UNIVERSIDAD TÉCNICA DE MANABÍ

FACULTAD DE CIENCIAS MATEMÁTICAS FÍSICAS Y

QUÍMICAS

INGENIERÍA INDUSTRIAL

INVESTIGACIÓN OPERATIVA II

TALLER 2.1

CURSO:

8VO “A”

RESPONSABLE:

VELIZ PARRAGA JUNNER JACINTO

DOCENTE:

ING. IVAN CISNEROS

PERIODO ACADÉMICO

JUNIO-OCTUBRE 2020
Ejemplo:

McDonald’s es una cadena de restaurantes de comida rápida. Sus principales productos

son las hamburguesas, patatas fritas, menús para el desayuno, batidos, helados, postres
y, recientemente, ensaladas y fruta. Y por esa razón nos dimos a la tarea de analizar el
flujo de clientes que llegan a una sucursal de esta cadena con el fin de determinar una
reducción de los tiempos de espera y mejorar el servicio.

El método actual en la que actualmente esta sucursal trabaja, consiste:

1. El empleado en la caja toma el pedido del cliente

2. Calcula el costo del pedido

3. Le cobra al cliente

4. Completa la orden

Una vez realizado el pedido del cliente actual, empleado toma el pedido del siguiente
cliente.

Debido a este método de trabajo, podemos observar claramente que se trata de un

sistema de línea de espera de un solo canal, puesto sólo tenemos un servidor
funcionando.

Juzgando por la distribución de llegada, determinamos que como cada llegada es

aleatoria, y no podemos predecir cuándo ocurrirá, la clasificaremos como distribución
de probabilidad de Poisson.

La mayoría de las veces que el tiempo en ser atendido era muy largo, era debido a que
el cliente pedía una orden muy grande, se quedaba mucho tiempo pensando que pedir, o
debido a que el pago era con tarjeta de crédito, por lo cual demoraban hasta varios
minutos. Ahora, cuando el tiempo en ser atendido era muy corto, era porque el cliente
ordenaba pedidos pequeños que pueden manejarse en cuestión de segundos.

Por todo lo descrito anteriormente denotamos que el tiempo de servicio sigue una
distribución de probabilidad exponencial.

Que utilizando la notación Kendall, lo clasificaríamos como:

M/M/1

Porque:

1. M designa una distribución de probabilidad de Poisson para las llegadas y una

distribución de probabilidad exponencial para el tiempo de servicio. 2. 1 debido a que es
un modelo de línea de espera de un solo canal.
Ejemplo: Distribución de llegadas

Función de probabilidad de Poisson:

Tras haber realizado nuestro análisis, encontramos que la tasa media de llegada de
clientes es de 51 por hora. Por lo que para un periodo de un minuto, dicha tasa es de
1.235294118 clientes por minuto.

Ejemplo: Distribución de tiempos de servicio

Como lo habíamos mencionado antes el tiempo de servicio de McDonald’s comienza

desde que el cliente es atendido en caja por un empleado y este finaliza hasta que el
cliente recibe su orden. Debido a esto, los tiempos de servicio siempre son aleatorios.
Por lo para suponer la probabilidad para el tiempo de servicio se tiene la siguiente
formula: (𝑡𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜 ≤ 𝑡) = 1 − 𝑒−𝜇𝑡
En base a nuestro análisis encontramos que un empleado puede procesar un promedio
de 155 pedidos por hora, por lo que como anteriormente lo hicimos, si consideramos un
periodo de un minuto, la tasa de servicio media será de 2.59429894 clientes por minuto.
𝜇 = 155 /60 = 1.399390244
Ahora, la probabilidad para que los pedidos puedan ser completados en medio minuto o
menos, un minuto o menos y uno y medio minutos o menos, son los siguientes:
Ejemplo: Características operativas de un modelo de línea M/M/

Ejemplo: Distribución de tiempos de servicio

Probabilidad de n clientes en el sistema para el problema de línea de espera de
McDonald’s