Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Introduccin
Nota: podra ocurrir que tanto los arribos como los servicios no fuesen aleatorios sino que se
pueden determinar los intervalos de tiempos que separan arribos y/o servicios del siguiente.
De servicios mltiples
- cola nica ...S1
.S2 (M/M/S) (M/M/3)
...S3
........... S1 S2 Sn ...
P1( t ) = t (servicios)
i) Los servicios del sistema son indistinguibles (tienen todos la misma eficiencia)
Las llegadas sern aleatorias en cualquier caso en el que cada una de ellas no afecte a las otras.
e t ( t ) n
P(n llegadas en un periodo t) =
n!
Por ejemplo:
e 3 x 2 (3 x 2)0 6
p 0(2) 0!
e 0, 0025 0, 25%
e 3 x 2 (3 x 2)1
p (2)
1 1!
0, 015 1,5%
e 3 x 2 (3 x 2)2
p 2(2) 2!
0, 045 4,5%
e 3 x 2 (3 x 2)3
p 3(2) 3!
0, 089 8,9%
e 3 x 2 (3 x 2)4
p (2) 0,134 13, 4%
4 4!
e 3 x 2 (3 x 2)6
p (2)
6 6!
0,16 16%
e 3 x 2 (3 x 2)7
p (2) 0,14 14%
7 7!
e 3 x 2 (3 x 2)8
p (2) 0,10 10%
8 8!
e 3 x 2 (3 x 2)9
p 9(2) 9!
0, 07 7%
0 1 2 3 4 5 6 7 8 9 n
f (t ) e .t
Para calcular la probabilidad de que el servicio sea ms prolongado que alguna duracin
especificada de tiempo t:
P(t T ) e T
Por ejemplo:
p e2 x 0 1
( t 0')
p e2 x1 0,135 13,5%
( t 1')
p e2 x 2 0,018 1,8%
( t 2')
P(t > T)
M/M/1
Consideraciones:
Caractersticas
- = tasa promedio de arribos
- = tasa promedio de servicio
Es el TRFICO. Es la fraccin promedio de tiempo que el sistema est
ocupado, o tambin el nmero promedio de unidades que estn siendo
atendidas en cualquier momento.
En trminos de probabilidad:
P(W ) Probabilidad de que el sistema est ocupado.
M/M/S
Valen las mismas consideraciones que en M/M/1, a diferencia que ahora existe UNA SOLA FILA
y MLTIPLES SERVICIOS con la misma tasa de servicio.
Caractersticas
Nmero promedio de unidades que estn siendo atendidas en cualquier momento.
P(W ) Probabilidad de que el sistema est ocupado.
eT (T )n
P( n) Probabilidad de que se produzcan n arribos en un tiempo T.
n!
2
Lq Nmero promedio de unidades que se esperan ser atendidas.
1
L
W Tiempo promedio que la unidad transcurre en el sistema. O tambin, tiempo
transcurrido entre el tiempo de espera y el que se es atendido.
1
Tiempo de servicio. O tambin se utiliza para saber cada cunto se producen los servicios.
P 0 Ociosidad.
Ejemplo:
Consideremos un sistema M/M/1que tiene una tasa de arribo de 10 arr y una tasa de
hora
servicio de 0, 25 serv . Calcule:
min.
1. Los tiempos medios de separacin entre arribos y servicios
2. Los parmetros estadsticos decisin para este tipo de sistema
1 1 1 1
1. t arr hora 6 min y t serv min 4 min
10 0, 25
10 arr
10 arr
2. h 60 min 0, 66 arr 2 arr
0, 25 serv serv serv 3 serv
min 0, 25
min
2 1
p 1 1 0,33 33,33%
0 3 3
2
p 0, 66 66, 66%
w 3
2
2
4
2
3
L q 1 2 3 1,33 unid .
1
3
4 2
L L q 2 unid .
3 3
1 1
t 4 serv
0, 25 serv min
min
M/M/S
S
P(W ) P(O ) Probabilidad de que el sistema est ocupado.
S !( S )
n S 1 1 n 1 S S
P(O ) 1 Una forma ms sencilla de encontrar P(o) es a
n0 n ! S ! S
travs de la tabla (Ver pginas 12 y 13 del siguiente material o Anexo bibliografa bsica).
Lq P(W ) Nmero promedio de unidades que esperan ser atendidas.
S
L P(W ) Nmero promedio de unidades que se encuentran en el sistema (esperan
S
ser atendidas ms las que estn siendo atendidas)
1 Lq
Wq Tiempo promedio que una unidad tiene que esperar antes de ser
S
P(W )
atendida.
1 L
W P(W ) Tiempo promedio de unidades en el sistema.
S
n
Pn .Po (1<n<S)
n!
n
Pn .Po (n S)
S ( n s ) S !
Ejemplo:
Considere un sistema M/M/2 cuya tasa de arribos es = 22,5 arr/hora y la tasa de servicios =15
serv/hora.
arr
22,5 h
1,5 arr
15 serv serv
h
p 0,1429 (valor que seobtiene por tabla ver pgs. 12 y 13 o Anexo Bibliografa Bsica , Davis)
0
s
S p 1,5 2
2 0,1429
p o
0.643 64,3%
w S ! S 2! 2 1,5
1,5
L p 0.643 1,93 unid .
q
S w 2 1,5
L q
1,93
hora 0, 086 hora 5,15min.
W q
22,5
L 3, 43
W hora 0,152 hora 9,15min.
22,5
Una vez mostrado con ejemplos el clculo de los parmetros estadsticos de los sistemas M/M/1
y M/M/S, la pregunta que correspondera hacernos es, en qu radica la importancia de obtener
el valor del trfico, ?
Segn el valor que obtenemos del trfico, nos indica la cantidad de puesto de servicios que
necesitamos para que el sistema trabaje en forma ptima.
1) Si el trfico fuera = 0,89 hace falta un slo puesto de servicio para que el sistema no
colapse.
3) Si el trfico fuera = 2,10 nos hace falta tres puestos de servicios para que el sistema
no colapse.
Tenga cuidado tanto para el caso 2) como para el 3) ambos se resuelven con 3 puestos de
servicios, pero cul es ms eficiente?
En el caso 2) tenemos una ociosidad en el sistema del 10%, en tanto caso 3) la ociosidad es de
un 90%.
En sntesis, el da de maana que Usted tenga que decidir cuntos puestos de servicios activar,
deber tener en cuenta la ociosidad del sistema. Muchas veces es preferible tener una cola
razonable y no tiempos ociosos, pero todo depender de Usted, recuerde que este modelo es
descriptivo.
Preparado por el Ing. Civil Jorge A. Timan Rojas, Master en Ingeniera de Transportes por la
University of British Columbia, para uso interno del Programa Master de Ingeniera Civil con
Mencin en Ingeniera Vial de la Universidad de Piura.
N de pgs. 10
1
TEMA 3-A: INTRODUCCIN A LA TEORA DE COLAS
1. INTRODUCCIN
2. CONCEPTOS GENERALES
2.1. DISTRIBUCION DE LLEGADA
2.2. MTODO DE SERVICIO
2.3. CARACTERSTICAS DE LA LONGITUD DE LA COLA
2.4. DISTRIBUCIN DEL SERVICIO
2.5. NMERO DE CANALES
2.6. COLAS SOBRESATURADAS Y NO SATURADAS
3. COLAS INFINITAS, NO SATURADAS, DE CANAL NICO.
4. COLAS FINITAS, NO SATURADAS, DE CANAL NICO.
5. RESUMEN
2
INTRODUCCIN A LA TEORA DE COLAS1
1. INTRODUCCIN
Una cola se forma cuando los elementos que arriban esperan por un servicio en una
zona denominada rea de servicio. Este servicio puede ser la llegada a una brecha o
intervalo libre aceptable para ingresar a un flujo mayor de vehculos, la espera del turno de
pago en una estacin de peaje, la espera para ingresar en una zona de parqueo pagada y as
sucesivamente. Este servicio puede ser provedo en un nico carril o en varios. El anlisis
apropiado de los efectos de una cola, puede llevarse a cabo slo si la cola puede
describirse total y detalladamente.
1
Extrado, traducido y adaptado del libro Traffic and Highway Engineering by Nicholas J. Garber and Lester A.
Hoel. Departament of Civil Engineering, University of Virginia, 1988.
3
Para caracterizar un fenmeno de espera en un sistema vial de servicios, es necesario
responder a interrogantes como:
A qu hora empieza y termina el congestionamiento?
Cul es el nmero medio de vehculos en el sistema?
Cul es el nmero medio de vehculos en la cola?
Cul es el tiempo medio en el sistema?
Cul es la demora promedio?
Cul es la longitud mxima de cola?
Cul es la demora mxima?
Cul es la demora total de todo el trnsito?
Cul es la proporcin de tiempo en que se utiliza el sistema?
Cul es la proporcin de tiempo cuando el sistema permanece inactivo?
4
2. CONCEPTOS GENERALES
Los arribos pueden ser descritos como una distribucin determinstica o probabilstica. La
distribucin para el trfico promedio la describe usualmente la distribucin de Poisson y
esta es generalmente usada en teora de colas relacionada al flujo de vehculos.
Las colas tambin pueden clasificarse por el mtodo que usan para servir los arribos o
elementos que llegan. Esto incluye la conocida y generalizada ley de servicio: el primero
en llegar, es el primero en recibir el servicio, donde se sirve a las unidades en el orden
en que stas arriban, o la ley de servicio ltimo en llegar es el primero en ser servido,
que es en reversa al orden de llegada. El mtodo de servicio, tambin puede basarse en
prioridades, donde las llegadas son direccionadas a colas especficas con apropiadas
prioridades de diferente nivel de servicio. Las colas son servidas en este caso en
diferentes rdenes de niveles de prioridad.
5
2.5. NMERO DE CANALES
Las colas sobresaturadas son aquellas en las cuales la tasa de arribo es mayor que la tasa
de servicio y las colas no saturadas son aquellas en las cuales la tasa de arribo es menor
que la tasa de servicio. La longitud de la cola no saturada podra variar pero alcanzar un
estado estable con el arribo de unidades. La longitud de una cola sobresaturada, sin
embargo nunca alcanzar un estado estable, y continuar creciendo con el arribo de las
unidades.
Sistema
rea de Servicio
Tasa de llegadas
Tasa de servicio
Cola
Figura 3.1
La figura 3.1 es un esquema de una sola cola de canal-nico en el cual la tasa de arribo es
vph (vehculos por hora) y la tasa de servicio es vph. Para una cola no saturada, > ,
asumiendo que para ambas, la tasa de llegadas y la tasa de servicio, son aleatorias, las
siguientes relaciones pueden desarrollarse:
1. Probabilidad de que hayan n unidades en el sistema P(n):
n
P ( n) = 1 (3.1)
6
Donde n es el nmero de unidades en el sistema, incluyendo las que estn siendo servidas.
E (n) = (3.2)
3. El nmero esperado de unidades esperando ser servidas (esto es, la longitud promedio
de la cola) en el sistema, E(m) es:
2
E (m) =
( ) (3.3)
Nota: este valor E(m) no es exactamente igual a E(n)-1, la razn es porque es una
probabilidad definida habiendo cero unidades en el sistema P(0)
E ( w) =
( ) (3.4)
1
E (v) =
(3.5)
1 t
P (v t ) = 1 e (3.6)
7
7. Probabilidad de esperar un tiempo t o menos en la cola
1 t
P(w t ) = 1 e
(3.7)
La ecuacin 3.2 puede usarse para producir una grfica de la relacin entre el nmero
esperado de unidades en el sistema E(n) y la relacin entre la tasa de arribo y la tasa de
servicio = / . La figura 3.2 es la representacin para valores diferentes de = / . Se
puede notar que cuando esta relacin tiende a 1 (esto es, prximo a la saturacin), el
nmero esperado de vehculos en el sistema tiende al infinito. Esto muestra que / , la cual
es usualmente referida como intensidad de trfico ( ), es un factor importante en el
proceso de colas. La figura tambin indica que la cola no es significativa cuando es
menor que 0.5, pero para valores de 0.75 en adelante, la longitud promedio de la cola
tiende a incrementarse rpidamente. La figura 3.3 tambin grafica la probabilidad de n
unidades dentro del sistema versus / . La ecuacin 3.2 tambin puede utilizarse para
producir este grfico.
Figura 3.2: Nmero esperado de vehculos en el sistema E(n) versus Intensidad de Trfico ( )
8
Figura 3.3: Probabilidad de que n vehculos estn dentro del sistema para diferentes intensidades de trfico ( )
Solucin:
(a) =375 y =500. Para que el operador est libre, el nmero de vehculos en el sistema
debe ser cero. De la ecuacin 3.1:
375
P ( 0) = 1 =1 = 0.25
500
El operador estar libre el 25% del tiempo.
(b) De la ecuacin 3.2:
375
E ( n) = =3
500 375
(c) De la ecuacin 3.5:
1
E (v ) = hr = 0.008hr = 28.8seg
500 375
9
4. COLAS FINITAS, NO SATURADAS, DE CANAL NICO.
Donde = /
2. El nmero esperado de unidades en el sistema
1 ( N + 1) N + N N +1
E ( n) = * (4.2)
1 1 N +1
Solucin:
(a) La Probabilidad de que hayan 05 vehculos entrando en la rampa: =400, =500, y
=(400/500) = 0.8. De la ecuacin 4.1:
(1 0.8)
P(5) = 10 +1
*(0.8)5 = 0.072
1 (0.8)
(b) De la ecuacin 4.1:
(1 0.8)
P(10) = *(0.8)10 = 0.023
1 (0.8)11
Esto es, la rampa est totalmente llena slo el 2.3% del tiempo.
10
(c) El nmero esperado de vehculos en la rampa se obtiene de la ecuacin 4.2:
0.8 1 (10 + 1)(0.8)10 + 10(0.8)10+1
E ( n) = * = 2.97
1 0.8 1 (0.8)10+1
El nmero esperado de vehculos en la rampa es 3.
5. RESUMEN
BIBLIOGRAFA RECOMENDADA
11
3. Fundamentals of Transportation Engineering by Fricker/Whitford, Prentice Hall,
2004.
4. Traffic Engineering Roess/Prassas/McShane, Prentice Hall, 2004
5. Ingeniera de Trnsito Fundamentos y Aplicaciones 7ma. edicin R.Cal y
Mayor/J.Crdenas G.
6. Traffic Engineering Theory and Practice Louis Pignataro
12
Unidad 5: Modelos de simulacin
Una estructura lgica que permite correlacionar las variables de entrada y los factores
operativos. Ejemplo: Distribucin de probabilidad de espaciamiento de arribos y servicios.
PROBLEMA
Rutina de bsqueda
SOLUCIN DEL PROBLEMA
El mtodo consiste en un proceso que permite generar valores aleatorios de una variable a
partir de un conjunto de datos de entrada.
Monte Carlo se utiliza para variables discretas en el caso de ser una variable contina, como el
tiempo, se debe discretisar la variable. Por otra parte, este mtodo no tiene en cuenta la
estadstica a la cual obedece la variable continua, simplemente porque es un mtodo para
variable discreta.
Para este ejemplo supondremos que los nmeros de casos de estudios son 10.000, por este
motivo los intervalos varan entre 0,0000 y 0,9999
El mtodo de simulacin de Monte Carlo se utiliza para simular cuando estamos en presencia de
variables discretas, aunque se puede aplicar a variables continas, esto se logra "discretisando"
la variable, por ejemplo, el tiempo es una variable contina pero se puede "discretisar" para su
estudio. De esta manera podemos decir que los tiempos de servicios se producen en promedio
cada 5, 10 y 15 minutos.
La respuesta es la siguiente:
Monte Carlo emplea para variables discretas, en el caso de ser una variable contina, como el
tiempo, se debe discretisar.
1
( x) para a x b
ba
Grficamente se expresa:
( x)
a b x
x
p ( x) dx
( x) a
1
Reemplazando ( x)
ba
Entonces:
x 1 1 x
b a a
p dx dx
( x) a ba
1 1
p( X ) xa x a
x
ba ba
Finalmente:
p( X )
xa
Pac a, x x a
ba ba
(X)
1/b-a = C
a x b x
(x-a)
Cmo generar valor aleatorio de la variable aleatoria?, es decir Cmo simular distintos valores
de la variable x en forma aleatoria? (teniendo en cuenta a la estadstica a la cual obedece)
La respuesta es:
Pac a, x R x a
ba
Despejando x:
x a R(b a)
Veamos un ejemplo:
Se desea generar una variable aleatoria x para una distribucin uniforme que se encuentre
dentro del intervalo [10 , 20]
Para generar la variable aleatoria x seleccionamos un nmero at random (aleatorio) que vara
entre 0 y 1, por ejemplo 0,5879
Como se puede observar la variable x generada se encuentra dentro del intervalo [10,20].
- Para arribos:
- Para servicios:
Pac t T R e
T
Para poder obtener el valor de T debemos aplicar Ln a ambos miembros de la igual, resultando:
LnR T
1
Despejando, se obtiene T LnR
1
Despejando, se obtiene T ' LnR '
Si se tiene que =10 arr/hora y =15 ser/min y el proceso comienza por ejemplo a las
10:00hs., los R (nmeros aleatorios) de arribos son:
R1 = 0,264
R2 = 0,493
R3 = 0,715
R4 = 0,846
Se calcula entonces, a partir de las expresiones para arribos y servicios correspondientes que, si
la persona ingresa al sistema a las 10:08 y el tiempo de servicio es de 3,36, sale a las 10:11,36
horas. Si la persona ingresa al sistema a las 10:04,25 y el tiempo de servicio es de 7,25, la salida
se produce a las 10:11,5 horas y as sucesivamente.
Los administradores de una fbrica han observado desperfectos de maquinarias que producen
tiempos muertos en la produccin. Los administradores opinan que es posible reducir
significativamente el problema con un nmero adecuado de operadores de mantenimiento.
Teniendo en cuenta que el costo del personal es de 8 $/hora y el costo de prdida de produccin
de mquina que no est funcionando de 30 $/hora.
Datos de entrada (para arribos)
T (entre descomp.) Prob. de ocurrencia Prob. acumulada Intervalo aleatorio
15 0,0467 0,0467 [0,0000 ; 0,0466]
16 0,0933 0,1400 [0,0467 ; 0,1399]
17 0,1000 0,2400 [0,1400 ; 0,2399]
18 0,1867 0,4267 [0,2400 ; 0,4266]
19 0,2400 0,6667 [0,4267 ; 0,6666]
20 0,1800 0,8467 [0,6667 ; 0,8466]
21 0,1000 0,9467 [0,8467 ; 0,9466]
22 0,0533 1,0000 [0,9467 ; 0,9999]
Suponiendo que la jornada comienza a las 8:00 horas, la tasa de arribo es = 0,0535 arr/min y
la tasa de servicio es =0,033 ser/min., con S=1 (1 servicio) tenemos:
Estructura de Simulacin
En una jornada que comienza a las 8:00horas, hasta las 20:19 horas se acumularon 2642 lo que
equivale a 44 horas de improductividad, monetariamente hablando seran $1.321 (44 hs x $30).
19 de ocio del operario de mantenimiento cuestan $ 2,53 (19 / 60 x $ 8).
Suponiendo un caso M/M/2, a partir de los generadores de proceso para arribos y servicios.
Esto quiere decir que si agregamos un servicio ms, los costos totales disminuyen.
Para este ejemplo de simulacin se ejecut bajo el mtodo de Monte Carlo, en donde se
discretis la variable continua tiempo. Le proponemos que, utilizando los nmeros aleatorios de
las columnas de R de arribos y R de servicios, realice la simulacin por el mtodo de
generadores de proceso, en donde para el primer arribo y servicio sera:
1
T ' Ln 0, 4446 24,56 min
0, 033
RESUMEN
Con el presente trabajo mostramos que la utilizacin exclusiva de un software
informtico de tipo generalista, como es la hoja de clculo, permite abordar la
realizacin de complejas simulaciones de sistemas de lneas de espera
independientemente de la magnitud de los mismos y, por tanto, se perfila como una
herramienta perfecta frente a otros productos ms especficos y complejos en las labores
de simulacin. Aplicando las distintas tcnicas de simulacin existentes, y haciendo uso
de la programacin en un lenguaje informtico como es el Visual Basic para
Aplicaciones (VBA), es posible dotar a la hoja de clculo de toda la funcionalidad de
herramientas ms costosas realizadas a medida, ello unido al hecho de que al ser
simulado el sistema con una aplicacin estndar permite mayor flexibilidad frente a
posibles cambios en el diseo del sistema que pueden ser fcilmente incorporados a la
modelizacin inicialmente realizada, ganando as en adaptabilidad al problema concreto
a resolver o analizar. Por tanto, se puede afirmar que es posible crear una herramienta
eficaz para la simulacin de fenmenos de espera con prioridades utilizando una
aplicacin de hoja de clculo.
Por otra parte, la calidad de la sanidad ofertada por el sector pblico debera ser
tal que en ningn momento el paciente se viera obligado a tener que recurrir a la sanidad
privada, pues este hecho le implicara un doble gasto ya que habra intervenido en la
financiacin de la sanidad pblica, va presupuestos generales, y a la vez debe sufragar
los gastos propios de la sanidad privada. Son mltiples los motivos por los que una
persona decide no acudir a la sanidad pblica y en su lugar se dirige a la sanidad
privada, pero los ms habituales son: mejor atencin en los casos de ingresos (mejores
dotaciones de habitaciones) y menor tiempo de espera junto con otros criterios mdicos,
como aquellas afecciones que no son cubiertas por la sanidad pblica. Es decir, uno de
los motivos que hacen que el ciudadano no acuda a la sanidad pblica es
fundamentalmente la existencia de listas de espera.
2
acudir a cualquier establecimiento comercial, al repostar combustible en un vehculo, al
ir a ver una pelcula de cine o una obra de teatro, y en otras muchas situaciones
similares. Su formacin suele estar motivada porque, en un determinado momento, es
superior la demanda de servicio que la oferta existente, lo que obliga necesariamente a
tener que esperar para ser atendidos, existiendo tambin la posibilidad de que el cliente
se impaciente y se marche, con la consiguiente prdida para el propietario del sistema.
Se trata pues de un problema meramente econmico ya que no suele ser rentable para
una empresa aumentar la oferta de servicio (nmero de servidores) para atender
crecimientos puntuales en el nmero de clientes mientras que durante el resto del
tiempo ese mayor nmero de servidores va a estar ocioso.
3
realizar mediante la utilizacin de herramientas ofimticas que presentan la ventaja de
ser actualmente un estndar disponible en cualquier organizacin, con lo que la
implantacin de la simulacin puede ser ms universal, frente al inconveniente de no
estar tan optimizadas como las aplicaciones especficas de simulacin. Para poder
efectuar la simulacin de los sistemas de colas se necesitar recurrir a la simulacin de
valores pseudoaleatorios, distribuciones probabilsticas propias de la teora de colas y
distribuciones no identificadas estadsticamente, utilizando las funciones incorporadas
por la hoja de clculo y procediendo a la programacin de aquellas funciones que no
incorpora la misma, as como de las rutinas necesarias para el buen funcionamiento de
las simulaciones.
4
pacientes son atendidos al quedar disponible un quirfano. Posteriormente se utilizar
tambin la simulacin utilizando un sistema de prioridades.
5
Si la simulacin de las entradas en LEQ supera todas las pruebas anteriormente
indicadas, se puede continuar con el resto del proceso de simulacin, con la garanta de
que el mtodo de simulacin empleado refleja con un alto grado de fiabilidad la realidad
existente.
6
En la simulacin, se trabajar con tres tablas en una hoja de clculo de
Microsoft Excel que a continuacin se describen1:
1. Tabla de entradas
1
Las tablas reproducidas a continuacin corresponden a la LEQ de oftalmologa. Por razones de espacio
la reproduccin de las tablas no es completa, sino que se ha limitado a 20 filas para cada una de las
mismas.
7
Nmero de entradas en la lista de espera en la fecha indicada}. Estos valores
sern simulados de acuerdo con el procedimiento indicado anteriormente.
2. Tabla de intervenciones
8
contempla un total de 7 horas parece razonable limitar su horario de
utilizacin, a efectos de la simulacin, retrasando media hora el inicio de las
intervenciones como periodo necesario para la preparacin de la primera
sesin quirrgica y para la preparacin del personal hospitalario, y
adelantando otra media hora el horario de finalizacin por motivos similares.
NOTA: En esta tabla puede ocurrir que la disponibilidad de quirfanos sea tal
que a partir de un determinado paciente no se pueda intervenir a ninguno ms, en
cuyo caso las columnas correspondientes a quirfanos (nmero, hora de inicio,
duracin, hora de finalizacin, demora y hora de disponibilidad) quedan en blanco.
3. Tabla de LEQ
9
Esta tabla tiene 3 columnas:
Adems en su ltima fila recoge el tiempo medio de espera de los pacientes que
han sido intervenidos en el ao.
Dado que los enfermos que estaban en lista de espera al inicio del ao figuran
todos con fecha de incorporacin a la misma del 31 de diciembre de 2001, son
excluidos en el clculo de este valor ya que de lo contrario desviaran dicho valor a
la baja.
10
es excesiva. Sin embargo, en la investigacin realizada el alto nmero de clculos a
realizar, unido a la estructura de las tablas, hace necesario que stas se calculen de
forma manual ya que, de lo contrario, ante cualquier cambio se recalcularan de nuevo
los nmeros aleatorios con lo que se modificaran todas las tablas siendo imposible
llegar a finalizar el proceso. Se trata de un reclculo manual por columnas y filas para
cada una de las tablas indicadas.
Adems, por tratarse de tablas que utilizan tcnicas de simulacin que dependen
de valores pseudoaletorios, en cada reclculo del conjunto los valores que se obtienen
son, lgicamente, distintos. Es por ello por lo que se repite la simulacin un total de 50
veces para observar a qu valores tiende la misma y si existe una alta varianza,
utilizando para ello una nueva rutina en VBA que se encarga de recoger en cada tirada
de simulacin los valores a observar y los va anotando en una tabla al efecto.
11
Para poder realizar de forma automtica una simulacin con distintos valores de
sesiones quirrgicas por semanas se ha desarrollado otra rutina en Excel utilizando
VBA, donde a partir de un cuadro de dilogo (figura), el usuario introduce las opciones
de fechas de inicio y final de intervenciones y nmero de sesiones semanales,
generandose la programacin automtica de quirfanos necesaria para ello. Las sesiones
quirrgicas se programan de forma secuencial desde el lunes hasta el viernes utilizando
en primer lugar el horario de maana y posteriormente el horario de tarde, hasta
alcanzar de esta forma un mximo de 10 sesiones quirrgicas semanales. Si el nmero
de sesiones es superior este valor se vuelve a repetir el proceso comenzando de nuevo el
lunes por la maana. El motivo de hacerlo as es porque en condiciones normales es
preferido por los centros hospitalarios utilizar la jornada de maana frente a la de tarde,
aunque obviamente no habra ninguna diferencia si se aplicaran con distintos horarios
puesto que a lo sumo la diferencia podra ser de 5 das. Finalmente, se aade una opcin
para decidir si durante los periodos vacacionales de Semana Santa y verano se suspende
la actividad quirrgica (valor predeterminado) o no. Por este mismo motivo los valores
prefijados de fechas inicial y final excluyen el periodo de las vacaciones navideas, tal y
como se observa en los datos reales de actividad quirrgica de 2002.
12
numrico superior. Entre elementos con la misma prioridad la preferencia de uno sobre
los dems vendr marcada por una regla de funcionamiento establecido, siendo la
disciplina de primero en llegar, primero en ser atendido la ms utilizada.
13
Al introducirse la prioridad para cada paciente la forma de asignacin de los
pacientes a las sesiones quirrgicas sufre un importantsimo cambio ya que la
utilizacin en exclusiva de funciones o frmulas de la hoja de clculo no permite una
diferenciacin entre qu pacientes deben ser intervenidos antes o despus y en qu
momento debe ser intervenido cada uno de ellos, motivo por el cual se debe recurrir
necesariamente a la utilizacin de la programacin en Visual Basic para Aplicaciones de
Excel. Concretamente, se ha desarrollado una rutina cuyo organigrama se recoge en la
siguiente figura que, a partir de las sesiones quirrgicas disponibles, examina en las
entradas de pacientes en la LEQ cul debe ser el paciente a ser intervenido entre los de
mayor prioridad.
Este procedimiento se repite hasta finalizar con todos los pacientes que podran
ser intervenidos en la fecha de la sesin quirrgica. El proceso se repite, por tanto, para
cada sesin quirrgica existente hasta finalizar el ao.
14
15
Utilizando la rutina programada es posible determinar, para cada una de las
especialidades estudiadas, qu tiempo de espera supondra para los pacientes de cada
prioridad la solucin obtenida en el anlisis de la lista de espera quirrgica sin
prioridades, lo que indicar si dicha solucin sigue siendo vlida al trabajar con
prioridades.
Por otra parte, el hecho de que las prioridades establecidas no tengan ninguna
relacin con la duracin de las intervenciones provoca que, en principio, no deban de
producirse diferencias significativas en los valores de pacientes en lista de espera al
final del periodo y tiempo medio de espera, considerando a todos los pacientes
independientemente de su prioridad.
2.3. Aplicacin
16
17
Se observa claramente cmo se obtienen los resultados previsibles de acuerdo
con la filosofa de las prioridades. Es decir, los pacientes con mayor prioridad (prioridad
1) son intervenidos antes que los pacientes con prioridad 2, y a su vez stos son
intervenidos antes que aquellos que tienen asignada prioridad 3. Adicionalmente, en
todos ellos se cumplen los objetivos perseguidos para cada una de las prioridades
medidos en tiempos medios de espera. As, los pacientes de prioridad 1 son intervenidos
en slo 10 das cuando, segn la definicin de la propia prioridad, el plazo podra llegar
a ser de hasta 30 das, e incluso los pacientes de prioridad 2 tienen un tiempo de espera
de un mes (cuando podran tener un tiempo medio de espera de 3 meses). Adems, se
puede constatar que los pacientes con prioridades 1 y 2 tienen un tiempo medio de
espera inferior a la media (10 y 27 das) que se habra obtenido si no se hubieran
utilizado prioridades (37 das de espera media). Este hecho indica que los pacientes
menos graves (prioridad 3) se han sacrificado a favor de los ms graves pasando de
un tiempo de espera de 37 das a 119 das.
3. CONCLUSIONES
18
4. BIBLIOGRAFA
3. Rubinstein, R.Y. (1981): Simulation and the Monte Carlo Method, John Wiley &
Sons, New York.
19