Io2 TEORÍA DE COLAS-trabajo FINAL

HAROLD ENRIQUE COHEN PADILLA
Ingeniero Industrial
Magister en Ingeniería de Confiabilidad y Riesgo
Especialista en Gerencia de la Salud Ocupacional
TRABAJO DE TEORIA DE COLAS DE UN BANCO
DORQUI JOSE ACEVEDO DIAZ
EFRAIN EDUARDO FORTICH ARELLANO
RONALD FLOREZ BARCASNEGRAS
ERVIN LENES BURBANO
TEORÍA DE COLAS -TRABAJO PREVIO DE CAMPO
INGENIERO INDUSTRIAL
FUNDACIÓN UNIVERSITARIA TECNOLÓGICO COMFENALCO
FACULTAD DE INGENIERÍA
ING. INDUSTRIAL-SECCION 9-SEMESTRE 7
CARTAGENA DE INDIAS D.T. y C
2020
Tabla de contenido
1. GLOSARIO------------------------------------------------------------------------------------------------- 5
2. RESUMEN--------------------------------------------------------------------------------------------------- 6
3. INTRODUCCIÓN------------------------------------------------------------------------------------------ 7
4. PROBLEMA------------------------------------------------------------------------------------------------ 8
5. JUSTIFICACIÓN------------------------------------------------------------------------------------------ 8
6. OBJETIVO-------------------------------------------------------------------------------------------------- 9
7. MARCO REFERENCIAL-----------------------------------------------------------------------------10
8. METODOLOGÍA----------------------------------------------------------------------------------------- 11
8.1 CONTEXTO LUGAR DE TRABAJO-------------------------------------------------------------11
8.2 SIMULACIÓN MONTE CARLO--------------------------------------------------------------------12
9. RESULTADOS------------------------------------------------------------------------------------------- 13
9.1 ANALISIS DE LA MUESTRA------------------------------------------------------------------------15
9.2 DATOS ANALIZADOS--------------------------------------------------------------------------------- 16
10. ANÁLISIS--------------------------------------------------------------------------------------------------- 20
10.1 COMPARATIVO ENTRE LOS TIEMPOS PROMEDIO DE ESPERA---------------22
11. CONCLUSIONES---------------------------------------------------------------------------------------- 23
12. RECOMENDACIONES--------------------------------------------------------------------------------- 24
13. BIBLIOGRAFÍAS----------------------------------------------------------------------------------------- 25
14. ANEXOS----------------------------------------------------------------------------------------------------- 26
LINK DE SUSTENTACIÒN DEL TRABAJO

https://web.microsoftstream.com/video/4b669fd9-7786-466c-920d-35093228027e
Lista de imágenes
1. IMAGEN 1 ---------------------------------------------------------------------------------10
2. IMAGEN 2---------------------------------------------------------------------------------10
3. IMAGEN 3---------------------------------------------------------------------------------15
4. IMAGEN 4---------------------------------------------------------------------------------17
5. IMAGEN 5-----------------------------------------------------------------------------------8
1. GLOSARIO
 ESTOCÁSTICO: Son efectos que pueden aparecer, pero no lo hacen

necesariamente. Lo más que se puede decir es que existe una
cierta probabilidad de que estos efectos se produzcan.
 DETERMINÍSTICO: Es un modelo matemático donde las

mismas entradas producirán invariablemente las mismas salidas, no contemplándose
la existencia del azar ni el principio de incertidumbre.
 ESTADOS TRANSITORIOS: El estado i es transitorio si y sólo si comenzando

en el estado i, el número esperado de instantes que la cadena está en i es
finito.
 ESTADOS ABSORBENTES: Es aquel estado en que se cumple la condición

que, una vez llegado a él, no se puede salir del mismo, es decir, no es
transitorio el optar esta posición, es absoluta.
 FACTOR DE UTILIZACIÓN: Es la relación entre la tasa de llegada y la

capacidad del sistema. Cuando esta es mayor que 1 no alcanza el estado
estacionario.
5
2. RESUMEN
La teoría de cola es, por supuesto, un fenómeno común que ocurre siempre que la
demanda de un servicio pueda ser congestionada, en este caso se realizó un
estudio a la sucursal bancaria del centro comercial paseo de la castellana, a la que
anticipadamente se le realizo una muestra (MAS) en este caso para considerar
una población estimada a la cual se le realizaría la aplicación de una encuesta,
siendo así muy considerable, ya que eso nos permitió tener valores y
justificaciones de cada actividad que ejerce cada persona en este banco, tanto
como de los servicios, espera, llegada y otras determinadas actividades
recurrentes en este, así también nos arrojó porcentualidades y gráficos pertinentes
que son muy importantes para tener claridad del estudio, todo esto simulado en
base al comportamiento de las personas y las operaciones que realizan en las
entidad bancaria determinando el tamaño óptimo de la muestra y pertinente al
resultado arrojado, se le dio continuidad a una encuesta virtual para proceder con
el respectivo análisis, así mismo la recolección de datos donde se presentaron
preguntas pertinentes como tiempo de espera en el sistema, operaciones a
realizar, horarios de referencias entre otros, y de acuerdo a esto la mayoría de las
personas con un gran porcentaje prefieren la jornada de la mañana para asistir al
banco, también descubrimos que realizan varias actividades al mismo tiempo, y
mediante el sistema M/M/1 arrojo que el factor de utilización es mayor a 1 lo cual
no alcanza el estado estacionario, probando con 4 cajeros donde se obtuvo un
factor de utilización del 0,95 alcanzando así el estado estacionario, decidimos con
5 cajeros obteniendo un factor de utilización del 0,76, esto determina distintos
factores, con el fin de analizar el tiempo de llegada y servicio de atención para
tomar decisiones, plantear y proponer de acuerdo a esto, alternativas que
permitan la mejora de la prestación del servicio y aumentar la satisfacción de los
clientes.
6
3. INTRODUCCIÓN
La teoría de colas se da en cualquier tipo de sistema ya sea bancos

supermercados, estacionamientos etc. Este fenómeno de las colas se da cuando
la cantidad de personas que llegan a este establecimiento es mayor al número de
personas que son atendidas en el mismo.
Este estudio es importante porque en base a ello se puede lograr una mejora en el
sistema, sabiendo la modalidad del servicio y como llega la población.
Nuestro trabajo tomó como ejemplo la entidad bancaria Bancolombia ubicada en

el centro comercial la Castellana en la ciudad de Cartagena donde se realizó una
encuesta para obtener una muestra y poder realizar un análisis donde nos da
resultados y poder construir el modelo actual para terminar con las conclusiones.
7
4. PROBLEMA
¿Con cuántos cajeros el sistema puede cumplir con la demanda propuesta con la
simulación de la sucursal bancaria Bancolombia en la jornada de la mañana en el
centro comercial paseo de la castellana?
5. JUSTIFICACIÓN
Luego de realizar el modelo de simulación Montecarlo nos dimos cuenta que la

entidad bancaria con 1 solo servidor no abastece de forma eficiente el número de
clientes por horas que llegan al banco y de esta manera se crean las filas de
espera. Por tal motivo, decidimos correr nuestro sistema con 5 cajeros donde el
factor de utilización es de 0,76 y el tiempo de espera en la cola es de
aproximadamente 40 min.
8
6. OBJETIVO
El objetivo del presente trabajo es demostrar la teoría de colas en la atención de

los clientes de la sucursal bancaria Bancolombia ubicada en el centro comercial
paseo de la castellana en la ciudad de Cartagena, con el fin de analizar el tiempo
de llegadas y servicio de atención para plantear y proponer de acuerdo a esto,
alternativas que permitan la mejora continua en la prestación del servicio y
aumentar la satisfacción de los clientes.
9
7. MARCO REFERENCIAL
La función principal de la teoría de colas es modelar sistemas de espera tales que

funcionan de la siguiente manera. Existe un medio al que llegan clientes
demandando cierto servicio. Luego, a consecuencia de que la demanda no puede
ser satisfecha inmediatamente, se forma una cola (o línea de espera) de clientes
en espera de ser atendidos por el o los servidores correspondientes. Los tiempos
entre arribo de clientes consecutivos al sistema y los tiempos de servicio son
aleatorios, y son representados por variables aleatorias con alguna distribución de
probabilidad. En particular, en este trabajo estudiaremos colas en las que ambas
variables aleatorias tienen
distribución exponencial. A este tipo de colas se les conoce como colas

poissonianas debido a la relación entre las distribuciones de Poisson y
exponencial. El término clientes es general.
10
8. METODOLOGÍA
8.1 CONTEXTO LUGAR DE TRABAJO
El lugar en que se desarrollará el caso simulado será: En la sucursal Bancolombia

de la castellana en Cartagena, en el cual se calculará las medidas de evolución
del sistema. Nuestro caso simulado comienza hallando el tamaño óptimo de la
muestra por medio de la formula estadística (muestreo aleatorio simple) y una
encuesta virtual sobre el comportamiento de las personas y las operaciones que
realizan en las entidades bancarias.
Imagen 1- Dirección de Sucursal De Bancolombia

Imagen 2- Ubicación desde Google maps
8.2
SIMULACIÓN MONTE CARLO
La simulación Monte Carlo es una técnica matemática computarizada que permite

tener en cuenta el riesgo en análisis cuantitativos y tomas de decisiones. Dando
solución a una gran variedad de problemas matemáticos haciendo experimentos
con muestreos estadísticos en una computadora. El método es
aplicable a cualquier tipo de problema, tipo Estocástico o determinístico. Esta
técnica es utilizada por profesionales de campos tan dispares como los de
11
finanzas, gestión de proyectos, energía, manufacturación, ingeniería, investigación

y desarrollo, seguros, petróleo y gas, transporte y medio ambiente.
La clave de la simulación MC consiste en crear un modelo matemático del sistema
, proceso o actividad que
se quiere analizar, identificando aquellas variables (inputs del modelo)
cuyo comportamiento aleatorio determina el comportamiento global del
sistema. Una vez identificados dichos inputs o variables aleatorias, se lleva a cabo
un experimento consistente en (1) generar – con ayuda del ordenador‐ muestras
aleatorias (valores concretos) para dichos inputs, y (2) analizar el comportamiento
del sistema ante los valores generados.
Tras repetir n veces este experimento, dispondremos de n observaciones

sobre el comportamiento del sistema, lo cual nos será de utilidad para entender el
funcionamiento del mismo. Obviamente, nuestro análisis será tanto más
preciso cuanto mayor sea el número n de experimentos que llevemos a cabo.
12
9. RESULTADOS
SIMULACION DE ATENCION EN UN BANCO: TEORIA DE COLAS
LLEGADAS SERVICIO
MOMENTO TIEMPO DE TIEMPO DE
TIEMPO ENTRE TIEMPO TIPO DE TIEMPO DE
CLIENTE ALEATORIO 1 DE LA INICIO DEL ALEATORIO 2 TERMINACION
LLEGADAS DE ESPERA OPERACIÓN SERVICIO
LLEGADA SERVICIO DEL SERCVICIO
1 0,46362611 00:01:37 9:31:37 9:31:37 0:00:00 0,7667227 DEPOSITO 0:06:10 9:37:47
2 0,648635407 00:02:16 9:33:54 9:37:47 0:03:54 0,0814959 PAGOS 0:07:00 9:40:54

3 0,725248223 00:02:32 9:36:26 9:40:54 0:04:28 0,0566305 PAGOS 0:07:00 9:43:26
4 0,245660789 00:00:52 9:37:17 9:43:26 0:06:08 0,8198255 DEPOSITO 0:06:10 9:43:27
5 0,804878502 00:02:49 9:40:06 9:43:27 0:03:21 0,8107287 DEPOSITO 0:06:10 9:46:16
6 0,289361049 00:01:01 9:41:07 9:46:16 0:05:09 0,8685770 DEPOSITO 0:06:10 9:47:17
7 0,197359911 00:00:41 9:41:49 9:47:17 0:05:29 0,3114870 RETIRO 0:04:15 9:46:04
8 0,294301786 00:01:02 9:42:51 9:46:04 0:03:13 0,9908325 OTROS 0:04:00 9:46:51
9 0,920911016 00:03:13 9:46:04 9:46:51 0:00:47 0,9913047 OTROS 0:04:00 9:50:04
10 0,036460292 00:00:08 9:46:12 9:50:04 0:03:52 0,1531679 PAGOS 0:07:00 9:53:12
11 0,745046524 00:02:36 9:48:48 9:53:12 0:04:24 0,2761255 RETIRO 0:04:15 9:53:03
12 0,577433786 00:02:01 9:50:49 9:53:03 0:02:14 0,8745764 DEPOSITO 0:06:10 9:56:59
13 0,777156742 00:02:43 9:53:32 9:56:59 0:03:27 0,5407366 RETIRO 0:04:15 9:57:47
14 0,4079878 00:01:26 9:54:58 9:57:47 0:02:49 0,9105273 DEPOSITO 0:06:10 10:01:08
15 0,946767774 00:03:19 9:58:17 10:01:08 0:02:51 0,7447387 TRANSF 0:10:45 10:09:02
16 0,984905006 00:03:27 10:01:44 10:09:02 0:07:18 0,1030668 PAGOS 0:07:00 10:08:44
17 0,022874447 00:00:05 10:01:49 10:08:44 0:06:55 0,3209135 RETIRO 0:04:15 10:06:04
18 0,771137274 00:02:42 10:04:31 10:06:04 0:01:33 0,6324424 TRANSF 0:10:45 10:15:16
19 0,732805361 00:02:34 10:07:04 10:15:16 0:08:11 0,3657028 RETIRO 0:04:15 10:11:19
20 0,108406625 00:00:23 10:07:27 10:11:19 0:03:52 0,6792001 TRANSF 0:10:45 10:18:12
21 0,120312137 00:00:25 10:07:52 10:18:12 0:10:20 0,5844331 RETIRO 0:04:15 10:12:07
22 0,734915041 00:02:34 10:10:27 10:12:07 0:01:41 0,7378917 TRANSF 0:10:45 10:21:12
23 0,877382212 00:03:04 10:13:31 10:21:12 0:07:41 0,8151131 DEPOSITO 0:06:10 10:19:41
24 0,339066565 00:01:11 10:14:42 10:19:41 0:04:59 0,9712891 OTROS 0:04:00 10:18:42
25 0,788880871 00:02:46 10:17:28 10:18:42 0:01:14 0,8724105 DEPOSITO 0:06:10 10:23:38
26 0,755060434 00:02:39 10:20:06 10:23:38 0:03:31 0,5884550 TRANSF 0:10:45 10:30:51
27 0,741850274 00:02:36 10:22:42 10:30:51 0:08:09 0,9001157 DEPOSITO 0:06:10 10:28:52
28 0,119058372 00:00:25 10:23:07 10:28:52 0:05:45 0,7618591 TRANSF 0:10:45 10:33:52
29 0,00534244 00:00:01 10:23:08 10:33:52 0:10:44 0,8337986 DEPOSITO 0:06:10 10:29:18
30 0,019452082 00:00:04 10:23:12 10:29:18 0:06:06 0,6278291 TRANSF 0:10:45 10:33:57
31 0,88066473 00:03:05 10:26:17 10:33:57 0:07:40 0,4993206 RETIRO 0:04:15 10:30:32
32 0,822949617 00:02:53 10:29:10 10:30:32 0:01:22 0,7494817 TRANSF 0:10:45 10:39:55
33 0,797971802 00:02:48 10:31:58 10:39:55 0:07:57 0,9692634 OTROS 0:04:00 10:35:58
34 0,243780484 00:00:51 10:32:49 10:35:58 0:03:09 0,6456295 TRANSF 0:10:45 10:43:34
35 0,955533894 00:03:21 10:36:10 10:43:34 0:07:24 0,7491589 TRANSF 0:10:45 10:46:55
36 0,239637995 00:00:50 10:37:00 10:46:55 0:09:55 0,5638197 RETIRO 0:04:15 10:41:15
37 0,224117337 00:00:47 10:37:47 10:41:15 0:03:28 0,9009652 DEPOSITO 0:06:10 10:43:57
38 0,328639444 00:01:09 10:38:56 10:43:57 0:05:01 0,7465823 TRANSF 0:10:45 10:49:41
39 0,946246717 00:03:19 10:42:15 10:49:41 0:07:26 0,5319716 RETIRO 0:04:15 10:46:30
40 0,63447035 00:02:13 10:44:28 10:46:30 0:02:02 0,2871827 RETIRO 0:04:15 10:48:43
41 0,998167261 00:03:30 10:47:58 10:48:43 0:00:45 0,9823665 OTROS 0:04:00 10:51:58
42 0,451453924 00:01:35 10:49:32 10:51:58 0:02:25 0,2871893 RETIRO 0:04:15 10:53:47
43 0,398332099 00:01:24 10:50:56 10:53:47 0:02:51 0,7470273 TRANSF 0:10:45 11:01:41
44 0,797269139 00:02:47 10:53:44 11:01:41 0:07:58 0,7695256 DEPOSITO 0:06:10 10:59:54
45 0,155538801 00:00:33 10:54:16 10:59:54 0:05:37 0,7359100 TRANSF 0:10:45 11:05:01
46 0,543197243 00:01:54 10:56:10 11:05:01 0:08:51 0,4252842 RETIRO 0:04:15 11:00:25
47 0,004516895 00:00:01 10:56:11 11:00:25 0:04:14 0,6488201 TRANSF 0:10:45 11:06:56
48 0,670689007 00:02:21 10:58:32 11:06:56 0:08:24 0,2092037 RETIRO 0:04:15 11:02:47
49 0,46057965 00:01:37 11:00:09 11:02:47 0:02:38 0,4164420 RETIRO 0:04:15 11:04:24
50 0,653656345 00:02:17 11:02:26 11:04:24 0:01:58 0,3011138 RETIRO 0:04:15 11:06:41
51 0,987593131 00:03:27 11:05:53 11:06:41 0:00:48 0,5032178 RETIRO 0:04:15 11:10:08
52 0,729085294 00:02:33 11:08:27 11:10:08 0:01:42 0,7521716 TRANSF 0:10:45 11:19:12
53 0,716693344 00:02:31 11:10:57 11:19:12 0:08:14 0,3684036 RETIRO 0:04:15 11:15:12
54 0,006717101 00:00:01 11:10:58 11:15:12 0:04:14 0,0248686 PAGOS 0:07:00 11:17:58
55 0,004074979 00:00:01 11:10:59 11:17:58 0:06:59 0,1723389 PAGOS 0:07:00 11:17:59
56 0,014618488 00:00:03 11:11:02 11:17:59 0:06:57 0,4871845 RETIRO 0:04:15 11:15:17
57 0,706372548 00:02:28 11:13:31 11:15:17 0:01:47 0,8600601 DEPOSITO 0:06:10 11:19:41
58 0,132536017 00:00:28 11:13:59 11:19:41 0:05:42 0,9739014 OTROS 0:04:00 11:17:59
59 0,986201289 00:03:27 11:17:26 11:17:59 0:00:33 0,0774773 PAGOS 0:07:00 11:24:26
60 0,136966675 00:00:29 11:17:54 11:24:26 0:06:31 0,0944442 PAGOS 0:07:00 11:24:54
61 0,976559945 00:03:25 11:21:19 11:24:54 0:03:35 0,9090798 DEPOSITO 0:06:10 11:27:29
62 0,449811771 00:01:34 11:22:54 11:27:29 0:04:36 0,8044745 DEPOSITO 0:06:10 11:29:04
63 0,068665954 00:00:14 11:23:08 11:29:04 0:05:56 0,4083927 RETIRO 0:04:15 11:27:23
64 0,84028855 00:02:56 11:26:05 11:27:23 0:01:19 0,4332575 RETIRO 0:04:15 11:30:20
65 0,367378542 00:01:17 11:27:22 11:30:20 0:02:58 0,9855354 OTROS 0:04:00 11:31:22
66 0,282470207 00:00:59 11:28:21 11:31:22 0:03:01 0,6126934 TRANSF 0:10:45 11:39:06
67 0,105836718 00:00:22 11:28:44 11:39:06 0:10:23 0,7933306 DEPOSITO 0:06:10 11:34:54
68 0,537840477 00:01:53 11:30:36 11:34:54 0:04:17 0,6492927 TRANSF 0:10:45 11:41:21
69 0,34055646 00:01:12 11:31:48 11:41:21 0:09:33 0,6313950 TRANSF 0:10:45 11:42:33
70 0,801278882 00:02:48 11:34:36 11:42:33 0:07:57 0,8043093 DEPOSITO 0:06:10 11:40:46
71 0,199519565 00:00:42 11:35:18 11:40:46 0:05:28 0,0551020 PAGOS 0:07:00 11:42:18
72 0,04580163 00:00:10 11:35:28 11:42:18 0:06:50 0,3740273 RETIRO 0:04:15 11:39:43
73 0,189408005 00:00:40 11:36:08 11:39:43 0:03:35 0,0072016 PAGOS 0:07:00 11:43:08
Tabla 1- Modelo de Simulación MONTECARLO.
13
PROMEDIO=== 00:01:44 PROMEDIO=== 0:06:39

104 SEG 399 SEG
1 clientes
λ= = 34,6153846 1 clientes
104 horas μ= = 9,022556391
399 hora
MM1
LLEGADAS
HORA DE
Li Ls DESV
INICIO
0:00:00 00:04:00 0:03:30 9:30:00
NOTA: Debido que hay mucha aleatoridad
Li Ls TIPO OPERACIÓN TIME OP nosotros decidimos tener una desviacion de
0 0,20 PAGOS 0:07:00 estandar de 4 min
0,20 0,59 RETIRO 0:04:15
0,59 0,76 TRANSF 0:10:45
0,76 0,93 DEPOSITO 0:06:10PROMEDIO 158,6 100% T.P %
0,93 1 OTROS 0:04:00 P 32 PAGO 0,20 20,18
Tabla 2-Modelo de teoría de colas. R 61,3 RETIRO 0,39 38,65
T 28 TRANSF 0,18 17,65
D 26,7 DEPOSITO 0,17 16,83
O 10,6 OTROS 0,07 6,68
Tabla 3-Tipos de Operaciones.
NOTA: Teniendo encuenta que cada persona

puede realizar 1 o varios tipos de operación en el
banco.
14
9.1 ANALISIS DE LA MUESTRA
El margen o nivel de confianza se encuentra estipulada dentro de la tabla de

probabilidades estadística, pero para esta aplicación muestral es pertinente por el
hecho que al considerar el 95% que equivale a 1.96 estandarizadamente en
probabilidad, este justifica en nuestro muestreo aleatorio simple y es porque
representa el porcentaje de intervalos que incluye el parámetro de población,
tomándose este nivel de confianza para la realización de esta muestra
objetivamente para la obtención de un resultado.
En cuanto al margen de error se determina su aplicación dentro del desarrollo

muestral con un 5% y como estamos trabajando con valores relativos entonces
tiene una equivalencia del 0.05, tomándolo como el máximo error este es un
parámetro considerado dentro de la fórmula del (MAS), refiriéndonos a la cantidad
de errores este también es considerado aleada con el nivel de confianza, para la
apropiación de los requisitos planteados dentro del muestreo en este caso
relacionado a una población la cual ha de determinar encuestar, Que para lo cual
antes de iniciar una investigación o encuesta hemos de definir nuestra población.
En este caso el 73 es el tamaño de la muestra definitiva que se requiere para

nuestro estudio, que consiste en estimar la proporción de usuarios
correspondiente en la sucursal bancaria de Bancolombia del centro comercial
paseo de la castellana para el desarrollo de nuestra actividad.
9.2 DATOS
ANALIZADOS
15
N: tamaño óptimo de la muestra

μ : tiempo de servicio
λ : tiempo de llegada
Vl : velocidad de llegada
Vs : velocidad de servicio
S : Servidores
16
Imagen 3-Encuesta Virtual.
29,3 % Esperan menos de 15min

29,3% Esperan entre 15 a 30 min
16% Esperan entre 30 a 45 min
14% Esperan entre 45min a 1 hora
4% Esperan entre 1 hora a 1:30 hora
6,7% Esperan mas de 1:30 hora
Diagrama 1-Tiempo de espera de los clientes.
53,3% Asisten al banco en la mañana

24% Asisten al banco al medio dia
22,7% Asisten al banco en la tarde
Diagrama 2- Jornada de llegada de los clientes.
17
Diagrama 3-Tipos de operaciones realizadas por los clientes.
Diagrama 4- % total de las operaciones realizadas por los clientes.
18
Imagen 4- Ficha técnica de la encuesta
19
10. ANÁLISIS
El modelo que implementamos en nuestra simulación de un servicio bancario es el

modelo MM donde la primera M es un proceso markoviano donde la tasa de
llegada es tipo poisson y la segunda M también es markoviano donde la tasa de
servicio es de tipo exponencial. Nuestra simulación la empezamos con un
servidor, donde el impacto de la demanda por hora era superior a la capacidad
max de atención del banco.
El tamaño de la cola no se ve afectado al momento de añadir nuevos servidores al

banco, pero si genera un impacto respecto al tiempo de espera, ya que al mayor
número de servidores disponibles en el banco se reduce el tiempo de espera en la
cola.
 Análisis de Condiciones
Para el sistema m/m/1, el factor de utilización es mayor que 1 por tal motivo no se
alcanza el estado estacionario. Partiendo de esto comenzamos a simular con más
cajeros.
clientes
λ=34.61
hora
clientes
μ=9.02
hora
λ 34.61
p= = =3.83
μ 9.02
Para el primer análisis probamos con 4 cajeros, donde el factor de utilización nos
da 0,95 por tal el sistema si alcanza el estado transitorio, pero quedaría muy al
límite sin darle tiempo a los cajeros para un respiro, por ende, decidimos correr
nuestro sistema con 5 cajeros donde el factor de utilización es de 0,76
20
Cuatro servidores.
λ 34.61
p= = =0.95
kμ 4∗9.02
Cinco servidores
λ 34.61
p= = =0.76
kμ 5∗9.02
Probabilidad de que no haya nadie en el sistema
1
Po=
(λ /μ) ( λ/ μ)k
n
kμ
n
+
k (
(kμ−λ) )
1
Po=
(34.61/9.02) (34.61/9.02) (34.61/9.02)5
0 1
5∗9.02 = 0,0013
0
+
1
+
5 (
(5∗9.02−34.61) )
Numero promedio de unidades en la cola
(λ /μ)k μλ
Lq= Po
(k −1) !(kμ− λ)2
(34.61/9.02)5 9.02∗34.61
Lq= 0.0013=23.53
(5−1)! (5( 9.02)−34.61)2
Tiempo promedio que una unidad pasa en una cola
Lq
Wq=
λ
23.53
Wq= =0.68 hora
34.61
21
10.1 COMPARATIVO ENTRE LOS TIEMPOS PROMEDIO DE ESPERA
Realizando un comparativo entre los diferentes tiempos de espera tenemos lo

siguiente: Según el modelo Montecarlo el tiempo de espera es de 00:05:55 con los
5 servidores, el modelo matemático de colas con 5 servidores es de 00:04:08 y
según la encuesta solo el 29.3 de las personas encuestadas está dispuesta a
esperar menos de 15 minutos
 Realice SIMULACIONES pesando en “qué pasaría si?”

o Incrementando o reduciendo el valor de LAMBDA
o Incrementando o reduciendo el valor de MIU
Si reducimos LAMDA a la mitad (34/2= 17) y aumentamos MIU al doble (9*2=18)

tendríamos los siguientes valores utilizado el modelo m/m/1 el factor de utilización
nos da 0,94 por tal el sistema si alcanza el estado transitorio, pero quedaría muy
sobrecargado sin darle un descanso a los cajeros.
λ 17
p= = =0.94
μ 18
Numero promedio de unidades en la cola
λ2
Lq=
μ( μ−λ)❑
172
Lq= =16.05 clientes/hora
18( 18−17)❑
Numero promedio de unidades en el sistema
λ
Ls=
μ−λ
17
Ls= =17 clientes/hora
18−17
22
o Incrementando o reduciendo la cantidad de servidores
11. CONCLUSIONES
 El número de servidores actual no satisface la demanda existente.

 El tiempo promedio en horas desde la llegada de un cliente al sistema hasta
su atención es mayor porque hacen falta servidores en el sistema.
 Realizar un diagnóstico que permita conocer el flujo aproximado de clientes
(tanto en horas pico como en horas donde el banco está despejado) esto
permite determinar el número de cajeros, para que el banco pueda brindar
un buen servicio.
 Para los clientes es fundamental tener a la mano los documentos en orden,
el dinero y otras cosas que son pertinentes. Y no tener que buscar y
ordenar todo frente al cajero ya que esto disminuye un poco la velocidad de
atención del sistema
23
12. RECOMENDACIONES
 Todas aquellas acciones que, no siendo urgentes, se dejan como apoyo

para la mejora de las condiciones del proceso de colas: acciones de
mercadeo, acciones operativas internas, otras.
 Agilizar los procesos e incentivar al personal encargado de las cajas a
reducir los tiempos de servicio.
 Aumentar el número de servidores por sucursal en las horas pico y
principalmente los días donde hay mayor flujo de clientes como los días de
quincena y fines de mes.
24
13. BIBLIOGRAFÍAS
 TAHA, HAMDY A. Investigación de operaciones, 7ª. Edición. PEARSON

EDUCACIÓN, México, 2004. ISBN 9702604982.
 Grijalva, Y. Métodos cuantitativos para los negocios. Cap-8

(2009). Recuperado de: https://uplamcdn.files.wordpress.com/2009/04/libro-
cap-08.pdf
 CAO ABAD, RICARDO Introducción a la Simulación y a la Teoría de Colas.

Netbiblo, 2002. ISBN:8497450175.
25
14. ANEXOS
Imagen 5-Sala de espera de la sucursal de Bancolombia. Imagen 6- Formato de la encuesta virtual.
Tabla 5- Tamaño Optimo de la muestra.
26
LINK DE SUSTENTACIÒN DEL TRABAJO

27
28

Io2 TEORÍA DE COLAS-trabajo FINAL

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

Io2 TEORÍA DE COLAS-trabajo FINAL

Cargado por

Copyright:

Formatos disponibles

HAROLD ENRIQUE COHEN PADILLA

TRABAJO DE TEORIA DE COLAS DE UN BANCO

DORQUI JOSE ACEVEDO DIAZ

EFRAIN EDUARDO FORTICH ARELLANO

RONALD FLOREZ BARCASNEGRAS

ERVIN LENES BURBANO

TEORÍA DE COLAS -TRABAJO PREVIO DE CAMPO

HAROLD ENRIQUE COHEN PADILLA

FUNDACIÓN UNIVERSITARIA TECNOLÓGICO COMFENALCO

ING. INDUSTRIAL-SECCION 9-SEMESTRE 7

CARTAGENA DE INDIAS D.T. y C

LINK DE SUSTENTACIÒN DEL TRABAJO

 ESTOCÁSTICO: Son efectos que pueden aparecer, pero no lo hacen

 DETERMINÍSTICO: Es un modelo matemático donde las

 ESTADOS TRANSITORIOS: El estado i es transitorio si y sólo si comenzando

 ESTADOS ABSORBENTES: Es aquel estado en que se cumple la condición

 FACTOR DE UTILIZACIÓN: Es la relación entre la tasa de llegada y la

La teoría de colas se da en cualquier tipo de sistema ya sea bancos

Nuestro trabajo tomó como ejemplo la entidad bancaria Bancolombia ubicada en

Luego de realizar el modelo de simulación Montecarlo nos dimos cuenta que la

El objetivo del presente trabajo es demostrar la teoría de colas en la atención de

La función principal de la teoría de colas es modelar sistemas de espera tales que

distribución exponencial. A este tipo de colas se les conoce como colas

8.1 CONTEXTO LUGAR DE TRABAJO

El lugar en que se desarrollará el caso simulado será: En la sucursal Bancolombia

Imagen 1- Dirección de Sucursal De Bancolombia

La simulación Monte Carlo es una técnica matemática computarizada que permite

finanzas, gestión de proyectos, energía, manufacturación, ingeniería, investigación

Tras repetir n veces este experimento, dispondremos de n observaciones

1 0,46362611 00:01:37 9:31:37 9:31:37 0:00:00 0,7667227 DEPOSITO 0:06:10 9:37:47

2 0,648635407 00:02:16 9:33:54 9:37:47 0:03:54 0,0814959 PAGOS 0:07:00 9:40:54

Tabla 1- Modelo de Simulación MONTECARLO.

PROMEDIO=== 00:01:44 PROMEDIO=== 0:06:39

NOTA: Teniendo encuenta que cada persona

9.1 ANALISIS DE LA MUESTRA

El margen o nivel de confianza se encuentra estipulada dentro de la tabla de

En cuanto al margen de error se determina su aplicación dentro del desarrollo

En este caso el 73 es el tamaño de la muestra definitiva que se requiere para

N: tamaño óptimo de la muestra

Imagen 3-Encuesta Virtual.

29,3 % Esperan menos de 15min

Diagrama 1-Tiempo de espera de los clientes.

53,3% Asisten al banco en la mañana

Diagrama 2- Jornada de llegada de los clientes.

Diagrama 3-Tipos de operaciones realizadas por los clientes.

Diagrama 4- % total de las operaciones realizadas por los clientes.

Imagen 4- Ficha técnica de la encuesta

El modelo que implementamos en nuestra simulación de un servicio bancario es el

El tamaño de la cola no se ve afectado al momento de añadir nuevos servidores al

Probabilidad de que no haya nadie en el sistema

Tiempo promedio que una unidad pasa en una cola

10.1 COMPARATIVO ENTRE LOS TIEMPOS PROMEDIO DE ESPERA

Realizando un comparativo entre los diferentes tiempos de espera tenemos lo

 Realice SIMULACIONES pesando en “qué pasaría si?”

Si reducimos LAMDA a la mitad (34/2= 17) y aumentamos MIU al doble (9*2=18)

Numero promedio de unidades en la cola

Numero promedio de unidades en el sistema

o Incrementando o reduciendo la cantidad de servidores

 El número de servidores actual no satisface la demanda existente.

 Todas aquellas acciones que, no siendo urgentes, se dejan como apoyo

 TAHA, HAMDY A. Investigación de operaciones, 7ª. Edición. PEARSON

 Grijalva, Y. Métodos cuantitativos para los negocios. Cap-8

 CAO ABAD, RICARDO Introducción a la Simulación y a la Teoría de Colas.