514

n0 262 s.d.(R) 5,3497
n1 100 Z4 -1,2620
N 362 P-value 0,1035
Runs 141 E(R) 148,3867

n0 259 s.d.(R) 5,4478
n1 103 Z5 -1,3559
N 362 P-value 0,0876
Runs 142 E(R) 143,9392

n0 264 s.d.(R) 5,2823
n1 98 Z5 -0,3671
N 362 P-value 0,3568
Tabla 49 Prueba de aleatoriedad para los arribos entre las 11:00 am y las 12:00 pm
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
Runs 147 E(R) 150,0884

n0 257 s.d.(R) 5,5112
n1 105 Z6 -0,5604
N 362 P-value 0,2876
Tabla 51 Prueba de aleatoriedad para los arribos entre la 1:00 pm y las 2:00 pm
Runs 149 E(R) 155,6961

n0 250 s.d.(R) 5,7199
n1 112 Z7 -1,1707
N 362 P-value 0,1209
Tabla 52 Prueba de aleatoriedad para los arribos entre las 2:00 pm y las 3:00 pm
Runs 138 E(R) 139,2155

n0 269 s.d.(R) 5,1065
n1 93 Z7 -0,2380
N 362 P-value 0,4059
Runs 144 E(R) 151,7459

n0 255 s.d.(R) 5,5728
n1 107 Z8 -1,3899
N 362 P-value 0,0823
Runs 140 E(R) 146,6409

n0 261 s.d.(R) 5,3828
n1 101 Z8 -1,2337
N 362 P-value 0,1087
Runs 140 E(R) 147,5193

n0 260 s.d.(R) 5,4155
n1 102 Z9 -1,3885
N 362 P-value 0,0825
Runs 139 E(R) 146,6409

n0 261 s.d.(R) 5,3828
n1 101 Z9 -1,4195
N 362 P-value 0,0779
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
Runs 138 E(R) 143,9392

n0 264 s.d.(R) 5,2823
n1 98 Z10 -1,1244
N 362 P-value 0,1304
Runs 147 E(R) 150,9227

n0 256 s.d.(R) 5,5422
n1 106 Z11 -0,7078
N 362 P-value 0,2395
Runs 150 E(R) 149,2431

n0 258 s.d.(R) 5,4797
n1 104 Z11 0,1381
N 362 P-value 0,5549
Tabla 61 Prueba de aleatoriedad para los arribos entre las 11:00 pm y las 12:00 am
Runs 4198 E(R) 4232,8444

n0 3646 s.d.(R) 32,0979
n1 5042 Z0 -1,0856
N 8688 P-value 0,1388
Tabla 62 Prueba de aleatoriedad para los tiempos de servicio
Runs 1385 E(R) 1395,8387

n0 1380 s.d.(R) 18,6626
n1 1410 Z0 -0,5808
N 2790 P-value 0,2807
Tabla 63 Prueba de aleatoriedad para los tiempos de impaciencia
67

Gutierrez Vanegas Juan Carlos Florian Lozano Diego

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Gutierrez Vanegas Juan Carlos Florian Lozano Diego

Cargado por

Copyright:

Formatos disponibles

DISEÑO DE UN MODELO DE SIMULACIÓN PARA LA EVALUACIÓN

DE ALTERNATIVAS DE MEJORAMIENTO PARA UNA EMPRESA DEL

Trabajo de Grado presentado al

Juan Carlos Gutiérrez Vanegas

Diego Florián Lozano

Año 2011 2012 Crecimiento

En el estudio de Granados-Villate [3] se establece que el sector de tercerización de

En 2.615 Empresas Total sector % participación

Es en este aspecto que se encuentra el aporte de este trabajo, al proporcionarle a la

Sector BPO 2012 Empresas Ingresos Totales % partici

El trabajo está organizado de la siguiente forma: en esta sección se describirán los

En la cuarta sección se muestra el modelo de simulación construido, junto con la

1.1. Descripción del problema

Dado el complejo funcionamiento de los call-centers en la actualidad,

Diseñar un modelo computacional que permita evaluar las estrategias de

 Caracterizar estadísticamente la información relevante para la correcta

Al final de este trabajo se espera proveer a la compañía asesorada un modelo

Inicios del problema de

2.1. Del problema del dimensionamiento

El problema del dimensionamiento de un call center inició formalmente en 1948

La simulación como herramienta ha estado presenta casi por el mismo espacio de

En el campo de la simulación, un buen punto de inicio para su utilización en el

Así, la importancia de la simulación como herramienta de análisis en este tipo de

También en 1998, Mason, Ryan y Panton [16] presentaron en su trabajo una

En 2002 Deslauriers et al [22] combinaron un modelo analítico, una CMTC, con un

La optimización entera no ha sido la única herramienta analítica utilizada en los

Por su parte, Bhulai, Koole y Pot [30], en 2008, utilizaron un modelo de

Luego, en 2005, Brown et al [34] extendieron el análisis, ya no sólo a los arribos al

Por ejemplo, se puede consultar el trabajo de Koole y Mandelbaum [36], 2002,

Ya al considerar ambientes de alto tráfico, Adan, Boon y Weiss [39] proponen

El análisis del desempeño del sistema se realiza a través de una serie de

Nans: Número total de llamadas contestadas por un agente

ASA: Velocidad promedio de respuesta, representa la cantidad de tiempo que una

TSF: factor de servicio telefónico, representa el porcentaje de llamadas que deben

Talk time: Tiempo de interacción directa con el agente

FTE: Número equivalente de agentes de “tiempo completo”. Calculado como el

On Prod FTE: Número promedio de FTEs activos o disponibles durante el intervalo

A partir de las estadísticas medidas anteriormente se puede evaluar el desempeño

Agentes No disponibles %: Fracción del tiempo que los agentes fueron

Agentes No logueados %: Fracción del tiempo que los agentes fueron

3.1.2. Alcance del modelo

3.1.3. Entregables Principales

 Análisis de entrada de la información de las llamadas proporcionada, de la

 Modelo de simulación, de la línea de atención seleccionada por la compañía,

 Diseño conceptual del modelo de simulación, independiente del software de

 Evaluación de la alternativa de expansión propuesta por la compañía, para

 Documento final entregado a la coordinación curricular del programa de

3.1.4. Criterios de aceptación

El análisis de entrada debe incluir la distribución y los parámetros de cada uno de

Modelo de simulación completo y funcional programado en Arena® versión 14.5,

El modelo de optimización debe minimizar los costos de operación y operar sobre

El modelo de simulación debe evaluar la alternativa de expansión propuesta para

El modelo de simulación se programará en la versión 14.5 de Arena®. No se

El modelo de OptQuest se programará en la versión de interfaz 4.0 y la versión de

Sólo se evaluará la alternativa de expansión determinada por la compañía. La

La compañía dispondrá de personal capacitado en el uso del software Arena®, así

La línea de atención modelada es de tipo inbound (sólo recibe llamadas, no realiza

El número de estaciones y operarios para el sistema base es fijo. Para la evaluación

El anteproyecto radicado en la coordinación del programa curricular de ingeniería

La caracterización de las distribuciones se realiza con la información

Las restricciones administrativas para la determinación de turnos serán

Es responsabilidad de la compañía la adquisición de la licencia de uso comercial

Con base en los entregables definidos en la sección 3.1.3 se construyó la estructura