Mtodos de

control de
calidad y teora
de colas.
Introduccin
Este trabajo tiene como objeto primeramente el estudio de dos mtodos
estadsticos de resolucin de problemas aplicados al control de calidad, como
lo son el anlisis de regresin y el anlisis multivariante.
Ambos mtodos buscan presentar pronsticos en funcin de datos previamente
establecidos. Valindose para ello de distintas herramientas matemticas.
Acto seguido analizaremos dos mtodos de estudio de teora de colas, el
mtodo bsico de teora de colas MM1 y el mtodo de anlisis
econmico de una lnea de espera.
Ambos mtodos basados en el principio que rige la metodologa de teora de
colas en las que se toman en cuenta factores como los tiempos de espera y la
capacidad de servir a cada persona en un clculo matemtico de las lneas de
espera por parte de clientes esperando un servicio.

Primeramente, buscaremos obtener una idea de lo que nos proporcionan estos

tipos de anlisis. En lneas generales los anlisis de regresin y multivariante
son mtodos estadsticos que, partiendo de una base de datos referentes a una
o varias variables conocidas (Independientes), buscan predecir el
comportamiento de una variable determinada (Dependiente). Esta variable
puede estar referida a un fenmeno o a un ente fsico.
Podemos ver que aplicado al control de calidad, nuestra variable dependiente
puede convertirse en un determinado lote a produccin, siendo la variable
independiente el lote producido en un periodo anterior. De esta manera se
puede planificar la produccin y as obtener un rgimen ptimo de ventas.
Basndonos en esto, crearemos un cuadro comparativo en el que evaluaremos
los mtodos de anlisis de regresin (tanto lineal como no lineal) y
multivariante.
Anlisis de Regresin
Regresin
Regresin No Lineal
Lineal
Puede usar una o
Sujeto a implementar ms
varias variables
de una variable
dependientes.
independiente.
Asociado a
Asociado a variables que
variables que
no conservan un
conservan un
comportamiento lineal.
comportamiento
lineal.

Anlisis multivariante

Sujeto a implementar ms de una

variable independiente.
No presenta restricciones por la
linealidad o la ausencia de esta en
el comportamiento de las
variables independientes.

Son anlisis
basados en
patrones que
presenten
linealidad entre
demanda y
tiempo.
El uso de ajuste
de curvas se hace
necesario pues
aunque los
puntos exhibirn
una tendencia
lineal, no
formaran una
lnea perfecta.
La variable
dependiente est
claramente
identificada
Su objetivo es
verificar que las
variables
independientes
afecten a la
dependiente y de
ser as, en qu
forma lo hacen.
Se recomienda
utilizar cuando se
conocen con
certeza las
variables
dependientes e
independientes.
Como Ejemplo:
Se requiere
pronosticar la
produccin para
el mes siguiente
de determinado
producto
partiendo de
valores de

Por lo tanto suelen ser

anlisis complejos y sus
resultados pueden ser
distintos a la realidad.

De juzgarse correcto,
puede implementarse el
uso de ajuste de curvas o
transformacin de
variables para aproximar
su comportamiento a una
regresin lineal.

La variable dependiente
est claramente
identificada

Abarca una gran cantidad de

mtodos segn el tipo de
problema que se tenga, dando de
esta forma un gran rango de
alcance para buenos resultados.

El ajuste o transformacin de
variables est sujeto al mtodo a
utilizar.

No se distingue entre variables

dependientes e independientes.

Su objetivo es verificar que

las variables
independientes afecten a
la dependiente y de ser
as, en qu forma lo hacen.

Busca identificar que variables

estn relacionadas, como lo estn
entre s, y el por qu.

Se recomienda utilizar
cuando se conocen con
certeza las variables
dependientes e
independientes.

Se recomienda cuando el nmero

de variables es elevado, as como
cuando se tienen dudas sobre la
dependencia o independencia de
las distintas variables.

Como Ejemplo:
Una situacin parecida al
caso de regresin lineal,
pero en este caso, el
comportamiento de la
produccin de meses
anteriores es irregular.
(Bajo mucho el segundo

Como Ejemplo:
Estudiar la preferencia de un
determinado producto, partiendo
de una gran serie de datos
obtenidos en funcin de gustos de
distintos usuarios segn su edad,
capacidad adquisitiva, lugar de

produccin de
meses anteriores,
los cuales
muestran un
comportamiento
lineal (uniforme).

mes, para subir mucho

tercero y cuarto y volver a
bajar en el quinto).

residencia, etc.

Como podemos ver, dividimos el anlisis de regresin en dos tipos, lineal y no

lineal. Esto debido a algunas marcadas diferencias que existen entre ambos y
que pudimos ejemplificar con claridad. Si bien pudimos tomar otras
clasificaciones, como la de mtodos de regresin simple y mltiple,
consideramos que la de mtodos lineal y no lineal abarca ms aspectos a
considerar.
Es justo sealar, que cuando nos referimos al anlisis multivariante, estamos
abarcando una gran serie de mtodos estadsticos de pronsticos, entre los
que se encuentran los anlisis de regresin.
Por lo tanto es lgico que todo lo que referimos en el apartado anterior en
relacin al anlisis de regresin sea aplicable tambin al anlisis multivariante.
Es conveniente hablar sobre la hoja de verificacin, la cual no es ms que un
formato que permite reunir de manera ordenada una serie de datos para ser
posteriormente analizados.
Como se considera a la hoja de verificacin una herramienta ms que un
proceso de resolucin de problemas estadsticos no juzgamos correcto
compararla con los anlisis de regresin y multivariable.
Pasando ahora al apartado de teora de colas, pasaremos a desarrollar los
mtodos MM1 y mtodo de anlisis econmico de una lnea de espera:
Mtodo MM1:
Es importante explicar la notacin utilizada para llamar al modelo, por lo
general, los modelos de teora de colas siguen el siguiente patrn:

A/B/s
Donde:
-A representa la distribucin del tiempo de llegadas.
-B representa la distribucin del tiempo de servicio.
- s representa el numero de servidores.

As, para nuestro modelo MM1 tenemos:

M est referido a un sistema con tiempo exponencial. Por lo que nuestro
modelo se trata de un sistema de colas con tiempo de llegadas exponencial,
tiempo de servicio exponencial y un servidor.
El hecho de que solo se tenga un servidor en el modelo autentifica este
sistema como el modelo ms bsico de teora de colas.
Los modelos de teora de colas buscan conseguir estimaciones de nmero
clientes en espera y tiempo de espera de los mismos en funcin de parmetros
medibles como lo son tasas medias de llegadas y de servicio, y en base a esto
optimizar el sistema de colas.
Con el inters de mostrar las expresiones utilizadas en el modelo, tomaremos
el atrevimiento de mostrar las ecuaciones presentes en la gua de produccin
del profesor Ernesto Ponsot Balaguer de la escuela de estadstica de la
Universidad de los Andes (Referencia presente en la bibliografa), las cuales se
presentan bastante claras.

Como podemos observar, el modelo nos permite calcular otros parmetros

aparte de los citados anteriormente como lo son clientes y tiempos esperados
en el sistema. Es importante poder diferenciar la cola del sistema como tal, ya
que el sistema est referido tanto a la cola como al mecanismo de servicio, es
decir, toma en consideracin a los clientes atendidos por el servidor.
Podemos ver tambin que hay otro grupo de ecuaciones enunciadas llamadas
ecuaciones de Little, las cuales representan ecuaciones generales en el clculo
de parmetros, y no estn condicionadas por el hecho de que el sistema sea
exponencial (M) o no.
Anlisis econmico de una lnea de espera:
Aunque se parte del mismo objetivo del caso anterior (optimizar el sistema de
espera), en este caso estamos tomando en cuenta los costos asociados a las
lneas de espera, pues por lo general colas largas y tiempos de espera largos
conllevan a insatisfaccin por parte del cliente y puede llevar a la prdida del
mismo.
De esta manera, el modelo toma en consideracin los siguientes parmetros:
El costo de esperar por cliente (Cw)
La cantidad de clientes en el sistema (L)
El costo de servicio por servidor (Cs)
La cantidad de servidores (k)

Todo esto para conseguir el costo total asociado al modelo (TC)

As, el costo total asociado al modelo viene dado por:

TC=CW L+C Sk
Podemos ver que la ecuacin se compone de dos partes principales:
Cw*L Representa el costo de esperar.
Cs*k

Representa el costo de servicio.

Para explicar con mejor detalle cmo se relacionan estos costos, nos valeremos
de esta til grafica.

Como podemos ver, el costo total figura en el rea superior a donde los costos
de servicio y espera se interceptan.
El costo de servicio aumenta a medida que la cantidad de servidores aumenta,
mientras que el costo de esperar disminuye a medida que la cantidad de
servidores aumenta.
El costo total debe buscar el punto donde ambos costos se igualen
(intercepcin de ambas rectas) pues como podemos ver, ese ser el valor de
menor costo total que podamos tener.
Debe buscarse el equilibrio entre cuanto tendr que pagar para contratar ms
servidores y cuanto dinero habr de ganar en funcin a no perder clientes por
largas esperas.

Conclusin
Mediante este trabajo hemos podido ver con claridad la importancia de las
tcnicas estadsticas aplicadas al control de calidad, pues nos permiten obtener
resultados acertados a futuro en funcin a parmetros conocidos, y de esta
forma aplicar estrategias para lograr optimizar operaciones como regmenes de
produccin.
En relacin a teora de colas, hemos observado cmo se estructuran dos
modelos as como estudiar los distintos factores que influyen y deben ser
controlados para de esta forma garantizar un ptimo servicio.

Referencias Bibliogrficas
Introduccin al anlisis multivariante (s.f) Recuperado el 15 febrero 2015. URL
http://ciberconta.unizar.es/leccion/anamul/inicio.html
Analisis de regresin (s.f) Recuperado el 15 febrero 2015. URL
https://www.uam.es/personal_pdi/economicas/sgarcia/analisisderegresion.pdf
Regresin lineal o mnimos cuadrados (s.f) Recuperado el 15 febrero 2015. URL
http://www.ingenieriaindustrialonline.com/herramientas-para-el-ingenieroindustrial/pron%C3%B3stico-de-ventas/regresi%C3%B3n-lineal/
Vega, G. (2008). Curso de estadstica avanzada. URL
http://www.uclm.es/actividades0708/cursos/estadistica/pdf/descargas/AnalisisM
ultivariante.pdf
Ponsot, E. Teora de colas. URL
http://webdelprofesor.ula.ve/economia/ernesto/MaterialDidactico/TCeInv/Teoria_
Colas.pdf
Parra, N. (2011) Investigacin de operaciones. URL
http://investigaciondeoperacionesnaty7.blogspot.com/p/teoria-de-colas.html
Anlisis econmico de las lneas de espera. (s.f) Recuperado el 17 de febrero
2015. URL http://evelynjania.jimdo.com/temas/modelos-de-l%C3%ADneas-deespera/an%C3%A1lisis-econ%C3%B3mico-de-las-l%C3%ADneas-de-espera/