1.

INTRODUCCIÓN

La simulación de procesos puede ser definida como una técnica para evaluar en forma rápida
un proceso con base en una representación del mismo, mediante modelos matemáticos. La
solución de éstos se lleva a cabo por medio de programas de computadora y permite tener un
mejor conocimiento del comportamiento de dicho proceso.

La simulación moderna suele manejar situaciones que se pueden describir en el contexto de

una línea de espera o cola. La simulación no se limita a eso, porque casi cualquier situación
de funcionamiento se puede considerar como alguna forma de línea de espera. Esta es la
razón por la que la simulación ha gozado de aplicaciones tan tremendas en las redes de
comunicaciones, manufactura, control de inventario, comportamiento del cliente, pronósticos
económicos, sistemas biomédicos y estrategias y tácticas bélicas.

la simulación por la cual se guía este trabajo es la técnica de Monte Carlo, esquema dirigido
hacia la estimación de parámetros estocásticos o determinísticos con base en el muestreo
aleatorio. La diferencia principal entre las dos técnicas es que en el método de Monte Carlo el
elemento tiempo no es factor pertinente. (Taha, 2004)

Es por ello que se considera interesante poder aplicar este método de simulación para la
recreación de una problemática real observado en un contexto determinado, de forma que sea
posible diseñar una propuesta de mejora que permita la optimización del proceso de atención
y reduzca considerablemente los esfuerzos realizados y resolución de oportunidades de
mejora dentro del mismo.

2. OBJETIVOS

2.1. OBJETIVO GENERAL

Diseñar un modelo óptimo de prestación de servicio al cliente para el análisis de los tiempos
de atención al usuario en el banco BBVA manga en la ciudad de Cartagena.

2.2. OBJETIVOS ESPECÍFICOS

 Evaluar la situación actual del proceso de atención al usuario en el banco BBVA

manga en la ciudad de Cartagena.

 Identificar el modelo adecuado de teoría de colas aplicable al banco BBVA manga

utilizando una herramienta digital que contribuya a mejoras en el proceso.

 Análisis del comportamiento del flujo de atención mediante una simulación que
permita recrear el proceso de atención bajo parámetros reales y variables que cumplan
los requisitos de aleatoriedad.
  CONTEXTO

3.1. LUGAR DE TRABAJO

BANCO BBVA ubicado en la ciudad de Cartagena, Manga 156 Carrera 20 24ABIS #24,
Provincia de Cartagena, Bolívar, cuenta con dos cajas disponibles, pero usualmente solo
funciona una, maneja varios tipos de operación como consignaciones en cheque y efectivo,
retiros, transferencias, pago de impuestos, otros. El horario de atención de los clientes es de
lunes a viernes de 8:00am a 11:3 0am y de 14:00 pm a 16:30 pm

Figura 1. Ubicación del banco BBVA manga

3.2. ESTADÍSTICA

El propósito del muestreo es determinar una muestra representativa de una población

concreta para realizar la investigación de mercados y poder generalizar los resultados
obtenidos. La determinación de una muestra representativa requiere del diseño cuidadoso de
cada una de las etapas que forman el proceso de muestreo. El tamaño de la muestra elegida
está relacionado de forma directa con la precisión de los resultados y de forma inversa con los
costes del estudio. La estadística provee de los mecanismos necesarios para el cálculo del
tamaño óptimo, teniendo en cuenta el tamaño y variabilidad de la población, el error muestral
y el nivel de confianza que se desea obtener.

La fórmula para calcular el tamaño de muestra cuando se desconoce el tamaño de la

población es la siguiente:
Donde:

Calculo tamaño óptimo de

muestra
z 1,96
p 0,5
q 0,5
d 0,05
Tamaño óptimo
384,2
de muestra

Tabla 1. Tamaño óptimo de muestra

Se puede observar en la tabla anterior el cálculo del tamaño óptimo muestral para el banco,
en el cual se quiso tener un nivel de confianza alto del 95% para efectos de su equivalencia en
las tablas de distribución normal y un error del 5%, al no encontrar una referencia de trabajos
similares y a la naturaleza estocástica del ejercicio la literatura recomienda tomar 50 % de
probabilidad de éxito y un 50 % de probabilidad de fracaso.

 Usuarios encuestados

Con los resultados obtenidos en la encuesta se puede hacer una segmentación de las
características de las personas que son usuarios de los servicios del banco, la edad
mayoritaria de las personas que adquieren los servicios del banco están entre los 40 y 60
años, de estratos socioeconómicos entre (3 y 4), dispuestos a esperar entre 40 y 50 minutos
para ser atendidos, habitualmente asisten al banco en las horas de la mañana de 8 a 11:30 am,
realizando consignaciones en efectivo en el banco
 FICHA TECNICA
1 Nombres y apellidos ¿Qué edad tiene? ¿Barrio de ¿Que estrato socieconómico es? ¿Cuánto estaría ¿En qué horario asiste ¿Qué tipo de servicio realiza
2 CAMPO PEREZ ARMANDO 40 a 60 años MANGA 5a6 Entre 40 y 50 minutos 8 am a 11:30 am CONSIG EFEC
3 BARRIOS PEREZ ZULY MARGARITA 20 a 40 años MANGA 5a6 Entre 20 y 30 minutos 8 am a 11:30 am CONSIG EFEC
4 RODRIGUEZ PEREZ FABIOLA BERNARDA 40 a 60 años PIE DEL CERRO 3a4 Entre 40 y 50 minutos 14 pm a 16:30 pm CONSIG EFEC
5 CASTRILLON IGLESIAS YAZMIN PATRICIA 40 a 60 años MANGA 5a6 Entre 20 y 30 minutos 8 am a 11:30 am PAGO IMPUESTOS
6 CORDERO CORTES JOSIE DAVID 20 a 40 años CENTRO 3a4 Entre 40 y 50 minutos 14 pm a 16:30 pm RETIRO
7 ALFONSO ACEVEDO HEYDI TATIANA 40 a 60 años CENTRO 4a5 Entre 40 y 50 minutos 8 am a 11:30 am CONSIG CHEQUE
8 DUQUE LASCARRO FERNANDO CESAR 40 a 60 años MANGA 3a4 Entre 20 y 30 minutos 8 am a 11:30 am CONSIG EFEC
9 GONZALEZ ACOSTA DILFREDO MARIO 40 a 60 años MANGA 3a4 Entre 40 y 50 minutos 8 am a 11:30 am TRANSF
10 LEONES RICO ELVIRA ISABEL 40 a 60 años MANGA 5a6 Entre 40 y 50 minutos 8 am a 11:30 am CONSIG EFEC
11 PEREZ GUTIERREZ MILENA DEL CARMEN 40 a 60 años MANGA 5a6 Entre 40 y 50 minutos 14 pm a 16:30 pm CONSIG EFEC
12 DE LA HOZ IBAÑEZ CRISTINA B 20 a 40 años CENTRO 3a4 Entre 40 y 50 minutos 8 am a 11:30 am TRANSF
13 MOLINARES MEZA MARLENE ISABEL 40 a 60 años MANGA 5a6 Entre 40 y 50 minutos 8 am a 11:30 am TRANSF
14 GUTIERREZ DONADO ONOFRE ANTONIO 40 a 60 años MANGA 5a6 Entre 40 y 50 minutos 14 pm a 16:30 pm CONSIG EFEC
15 LERMA FRANCO DERIAN DAVID 40 a 60 años CENTRO 4a5 Entre 20 y 30 minutos 8 am a 11:30 am CONSIG EFEC
16 PEREZ ALARCON LEDYS 40 a 60 años MANGA 5a6 Entre 20 y 30 minutos 8 am a 11:30 am TRANSF
17 VILLAREAL ARRIETA DIEGO MANUEL 20 a 40 años MANGA 5a6 Entre 40 y 50 minutos 8 am a 11:30 am CONSIG EFEC
18 RONCANCIO JACOME LUCERO 40 a 60 años CENTRO 4a5 Entre 40 y 50 minutos 8 am a 11:30 am CONSIG CHEQUE
19 ORDOÑEZ ANILLO ANTONIO FRANKLIN 40 a 60 años PIE DEL CERRO 3a4 Entre 20 y 30 minutos 14 pm a 16:30 pm CONSIG EFEC
20 GOMEZ SOLANO ROBERTO CARLOS 40 a 60 años MANGA 5a6 Entre 20 y 30 minutos 8 am a 11:30 am CONSIG EFEC
21 SANTOS PEREZ CESAR OLIMPO 40 a 60 años CENTRO 3a4 Entre 20 y 30 minutos 8 am a 11:30 am CONSIG EFEC
22 QUIROZ ORTEGA SUGEIDY JANETH 40 a 60 años MANGA 4a5 Entre 40 y 50 minutos 8 am a 11:30 am CONSIG EFEC
23 MARTINEZ VILLAREAL JOHANA CONCEPCION 40 a 60 años MANGA 3a4 Entre 40 y 50 minutos 8 am a 11:30 am TRANSF
24 CASADIEGOS DIAZ NORMA EDITH 40 a 60 años CENTRO 4a5 Entre 40 y 50 minutos 14 pm a 16:30 pm CONSIG EFEC
25 VILLAR DUICA ALINA MARGARITA 40 a 60 años MANGA 3a4 Entre 40 y 50 minutos 8 am a 11:30 am CONSIG EFEC
26 ECHEVERRIA CAMPO ELBER JESUS 40 a 60 años MANGA 3a4 Entre 40 y 50 minutos 8 am a 11:30 am PAGO IMPUESTOS
27 JAIME SORZANO SERRANO 40 a 60 años CENTRO 4a5 Entre 20 y 30 minutos 8 am a 11:30 am CONSIG EFEC
28 JAIRO HERRERA MURILLO 40 a 60 años PIE DEL CERRO 4a5 Entre 40 y 50 minutos 8 am a 11:30 am CONSIG CHEQUE
29 FERNANDO CABRALES PEREZ 40 a 60 años MANGA 3a4 Entre 40 y 50 minutos 14 pm a 16:30 pm CONSIG EFEC
30 CARLOS MARIO CASTAÑEDA 20 a 40 años CENTRO 3a4 Entre 20 y 30 minutos 8 am a 11:30 am CONSIG EFEC
31 PEDRO ANTONIO AGUILAR RODRIGUEZ 40 a 60 años PIE DEL CERRO 4a5 Entre 20 y 30 minutos 14 pm a 16:30 pm RETIRO
32 JUAN JAVIER AMAYA GRIMALDO 40 a 60 años MANGA 3a4 Entre 40 y 50 minutos 14 pm a 16:30 pm RETIRO
33 MARCO ANTONIO UMAÑA 40 a 60 años CENTRO 4a5 Entre 40 y 50 minutos 14 pm a 16:30 pm RETIRO
34 JULIALBA LÓPEZ R. 40 a 60 años CENTRO 4a5 Entre 20 y 30 minutos 8 am a 11:30 am RETIRO
35 LUIS FERNANDO OSPINA RUA 40 a 60 años MANGA 4a5 Entre 40 y 50 minutos 8 am a 11:30 am CONSIG EFEC
36 MARINO QUINTERO TOVAR 40 a 60 años CENTRO 3a4 Entre 40 y 50 minutos 8 am a 11:30 am CONSIG EFEC
37 RAFAEL SARMIENTO APOLINAR 40 a 60 años CENTRO 3a4 Entre 40 y 50 minutos 8 am a 11:30 am RETIRO
38 HÉCTOR VERÁSTEGUI 40 a 60 años MANGA 3a4 Entre 40 y 50 minutos 14 pm a 16:30 pm TRANSF
39 DIDIO EMIRO PEÑA 40 a 60 años PIE DEL CERRO 4a5 Entre 40 y 50 minutos 8 am a 11:30 am CONSIG EFEC
40 LUZ INES OCHOA 40 a 60 años PIE DEL CERRO 4a5 Entre 40 y 50 minutos 8 am a 11:30 am RETIRO
41 GONZALO CORREDOR S. 40 a 60 años MANGA 3a4 Entre 20 y 30 minutos 8 am a 11:30 am RETIRO
42 CÉSAR JULIO ECHEVERRY 40 a 60 años CENTRO 3a4 Entre 40 y 50 minutos 14 pm a 16:30 pm CONSIG EFEC
43 CORONEL GUILLERMO SUÁREZ 40 a 60 años CENTRO 3a4 Entre 40 y 50 minutos 8 am a 11:30 am PAGO IMPUESTOS
44 JAIRO ECHEVERRY ESCOBAR 40 a 60 años MANGA 3a4 Entre 40 y 50 minutos 8 am a 11:30 am CONSIG EFEC
45 MIGUEL ANGEL PEREZ GAMBOA 40 a 60 años CENTRO 3a4 Entre 40 y 50 minutos 14 pm a 16:30 pm CONSIG CHEQUE
46 JOSÉ DONATO SILVA APONTE 40 a 60 años MANGA 3a4 Entre 20 y 30 minutos 8 am a 11:30 am CONSIG EFEC
47 DAGOBERTO BARRAGAN 40 a 60 años MANGA 3a4 Entre 40 y 50 minutos 8 am a 11:30 am PAGO IMPUESTOS
48 CARLOS ARTURO VASQUEZ BAUTISTA 40 a 60 años CENTRO 3a4 Entre 40 y 50 minutos 8 am a 11:30 am CONSIG EFEC
49 HECTOR MORALES TORRES 20 a 40 años CENTRO 3a4 Entre 40 y 50 minutos 8 am a 11:30 am CONSIG EFEC
50 JUAN SANCHEZ 40 a 60 años CENTRO 3a4 Entre 40 y 50 minutos 14 pm a 16:30 pm CONSIG EFEC
51 RAFAEL SIERRA SANCHEZ 40 a 60 años MANGA 5a6 Entre 40 y 50 minutos 8 am a 11:30 am RETIRO
52 GUSTAVO GARCÍA PATIÑO 20 a 40 años CENTRO 3a4 Entre 40 y 50 minutos 14 pm a 16:30 pm CONSIG EFEC
53 LUPOANI SANCHEZ CELEMÍN 40 a 60 años PIE DEL CERRO 4a5 Entre 40 y 50 minutos 8 am a 11:30 am CONSIG CHEQUE
54 OSCAR ALBERTO DUARTE RUEDA 40 a 60 años CENTRO 3a4 Entre 20 y 30 minutos 8 am a 11:30 am CONSIG EFEC
55 MIGUEL AVELLANEDA CABALLERO 40 a 60 años MANGA 5a6 Entre 20 y 30 minutos 8 am a 11:30 am CONSIG CHEQUE
56 ERNESTO NEIRA MANTILLA 40 a 60 años MANGA 5a6 Entre 40 y 50 minutos 14 pm a 16:30 pm CONSIG EFEC
57 MICHAEL BARRERO 20 a 40 años CENTRO 4a5 Entre 20 y 30 minutos 8 am a 11:30 am CONSIG EFEC
58 ORLANDO HERRÁ VARGAS 40 a 60 años MANGA 5a6 Entre 20 y 30 minutos 8 am a 11:30 am RETIRO
59 JOSE EDUARDO HERNÁNDEZ 20 a 40 años MANGA 5a6 Entre 40 y 50 minutos 8 am a 11:30 am CONSIG EFEC
60 FABIAN QUINTERO 40 a 60 años CENTRO 4a5 Entre 20 y 30 minutos 14 pm a 16:30 pm RETIRO
61 ALVARO BENAVIDES SANTAMARIA 40 a 60 años MANGA 3a4 Entre 40 y 50 minutos 14 pm a 16:30 pm CONSIG EFEC

FICHA TECNICA
Nombre de la encuesta tiempos de atencion a usuarios en banco BBVA
facilitador julio sanjuan c
Fecha de recoleccion de muestras 18/05/2021
Marco muestreal Usuarios del banco
Ciudad donde se realizo Cartagena
Tamaño muestreal 60
Fecha de reporte 23/5/2021

Tabla 2. ficha técnica

Preguntas realizadas Porcentaje de personas encuestas

¿Que edad tienes? 85% (40 a 60 años) 15% (20 a 40 años)
¿Que estrato socieconómico es? 48,3% (3 a 4) 26,6% (4 a 5) y 25% (5 a 6)
¿Cuánto tiempo estaria dispuesto a esperar en el banco? 68,3% (40 a 50 minutos) 31,6% (20 a 30 minutoss)
¿Cuál es el horario que habitualmente asiste al banco? 70% (8 a 11 am) 30% (de 14 a 16:30 pm)
¿Que tipo de proceso realiza cuando va a un banco 55% (consig efectivo) 18,3% (Retiro), 10% (consig cheque), 10% (transferencia), 6,6% (pago impuestos),

Tabla 3. Resultado de encuestas para determinar comportamientos de los usuarios del

banco

3.3. ANÁLISIS
  Particularidad de la línea de espera

Banco BBVA manga maneja un sistema de dos servidores, el cliente recibe el servicio y
luego abandona el sistema, siguiendo además la regla primero en llegar, primero en ser
atendido (FIFO). Pero usualmente solo atiende un servidor siendo así mono-canal el servicio,
lo que retrasa la prestación del servicio.

Figura 3. Sistema de colas.

Dentro de estas actividades, los pagos de impuestos es la de mayor duración, debido a que el
servidor recibe a clientes y la mayoría de estos pagos se hacen con cheques, debido a esto el
proceso requiere más tiempo, verifican que el cheque si tenga fondos, verifican la firma del
cheque que corresponda a la de la persona autorizada al gerente, luego lo verifican con un
reactivo y luego validan el pago del impuesto.

Para los procesos de media duración, el servidor el proceso que realiza es de consignaciones
en efectivo, las actividades que cumplen los menores tiempos de operación están relacionadas
con los servicios de transferencias y retiros.

Sin embargo, la operación más concurrente es la consignación en efectivo tiene una

inclinación del 55%.
 MM1
LLEGADAS
Li Ls DESV HORA
0:00:00 00:05:00 0:05:00 8:00:00

PORCENTAJE Li Ls TIPO OPERACIÓN TIME

0,55 0,00 0,55 CONSIG EFEC 0:05:00
0,10 0,55 0,65 CONSIG CHEQUE 0:08:00
0,10 0,65 0,75 TRANSF 0:02:00
0,07 0,75 0,82 PAGO IMPUESTOS 0:09:00
0,18 0,82 1,00 RETIRO 0:03:00

Tabla 4.

 ANÁLISIS Y SIMULACIÓN

La simulación, a nuestro juicio desde cualquier punto de vista, el incluir métodos y técnicas
de simulación en un proceso, sistema, procedimiento, etc., asegura un análisis mucho más
conveniente tanto en consumo de recursos físicos como de logística, además de que se
consiguen resultados confiables con un margen de error mínimo y evitando pérdidas producto
de una planificación sin bases de conocimiento. constituye un soporte indispensable para el
proceso de construcción del modelo en sus diferentes aproximaciones, ya que ella aporta
imágenes que van indicando al modelador que tan acertado está en la representación
matemática de la realidad. Así mismo, la simulación es la herramienta para la validación final
de un modelo, el análisis de sensibilidad y en general para la experimentación con propósitos
de conocimiento o de definición de estrategias de control o intervención sobre la realidad.

En este sentido, el modelo inicialmente planteado fue el modelo MM1 que, como su nombre
indica, es aquel en el que la distribución del tiempo entre dos llegadas consecutivas de
clientes al sistema es una exp (λ), independientemente del número de clientes que haya dentro
del mismo, la distribución del tiempo de servicio es exp (μ) y sólo hay un servidor. Los
valores por defecto de los tres últimos parámetros indican que no hay restricción respecto al
número de clientes que pueden estar en la cola, que la población potencial es infinita.

Este modelo simulaba ser el diseño de optimización del servicio de atención más factible,
debido a que el local en cuestión disponía de dos servidores, pero usualmente solo disponible
uno para el cumplimiento de solicitudes y requerimientos de los clientes que se encontraban
en orden de espera. Sin embargo, al ejecutar la simulación del proceso en cuanto a un
comportamiento de llegadas y de selección de operación aleatorias el valor promedio
correspondiente al número de arribos por hora (λ) fue considerablemente mayor al número
promedio de salidas o servicios por hora (μ), con tasas de velocidad de 23,37 y 12,37
clientes/hora, respectivamente.
 TABLA
Tiempo de 00:02:34 Min / usuario
Tll = 1 / λ =
llegada 154 S / usuario
Velocidad de
λ = 1 / Tll = 23,376623 Usuario / hora
llegada
Tiempo de 0:04:51 Min / usuario
Ts = 1 / μ =
llegada 291 S / usuario
Velocidad de
μ = 1 / Ts = 12,371134 Usuario / hora
llegada
Tabla 5. Velocidad de llegada y salida.

Dado a que el sistema de atención actual es un sistema colapsado, se estima un factor de

utilización mayor al 100%, indicando que el servidor tiene una capacidad menor a la
demanda recibida, por lo que se prevé la existencia de usuarios en cola que pueden tomar la
decisión de ser atendidos o marcharse lugar en función a los costos de oportunidad, el tiempo
de estén dispuestos a esperar o por simple hecho de que están en la libertad de actuar
conforme a lo que consideren más factible.

Para presentar el diseño de un modelo óptimo que permita la obtención de medidas de

desempeño viables, es necesario apreciar supuestos escenarios que contribuyan a la mejora
del servicio. Ciertamente, las posibles soluciones podrían girar entorno a la modificación de
λ; como variable externa o de μ; como variable interna, pero el gerente del banco BBVA
manga espera que la demanda sea igual o mayor para el fin de año del 2021, valorando en
mayor medida la alternativa de modificar las variables relacionadas a la disponibilidad y
oferta que brindan al mercado. De allí que se sugiere habilitar más servidores para aumentar
el grado de satisfacción de los usuarios al reducir los tiempos de espera en cola y garantizar
un tiempo de servicio más corto, pero de igual nivel de calidad.

En base a lo anterior, dentro del análisis de características de los usuarios, se identificó

también que los tiempos de llegada y servicio corresponden al tipo estocástico o markoviano
y que, a su vez, estos siguen distribución de poisson y los servidores siguen distribución
exponencial, por lo que se valoró la decisión de simular con un sistema M/M/K. Teniendo en
cuenta que el tiempo de llegada y servicio sigue una distribución markoviana, corresponden
respectivamente a las de las primeras M de la denominación del modelo, y apreciando la
notación de Kendall como valor de K equivalente al número de servidores a proponer en el
sistema.

Para un MODELO k = 2 se realizaron los cálculos pertinentes y el factor de utilización

continúo por encima del 100%, por lo que se descartó esta alternativa, y se evaluó la opción
de asignar más servidores al sistema, tal que el factor de utilización disminuyera a un
porcentaje aceptable y que la velocidad de llegada fuese inferior a la tasa de salida.
Finalmente, se obtuvo un MODELO k = 3 como números de servidores hábiles para mejorar
el proceso de atención.

M/M/K (K=3)
MEDIDAS DE DESEMPEÑO DESCRIPCIÓN
λ= 23,38 Usuarios / hora Velocidad de arribos.
μ= 12,37 Usuarios / hora Velocidad de salida.
K= 3,00 Servidores Número de servidores en el sistema.
P= 62,99% % Factor de utilización del sistema.
Po = 12,96% % Probabilidad de que el servicio se quede vacio.
Ls = 0,67 Usuarios Número promedio de usuarios en el sistema.
Ws = 0,19 Horas Tiempo promedio que un usuario en el sistema.
Lq = 2,56 Usuarios Longitud promedio de cola.
Wq = 0,11 Horas Tiempo promedio que un cliente espera en cola.
.

Tabla 6. Medidas de desempeño en banco modelo M/M/3

 Realicen un comparativo entre los tiempos promedio de espera según el modelo

de Montecarlo, el modelo matemático de Colas y la encuesta. Concluya al
respecto.

 Comparativa

Para identificar mejores condiciones de trabajo, y procurando adelantarse a los

hechos, se realizan los siguientes ajustes para simular o recrear escenarios con las
distintas posibilidades que puedan presentarse durante el primer periodo del año 2021.

A. Disminuyendo el valor de LAMBDA: velocidad de arribos:

Se observa en la tabla que al disminuir el valor de lambda de 23.38 a 13.38 usuarios por hora,
los indicadores del sistema disminuyen drásticamente; tanto así que se podría tomar la
decisión de eliminar un servidor del sistema debido al poco flujo de usuarios en el banco.
Mientras que al aumentar la velocidad de llegada de 23.38 a 33.38 usuarios por hora,
aumentan todos los indicadores de desempeño en el sistema de manera que la exigencia sobre
los servidores es mayor debido a que el 89.94% del tiempo estarán atendiendo demandas de
los usuarios y la longitud alcanzará hasta 10 usuarios por hora.
 λ= 13,38 λ= 23,38 λ= 33,38
μ= 12,37 μ= 12,37 μ= 12,37
K= 3,00 K= 3,00 K= 3,00
P= 36,05% P= 62,99% P= 89,94%
Po = 33,38% Po = 12,96% Po = 2,51%
Ls = 0,06 Ls = 0,67 Ls = 7,30
Ws = 0,17 Ws = 0,19 Ws = 0,38
Lq = 1,14 Lq = 2,56 Lq = 9,99
Wq = 0,09 Wq = 0,11 Wq = 0,30

Tabla 7. Resultados de variación de la velocidad de llenada Lambda

B. Incrementando o reduciendo el valor de MIU: velocidad de atención o salida:

En la siguiente tabla se evidencia el incremento y la disminución de la velocidad de atención

o salidas del banco, demostrando que el comportamiento de Miu es inversamente
proporcional en función de los indicadores de servicio, es decir, que si se disminuye el
tiempo de servicio aumenta la longitud de la cola, los tiempos de espera y los otros
indicadores enunciados en la tabla. No obstante, al aumentar la velocidad de servicio
disminuyen los tiempos de espera en el banco, por lo que se reducen considerablemente otros
indicadores como el tiempo que permanece un usuario en cola y el número promedio de
clientes en el sistema.

λ= 23,38 λ= 23,38 λ= 23,38

μ= 8,50 μ= 12,37 μ= 15,00
K= 3,00 K= 3,00 K= 3,00
P= 91,67% P= 62,99% P= 51,95%
Po = 2,03% Po = 12,96% Po = 19,66%
Ls = 9,32 Ls = 0,67 Ls = 0,28
Ws = 0,63 Ws = 0,19 Ws = 0,15
Lq = 12,07 Lq = 2,56 Lq = 1,84
Wq = 0,52 Wq = 0,11 Wq = 0,08

Tabla 8. Medidas de desempeño por variaciones en la velocidad de atención (Miu).

C. Incrementando o reduciendo la cantidad de servidores:

K es el número de servidores en el banco, si se disminuye el número de servidores se

incrementan todos los indicadores de desempeño, lo que tiene un impacto totalmente
negativo en la percepción del servicio de parte de los usuarios. Lo que es debido a que, al
eliminar a un servidor del banco, las esperas y las colas aumentan, llegando luego al colapso
del sistema en sí por tener factor de utilizaciones mayor a 100%; haciendo poco viable la
aplicación de la decisión de disminuir K. a diferencia , al aumentar el número de servidores
de 3 a 4, no tienen ningún provecho para la empresa, puesto que el factor de utilización
decrecería aproximadamente 15%, indicando que un aumento de tiempos muertos y ocio del
servidor, siendo entonces un gasto innecesario que se debe ahorrar.

λ= 23,38 λ= 23,38 λ= 23,38

μ= 12,37 μ= 12,37 μ= 12,37
K= 2,00 K= 3,00 K= 4,00
P= 94,48% P= 62,99% P= 47,24%
Po = 3,99% Po = 12,96% Po = 14,69%
Ls = 22,10 Ls = 0,67 Ls = 0,13
Ws = 1,11 Ws = 0,19 Ws = 0,17
Lq = 23,99 Lq = 2,56 Lq = 2,02
Wq = 1,03 Wq = 0,11 Wq = 0,09

Tabla 9. Medidas de desempeño por variaciones en el número de servidores (K).

 CONCLUSIONES

Que evidenciaron en el banco como resultado de los datos obtenidos y de la simulación

de los eventos. hay que tener argumentos para lo que vayan a decir. (operaciones y
cálculos desarrollados).

El estudio de caso al que fue sujeto Banco BBVA manga, permitió la identificación de un
sistema colapsado gracias a la simulación aleatoria de Montecarlo sujeta y condicionada con
parámetros reales obtenidos del diagnóstico del estado actual del proceso de atención que se
brinda al usuario. Esto debido a que la tasa de arribos es superior a la tasa de salida o servicio
de los clientes y el servidor que se dispone no alcanza a cubrir de manera eficiente cada una
de las solicitudes. A diferencia, al simular el mismo escenario aleatorio en el banco, pero con
respecto a la disponibilidad de tres servidores, se logró obtener un modelo óptimo de
atención, capaz de reducir los tiempos de espera y el número de usuarios en cola y el sistema.
Gracias a esto se puede determinar que es suficiente para los usuarios encuestados ya que
afirman tolerar un tiempo de espera superior a el supuesto en el modelo.

 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.

 Puesto que el factor de utilización para un valor de K= 1 de 188.9% presenta una

diferencia en relación de la capacidad instalada para la atención la demanda actual, se
recomienda ampliar el número de servidores a 3 para con esto suplir la demanda de
clientes actual del banco.
 Por otro lado, se recomienda aumentar la velocidad de servicio con actividades de
optimización como por ejemplo la clasificación de los clientes de acuerdo a sus
necesidades desde la fila, con el fin de posteriormente disminuir el número de
servidores a 2 debido a que el factor de utilización es 94.48 % que, con actividades
como la anteriormente mencionadas, contribuirán a la disminución gradual del factor.

 ANEXOS
 BIBLIOGRAFÍA
 Cao Abad, R. (2002). Introducción a la Simulación y a la Teoría de Colas
[Ebook] (1st ed., p. 141). Coruñas España: Carlos Iglesia. Retrieved from
https://books.google.com.co/books?
id=lET6IPBm2vMC&printsec=frontcover&hl=es#v=onepage&q&f=false
 Vivanco, M. (2005). Muestreo Estadístico. Diseño Y Aplicaciones [Ebook]
(1st ed., pp. 45, 46). Santiago de Chile: editorial universitaria. Retrieved
from https://books.google.com.co/books?id=-
_gr5l3LbpIC&printsec=frontcover&hl=es#v=onepage&q&f=false
 Taha, H. (2004). Investigación de operaciones [Ebook] (7th ed., p.
Books.google.com.co). México: Guillermo Trujano Mendoza. Retrieved from
https://books.google.com.co/books?
id=3oHztjMSuL8C&printsec=frontcover&hl=es#v=onepage&q&f=false