Modelos y simulación 1

Modelado de sistema de pago de parqueaderos en la universidad EIA mediante técnicas de

simulación de eventos discretos

Presentado por

Juan José Londoño Carrillo

Simón Arias Zapata

Víctor Andrés Plata Urán

A la docente

Maria Eugenia Vélez Ramírez

En la asignatura

Modelos y simulación

Facultad de ingeniería

Universidad EIA

Envigado

2022
Modelos y simulación 2

Tabla de contenido

1. Planteamiento del problema ........................................................................................................ 3

1.1. Descripción del sistema ........................................................................................................ 3

2. Definición del tamaño de la muestra .......................................................................................... 3

3. Pruebas estadísticas..................................................................................................................... 4

4. Definición de supuestos principales del modelo ......................................................................... 8

5. Realización del modelo ............................................................................................................... 9

5.1. Escenario 1: Dos máquinas ................................................................................................ 10

5.2. Escenario 2: Sistema de devueltas ..................................................................................... 11

5.3. Análisis de resultados ......................................................................................................... 11

6. Conclusiones ............................................................................................................................. 13
Modelos y simulación 3

1. Planteamiento del problema

1.1. Descripción del sistema

En la universidad EIA existe un sistema de pago automatizado, el cual consta de una

máquina, en la cual el estudiante puede realizar recargas de dinero en su carné, ya sea para pagar
el parqueadero o el transporte. Dicha máquina funciona de la siguiente manera:

1) El estudiante se acerca y ubica su carné en el lector de la máquina.

2) La máquina reconoce el carné y habilita una pantalla en la que el usuario puede seleccionar si
desea recargar el carné o pagar un día completo de parqueadero, en caso de que desee ingresar
varias veces a la universidad con un mismo vehículo durante el día.

3) En caso de que el usuario seleccione la opción de recargar, se habilitará otra interfaz en la que
la máquina espera que el usuario ingrese el dinero, ya sea en forma de billetes o monedas, una
característica importante es que la máquina no realiza devoluciones de dinero, es decir, se debe
ingresar el monto exacto que se desea recargar.

4) Una vez el usuario ingresa el dinero, la máquina lo procesa y finalmente habilita un botón que
el usuario debe presionar para que se efectúe correctamente la recarga.

1.2. Definición y delimitación del problema

El principal inconveniente que se presenta con el sistema descrito anteriormente es que

sólo existe una máquina para efectuar las recargas de los carnés de los estudiantes, por lo que se
observó que en determinadas horas se presentaba un alto flujo de personas en cola esperando para
utilizar la máquina, por lo que se pretende evaluar el comportamiento del sistema si se contara con
dos máquinas, o si se variara el modo de funcionamiento de la misma, por ejemplo si esta tuviera
la opción de entregar devueltas de dinero a los usuarios, por lo que en general, la simulación se
pretende enfocar en reducir el tiempo de espera y evitar la acumulación de usuarios en cola.

2. Definición del tamaño de la muestra

Se escogió una confianza del 95% y un margen de error de muestreo del 15%, para lo cual,
se estimó el siguiente tamaño de muestra:
Modelos y simulación 4

1 − 𝛼 = 0.95

𝛼
= 0.025
2

Aplicando la distribución normal inversa:

𝑍𝛼⁄2 = 𝑍0.025 = 1.9599

Para calcular finalmente el tamaño de la muestra necesaria para obtener una confianza del
95% y un error de muestreo del 15%, se asume que la probabilidad de que ocurra el evento, al ser
desconocida, es igual a la probabilidad de que el evento no ocurra, por lo cual, ambas son del 50%,
finalmente, se recurre a la siguiente ecuación:

(𝑍𝛼⁄2)2 ∙ 𝑝 ∙ 𝑞
𝑛=
𝑒2

(1.9599)2 ∙ 50% ∙ 50%

𝑛= = 43
15%2

Se estimó que se requieren mínimo 43 muestras para obtener una distribución con las
características indicadas, es por ello que se decidió realizar 50 muestras para estimar dicha
distribución.

3. Pruebas estadísticas

Se empleó el software StatFit para realizar la prueba de bondad de ajuste de los datos
recolectados para el tiempo de servicio y el tiempo entre llegadas. Cabe resaltar que ambos datos
se trabajaron en una unidad de tiempo de segundos. A continuación, se muestran los datos
recolectados para el tiempo de servicio y tiempo entre llegadas. También se muestra el resultado
de la prueba de bondad de ajuste que indica la distribución que más se acomoda a los datos
tomados.
Modelos y simulación 5

contador hora de llegada tiempo entre llegadas (s)

1 1:31:46 p. m. 106
2 1:36:19 p. m. 273
3 1:37:04 p. m. 45
4 1:37:05 p. m. 1
5 1:38:09 p. m. 64
6 1:38:48 p. m. 39
7 1:39:28 p. m. 40
8 1:40:19 p. m. 51
9 1:40:23 p. m. 4
10 1:40:23 p. m. 0
11 1:41:12 p. m. 48
12 1:41:18 p. m. 7
13 1:41:20 p. m. 1
14 1:41:56 p. m. 36
15 1:42:14 p. m. 18
16 1:42:37 p. m. 23
17 1:43:20 p. m. 43
18 1:43:24 p. m. 4
19 1:43:47 p. m. 23
20 1:44:27 p. m. 40
21 1:45:02 p. m. 35
22 1:45:07 p. m. 5
23 1:45:13 p. m. 5
24 1:45:40 p. m. 27
25 1:45:56 p. m. 16
26 1:46:17 p. m. 21
27 1:47:05 p. m. 48
28 1:47:22 p. m. 17
29 1:47:35 p. m. 13
30 1:47:35 p. m. 0
31 1:47:46 p. m. 11
32 1:48:16 p. m. 30
33 1:48:30 p. m. 14
34 1:48:44 p. m. 14
35 1:48:47 p. m. 4
36 1:48:59 p. m. 12
37 1:49:18 p. m. 19
38 1:49:42 p. m. 24
39 1:49:48 p. m. 6
40 1:49:58 p. m. 10
41 1:50:50 p. m. 51
42 1:50:57 p. m. 7
43 1:51:00 p. m. 4
44 1:52:50 p. m. 109
45 1:53:35 p. m. 45
46 1:53:35 p. m. 1
47 1:55:47 p. m. 132
48 1:55:48 p. m. 1
49 1:57:36 p. m. 108
50 1:59:05 p. m. 89

Tabla 1. Tiempo entre llegadas.

Modelos y simulación 6

Contador t de servicio seg.

1 23
2 24
3 24
4 26
5 26
6 28
7 28
8 29
9 29
10 29
11 30
12 30
13 31
14 31
15 31
16 31
17 32
18 32
19 33
20 33
21 33
22 33
23 34
24 34
25 34
26 34
27 35
28 35
29 35
30 35
31 36
32 36
33 36
34 36
35 36
36 36
37 36
38 37
39 37
40 37
41 38
42 38
43 38
44 38
45 39
46 40
47 40
48 41
49 41
50 41

Tabla 2. Tiempo de servicio.

Modelos y simulación 7

Figura 1. Prueba de bondad de ajuste para el tiempo de servicio.

Modelos y simulación 8

Figura 2. Prueba de bondad de ajuste para el tiempo entre llegadas.

De las distribuciones que el software no rechazó para ambos tiempos, se seleccionó la

distribución normal para el tiempo de servicio y la distribución de Weibull para el tiempo entre
llegadas, con los siguientes parámetros:

𝑇𝑖𝑒𝑚𝑝𝑜 𝑒𝑛𝑡𝑟𝑒 𝑙𝑙𝑒𝑔𝑎𝑑𝑎𝑠 ~ 𝑊𝑒𝑖𝑏𝑢𝑙𝑙 (0, 0.795, 36.6)

𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜 ~ 𝑁𝑜𝑟𝑚𝑎𝑙 (33.6, 4.55)

Se decidió trabajar con estas distribuciones a pesar de que nos son la primera opción
sugerida por la prueba de bondad de ajuste, puesto que son más sencillas de implementar, y de
igual manera no son rechazadas por el software.

4. Definición de supuestos principales del modelo

El modelo parte de las siguientes suposiciones que se toman como ciertas en el momento
de realizar las simulaciones:

1) Todos los usuarios que llegan a la máquina son estudiantes de la universidad EIA y elegirán la
opción de recargar el carné, no se tiene en cuenta el pago de visitantes.

2) Se realizará la simulación del sistema en el caso de que la máquina pudiera entregar devueltas
de dinero a los usuarios, evento que se modelará como un aumento del tiempo de servicio.
Modelos y simulación 9

5. Realización del modelo

Se empleó el software de simulación Simul8 para realizar pruebas al modelo y desarrollar

las simulaciones pertinentes. Los datos de la simulación inicial del sistema actual se muestran a
continuación:

Figura 3. Resultados de la simulación del sistema actual.

Se estudiarán las tres variables señaladas en la figura 3, que corresponden a el uso

promedio, el tamaño promedio de la cola y el tiempo promedio en cola, donde se desea disminuir
los dos últimos. A continuación, se muestra la simulación de dos escenarios con las posibles
soluciones planteadas, una de ellas es la adición de otra máquina, con el fin de reducir las colas y
aumentar el uso promedio y la otra posible solución, no va encaminada a reducir las colas, sino
más bien a aumentar la satisfacción de los usuarios, ya que propone agregar la función de ofrecer
devueltas a los usuarios.
Modelos y simulación 10

5.1. Escenario 1: Dos máquinas

Figura 4. Resultados de la simulación del escenario 1.

Modelos y simulación 11

5.2. Escenario 2: Sistema de devueltas

Figura 5. Resultados de la simulación del escenario 2.

5.3. Análisis de resultados

A continuación, se muestra una tabla con las tres variables de interés medidas en cada
escenario, así como la desviación porcentual entre cada una de ellas con respecto al sistema actual,
esto con el fin de determinar si hubo o no un cambio significativo en las mismas y qué
implicaciones puede tener dicho cambio en el sistema, para así determinar las soluciones más
adecuadas al problema.
Modelos y simulación 12

Variable Sistema actual Escenario 1 % Cambio Escenario 2 % Cambio

Uso promedio 0,88 0,84 5% 0,88 0%

Tamaño de cola
4,39 3,18 28% 4,48 2%
promedio
Tiempo
promedio en 130,8 102,43 22% 144,48 10%
cola

Tabla 3. Análisis de resultados

Es posible observar en la tabla 3, que, en efecto, al agregar otra máquina (escenario 1), el
tamaño promedio de la cola decrece, al igual que el tiempo promedio en cola, también ocurre que
el uso promedio disminuye de forma leve, probablemente debido a que cada máquina se ocupa
menos ya que el trabajo que antes realizaba una, ahora se reparte entre ambas; sin embargo, cabe
resaltar que la solución de implementar una nueva máquina es una solución que implica un alto
costo adicional, por lo que para tomar dicha medida es necesario observar si al implementarla, se
obtienen los resultados deseados, para lo cual se recurre al cambio porcentual entre las variables
de interés con respecto a la del sistema inicial o sistema actual, y se puede apreciar que a pesar de
que la implementación de la otra máquina consigue reducir las variables de interés, no lo hace de
forma significativa, puesto que solo tuvo una reducción del 28% del tamaño de la cola y del 22%
en el tiempo promedio en cola, cifras que pueden ser insuficientes considerando el posible costo
de implementar una nueva máquina, es por ello que, dependiendo del costo y las implicaciones de
implementar otro servidor, la solución 1, no es muy viable.

Analizando la solución 2, hay que recordar que la finalidad de dicha solución no es reducir
los tiempos en cola ni el tamaño de la cola, sino aumentar la satisfacción de los usuarios sin
comprometer significativamente los tiempos y el tamaño de cola del sistema actual y se puede
observar un comportamiento esperado y es el del aumento de dichas variables, ya que ahora la
máquina debe ofrecer devueltas a los usuarios, actividad que implica tiempos adicionales, por lo
tanto, mayor tiempo de servicio y mayor acumulación de personas en cola, sin embargo, se observa
que dicho aumento no es muy significativo, ya que es de apenas el 2% en el tamaño de la cola y
del 10% en el tiempo promedio en cola, cifras que realmente pueden despreciarse considerando
Modelos y simulación 13

que la implementación de esta nueva función haría que los usuarios se sientan más a gusto con el
servicio y se les pueda ofrecer una mejor experiencia de usuario.

6. Conclusiones

La solución 1 puede considerarse como poco viable, si el costo de implementar un nuevo

servidor es alto, puesto que el beneficio de dicha incorporación sería muy pequeño (de menos del
30% en la disminución de los tiempos en cola y tamaño de cola) considerando el costo de la
inversión, si este fuese elevado.

La solución 2 sería una buena alternativa para mejorar la experiencia de usuario, puesto
que agregaría una nueva función a la máquina que resulta muy útil para los usuarios, pero que no
afecta significativamente las estadísticas del sistema actual, por lo que sería una buena solución
desde el punto de vista de mejorar la satisfacción de los usuarios, ya que se demostró que no
empeoraría de forma significativa las estadísticas de la máquina.