Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE INGENIERÍA
CARRERA DE INGENIERÍA INDUSTRIAL
TRABAJO GRUPAL
INTEGRANTES:
N° Apellidos y nombres Código
1 Loyola Bautista, Gabriel Andree U201111614
2 Puntriano Yupanqui, Manuel Jacob U201221511
3 Carhuapoma Silvera, Elizabeth U201815434
2022 – 2
ÍNDICE
manejo de filas de los clientes que solicitan servicios de pago en los cajeros por las
compras realizadas, dando lugar demoras y espera. Se observó que hay momentos
a los clientes satisfechos. Por ello, el valor agregado estará basado en controlar el
Problema general
¿Qué beneficio podremos lograr aplicando teoría de colas para la atención de los
cola es fundamental para que cumpla su función de servicio al público. Por lo que este
estudio tiene como objetivo determinar los beneficios como un número óptimo de
curso de estudio.
propuesto.
2. MARCO TEORICO
un sistema, en el cual se puede hacer una simulación de tiempo de espera con datos
reales para verificar el modelo que sigue esta línea de espera y hallar el
2008, la investigación manifiesta que la teoría de colas tiene una aplicación muy
Sin embargo, la formulación de los modelos es con frecuencia críptica. Las variables
que los modelos pierdan utilidad práctica. El presente artículo tiene como fin vincular
impacto del tiempo de espera en la calidad del servicio, ya que muchas veces un
simulación con un caso real de como interactúa con los parámetros hallados, analizar
estaciones de trabajo nuevas. Por otro lado, otras indican cuántas estaciones deben
los clientes.
ser una herramienta competitiva que le permite a la organización entender y por ende
una fila como una ecuación matemática simplista. Luego, los matemáticos pueden
Ahora bien, tomando en cuenta a Peña (2015), las colas ocurren cuando los
el uso de las colas presentan una relevancia económica. En ese aspecto, sin colas
eficiente, pero que no cuestan demasiado para ser sostenibles. Todos los sistemas
de cola se dividen en las entidades que hacen cola para una actividad.
En ese aspecto, de acuerdo a Olivares (2018), con el fin de medir los niveles de
En ese aspecto, según Olivares (2018), “todos esperamos en colas para comprar
teoría de colas utiliza los modelos de colas para representar los tipos de sistemas
de líneas de espera. Por lo tanto, estos modelos de líneas de espera son muy
´útiles para determinar como operar un sistema de colas de la manera más eficaz.
comida rápida, luego los requisitos de servicio de esa instalación, por ejemplo,
puede atender.
De otro lado, a nivel local, el grupo Gloria cuenta con un sistema en el cual se
aplica la teoría de colas de manera que cada vaca ordeñada cuente con un tiempo
de espera máximo desde su ingreso a la planta hasta el fin del proceso de ordeñar
procesos.
Según indica Render (2010) “el estudio de las líneas de espera, llamado teoría de
colas, es una de las técnicas de análisis cuantitativo más antigua y que se utiliza más
extensamente. Las líneas de espera son un suceso de todos los días que afectan a
las personas que van de compras, a cargar gasolina, a hacer un depósito bancario o
que genera usuarios potenciales, una fila de espera formada por los clientes, la o las
instalaciones, que están constituidas por una persona (o una cuadrilla), una máquina
que será atendido por la instalación de servicio”. Según Render (2010) los sistemas
servicio que deban realizarse. Se concluye con ello la existencia de varios tipos de
sistemas; Por ejemplo, sistema de un solo canal con un solo servidor, sistema de un
solo canal y múltiples fases, sistema multicanal de una sola fase y sistema multicanal
y múltiples fases. En la línea de espera o mejor dicho en la cola, los actores principales
vienen a ser el cliente y el servidor. Los clientes se generan como una fuente. Al llegar
Como menciona Taha (2014), son representados mediante una distribución Poisson
simulación son procesos matemáticos que hacen uso de los números aleatorios y las
Softwares utilizados para tal fin (FlexSim, Promodel, Excel, etcétera). Para que el
Según János Sztrik (2016), la teoría de colas se ocupa de una de las experiencias
telefónica fue uno de los primeros en plantear un sistema de colas, ya que había
mejor servicio por este medio. Esta teoría se convirtió en un campo de probabilidad
elementos:
Esta puede ser finita o infinita, las características de cada una son las
siguientes:
infinita se supone que las unidades que van llegando al sistema dan lugar a un
proceso estocástico llamado de conteo; si todos los tiempos entre llegadas son
c. Modelo de servicio
servidor sólo está disponible durante una parte del tiempo de funcionamiento
del sistema.
e. Número de etapas de servicio
En algunas ocasiones existen varias etapas de servicio por las que deba pasar
establecimiento al mismo tiempo, tanto los que están siendo atendidos como
los que están en espera, lo cual puede suponer una pérdida de clientes. Por
otro lado, existen sistemas que pueden suponer una cantidad infinita y todo
g. Disciplina de la cola
FIFO (First in, First out): El primero en entrar a la cola, será el primero
en salir.
LIFO (Last in, First out): El primero en ser atendido es el último que llego,
ρ= .µ
: Congestión de un sistema con parámetros (λ, µ, c)
Kendall implanto una notación estándar para clasificar los diferentes modelos de colas
que existen. Esta consiste en una serie de símbolos separados entre sí por barras
A/B/X/Y/Z.
Dónde:
X: Número de servidores
Z: Disciplina de la cola
Por lo general para hacer mención al modelo solo se utilizan los 3 primeros símbolos.
En este caso, se supone que la capacidad del sistema es ilimitada y que la disciplina
Lo cual indica que los clientes entran según una distribución exponencial, el tiempo
de servicio también sigue una distribución exponencial con 1 servidor con una
En la gran mayoría de los modelos de colas se inicia con una fase de entrada en la
que podemos asumir como “Los clientes requieren un servicio”. Siguiendo con la
Sistema de colas
El método más adecuado para recoger datos al análisis un sistema es mediante una
plantilla recogiendo los datos sobre un sistema cada intervalo de tiempo. Está
esta técnica con otra, como el obtener información asociada a eventos “La
En la gran parte de los modelos de colas estocásticas asumen que el tiempo entre
las diferentes llegadas de clientes siguen una distribución exponencial y el caso del
= ℯ
!
cliente:
=ℯ
Propiedades:
El patrón de llegada tiene las siguientes propiedades:
Propiedad2: La probabilidad de que una llegada ocurra entre el tiempo t y t+Δt es λΔt
∆
lim =0
∆ →
De hecho, o(Δt) se podría entender como la probabilidad de que llegue más de uno.
[ − ]
− = ℯ ∀ , ≥ 0, >
!
= ℯ ⇔ =ℯ
!
) *!
$ % &, ', … , ++,-./. , [0, 0]1 =
* 0)
3. METODO DE INVESTIGACION
Variable Independiente
(TEORIA DE COLAS)
Variables Dependientes
(ATENCION DE CLIENTES)
Variables Intervinientes
(MODELO DE COLAS)
estado del sistema, con el avance del tiempo (al aumentar t). Según Hiller y
supuestos:
-Supuesto 1: Dado N(t) = n, la distribución de probabilidad del tiempo que falta hasta
n =1, 2, ...
independientes lo que quiere decir que en una transición al estado siguiente sólo
ocurre un nacimiento y en una transición al estado anterior solamente un evento de
muerte.
utilizaron:
recolección datos:
investigación.
Recopilación de datos
apropiadamente.
presentación.
inmediatos. En este proceso cuenta, sobre todo, la habilidad del ser humano para
Excel 2019, se manera que se procesen los datos. Después de hacer la evaluación
problemas operativos sobre el manejo atención a los clientes, dado que se originan
colas de espera con un tiempo mayor al ideal para ser atendidos. Por ende, mediante
número de cajeros que se debe incrementar, de tal forma que se reduzcan los tiempos
Para fines de estudio, solo se tomó en cuenta 5 cajas del turno tarde, para dichas
cajas se cuenta con 5 personal de caja full-time con un sueldo de 1025 soles c/u. Los
datos obtenidos para esta investigación se obtuvieron de los meses de enero y febrero
del año 2022, los cuales representan el tiempo de atención brindado por los cajeros
de Makro de la av. Elmer Faucett en el horario de atención del turno tarde de 2:00 pm
a 10:00 pm, periodo con un movimiento de clientes superior por temporada de verano.
La atención brindada por los cajeros escogidos en dicha sede es dada de la siguiente
forma:
2 cajeros en la caja rápida (máximo 10 productos por cliente) en una cola única
para ambos.
3. Con los productos escogidos, el cliente se dirige hacia el punto de atención que
productos, este se debe dirigir hacia los cajeros individuales que en total son 3
para hacer una cola única para pasar a alguno de los cajeros y si la cantidad
de productos es menor a 10, este se puede dirigir hacia la caja rápida para
se aplican dos modelos de cola. Para los 3 cajeros individuales (Cajero 1, Cajero 2 y
Cajero 3) con cola única, se aplica el modelo M/M/s, siendo el modelo especifico
M/M/3. Para la caja rápida se aplica el modelo M/M/s también, ya que es una única
cola para 2 servidores (Cajero rápido 1 y Cajero rápido 2) siendo el modelo especifico
M/M/2.
Caja
Para este desarrollo se debe tener en cuenta que el promedio de la tasa media de
llegada de clientes a Makro es de 152, la atención promedio que se logra dar por día
ρ = λ/Sμ ρ= 0.817
Po
n n! λ/μ^n Subtotal
0 1 1.00 1.00
1 1 2.45 2.45
2 2 6.01 3.01
6.46
Po = 0.0503 13.4350248
Pw Pw= 0.6754
S+) 2
Lq = [((λ/μ) )/((S-1)!(S-λ/μ) )]*Po Lq= 3.0195 clientes
L = Lq+λ/μ L= 5.4711 clientes
Wq = Lq/λ Wq = 0.0199 día = 0.159 hora 9.53511251 min
W = Wq + 1/μ W= 0.0360 día = 0.288 hora 17.277048 min
Pn
n n! λ/μ^n Subtotal S S! S^n-S Pn
0 1 1.00 1.00 3 6 0.04 0.050
1 1 2.45 2.45 3 6 0.11 0.123
2 2 6.01 3.01 3 6 0.33 0.151
3 6 14.74 2.46 3 6 1.00 0.123 0.123
4 36.12 3 6 3.00 0.101
5 88.56 3 6 9.00 0.082
6 217.13 3 6 27.00 0.067
7 532.31 3 6 81.00 0.055
8 1305.01 3 6 243.00 0.045
9 3199.39 3 6 729.00 0.037
10 7843.66 3 6 2187.00 0.030
Caja Rápida
Para este desarrollo se debe tener en cuenta que el promedio de la tasa media de
llegada de clientes a Makro es de 80, la atención promedio que se logra dar por día
Datos:
λ= 80 personas/día
µ= 45 personas/día
S= 2 cajas
ρ = λ/Sμ ρ= 0.889
Po
Po = 0.059
14.2222222
Pw Pw= 0.8366
S+) 2
Lq = [((λ/μ) )/((S-1)!(S-λ/μ) )]*Po Lq= 6.6928 clientes
L = Lq+λ/μ L= 8.4706 clientes
Wq = Lq/λ Wq = 0.0837 día = 0.669 hora 40.1568627 min
W = Wq + 1/μ W= 0.1059 día = 0.847 hora 50.8235294 min
Pn
n n! λ/μ^n Subtotal S S! S^n-S Pn
0 1 1.00 1.00 2 2 0.25 0.059
1 1 1.78 1.78 2 2 0.50 0.105
2 2 3.16 1.58 2 2 1.00 0.093 0.093
3 5.62 2 2 2.00 0.083
4 9.99 2 2 4.00 0.073
5 17.76 2 2 8.00 0.065
6 31.57 2 2 16.00 0.058
7 56.12 2 2 32.00 0.052
8 99.77 2 2 64.00 0.046
9 177.38 2 2 128.00 0.041
10 315.34 2 2 256.00 0.036
Como caso supuesto, analizamos cuan beneficioso sería agregar un personal más a
Caja
Para este desarrollo se debe tener en cuenta que el promedio de la tasa media de
llegada de clientes a Makro es de 152, la atención promedio que se logra dar por día
servidores.
En el caso de la Caja rápida no se hará ninguna variación, ya que la cantidad no
puede disminuir a 1 en este servicio por nuestra política de calidad de atención hacia
los clientes.
que ayuden a mejorar la atención que se brinde a los clientes o realizar actividades
almacén, realizar arqueos/cuadre, tiempo para hacer pausas activas, entre otras.
el cual representa el 46.40% de mejora, del mismo modo mejora el tiempo promedio
que la cantidad de clientes en espera total se reduce a 7.1738 clientes; con lo cual
logramos obtener una mejora del 26.14%. Así mismo gracias a este estudio de
5. Conclusiones y recomendaciones
5.1. Conclusiones
5.2. Recomendaciones
semana (lunes, martes y miércoles), debido a que estos días son mas
este plan.
6. Referencias
Render, B., Stair, R. M., & Hanna, M. E. (2006). Métodos Cuantitativos para
los negocios. Pearson, México, pp.568-573.
Taha, H. A. (2004). Investigación de Operaciones. Pearson, México, pp.581.
ρ= 0.817
n! λ/μ^n Subtotal
1 1.00 1.00
1 2.45 2.45
2 6.01 3.01
6.46
0.0503 13.4350248
Pw= 0.6754
0.140
0.120
0.100
0.080
0.060
0.040
0.020
0.000
0 1 2 3 4 5 6 7 8 9 10
Datos:
λ= 80 personas/día
µ= 45 personas/día
S= 2 cajas
ρ = λ/Sμ ρ= 0.889
Po
Po = 0.059
14.2222222
Pw Pw= 0.8366
Pn
n n! λ/μ^n Subtotal S S! S^n-S Pn
0 1 1.00 1.00 2 2 0.25 0.059
1 1 1.78 1.78 2 2 0.50 0.105
2 2 3.16 1.58 2 2 1.00 0.093 0.093
3 5.62 2 2 2.00 0.083
4 9.99 2 2 4.00 0.073
5 17.76 2 2 8.00 0.065
6 31.57 2 2 16.00 0.058
7 56.12 2 2 32.00 0.052
8 99.77 2 2 64.00 0.046
9 177.38 2 2 128.00 0.041
10 315.34 2 2 256.00 0.036
n Pn
0 0.059
Pn
1 0.105 0.120
2 0.093
0.100
3 0.083
4 0.073 0.080
5 0.065
6 0.058 0.060
7 0.052
8 0.046 0.040
9 0.041
0.020
10 0.036
0.000
0 1 2 3 4 5 6 7 8 9 10