Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
INVESTIGACIN OPERACIONES II
DE
Tema: MODELOS DE SIMULACIN Profesor: Ing. Jaime Guerra Alumnos: Calle Laos, Katherine Melissa Villavicencio Olazbal, Mara Pa Rodrguez Alamo, Diego COLA Y
2010
INTRODUCCIN
FACULTAD DE INGENIERIA
CAPTULO I
1. PROBLEMATIZACION.Para el presente trabajo se analizo a la empresa XPERTISE, ubicada en Av. Aviacin 3232 Of. 301; hemos podido observar que presenta un problema en demora para realizar el traspaso de validacin y confirmacin in situ de informacin obtenida por las llamadas a lo largo del da, para este presente trabajo se evaluar solo horas en donde este proceso requiere un mayor tiempo. Presenta por principales causas la acumulacin de fichas a digitalizar, exceso de tiempo llenando una ficha, etc. Lo que ocasiona que haya un mayor tiempo en validar la informacin y el trabajo sea ms lento.
2. Objetivos.-
XPERTISE.
ii. Optimizar la
iii. Como se mejorara el servicio de digitalizacin de las fichas que llegan da a da.
3
FACULTAD DE INGENIERIA
3. Hiptesis del estudio.Una vez que se termine con el estudio en esta empresa se podr conseguir agilizar la recoleccin de datos permitindole trabajar con ms empresas al mismo tiempo, crecer en el mercado.
CAPTULO II
4. Antecedentes.El origen de la Teora de Colas est en el esfuerzo de Agner Kraup Erlang (Dinamarca, 1878 - 1929) en 1909 para analizar la congestin de trfico telefnico con el objetivo de cumplir la demanda incierta de servicios en el sistema telefnico de Copenhague. Sus investigaciones acabaron en una nueva teora denominada teora de colas o de lneas de espera. Esta teora es ahora una herramienta de valor en negocios debido a que un gran nmero de problemas pueden caracterizarse, como problemas de congestin llegada-salida.
Para este trabajo se seguir con un mtodo observacional descriptivo para apreciar con qu frecuencia llega una ficha y cuanto es que se demora en digitalizar, en base a esta medicin mejorar la eficiencia de la empresa.
FACULTAD DE INGENIERIA
6. Marco Terico.La teora de colas generalmente es considerada una rama de investigacin operativa porque sus resultados a menudo son aplicables en una amplia variedad de situaciones como negocios, comercio, industria, ingenieras, transporte y telecomunicaciones. MODELO DE FORMACION DE COLAS Se forman debido a un desequilibrio temporal entre la demanda del servicio y la capacidad del sistema para suministrarlo. En las formaciones de colas se habla de clientes, tales como mquinas daadas a la espera de ser rehabilitadas. Los clientes pueden esperar en cola debido a que los medios existentes sean inadecuados para satisfacer la demanda del servicio; en este caso, la cola tiende a ser explosiva, es decir, a ser cada vez ms larga a medida que transcurre el tiempo. Los clientes puede que esperen temporalmente, aunque las instalaciones de servicio sean adecuadas, porque los clientes llegados anteriormente estn siendo atendidos. ELEMENTOS DE UN SISTEMA DE COLAS
Los clientes que requieren un servicio se generan en una fase de entrada. Estos clientes entran al sistema y se unen a una cola. En determinado momento se selecciona un miembro de la cola, para proporcionarle el servicio, mediante alguna regla conocida como disciplina de servicio. Luego, se lleva a cabo el servicio requerido por el cliente en un mecanismo de servicio, despus de lo cual el cliente sale del sistema de colas.
5
FACULTAD DE INGENIERIA
de entrada o poblacin potencial: Una caracterstica de la fuente de entrada es su tamao. El tamao es el nmero total de clientes que pueden requerir servicio en determinado momento. Puede suponerse que el tamao es infinito o finito. solicita servicio como por ejemplo una lista de trabajo esperando para imprimirse.
que pueden estar haciendo cola (antes de comenzar a ser servidos). De nuevo, puede suponerse finita o infinita.
d. Disciplina de la cola: La disciplina de la cola se refiere al
orden en el que se seleccionan sus miembros para recibir el servicio. Por ejemplo, puede ser: FIFO (first in first out) primero en entrar, primero en salir, segn la cual se atiende primero al cliente que antes haya llegado. LIFO (last in firstout) tambin conocida como pila que consiste en atender primero al cliente que ha llegado el ltimo. RSS (random selection of service) que selecciona los clientes de manera aleatoria, de acuerdo a algn procedimiento de prioridad o a algn otro orden. ProcessorSharing sirve a los clientes igualmente. La capacidad de la red se comparte entre los clientes y todos experimentan con eficacia el mismo retraso.
e. Mecanismo de servicio: El mecanismo de servicio consiste
en una o ms instalaciones de servicio, cada una de ellas con uno o ms canales paralelos de servicio, llamados servidores.
f. Cola: Una cola se caracteriza por el nmero mximo de
clientes que puede admitir. Las colas pueden ser finitas o infinitas.
FACULTAD DE INGENIERIA
LA DISTRIBUCION DE POISSON
En teora de probabilidad y estadstica, la distribucin de Poisson es una distribucin de probabilidad discreta. As tiempo fijo si estos eventos ocurren con una frecuencia media conocida y son independientes del tiempo discurrido desde el ltimo evento. La funcin de masa de la distribucin de Poisson es
f ( k ; ) = e k k!
Donde es un parmetro positivo que representa la frecuencia esperada del fenmeno modelado por la distribucin En la mayora de los sistemas de colas, el proceso de llegadas sigue una distribucin de Poisson. Se demuestra que si se da esta circunstancia, la duracin de los intervalos entre llegadas tiene una distribucin exponencial o una combinacin contina de exponenciales, Es decir, una distribucin gamma, que recibe el nombre de distribucin erlangiana, o distribucin K.
LA DISTRIBUCION EXPONENCIAL
La distribucin exponencial tiene la propiedad de prdida de memoria: La distribucin exponencial es el equivalente continuo de la distribucin geomtrica discreta. Esta ley de distribucin describe procesos en los que: El objetivo es calcular el tiempo hasta que ocurre determinado evento, sabiendo que, el tiempo que pueda ocurrir desde cualquier instante dado t, hasta que ello ocurra en un instante tf, no depende del tiempo transcurrido anteriormente en el que no ha pasado nada.
7
FACULTAD DE INGENIERIA
f ( x ) = e x
si 0 <x
IDENTIFICACIN DE LA EMPRESA
FACULTAD DE INGENIERIA
Razn Social: XPERTISE SOLUCIONES DE NEGOCIOS SOCIEDAD ANONIMA CERRADA Pgina Web: http://www.xpertise.com.pe Nombre Comercial: XPERTISE S.A.C. Tipo Empresa: Sociedad Annima Cerrada Condicin: Activo Fecha Inicio Actividades: 01 / Octubre / 2007 Actividad Comercial: Otras Actividades Empresariales Ncp. CIIU: 74996 Direccin Legal: av. Aviacin 3232 Ofc. 301 Distrito / Ciudad: San Borja Departamento: Lima Perfil de XPERTISE SOLUCIONES DE NEGOCIOS ANONIMA CERRADA: Empadronada en el Registro Nacional de Proveedores SOCIEDAD
Representantes Legales de XPERTISE SOLUCIONES DE NEGOCIOS SOCIEDAD ANONIMA CERRADA Gerente General: Lindley Alvarez, Luigi Alfredo Gerente Comercial: Chavez Laos, Magali
XPERTISE S.A.C.
Empresa especializada en la validacin y confirmacin in situ de informacin. Inici sus operaciones en Octubre de 2007. Xpertise Soluciones de Negocios SAC, es una entidad que presta servicios de verificaciones domiciliares y laborales para el sector financiero y comercial. Cuenta con profesionales con experiencia en el sector financiero a cargo del rea operativa y comercial, as como personal de campo capacitado en verificaciones, basado en calidad, eficiencia y responsabilidad.
9
FACULTAD DE INGENIERIA
Estructura Organizacional:
Misin
Crear valor en sus clientes, apoyndolos en sus procesos de crecimiento a travs del desarrollo de sus actuales y nuevos mercados, con soluciones eficaces y orientarlos mediante el anlisis eficiente de informacin; que identifique a Xpertise como socio en sus objetivos comerciales.
Visin
10
FACULTAD DE INGENIERIA
Ser reconocidos como una empresa eficiente y confiable, lder en el rubro, y fomentar el desarrollo de sus recursos humanos.
Estrategia Comercial:
Propuesta de Valor Su propuesta est basada en los siguientes pilares:
1.
especializada,
capacitacin
2.
Estrategia Comercial: Concentrarse en cinco clientes del sistema financiero y una empresa de telecomunicaciones.
Ha comprobado que una de las grandes ineficiencias en el servicio es debido a la alta rotacin de verificadores: inexperiencia, personal que se dedica a ms de una actividad, y la baja remuneracin sobre todo por el factor de tercerizacin de servicios de personal.
3.
Despus de casi cuatro aos de operaciones, pueden decir que se han consolidado como el mejor equipo en el servicio de verificaciones y la satisfaccin de sus clientes es su mejor carta de presentacin.
Capacidad Instalada:
11
FACULTAD DE INGENIERIA
Proceso Operativo:
Recepcin
del
Archivo
en
el
Sistema
de
Proceso Operativo:
12
FACULTAD DE INGENIERIA
1. La recepcin de la carga es mediante archivo TxT o Excel, pudindose tambin registrar las solicitudes de manera
13
FACULTAD DE INGENIERIA
individual. Este archivo deber ser enviado al correo de Xpertise en el horario acordado entre Xpertise y el cliente. 2. Impresin de las solicitudes, separacin por tipos (domicilios y laborales).
3. Distribucin de la carga por distritos a los verificadores. Los verificadores realizan su ruta y la coordinan con el Supervisor. 4. A partir de las 8:30 am los verificadores salen al campo para realizar las visitas, previa coordinacin de sus horarios de dictado.
5. A partir de las 9:00 am Los verificadores empiezan a dictar los resultados a los digitadores a travs de la lnea RPC. 6. Una vez ingresados los datos en el sistema, los coordinadores hacen un control de calidad de la informacin y envan el resultado. (Este control demora mximo 3- 5 minutos).
7. El cliente recibe un correo de aviso de verificacin completa: Puede ver el resultado desde el link del correo o ingresar al sistema de verificaciones de Xpertise. 8. Control Interno: El 30% de la carga verificada es supervisada diariamente mediante un control telefnico y supervisin de campo. De esta manera podemos cuidar permanentemente la calidad de nuestra informacin.
14
FACULTAD DE INGENIERIA
15
FACULTAD DE INGENIERIA
16
FACULTAD DE INGENIERIA
17
FACULTAD DE INGENIERIA
CAPITULO III
CONSTRUCCION DE MODELO DE COLAS
ESTIMACIN DE PARAMETROS
Tasa de arribos ( ) Para la estimacin de tasa de arribos se registr cuantas personas llaman al Call center en un intervalo de 6 minutos. Luego con esta data se hall un promedio de personas por minuto. Se utiliz las siguientes Relaciones:
Tasa de servicios ( ) Para la tasa de servicios se tom tiempos en la atencin a cada persona luego de haber sido atendida su llamada.
Se ha tomado los primeros das de la semana y en el horario de la tarde donde presenta mucha ms demanda con relacin a otras horas, lo que nos asegura una mejor toma de tiempos.
18
FACULTAD DE INGENIERIA
LUNES Muestra N 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 tiempo 1:00 - 1:06 1:06 - 1:12 1:12 - 1:18 1:18 - 1:24 1:24 - 1:30 1:30 - 1:36 1:36 - 1:42 1:42 - 1:48 1:48 - 1:54 1:54 - 2:00 2:00 - 2:06 2:06 - 2:12 2:12 - 2:18 2:18 - 2:24 2:24 - 2:30 2:30 - 2:36 2:36 - 2:42 2:42 - 2:48 2:48 - 2:54 2:54 - 3:00 Tiempo total: 120 min = 1.16 Clientes 13 12 11 10 9 8 8 7 8 7 8 7 4 5 5 6 5 2 3 1 139 Muestra n 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
MARTES tiempo 1:00 - 1:06 1:06 - 1:12 1:12 - 1:18 1:18 - 1:24 1:24 - 1:30 1:30 - 1:36 1:36 - 1:42 1:42 - 1:48 1:48 - 1:54 1:54 - 2:00 2:00 - 2:06 2:06 - 2:12 2:12 - 2:18 2:18 - 2:24 2:24 - 2:30 2:30 - 2:36 2:36 - 2:42 2:42 - 2:48 2:48 - 2:54 2:54 - 3:00 Tiempo total: 120 min = 1.24 Clientes 15 13 10 10 9 11 9 8 8 8 7 7 6 5 5 4 5 4 3 2 149
19
FACULTAD DE INGENIERIA
MIERCOLES
Muestra n 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 tiempo 1:00 - 1:06 1:06 - 1:12 1:12 - 1:18 1:18 - 1:24 1:24 - 1:30 1:30 - 1:36 1:36 - 1:42 1:42 - 1:48 1:48 - 1:54 1:54 - 2:00 2:00 - 2:06 2:06 - 2:12 2:12 - 2:18 2:18 - 2:24 2:24 - 2:30 2:30 - 2:36 2:36 - 2:42 2:42 - 2:48 2:48 - 2:54 2:54 - 3:00 Clientes 14 12 10 9 9 8 9 8 6 7 6 7 6 4 6 4 5 5 3 2 140 Muestra n 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
JUEVES
tiempo 1:00 - 1:06 1:06 - 1:12 1:12 - 1:18 1:18 - 1:24 1:24 - 1:30 1:30 - 1:36 1:36 - 1:42 1:42 - 1:48 1:48 - 1:54 1:54 - 2:00 2:00 - 2:06 2:06 - 2:12 2:12 - 2:18 2:18 - 2:24 2:24 - 2:30 2:30 - 2:36 2:36 - 2:42 2:42 - 2:48 2:48 - 2:54 2:54 - 3:00 Clientes 12 11 10 8 9 8 9 6 7 7 6 5 6 5 6 4 3 3 2 1 128
20
FACULTAD DE INGENIERIA
VIERNES
Muestra n 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 tiempo 1:00 - 1:06 1:06 - 1:12 1:12 - 1:18 1:18 - 1:24 1:24 - 1:30 1:30 - 1:36 1:36 - 1:42 1:42 - 1:48 1:48 - 1:54 1:54 - 2:00 2:00 - 2:06 2:06 - 2:12 2:12 - 2:18 2:18 - 2:24 2:24 - 2:30 2:30 - 2:36 2:36 - 2:42 2:42 - 2:48 2:48 - 2:54 2:54 - 3:00 Clientes 17 12 11 10 9 7 8 6 7 6 7 6 7 5 5 3 3 4 3 2 138 Muestra n 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
SABADO
tiempo 1:00 - 1:06 1:06 - 1:12 1:12 - 1:18 1:18 - 1:24 1:24 - 1:30 1:30 - 1:36 1:36 - 1:42 1:42 - 1:48 1:48 - 1:54 1:54 - 2:00 2:00 - 2:06 2:06 - 2:12 2:12 - 2:18 2:18 - 2:24 2:24 - 2:30 2:30 - 2:36 2:36 - 2:42 2:42 - 2:48 2:48 - 2:54 2:54 - 3:00 Clientes 13 11 10 10 10 9 7 8 6 6 7 5 6 5 6 5 4 4 3 1 136
21
FACULTAD DE INGENIERIA
PERSONA S 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
TIEMPO CRONOMETRAD O 21'' 34'' 22'' 54'' 32'' 30'' 44'' 29'' 1' 01'' 51'' 39'' 45'' 49'' 23'' 57'' 1' 10'' 1' 02'' 59'' 1' 05''
22
FACULTAD DE INGENIERIA
PERSONA S 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 23 24
DIA 2-MARTES TIEMPO PERSONA S CRONOMETRADO 44'' 27 51'' 28 61 29 48'' 30 30'' 31 33'' 32 34'' 33 27'' 34 37'' 35 44' 36 34'' 37 27'' 38 30'' 39 38'' 40 69 41 52'' 42 21'' 43 73 44 45'' 45 33'' 46 20'' 47 59'' 48 41'' 49
TIEMPO CRONOMETRADO 30'' 29'' 54'' 68 42'' 22'' 53'' 63 21'' 55'' 37'' 49'' 46'' 57'' 59'' 23'' 27'' 34'' 49'' 38'' 47'' 56'' 26''
23
FACULTAD DE INGENIERIA
PERSONAS
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 23 24 25
TIEMPO CRONOMETRADO
35'' 37'' 57'' 48'' 41'' 25'' 71" 32'' 43'' 40'' 59'' 44'' 51'' 39'' 50'' 50'' 70" 41'' 65" 58'' 51'' 20'' 34'' 41''
24
FACULTAD DE INGENIERIA
PERSONAS
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 23 24 25
TIEMPO CRONOMETRADO
70 50'' 47'' 45'' 39'' 47'' 29'' 73 51'' 33'' 49'' 55'' 41'' 40'' 74 39'' 53'' 61 28'' 44'' 20'' 29'' 58'' 46''
TIEMPO (seg.)
2204 1.361
25
FACULTAD DE INGENIERIA
PERSONAS
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 23 24 25
TIEMPO CRONOMETRADO
72 52'' 45'' 41'' 37'' 45'' 31'' 71 62 35'' 47'' 57'' 39'' 37'' 48'' 52'' 68 43'' 67 56'' 53'' 22'' 32'' 43''
26
FACULTAD DE INGENIERIA
DIA 6-SABADO
PERSONAS
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 23 24 25
TIEMPO CRONOMETRADO
70 55'' 43'' 70 29'' 62 64 57'' 59'' 42'' 80 49'' 35'' 68 47'' 39'' 55'' 54'' 31'' 38'' 45'' 46'' 53'' 48''
PERSONAS
27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
TIEMPO CRONOMETRADO
66 63 45'' 47'' 37'' 49'' 27'' 75 53'' 30'' 52'' 34'' 55'' 26'' 35'' 51'' 69 36'' 48'' 44'' 37'' 51'' 65 29''
TIEMPO (seg.)
2407 1.246
27
FACULTAD DE INGENIERIA
DIAS DA 1 DA 2 DA 3 DA 4 DA 5 DA 6 TOTAL
Se obtiene:
= 1.35 clientes/min
28
FACULTAD DE INGENIERIA
Dcima de hiptesis y ajustes de bondad Ahora ajustaremos la toma de tasas de arribo y servicio a una distribucin Poisson y Exponencial respectivamente.
"X" LLEGADAS 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
FRECUENCIAS
PROBABILIDAD REAL (F AB) 0 0.025 0.0417 0.075 0.075 0.125 0.1417 0.125 0.1083 0.0833 0.075 0.0417 0.0333 0.025 0.0083 0.0083 0 POISSON 0.001 0.0069 0.0237 0.0547 0.0945 0.1307 0.1507 0.1489 0.1288 0.099 0.0684 0.043 0.0248 0.0132 0.0065 0.003 0.0013
PX
0 3 5 9 9 15 17 15 13 10 9 5 4 3 1 1 0
0.001 0.0078 0.0316 0.0862 0.1807 0.3115 0.4622 0.6111 0.7399 0.8388 0.9073 0.9503 0.9751 0.9883 0.9948 0.9979 0.9992
29
FACULTAD DE INGENIERIA
GRAFICO
1.15 1.35
30
FACULTAD DE INGENIERIA
31
FACULTAD DE INGENIERIA
RESUMEN
MODELO INDICADOR (M/M/1):(FIFO//) o
LS Lq WS Wq
32
FACULTAD DE INGENIERIA
33
FACULTAD DE INGENIERIA
Cuadro comparativo:
34
FACULTAD DE INGENIERIA
WS Wq
5 4.26
0.90 0.16
COMENTARIO
Se puede afirmar que a la empresa le conviene colocar una lnea activa ms de atencin, porque de este modo aumenta la probabilidad de que un verificador sea atendido apenas llegue.
Se observa que el porcentaje promedio de verificadores que esteran en cola disminuye notablemente desde 5 personas aproximadamente hasta 1 persona.
35
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL INVESTIGACIN DE OPERACIONES II Para la simulacin de este caso se procede con el mtodo de Montecarlo, al tratarse de una distribucin con variable a aleatoria discreta
FACULTAD DE INGENIERIA
X 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Poisson 0.000991128 0.006855303 0.023707924 0.054659936 0.09451614 0.130747327 0.150722613 0.148928296 0.128760923 0.098955154 0.068443981 0.043036746 0.024805902 0.013198012 0.006520446 0.00300665 0.00129975 0.00052882
Acumulado 0.000991128 0.007846432 0.031554356 0.086214292 0.180730432 0.311477759 0.462200372 0.611128669 0.739889592 0.838844745 0.907288727 0.950325472 0.975131375 0.988329387 0.994849833 0.997856483 0.999156233 0.999685053
36
FACULTAD DE INGENIERIA
37
FACULTAD DE INGENIERIA
38
FACULTAD DE INGENIERIA
39
FACULTAD DE INGENIERIA
40
FACULTAD DE INGENIERIA
41
FACULTAD DE INGENIERIA
42
FACULTAD DE INGENIERIA
43
FACULTAD DE INGENIERIA
44
FACULTAD DE INGENIERIA
APRECIACIONES FINALES
Con este trabajo pudimos comprender, Qu es un modelo de colas?, las aplicaciones que tiene en el campo, sus partes y como se identifican para poder dar una solucin. Al finalizar la observacin y obtencin de datos, nos pudimos dar cuenta que el problema principal es la falta de comunicacin entre digitador y verificador, estos deberan de tener horarios establecidos de dictado que se cumplan para que no se congestione en ciertos tramos horarios, para que la demanda efectiva de este servicio no exceda a la oferta efectiva.
45
FACULTAD DE INGENIERIA
Aplicando los conocimientos aprendidos, podemos afirmar que si bien no encontramos una solucin al problema, podemos predecir algunas de sus caractersticas sobre la lnea de esperar a que se generara, y es que se formen un tiempo de espera promedio. Cambiar algunos parmetros de los formatos de digitacin para poder optimizar tiempos y disminuir las esperas.
BIBLIOGRAFA Y WEBGRAFA
Arbonas, M.E. Optimizacin Industrial (I): Distribucin de los recursos. Coleccin Productica No. 26. Marcombo S.A, 1989.
46
FACULTAD DE INGENIERIA
Arbonas, M.E. Optimizacin Industrial (II): Programacin de recursos. Coleccin Productica No. 29. Marcombo S.A, 1989. Moskowitz,H. y Wright G.P. Investigacin de Operaciones. Prentice_Hall Hispanoamericana S.A. 1991. Norma Tcnica del servicio de Emergencia de Hospitales del Sector Salud, Ministerio de Salud del Per 2006 Devore, Jay L. Probabilidad y estadstica para ingeniera y ciencias. Internacional Thompson.
www.xpertise.com.pe
LINKS DE PUBLICACION
PRESENTACION DE DIAPOSITIVAS:
47
FACULTAD DE INGENIERIA
http://es.scribd.com/doc/58653245
48