You are on page 1of 19

UNIVERSIDAD NACIONAL DE LOJA

ÁREA DE LA ENERGÍA, LAS INDUSTRIAS Y LOS RECURSOS NATURALES NO RENOVABLES

INGENIERÍA EN SISTEMAS

Módulo X

Simulación
INTEGRANTES: ANDREA SALINAS SILVANA PACHECO KATTY TAPIA SOLEDAD ROMERO MIGUEL ÁNGEL VARGAS

COORDINADOR: Ing. LUIS CHAMBA COORDINADOR

PARALELO: “A”

LOJA – ECUADOR 2009

. El proceso de simulación se llevo acabo con el apoyo de PROMODEL que es una herramienta que permite de forma rápida. la inestabilidad del sistema y así mejorar la aplicación de procedimientos y la atención al cliente. tiempo de espera en la cola. La realización de un proyecto de simulación se centra en la implementación del modelo el cual no finaliza con la implementación del simulador.1. la cual consiste en el tratamiento estadístico de los datos de salida del simulador. fiable. Es por este motivo que mediante el desarrollo del presente trabajo podremos mejorar el funcionamiento de sistema y de esta manera en lo posible controlar: interacción con el ambiente. Además es necesario considerar el desarrollo de la simulación de un centro de servicio es muy importante debido a que en este. INTRODUCCIÓN La simulación es el proceso de diseñar un modelo de un sistema real con la finalidad de comprender el comportamiento del mismo o evaluar nuevas estrategias dentro de los límites impuestos por un cierto criterio o un conjunto de ellos para el funcionamiento del sistema. se deben tomar en cuenta muchos factores como la atención al cliente. etc. porque además debe incluir una etapa de experimentación. clara y eficaz desarrollar ejercicios de simulación. Estos datos están directamente relacionados con los objetivos del modelo de simulación para de esta manera extraer conclusiones y recomendaciones. disponibilidad de cajeros.

k! es el factorial de k. Distribución de Poisson La distribución de Poisson es una distribución de probabilidad discreta. 3. . λ es un número real positivo.71828.1. veces durante un periodo definido de tiempo o en una área determinada) cuando la probabilidad de ocurrencia del fenómeno es constante en el tiempo o el espacio.). MARCO DE REFERENCIA 2. Ejemplos de estos eventos que pueden ser modelados por la distribución Poisson incluyen: • El número de autos que pasan a través de un cierto punto en una ruta (suficientemente distantes de los semáforos) durante un periodo definido de tiempo.. Dónde • • • • e es el base del logaritmo natural (e = 2.. y son independientes del tiempo desde el último evento. aquellos fenómenos que ocurren 0. . 2. k es el número de ocurrencias de un evento. • El número de llamadas telefónicas en una central telefónica por minuto.2. • El número de errores de ortografía que uno comete al escribir una única página... Expresa la probabilidad de un número k de eventos ocurriendo en un tiempo fijo si estos eventos ocurren con una tasa media conocida. Se aplica a varios fenómenos discretos de la naturaleza (esto es. 1. equivalente al número esperado de ocurrencias durante un intervalo dado. Ocurrencia La distribución Poisson.

por ejemplo. 2. hasta que ello ocurra en un instante tf. Esta ley de distribución describe procesos en los que: • Nos interesa saber el tiempo hasta que ocurre determinado evento.2. sabiendo que. Ejemplos de este tipo de distribuciones son: • El tiempo que tarda una partícula radiactiva en desintegrarse. • En un proceso de Poisson donde se repite sucesivamente un experimento a intervalos de tiempo iguales. Por ejemplo. no depende del tiempo transcurrido anteriormente en el que no ha pasado nada.• • El número de servidores web accedidos por minuto. el tiempo que transcurre entre que sufrimos dos veces una herida importante. El número de animales muertos encontrados por unidad de longitud de ruta. Además es una distribución de probabilidad continua con un parámetro λ > 0 cuya función de densidad es . C14. la datación de fósiles o cualquier materia orgánica mediante la técnica del carbono 14. Distribución exponencial La distribución exponencial es el equivalente continuo de la distribución geométrica discreta. El conocimiento de la ley que sigue este evento se utiliza en Ciencia para. el tiempo que transcurre entre la ocurrencia de dos sucesos consecutivos sigue un modelo probabilístico exponencial. para la llegada de un paciente. • el tiempo que pueda ocurrir desde cualquier instante dado t. • El tiempo que puede transcurrir en un servicio de urgencias.

industria. La teoría de colas generalmente es considerada una rama de investigación operativa porque sus resultados a menudo son aplicables en una amplia variedad de situaciones como: negocios. ingenierías. . El valor esperado y la varianza de una variable aleatoria X con distribución exponencial son Se pueden calcular una variable aleatoria de distribución exponencial x por medio de una variable aleatoria de distribución uniforme u = U(0. transporte y telecomunicaciones. comercio. 2. Teoría de colas La teoría de colas es el estudio matemático de las líneas de espera (o colas) permitiendo el análisis de varios procesos relacionados como: la llegada al final de la cola. etc. la espera en la cola.3.Su función de distribución es Aquí e significa el número e.1): Relaciones La suma de k variables aleatorias independientes de distribución exponencial con parámetro λ es una variable aleatoria de distribución gamma.

Puede suponerse que el tamaño es infinito o finito. . puede suponerse finita o infinita. Prestar atención al tiempo de permanencia en el sistema o en la cola. etc. • • Cliente: Es todo individuo de la población potencial que solicita servicio como por ejemplo una lista de trabajo esperando para imprimirse. El tamaño es el número total de clientes que pueden requerir servicio en determinado momento. para proporcionarle el servicio. Luego. Capacidad de la cola: Es el máximo número de clientes que pueden estar haciendo cola (antes de comenzar a ser servidos). Evaluar el impacto que las posibles alternativas de modificación de la capacidad del sistema tendrían en el coste total del mismo. mediante alguna regla conocida como disciplina de servicio. • Fuente de entrada o población potencial: Una característica de la fuente de entrada es su tamaño. En determinado momento se selecciona un miembro de la cola. se lleva a cabo el servicio requerido por el cliente en un mecanismo de servicio.Campos de utilización: logística de los procesos industriales de producción. De nuevo. Establecer un balance equilibrado (“óptimo”) entre las consideraciones cuantitativas de costes y las cualitativas de servicio. ingeniería de sistemas informáticos. ingeniería de redes y servicios. después de lo cual el cliente sale del sistema de colas. Estos clientes entran al sistema y se unen a una cola. Elementos existentes en la teoría de colas • Proceso básico de colas: Los clientes que requieren un servicio se generan en una fase de entrada. Objetivos Los objetivos de la teoría de colas consisten en: • • • • Identificar el nivel óptimo de capacidad del sistema que minimiza el coste del mismo.

. llamados servidores. Por ejemplo. El proceso de servicio: Define cómo son atendidos los clientes. primero en salir. Las colas pueden ser finitas o infinitas. cada una de ellas con uno o más canales paralelos de servicio. Por ejemplo: las redes de comunicaciones o los sistemas operativos multitarea. según la cual se atiende primero al cliente que antes haya llegado. o Processor Sharing – sirve a los clientes igualmente. o RSS (random selection of service) que selecciona los clientes de manera aleatoria. puede ser: o FIFO (first in first out) primero en entrar. de acuerdo a algún procedimiento de prioridad o a algún otro orden. La capacidad de la red se comparte entre los clientes y todos experimentan con eficacia el mismo retraso. • Mecanismo de servicio: El mecanismo de servicio consiste en una o más instalaciones de servicio. • • Cola: Una cola se caracteriza por el número máximo de clientes que puede admitir. Sistema donde existen varias colas y los trabajos fluyen de una a otra. o LIFO (last in first out) también conocida como pila que consiste en atender primero al cliente que ha llegado el último. • Redes de colas.• Disciplina de la cola: La disciplina de la cola se refiere al orden en el que se seleccionan sus miembros para recibir el servicio.

OBJETIVO Realizar la simulación de un Centro de Servicio. para identificar el la utilización de los cajeros y costos del sistema. .3.

Realice lo siguiente: a) Simule el sistema por 40 horas b) Determine la utilización de los cajeros c) Si el coto de tener a un cliente haciendo fila es de 5 dólares por cliente promedio-horas. Los clientes hacen una sola fila y no hay límite para su longitud. El tiempo promedio que se requiere para atender a un cliente es de 2 min con distribución Exponencial.4. determine el costo de operación de este sistema. Los clientes llegan en promedio a razón de 60 por hora con distribución de Poisson. . OBTENCIÓN DE DATOS E INFORMACIÓN La obtención de datos e información del modelo se determino mediante el siguiente problema: Un Centro de Servicio cuenta con tres cajeros.

ELABORACIÓN DEL MODELO Tiempo promedio de permanencia en caja= 2 min Nº promedio de personas que llegan a la cola=60/h Cola Cliente Caja3 Caja1 Caja2 Salida .5.

VALIDACIÓN DEL MODELO La validación del modelo se la puede definir mediante la comprobación de aproximaciones realizadas en el modelo de simulación que se ajusten en lo posible a la realidad. en el cual se pudo observar que el proceso de atención al cliente en el pago en caja se da de la siguiente manera: • • • • Número de cajeros: 3 Número promedia de clientes en cola: 55 Número de clientes atendidos por hora: 40 Tiempo promedio de cada cliente en caja: 5 min Mientras que en el modelo simulado los datos se presentan de la siguiente manera: • • • • Número de cajeros: 3 Número promedia de clientes en cola: 60 Número de clientes atendidos por hora: 40 Tiempo promedio de cada cliente en caja: 2 min .6. Este modelo es validado de acuerdo a un estudio realizado al Banco Nacional de Fomento sucursal en Loja.

Estos resultados se observan en la siguiente tabla: Simulación por 20 horas Nro.7. de clientes por caja Caja 1 Caja 2 Caja 3 Clientes en espera Simulación por 40 horas Nro. de clientes por caja 1190 1141 1237 42 387 Caja 1 359 Caja 2 451 Caja 3 4 Clientes en espera 774 Caja 1 728 Caja 2 848 Caja 3 65 Clientes en espera Total clientes atendidos 1197 Total clientes atendidos 2350 Total clientes atendidos 3568 . de clientes por caja Simulación por 60 horas Nro. EXPERIMENTACIÓN La experimentación del modelo nos permite tener una idea clara de la variación de clientes atendidos de acuerdo al número de horas que se establece para el proceso de simulación.

PROPUESTA DE MEJORA AL SISTEMA Una vez validado y experimentado con el modelo simulado aplicado al Banco Nacional de Fomento sucursal en Loja. podemos determinar que es necesario realizar la implementación de más cajeros de manera que se agilite el proceso de atención al cliente evitando de esta manera que los clientes permanezcan mucho tiempo en la cola de espera. .8.

Definición de arribos . Definición de locaciones 2. En el que se realizan los siguientes pasos: 1.9. APLICACIÓN DE LA SOLUCIÓN (IMPLEMENTACIÓN) Para la implementación de este modelo de simulación se utilizó PROMODEL una herramienta que permite el desarrollo de este tipo de aplicaciones. Definición de entidades 3.

4. Definición del tiempo de simulación . Definición de variables 6. Definición de procesos 5.

Diseño final La entidad principal que se identificó es la siguiente: ENTIDAD ACTIVIDADES • Llegar al banco • Llegar a la cola • Esperar turno en la cola • Ir a la caja • Realizar transacción • Salir del banco ATRIBUTOS • Nombre • Nº cédula • Nº de cliente Cliente EVENTOS • Salida inesperada del cliente • Descanso de cajera VARIABLES • Tiempo de espera en la cola • Tiempo de la transacción .7.

• El número total de clientes atendidos durante el proceso de simulación en el intervalo de 40 horas es de: 2350.10. • Se estableció el tiempo promedio de llegada de los clientes a la cola con la Distribución de Poisson • El tiempo promedio de permanencia de los clientes en caja está dado por la Distribución Exponencial • Se determinó el número de clientes que fueron atendidos en cada caja. aunque esta no es la más óptima debido a que hay clientes que deben esperar demasiado tiempo en la cola para ser atendidos debido a existe gran afluencia de clientes al banco. ANÁLISIS DE LOS RESULTADOS Una vez ejecutado el modelo de simulación se han obtenido los siguientes resultados: • El modelo fue simulado por 40 horas para poder identificar el comportamiento del sistema durante este periodo de tiempo. quedando de la siguiente manera: o Caja1 = 774 o Caja 2 = 778 o Caja 3 = 848 Estos datos nos demuestran que existe una buena atención por parte de los cajeros. . ayuda a la toma de decisiones a los directivos en esta institución financiera de manera que se mejoren los servicios que se ofrecen a los clientes. estos resultados nos permiten determinar el nivel de aceptación que tiene el banco por los clientes.

• El número de clientes que permanecen en la cola de espera al finalizar la simulación es de 65. • Después de varias pruebas realizadas podemos determinar que el número de clientes atendidos el directamente proporcional con respecto al tiempo de simulación • La solución al último literal del problema enunciado no fue posible realizarla debido a que no existió conocer todo el funcionamiento el tiempo necesario para poder de la herramienta utilizada (PROMODEL) y también porque el resumen de resultados de la simulación no muestra los datos necesarios para realizar esta actividad. . debido a que el lapso del proceso de simulación fue un periodo de 40 horas.

para mejorar la calidad de servicios y apoyar a la toma de decisiones.11. . • PROMODEL es una herramienta útil para el desarrollo de modelos de simulación Recomendaciones: • • Se recomienda hacer un estudio detallado del sistema real para de esta manera poder elaborar el modelo de simulación Tener conocimientos previos sobre el funcionamiento de la herramienta que se va a emplear para hacer la simulación de manera que esta pueda ser implementada con facilidad. CONCLUSIONES Y RECOMENDACIONES Conclusiones: • La realización de modelos de simulación nos permiten obtener datos aproximados y comportamiento de un sistema real.