Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LOS PROCESOS DE
CARACTERIZACIÓN Y
CALIBRACIÓN DE PESO KIMAX
16 de septiembre de 2021
Índice general
I. GENERALIDADES 4
1. INTRODUCCIÓN 5
2. ANTECEDENTES 7
2
Índice general
4. SISTEMA DE COLAS 29
4.1. Caracterı́sticas básicas de un sistema en equilibrio . . . . . . . . 29
5. CONCLUSIONES 31
3
Parte I.
GENERALIDADES
4
1. INTRODUCCIÓN
Este documento pretende estimar el tamañoidealdemuestraparalaspruebasdepesoypresiÃ3 nba
En este documento se realiza un análisis al sistema de atención y servicio
en un lavadero de motocicletas al sur de la ciudad de Bogotá, el nombre del
negocio es Lavados J.R. ubicado en la localidad de Bosa y en él, una persona
llega con su vehı́culo, el personal lo recibe y lo aparca en el sector de lavado,
el cliente se puede sentar en la sala de espera donde observa como su moto
es atendida por uno de los dos lavanderos disponibles mientras disfruta de
un tinto. Si los dos operarios con los que actualmente cuenta el lavadero se
encuentran ocupados y llega una nueva moto esta entra en fila en el orden en
el cual arribó, en cuanto exista la disponibilidad, la diligencia se lleva a cabo
y el cliente se retira con su pulcra posesión. El dueño cree que durante los dı́as
domingo la demanda de su servicio ha sido superada, considera que su negocio
es lo suficientemente rentable y no desea perder clientes, pero sospecha que
esto está pasando debido a la gran cantidad de clientes que prefieren asistir
ese dia en particular, aunque presenta gran demanda en las horas de la tarde
el no desea extender el horario del establecimiento, en cambio quiere contratar
más personal para ese dı́a de la semana. Espera que un cliente no tenga que
pasar por el engorroso proceso de esperar.
El objetivo de este trabajo es poder ayudarle a este propietario de negocio a
tomar decisiones sobre cuanto personal contratar y obtener información general
que le pueda ser de utilidad
Es una situación común en la vida tener que esperar mucho tiempo por
ciertos servicios, los retrasos y la congestión en ciertos sistemas pueden generar
incomodidades para los clientes. Este no es el primer propietario que se enfrenta
5
1. INTRODUCCIÓN
a un problema ası́. Detrás de este ejemplo tan simple existe toda una teorı́a
ya desarrollada y conocida como teorı́a de colas.
6
2. ANTECEDENTES
Los fenómenos de espera consisten en entidades de carácter discreto gene-
ralmente llamados usuarios o clientes tomando una o varias filas esperando a
ser atendidos, generalmente el tiempo de llegada entre clientes y el tiempo que
toma atenderlos es una variable aleatoria. Uno de los ejemplos más comunes
son las personas que esperan haciendo fila para ser atendidas en un banco. Una
persona puede llegar en cualquier momento y la siguiente puede llegar en cual-
quier otro momento. Pero no solo se aplica a personas, otros ejemplos pueden
ser: piezas en una lı́nea de ensamblaje esperando a ser procesadas, o la llegada
de los productos de los proveedores a una bodega esperando a ser descargados
del vehı́culo, las cartas en el servicio postal esperando a ser llevadas por los
carteros, hasta aviones en cola esperando el despeje de la pista.
En estadı́stica se explica como “un proceso estocástico en tiempo continuo con
numero discreto de estados, que evoluciona por saltos cuando aparecen nuevos
clientes en el sistema o salen de él, bien por haber finalizado el servicio reque-
rido, bien por cansarse de esperar o por cualquier otra razón“ [1]
Para este trabajo el tiempo de llegada se representa en la cantidad de minutos
que le toma a un cliente llegar con respecto al anterior y el servicio es cuanto
demoren lavando cada moto.
7
Parte II.
METODOLOGÍA Y MUESTREO
8
El fenómeno de interés: Es el funcionamiento del lavadero Lavados J.R.,
en especı́fico averiguar la cantidad de operadores necesarios para satisfacer la
necesidad del cliente (el lavado de su vehı́culo) sin que el tiempo promedio de
un cliente en espera sea muy grande.
9
la población objetivo.
La población de interés son los clientes que llegan a lavar sus motos un
dı́a domingo, pero el objeto de principal seguimiento es la moto en sı́, pues es
esta la que entra a la cola y la que es servida o lavada. La unidad muestra
tanto para medir los tiempos de llegada como los servicios son los minutos que
toma cada actividad respecto a cada una de las motos que entran al sistema,
mientras que para estimar la cantidad de clientes que desertan la unidad es
cualquier persona que llegue a preguntar por el servicio, sea o no atendido.
El marco muestral para cada uno de los casos será el conjunto de todas las
unidades muéstrales dentro de un dı́a domingo.
10
Fecha Clientes totales
Marzo 13 80
Marzo 6 83
Febrero 28 77
Febrero 21 80
Febrero 14 77
Febrero 7 87
Enero 31 75
s s
x̄ − tα/2 √ ≤ µ ≤ x̄ + tα/2 √ (2.1)
n n
11
entrar a cada moto como el tiempo en que toma ser lavada es una caracterı́stica
numérica de cada una, por ejemplo, una moto llega 10 minutos después que la
anterior (tiempo de entrada) y en l7 minutos es lavada (tiempo en servicio) pero
la tercera variable es bastante diferente corresponde a una cualidad dicotómica:
entrar o no entrar al servicio. Cuando el cliente no entra al servicio ni siquiera
posee una la cualidad de tiempo en servicio básicamente porque nunca entró.
Esto quiere decir que para las dos primeras situaciones se utilizara una fórmula
para estimar el tamaño de muestra basado en la varianza. Mientras que en la
última variable se utilizara una fórmula de tamaño de muestra para calcular
una proporción de una población diferente.
12
manera: Cliente 1, llega 3 minutos con respecto al anterior, su moto dura
lavándose 15 minutos; Cliente 2, llega 4 minutos con respecto al anterior, su
moto dura lavándose 16 minutos. Ası́ sucesivamente hasta el cliente 31 como
se puede ver en los datos adjuntos. Luego se calcula la varianza de todos los
datos recolectados de llegada que es σ1 = 2.72, y similarmente la varianza de
todos los minutos que tomó lavar cada moto σ2 = 3.13,
Resumiendo, se sabe que N el tamaño de la población está entre 84 y 76
clientes, el error máximo permitido para los dos casos es e= 0.05, σ1 = 2.72
(varianza del tiempo entre llegadas), σ2 = 3.13 (varianza de los tiempos de
servicio), entonces para un nivel de confianza del 95 % Z toma el valor de 1.96.
Estos datos se tienen que aplicar en la fórmula 2 para obtener el tamaño de
muestra deseado, pero es de notar que se tienen dos tamaños poblacionales
diferentes, y dos variables diferentes a estimar. Entonces la formula debe ser
aplicada 4 veces para cada una de las varianzas y de los N.
Esto quiere decir que para estimar los tiempos de las entradas al sistema se
deben tomar entre 83 y 74 datos, de manera similar para estimar los tiempos
de servicio en el sistema se deben tomar entre 83 y 74 lavados. Note que el
valor de la muestra es bastante grande esto es porque el error permitido es
muy pequeño tal como lo solicitó el dueño del lavadero. Pero continuando con
el tema ¿Cual tamaño se debe tomar? entre más grande el tamaño de muestra
más pequeño es el error ası́ que no existe problema alguno si simplemente se
toma el n mayor en este caso 83 para las dos variables.
13
2.2.2. Tamaño de muestra para la proporción de clientes
que no entran al sistema
Por dı́a cierta cantidad de clientes deja de entrar al sistema porque se en-
cuentra muy lleno, este dato es fácil de averiguar ya que en varias ocasiones
cuando un cliente entra y ve varias motos en cola le suelen preguntar al dueño
cuanto demoraran en ser atendidos a lo que él responde con una estimación
muy personal que explica de la siguiente manera: Toma la cantidad de motos
que faltan por atender y las multiplica por 15 esa es la cantidad de tiempo
(en minutos) que él cree demorar y es también la respuesta que le brinda a
sus clientes, muchos deciden no seguir cuando el tiempo de espera no les es
conveniente. Se le pidió al dueño que durante el último dı́a estuviera pendiente
de cuantas motos dejaron de entrar al sistema. El dı́a domingo 8 de mayo en-
traron 75 clientes y 4 no entraron por que el sistema estaba muy lleno. Luego
una estimación de la probabilidad de que un cliente no entre al sistema es
4
P= 79 =0.05, luego para poder estimar mejor esta probabilidad el tamaño de
muestra se debe calcular ası́:
N Z 2 P (1 − P )
(2.3)
(N − 1)e2 + Z 2 P (1 − P )
14
Entonces si se conocen la cantidad de clientes atendidos y la probabilidad de
que un cliente deserte, despejando se puede obtener la cantidad total de clientes
que desertaron dado un N1 especifico.
P N1
N2 = (2.5)
(1 − P )
15
Parte III.
DISTRIBUCIONES Y
FRECUENCIAS
16
3. LLEGADAS Y SERVICIOS
Se recolectaron 83 datos como se acordó en la parte anterior, a cada cliente
se le tomo la diferencia en llegar con respecto al cliente anterior y el tiempo que
tomó lavar su moto. Los datos recogidos se resumen en las siguientes tablas:
17
3. LLEGADAS Y SERVICIOS
18
3. LLEGADAS Y SERVICIOS
Esto implica que la gran parte de los clientes llegan entre 6.22 y 7.46 minutos,
atenderlos toma entre 14.61 y 15.33 minutos. Intuitivamente se puede notar
la necesidad de que al menos existan dos lavadores, para lograr atender a los
clientes.
3.3. Distribución
Para poder calcular ciertas probabilidades es necesario entender que distri-
bución sigue cada una de las varı́ales a estimar. Sin embargo, tratar de estimar
el tiempo de espera que toma entre un evento y otro tı́picamente se conoce co-
mo procesos estocásticos, el cual tiene una estrecha relación con la distribución
exponencial. Esto en términos más formales implica redactar una hipótesis.
Ho : Los datos se distribuyen exponencialmente.
Ha : Los datos no se distribuyen exponencialmente.
19
3. LLEGADAS Y SERVICIOS
20
3. LLEGADAS Y SERVICIOS
Note que el origen de la figura 3.1 es 5 mientras que en la figura 3.2 es 13,
pero la distribución exponencial empieza a partir de 0. Lo que sucede es que no
se encontró ningún cliente que llegara con una diferencia inferior a 4 minutos,
ni un lavado que tomara menos de 12 minutos. Es decir que la función de
densidad de los datos si llegaran a ser exponenciales para los dos casos serı́an
validos solo para valores de x mayores que 4 y 12 respectivamente.
21
3. LLEGADAS Y SERVICIOS
n
1 1X
= Xoi − K (3.3)
λ n
i=0
Pero para la sumatoria K es constante luego se tiene:
n
1 1X 1
+K = Xoi = (3.4)
λ n λo
i=0
Entradas Servicios
Promedioo = 1/λo 6,84 14,97
λo 0,146 0,06
Promedio teorico = λ 6,84-4=2,84 14,97-12=2,97
λ 0,35 0,33
22
3. LLEGADAS Y SERVICIOS
La función de densidad teórica para las entradas al sistema está dada por la
fórmula:
λe−λx = 0,0,35e−0,0,35(xo −4) (3.5)
La función de densidad teórica para los tiempos de lavado está dada por la
fórmula:
λe−λx = 0,0,33e−0,33(xo −12) (3.6)
Para una distribución exponencial la función acumulada está dada por:
Z a
F (a) = λe−λx = 1 − eλx = F (X) (3.7)
0
Entonces
−1
x= Ln(1 − p) = xo − 5
λ
−1
xo = Ln(1 − p) + 5
λ
Finalmente se pueden calcular tanto F (X observado) como F (X teórico)
y dada la distribución acumulada obcecada el Xo que espera la distribución
teóricamente.
23
3. LLEGADAS Y SERVICIOS
24
3. LLEGADAS Y SERVICIOS
3.4. Gráficos QQ
Aún cuando las dos funciones son decrecientes y puede que se asemejen a
una distribución exponencial negativa las últimas imágenes no brindaron su-
ficiente claridad sobre el tema. Entonces resulta más preciso acudir a gráficos
QQ comparando la variable observada en cada caso, con la variable teórica. [2]
25
3. LLEGADAS Y SERVICIOS
Estas dos últimas imágenes son de mucha más ayuda ya que se nota una
fuerte tendencia de los puntos a seguir una lı́nea recta lo que refuerza bastante
la hipótesis que los datos se distribuyen exponencialmente. Para acabar con
las dudas se realizará una prueba de Kolmogorov-Smirnov.
26
3. LLEGADAS Y SERVICIOS
27
3. LLEGADAS Y SERVICIOS
1,36
√ = 0,149 (3.9)
83
En el primer caso el valor del estadı́stico 0.087 es menor que 0.149, en el segundo
caso de igual manera se cumple 0.133 menor que 0.149. Luego no existe evi-
dencia suficiente para rechazar la hipótesis nula en la cual las variables siguen
una distribución exponencial negativa. Para verificar mejor este procedimiento
puede revisar el libro Fundamentos de inferencia estadı́stica del profesor Juan
Jose Obagi. [3]
28
4. SISTEMA DE COLAS
4.1. Caracterı́sticas básicas de un sistema en
equilibrio
Si en un sistema de colas se puede definir una taza de llegada exponencial
λe−x de manera similar se puede decir que el servicio tiene un comportamiento
µe−µx . Se puede decir que el sistema esta en equilibrio si ρ = µS λ
es menor que
1. Donde S representa la cantidad de servidores. En este caso basta con hacer
λ =0,146 en la ecuación 3.5 y µ =0,066 en la ecuación 3.6, además teniendo
0,146
en cuenta que el total de servidores es 2, entonces 2∗0,066 1,094 mayor que 1.
Luego se puede decir que el sistema no está en equilibrio. Esto quiere decir que
el sistema crece mas rapidamente de lo que los operarios logran abarcar, por
0,146
lo que se nececesitan al menos 3 lavadores para obtener 3∗0,066 = 0,7294
En el libro Investigación de operaciones de Wayne L. Winston se pueden apre-
ciar las demostraciones de fórmulas básicas que se cumplen para un sistema
de colas que se encuentra en equilibrio [4] muchas de ellas serán usadas a
continuación.
Sea W el tiempo en que un cliente espera en el servicio entonces W=Wq + µ1 ,
donde Wq es el tiempo promedio que una moto pasa en la fila. Similarmente
Lq es la longitud promedio en cantidad de motos, para esta última se cumple:
Wq = Lλq .
29
4. SISTEMA DE COLAS
(sρ)s
p(j ≥ s) = P (4.1)
s−1 (sρ)i (sρ)s
s!(1 − ρ) i=0 i! + s!(1−ρ)
p(j ≥ s)ρ
Lq = (4.2)
1−ρ
En conclución estos son los datos extraı́dos según la cantidad de servidores que
atiendan a los clientes.
Servidores s 3 4 5
Rho p 0,72 0,54 0,43
Probabilidad de que el sistema este lleno J≥S 0,25 0,13 0,06
Longitud de la cola Lq 0,69 0,16 0,04
Tiempo de espera W 19,7 16,0 15,3
30
5. CONCLUSIONES
Si el dueño realmente quiere que sus clientes esperen durante periodos muy
cortos de tiempo necescitará de 5 lavadores, aunque no será una mala elección
tomar solo 4 servidores. Algo interesante que se puede observar es que aún con
tres empleados el sistema corre una gran probabilidad de generar fila. En un
principio el dueño creı́a que bastaba con contratar solo un lavador nuevo, pero
los datos demuestran que aún para tres servidores el sistema corre grandes
probabilidades de generar cola. Este trabajo ha permitido conocer mucho de
la gran ayuda que representa la teorı́a de colas en la administración y solución
de problemas. Además de ser una herramienta con infinitas aplicaciones es
también una gran ayuda para la toma de decisiones.
31
Bibliografı́a
[1] Lee J. Krajewski, Larry P. Ritzman Administracion de operaciones
estrategias y análisis, 2008, Uso de modelo de filas para operaciones, Pag 33
32