Estacion Final 2

Facultad de Ingeniera
ESCUELA ACADMICO PROFESIONAL DE INGENIERA

INDUSTRIAL
PROYECTO DE INVESTIGACIN:
ESTACIN NARANJAL
Investigacin de Operaciones II
INTEGRANTES:
LEN CRUZ, JAVIER CRISTHIAN
LOPEZ SANCHEZ, WALDIR
GARCA GRANDEZ, YULLIAN
DOCENTE:
ING. ALDO MADRID
CICLO:
2017 - II
UNIVERSIDAD RICARDO PALMA
FACULTAD DE INGENIERIA
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
CONTENIDO
INTRODUCCIN ........................................................................................................... 3
RESUMEN ...................................................................................................................... 4
CAPITULO I: ........................................................................................................................... 5
EL PROBLEMA...................................................................................................................... 5
I. PROBLEMATIZACIN ............................................................................................. 6
1.1 Planteamiento del problema .............................................................................. 6
1.2 Justificacin e Importancia de la Investigacin ........................................... 7
II. OBJETIVOS ............................................................................................................... 7
2.1 Objetivos General ................................................................................................. 7
2.2 Objetivos Especficos .......................................................................................... 7
III. Hiptesis ................................................................................................................. 8
IV.Alcances y limitaciones ........................................................................................ 8
4.1 Alcances .................................................................................................................. 8
4.2 Limitacin ............................................................................................................... 8
CAPTULO II: .......................................................................................................................... 9
ANTECEDENTES, METODOLOGA Y MARCO TERICO ........................................... 9
V. ANTECEDENTES ........................................................................................................... 10
VI. METODOLOGA DE ESTUDIO ................................................................................... 11
VII. MARCO TERICO ....................................................................................................... 12
6.1 Fenmenos de Espera. ...................................................................................... 12
6.2 Teora de colas. ................................................................................................... 12
6.2.1 Breve resea Histrica de la teora de colas. ................................................... 13
6.2.2 Conceptos bsicos de los Modelos de colas. .................................................. 13
Fuente de entrada: ............................................................................................................. 13
Cliente: .................................................................................................................................. 14
Cola: ....................................................................................................................................... 14
Mecanismo de servicio: .................................................................................................... 15
Disciplina de la cola: ......................................................................................................... 15
Mecanismo de servicio: .................................................................................................... 16
6.2.3 Notacin de kendall ........................................................................................ 16

Modelos de una cola y un servidor3 .............................................................................. 18
6.2.4 TIPOS DE COLAS ............................................................................................ 20
Colas tipo M/M/1 ................................................................................................................... 20
Comprobacin de la distribucin de las llegadas. .................................................... 20
Colas tipo M/M/C .................................................................................................................. 21
Estudio de la cola. .............................................................................................................. 21
Colas tipo M/M/1 ................................................................................................................... 21
Colas con parmetros variables .................................................................................... 22
Cola con desaliento ........................................................................................................... 23
Cola binomial....................................................................................................................... 24
Cola con desaliento dependiente del tiempo de servicio ........................................... 25
Cola con tasa de servicio dependiente del estado ...................................................... 26
Cola con servidor adicional cuando la cola es grande ............................................... 27
6.3 Simulacin ............................................................................................................ 31
6.4 Estudio de tiempos5 ........................................................................................... 33
CAPTULO III:....................................................................................................................... 35
ANLISIS Y DIAGNSTICO DEL ESCENARIO ACTUAL .......................................... 35
VIII. ANLISIS Y DIAGNSTICO6 ................................................................................... 36
CAPITULO IV: ...................................................................................................................... 38
ANALISIS Y CONSTRUCCION DEL MODELO DE COLA .......................................... 38
IX.CONSTRUCCION DE MODELO COLA...................................................................... 39
CAPTULO V:................................................................................................................. 4
ESCENARIOS PROPUESTOS: ................................................................................. 4
CAP VI: .............................................................................................................................. 5
CONCLUSIONES ................................................................................................................ 5
Bibliografa: ................................................................................................................... 6
INTRODUCCIN
El inicio de operaciones del Metropolitano constituye un hito para Lima, pues
supone el retorno objetivo de la gestin urbana al transporte pblico, luego de
veinte aos de ausencia. Para el anlisis del impacto real de este nuevo medio
de transporte sobre la ciudad, se propone partir de un enfoque de movilidad,
que priorice las necesidades de desplazamiento de las personas sobre la
circulacin vial en s misma, lo que equivale a preguntarse sobre su efecto
dentro del tejido de la ciudad y de qu manera afectara a la vida diaria de las
personas. Esperando claro si que mejore, pues la insatisfaccin del servicio es
alta lo que significa y provoca un caos.
La simulacin como mtodo de estudio fue de gran importancia en esta
investigacin ya que nos brindaron los indicadores necesarios para hacer un
anlisis del problema presente en la Estacin Naranjal.

RESUMEN
Este trabajo de investigacin ilustra el comportamiento del exceso de colas en

la Estacin Naranjal que est ubicada en la interseccin de las avenidas Tpac
Amaru y Chinchaysuyo, prximo al lmite de los distritos de Independencia y
Comas, utilizando como herramienta de anlisis, el software de simulacin
promodel, en el cual se introducen todos los datos obtenidos con la toma de
tiempos que hicimos experimentalmente en la Estacin, ya sea de la tasa
servicio y de arribos en un lapso de tres das continuos y a las hora punta que
es aproximadamente a las 8 de la maana. Los tiempos que tomamos fueron
del troncal servidor B, Expreso 4 y servidor C en un tiempo promedio de una
hora y media.Con los resultados obtenidos en el modulo de estadsticas del
software se realizo el respectivo estudio del sistema y se compar con la
situacin actual y con un modelo terico de Teora de Colas. Por otro lado, el
modelo terico demostr que las colas del sistema se encontraban colapsadas,
esto se debe a que la tasa de entrada es mayor que la tasa de servicio del
sistema. Finalmente se plantearon diferentes programaciones de tiempos y sus
desfases, con el fin de encontrar un modelo que mejore el sistema actual de la
poblacin objetivo.
ABSTRACT
This research paper illustrates the behavior of the excess of tails in the Naranjal
Station, which is located at the intersection of Tpac Amaru and Chinchaysuyo
avenues, near the boundary of the districts of Independencia and Comas, using
the simulation software as an analysis tool. promodel, in which all the data
obtained by taking the times that we did experimentally in the station are
introduced, either the service and arrival rates in a period of three continuous
days and at rush hour which is approximately 8 a the morning. The times that
we took were from server B trunk, Express 4 and server C in an average time of
one hour and a half. With the results obtained in the software statistics module,
the respective study of the system was carried out and compared with the
current situation and with a theoretical model of "Theory of Tails". On the other
hand, the theoretical model showed that the queues of the system were
collapsed, this is because the entry rate is higher than the service rate of the
system. Finally, different time schedules and their lags were proposed, in order
to find a model that improves the current system of the target populatio
CAPITULO I:
EL PROBLEMA
I. PROBLEMATIZACIN
1.1 Planteamiento del problema
La Estacin Naranjal, ubicadaen la Av. Tpac Amaru con la Av. Chinchaysuyo
en el lmite de los distritos de Comas e Independencia. Es considerada una de
las estaciones ms congestionadas del sistema de transporte (Metropolitano).
Los reclamos y las largas colas son constantes solo basta con ir hasta la
estacin para poder observar que este sistema est en colapso. Esto se ve
reflejado en la vida diaria de los usuarios ya que no les permite llegar a tiempo
a su destino.
El da mircoles 4 de octubre al promediar a las 08:00 realizamos una visita a
dicha estacin, en la cual fuimos testigos de la formacin de colas durante las
horas restantes de la maana. Pudimos observar una mayor aglomeracin de
personas a las 8:00 Hrs. -09:00 Hrs., principalmente en las zonas de embarque
(rea en donde los clientes esperan las rutas troncales), lo que genera
incomodidad y molestias al no permitirles el libre desplazamiento en las
plataformas de embarque a los usuarios que da a da utilizan este transporte
para trasladarse por la ciudad.
Se tiene que tener en cuenta que el problema central es de movilidad y no de
transporte. Esto nos permite entender que nuestro objetivo no es la mayor o
menor velocidad con la que circula el parque automotor, sino la satisfaccin de
las necesidades de movilidad de los habitantes de la ciudad.

1.2 Justificacin e Importancia de la
Investigacin
La presente investigacin tiene como misin principal implementar posibles
soluciones para disminuir las largas colas existentes en la estacin. Aqu radica
la importancia de este trabajo ya que con una posible solucin ptima se
lograr aminorar el tiempo de espera de los usuarios en las plataformas de
embarque.
II. OBJETIVOS
2.1 Objetivos General
Reducir las largas colas que se presentan a la hora de esperar los troncales
principalmente en las horas punta mediante la elaboracin e implementacin de
un modelo de cola que describa la realidad que se vive da a da en la Estacin
Naranjal.
2.2 Objetivos Especficos
Determinar el nmero esperado de usuarios que se encuentran en la
zona de embarque.(Ls)
Determinar el nmero esperado de usuarios que se encuentran en cola
para hacer uso del servicio de buses.(Lq)
Determinar el tiempo de permanencia que pasa un usuario en cola.(wq)
Determinar el tiempo promedio que pasa un usuario en la zona de
embarque.(Ws)
Plantear opciones de mejora para las horas pico en las cuales las zonas
de embarque se encuentran llenas.
Optimizar el tiempo de espera en el proceso de entrada para evitar
aglomeraciones y caos entre los usuarios.
III. Hiptesis
La teora de colas ser el instrumento cuantitativo que brindar indicadores de
mejora a la problemtica de colas existentes en la estacin naranjal. Adems,
nos permitir describir mejor el panorama actual para que de esta manera sea
posible mejorar la calidad de servicio, reducir los tiempos y la aglomeracin de
personas.
IV.Alcances y limitaciones
4.1 Alcances
La presente investigacin abarca a todos los usuarios que hacen uso del
servicio de transporte de la estacin Naranjal del Metropolitano.
4.2 Limitacin
El horario de estudio nos imposibilita realizar un estudio perenne a la estacin
naranjal, para comprobar in situ la formacin de colas a lo largo del da.

CAPTULO II:
ANTECEDENTES,
METODOLOGA Y MARCO
TERICO
V. ANTECEDENTES
En toda la ciudad existen ms de 450 rutas de transporte urbano, las cuales

son brindadas por buses, microbuses y combis. Este sistema se caracteriza por
la falta de renovacin de las unidades y en varios casos conlleva cierta
informalidad de operacin, aun cuando las empresas tienen rutas establecidas.
Las camionetas rurales conocidas popularmente como combis, son el tpico
vehculo de transporte pblico para distancias cortas, y si bien las rutas cubren
casi toda el rea metropolitana, el servicio es deficiente en cuanto a estndares
de seguridad y comodidad.
Un hecho palpable, es que la congestin urbana es un problema propio de las
ciudades que sobrepasan cierto tamao, sean stas en ciudades de pases
desarrollados o en vas de desarrollo. En nuestro pas, tenemos una tendencia
de crecimiento continuo superior a otros pases de Latinoamericana, pero este
crecimiento no se ve reflejado en el mejoramiento de nuestro Sistema de
Transporte Urbano, por ende, viajar por las calles de Lima Metropolitana en
hora punta es muy complicado por la congestin vehicular que se sufre todos
los das. En la ltima dcada, nuestra capital ha crecido a un ritmo casi
exponencial por las inversiones del estado y del extranjero que se ve reflejado
con la construccin de nuevas infraestructuras, como, viviendas, colegios,
escuelas, universidades, centros comerciales, etc. Este desarrollo est
generando ciertos inconvenientes en el transporte urbano porque nuestras vas
existentes estn siendo sobrecargadas a su capacidad de diseo real. Hoy en
da, existen problemas de congestin vehicular en casi todas las calles de Lima
Metropolitana, al no tener un adecuado Sistema de Control de Transporte y
Crecimiento Urbano nuestra capital est sufriendo los problemas de congestin
vial.
El proyecto, que en un inicio fue recibido con dudas por la poblacin, termin
generando gran malestar entre los vecinos por el excesivo plazo de ejecucin
(cerraron la va principal de la ciudad por ms de 3 aos sin ningn tipo de
planificacin, ya que construyeron la va de concreto el primer ao y luego
dejaron casi abandonada la va sin obras por un ao adicional), por los
constantes aumentos en el presupuesto para el desarrollo de las obras civiles,
por el recorte del tramo norte (que llegaba hasta Comas) por el aumento en los
costos, y por la mala planificacin y diseo en el distrito monumental de
Barranco (en donde la va va de manera superficial, recortando la va para
transporte particular). Sin embargo, al iniciar su operacin comercial ha sido un
rotundo xito dado su alto uso.
VI. METODOLOGA DE ESTUDIO
La metodologa empleada en este proyecto fue de tipo experimental porque se

realiz el trabajo de campo en la propia Estacin Naranjal. Esto se hizo
mediante la toma de tiempos y un conteo de las personas que arribaban al
sistema.
Debido a lo grande que son las instalaciones de la Estacin Naranjal tuvimos
que repartirnos el trabajo de la siguiente manera:
Para la toma de arribos: cada integrante del grupo se ubic en las
diferentes entradas con las que cuenta la estacin (norte, sur y centro)
Para la toma de tiempo de servicio: un integrante se encarg de la toma
de tiempos del servicio de cada bus (desde que se abre la puerta hasta
que cierra) y los otros dos integrantes se encargaron de contar las
personas que ingresaban a los buses.
El trabajo se realiz dividiendo el tiempo que estuvimos en la estacin en

intervalos iguales, el cual fue de 5 min.
Determinamos lugares estratgicos que permitan un fcil conteo de las
personas que arriban, de igual manera hicimos para la toma de datos de la
tasa de servicios.
Realizamos un formato para poder escribir los datos que recaudamos .en este
formato se estableci algunos puntos como los tiempos, la hora y la fecha.
Luego se procede a la toma de datos apuntando todo en el formato realizado
previamente.
Luego de recaudar los datos necesarios se organiz esta informacin para
poder elaborar las distribuciones estadsticas para poder identificar a que tipo
de distribucin se ajusta.
VII. MARCO TERICO
Para entender e interpretar mejor esta investigacin, se presenta a

continuacin la conceptualizacin de los temas principales en la cuales se
apoy para cada paso en la investigacin, estos de temas de aplicacin son:
Fenmenos de espera (teora de colas) y Simulacin de sistemas e
investigacin de mtodos.
6.1 Fenmenos de Espera.
Una lnea de espera es el efecto resultante en un sistema cuando la demanda

de un servicio supera la capacidad de proporcionar dicho servicio. Este sistema
est formado por un conjunto de entidades en paralelo que proporcionan un
servicio a las transacciones que aleatoriamente entran al sistema.
En el campo de la investigacin se analizan muy poco los factores subjetivos y
la percepcin de eficiencia por parte de los clientes o usuarios del servicio,
aunque en ocasiones este es el factor que hace el peso mayor, o por lo menos
muy importante en la solucin del problema. La evaluacin de los aspectos
subjetivos que acompaan el factor matemtico en la toma de decisiones en
problemas de colas de espera van a tener un distinto peso o valoracin, segn
cada situacin, y por ello dentro del modelo planteado se busca contribuir al
anlisis global de los problemas de lnea de espera en situacin de servicio por
intermedio de personas.
6.2 Teora de colas.

Las "colas" son un aspecto de la vida moderna que nos encontramos
continuamente en nuestras actividades diarias. En el contador de un
supermercado, accediendo al Metro, en los Bancos, etc., el fenmeno de las
colas surge cuando unos recursos compartidos necesitan ser accedidos para
dar servicio a un elevado nmero de trabajos o clientes.
El estudio de las colas es importante porque proporciona tanto una base
terica del tipo de servicio que podemos esperar de un determinado recurso,
como la forma en la cual dicho recurso puede ser diseado para proporcionar
un determinado grado de servicio a sus clientes.
Debido a lo comentado anteriormente, se plantea como algo muy til el
desarrollo de una herramienta que sea capaz de dar una respuesta sobre las
caractersticas que tiene un determinado modelo de colas.
La teora de colas1 es el estudio matemtico del comportamiento de lneas de
espera. Esta se presenta, cuando los clientes llegan a un lugar demandando
un servicio a un servidor, el cual tiene una cierta capacidad de atencin. Si el
servidor no est disponible inmediatamente y el cliente decide esperar,

entonces se forma la lnea de espera. Por ello utiliza diferentes modelos de
colas para representar los tipos de sistemas de lneas de espera (sistemas que
involucran colas de algn tipo) que surgen en la prctica. Las frmulas de cada
modelo indican cul debe ser el desempeo del sistema correspondiente y
sealan la cantidad promedio de espera que ocurrir en diversas
circunstancias.
6.2.1 Breve resea Histrica de la teora de colas.

El origen de la Teora de Colas se le debe a AgnerKrarupErlang (nacido en
Dinamarca, 1878 1929) quien fue un matemtico, estadstico, e ingeniero que
invent los campos de ingeniera de trfico y teora de colas.
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 llamada teora de colas o de
lneas de espera. Esta teora es ahora una herramienta de valor en negocios
debido a que muchos de sus problemas pueden caracterizarse, como
problemas de congestin.
6.2.2 Conceptos bsicos de los Modelos de colas.

El proceso bsico por la mayora de los modelos de colas es primero la llegada
de clientes a un sistema requiriendo un servicio generndose un tiempo en la
fuente de entrada. Luego, entran al sistema y se unen a una cola. En
determinado momento se selecciona un miembro de la cola para proporcionarle
el servicio mediante una regla conocida como disciplina de cola. Se lleva a
cabo el servicio que el cliente requiere mediante un mecanismo de servicio, y
despus el cliente sale del sistema de colas.
Fuente de entrada:
Una caracterstica de la fuente de es su tamao. El tamao es el nmero total
de clientes que pueden requerir servicio en determinado momento, es decir, el
nmero total de clientes potenciales. Esta poblacin a partir de la cual surgen
las unidades que llegan se conoce cmo poblacin de entrada. Puede
suponerse que el tamao es infinito o finito. Debido a que los clculos son
mucho ms sencillos en los casos de tamao infinito, este supuesto se hace
aun cuanto el tamao real es fijo o sumamente grande, y debe tomarse como
un supuesto implcito en cualquier modelo en que no se establezca otra cosa.
Desde un perspectiva analtica, el caso finito es ms complejo puesto que el
nmero de clientes que conforman la cola afecta al nmero potencial de
clientes fuera del sistema en cualquier momento; pero debe hacerse este
supuesto de finitud si la tasa a la que la fuente de entrada genera clientes
nuevos es afectada en forma significativa por el nmero de clientes en el
sistema de lnea de espera.
Tambin se debe especificar el patrn estadstico mediante el cual se generan

los clientes en el tiempo. El supuesto normal es que se generan de acuerdo
con un proceso Poisson; es decir, el nmero de clientes que llegan hasta un
momento especfico tiene una distribucin de Poisson. Este caso corresponde
a aquel cuyas llegadas al sistema ocurren de manera aleatoria pero con cierta
tasa media fija y sin que importe cuntos clientes estn ya ah (por lo que el
tamao de la fuente de entrada es infinito). Un supuesto equivalente es que la
distribucin de probabilidad del tiempo que transcurre entre dos llegadas
consecutivas es exponencial. Se hace referencia al tiempo que transcurre entre
dos llegadas consecutivas como tiempo entre llegadas.
Tambin debe especificarse cualquier otro supuesto no usual sobre el
comportamiento de los clientes. Un ejemplo sera cuando se pierde un cliente
porque desiste o se rehsa a entrar al sistema porque la cola es demasiado
larga.
FIGURA VI.1
Cliente:
Es todo individuo de la poblacin potencial que solicita servicio. Suponiendo
que los tiempos de llegada de clientes consecutivos son 0<t1<t2<..., ser
importante conocer el patrn de probabilidad segn el cual la fuente de entrada
genera clientes. Lo ms habitual es tomar como referencia los tiempos entre
las llegadas de dos clientes consecutivos: consecutivos: clientes consecutivos:
T{k} = tk - tk-1, fijando su distribucin de probabilidad. Normalmente, cuando la
poblacin potencial es infinita se supone que la distribucin de probabilidad de
los Tk (que ser la llamada distribucin de los tiempos entre llegadas) no
depende del nmero de clientes que estn en espera de completar su servicio,
mientras que en el caso de que la fuente de entrada sea finita, la distribucin
de los Tk variar segn el nmero de clientes en proceso de ser atendidos.
Cola:
La cola es donde los clientes esperan antes de recibir el servicio. Una cola se
caracteriza por el nmero mximo permisible de clientes que puede admitir.
Las colas pueden ser finitas o infinitas es el estndar de la mayora de los
modelos, incluso en las situaciones en que la realidad existe cota superior

(relativamente grande) sobre el nmero permitido de clientes, puesto que
manejar una cota as puede ser un factor que complique el anlisis. En los
sistemas de colas en los que la cota superior es tan pequea que se llega a
ella con cierta frecuencia, es necesario suponer una cola finita.
Mecanismo de servicio:
Es el procedimiento por el cual se da servicio a los clientes que lo solicitan.
Para determinar totalmente el mecanismo de servicio debemos conocer el
nmero de servidores de dicho mecanismo (si dicho nmero fuese aleatorio, la
distribucin de probabilidad del mismo) y la distribucin de probabilidad del
tiempo que le lleva a cada servidor dar un servicio. En caso de que los
servidores tengan distinta destreza para dar el servicio, se debe especificar la
distribucin del tiempo de servicio para cada uno.
Disciplina de la cola:
Es el modo en el que los clientes son seleccionados para ser servidos. Las
disciplinas ms habituales son:
La disciplina FIFO (first in firstout), tambin llamada FCFS (first come
firstserved): segn la cual se atiende primero al cliente que antes haya
llegado.
La disciplina LIFO (last in firstout), tambin conocida como LCFS (last
come firstserved) o pila: que consiste en atender primero al cliente que
ha llegado el ltimo.
La RSS (randomselection of service), o SIRO (service in randomorder),
que selecciona a los clientes de forma aleatoria.
FIGURA VI.2
Mecanismo de servicio:
Es el procedimiento por el cual se da servicio a los clientes que lo solicitan.
Para determinar totalmente el mecanismo de servicio debemos conocer el
nmero de servidores de dicho mecanismo (si dicho nmero fuese aleatorio, la
distribucin de probabilidad del mismo) y la distribucin de probabilidad del
tiempo que le lleva a cada servidor dar un servicio. En caso de que los
servidores tengan distinta destreza para dar el servicio, se debe especificar la
distribucin del tiempo de servicio para cada uno.
FIGURA VI.3
Un modelo de sistema de colas debe especificar la distribucin de probabilidad

de los tiempos de servicio para cada servidor.
La distribucin ms usada para los tiempos de servicio es la exponencial,
aunque es comn encontrar la distribucin degenerada o determinstica
(tiempos de servicio constantes) o la distribucin Erlang (Gamma).
6.2.3 Notacin de kendall
Por lo general, las tasas de llegada y de servicio no se conocen con

certidumbresino que son de naturaleza estocstica o probabilstica. Es decir los
tiempos de llegada y de servicio deben describirse a travs de distribuciones de
probabilidad y las distribuciones de probabilidad que se elijan deben describir la
forma en que se comportan los tiempos de llegada o de servicio.
En teora de lneas de espera o de colas se utilizan tres distribuciones de
probabilidad bastante comunes, estas se mencionan a continuacin:
Markov
Deterministico
General
La distribucin de Markov, en honor al matemtico A. A. Markov quien identifico
los eventos "sin memoria", se utiliza para describir ocurrencias aleatorias, es
decir, aquellas de las que puede decirse que carecen de memoria acerca de
los eventos pasados.
Una distribucin determinstica es aquella en que los sucesos ocurren en forma
constante y sin cambio.
La distribucin general sera cualquier otra distribucin de probabilidad. Es
posible describir el patrn de llegadas por medio de una distribucin de
probabilidad y el patrn de servicio a travs de otra.
Para permitir un adecuado uso de los diversos sistemas de lneas de espera,
Kendall, matemtico britnico elabor una notacin abreviada para describir en
forma sucinta los parmetros de un sistema de este tipo. En la notacin Kendall
un sistema de lneas de espera se designa como:
A/B/C
En donde
A = se sustituye por la letra que denote la distribucin de llegada.
B = se sustituye por la letra que denote la distribucin de servicio.
C = se sustituye por el entero positivo que denote el nmero de canales de
servicio.
Donde:
M: distribucin exponencial
D: distribucin degenerada
Ek: distribucin Erlang
La notacin Kendall tambin utiliza M = Markoviano, D = determinstica, G =
General, por ejemplo un sistema de lneas de espera con llegadas aleatorias,
servicio determinstico y tres canales de servicio se identificar en notacin
Kendall como M/D/3.
Es evidente que existen otros atributos aparte de los que se analizaron antes y
que deben de tomarse en consideracin como por ejemplo:
El tamao de la poblacin de los que provienen los elementos que
ingresanal sistema de lneas de espera.
La forma en que las unidades llegan para ingresar al sistema de lneas
deespera; por ejemplo, una por una o en forma de grupos.
Si las unidades rechazan o no debido a la longitud de la lnea de espera

yno ingresan al sistema.
Si las unidades se arrepienten y abandonan el sistema despus de
haberaguardado un tiempo en la fila.
Si existe o no espacio suficiente para que todas las unidades que llegan
aguardar en la fila.
Modelos de una cola y un servidor3
Estos modelos pueden aplicarse a personas esperando en una cola para

comprar boletos para el cine, a mecnicos que esperan obtener herramientas
de un expendio o a trabajos de computadora que esperan tiempo de
procesador.
Llegadas: Consiste en la entrada al sistema que se supone es aleatoria. No

tienen horario, es impredecible en que momento llegarn. El modelo tambin
supone que las llegadas vienen de una poblacin infinita y llegan una a la vez.
Cola: En este modelo se considera que el tamao de la cola es infinito. La

regla de la cola es primero en llegar, primero en ser servido sin prioridades
especiales.
Tambin se supone que las llegadas no pueden cambiar lugares en la lnea
(cola) o dejar la cola antes de ser servidas.
Instalacin de servicio: Se supone que un solo servidor proporciona el

servicio que vara aleatoriamente.
Salidas: No se permite que las unidades que salgan entren inmediatamente al

servicio.
Caractersticas de operacin: Un servidor y una cola. Cola infinita, primero en

llegar primero en ser servido.
A continuacin se muestra la nomenclatura necesaria para entender el modelo
escogido segn su distribucin y el tipo de servicio.
M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio

exponenciales.
En las situaciones cotidianas es fcil encontrar ejemplos de llegadas aleatorias,

puesto que las llegadas sern aleatorias en cualquier caso en la que una de
ellas no afecte a las otras. Un ejemplo clsico de llegadas aleatorias son las
llamadas que arriban a un conmutador telefnico o un servicio de emergencia.
Se ha determinada que las ocurrencias aleatorias de un tipo especial pueden

describirse a travs de una distribucin discreta de probabilidad bien conocida,
la distribucin de Poisson.
Este tipo especial de llegadas aleatorias supone caractersticas acerca de

lacorriente de entrada. En primer lugar, se supone que las llegadas son por
completo independientes entre s y con respecto al estado del sistema.
En segundo lugar la probabilidad de llegada durante un periodo especfico no
depende de cuando ocurre el periodo, sino ms bien, depende solo de la
longitud del intervalo. Se dicen que estas ocurrencias carecen de "memoria".
Si conocemos el nmero promedio de ocurrencias por periodo, podemos
calcular las probabilidades acerca del nmero de eventos que ocurrirn en un
periodo determinado, utilizando las probabilidades conocidas de la distribucin
de Poisson.
En particular, existe un promedio de llegadas en un periodo T, la probabilidad
de n llegadas en el mismo periodo est dado por:
()
( ) = (1)
!
Al igual que las llegadas aleatorias, la ocurrencia de tiempos de servicios

aleatorios, carentes de memoria, es suceso bastante comn en las situaciones
cotidianas de lneas de espera. Y al igual que las llegadas aleatorias los
tiempos de servicio carentes de memoria se describen a travs de una
distribucin de probabilidad. La diferencia entre las llegadas aleatorias y los
tiempos de servicio aleatorios es que stos se describen a travs de una
distribucin continua en tanto que las llegadas se describen a travs de una
distribucin de Poisson, que es discreta. Si la duracin de los tiempos de
servicio es aleatoria, la distribucin exponencial negativa describe ese tipo de
servicio. Si la es la tasa promedio de servicio entonces la distribucin esta
dada por:
(2)
3 adaptado de http://metabase.uaem.mx/bitstream/handle/123456789/1500/282_7.pdf?sequence=1
PARMETROS EN MODELOS DE COLAS
: Tasa de arribo
1/ : Medida del tiempo entre arribo
: Tasa de servicio.
1/ : Medida de tiempo de servicio.
P = / : Carga del sistema
Medida del numero de objetos(customers) en el sistema.
q : Medida del numero de objetos en la cola.
s : Medida del numero de objetos que estn siendo servidos.
Medida de tiempo de espera
q Medida de tiempo de espera en la cola
s Medida de tiempo de espera para ser servido.
6.2.4 TIPOS DE COLAS
Colas tipo M/M/1
Comprobacin de la distribucin de las llegadas.
Como se dijo en el tema anterior, la distribucin del nmero de llegadas en un

sistema de colas del tipo M/M/1 es markoviana segn una ley de Poisson, la
distribucin del servicio es independiente pero del mismo tipo y el sistema

cuenta con un nico servidor.
Colas tipo M/M/C
Estudio de la cola.
De acuerdo con la notacin de Kendall, las colas tipo M/M/C corresponden a
sistemas con llegadas markovianas de Poisson, con tiempos de servicio
exponenciales (ambas independientes) y con C canales de servicio o
servidores.
En este caso, si llamamos n al nmero de usuarios en el sistema en un

instante dado, si es 0 n C, entonces la variable aleatoria Z (t ) que
corresponde al nmero de usuarios que han salido del sistema (que han
recibido servicio) hasta t se comporta como un proceso estocstico de Poisson
de parmetro n . En cambio, si n C , Z (t ) se comporta como un proceso
estocstico de Poisson de parmetro C .
Colas tipo M/M/1
Estudio de la cola.
Segn la notacin de Kendall, este tipo de colas viene caracterizado por un

proceso de llegadas segn una ley de Poisson de parmetro , mientras que
los tiempos de servicio siguen una ley de tipo general, cuya funcin de
distribucin es F (t ) . Adems, hay un nico canal de servicio.
Si llamamos t n al instante en que se produce la salida del sistema del n-simo

usuario, y
X n n t n
(3)
al nmero de usuarios que quedan en el sistema en el instante t n en que se

produce la salida del n-simo usuario, lo primero que afirmaremos es que la
familiaes una cadena de Markov.
X n nN (4)
Colas con parmetros variables
Caso general
En muchos sistemas de colas donde intervienen seres humanos es necesario

tener en cuenta el comportamiento de estas personas ante el sistema. Se da
con frecuencia el caso de las personas que renuncian a esperar en cola, el de
personas que rompen la disciplina de la cola, en que el gestor del sistema
modifica los tiempos de servicio a la vista del nmero de usuarios en cola, etc.
Se hace, por tanto, necesario introducir este comportamiento humano en la
modelizacin matemtica del sistema. En general el comportamiento humano
afectar a la tasa de llegadas y a la tasa de servicio y, normalmente, la
variacin de estas tasas ser funcin del nmero de usuarios en el sistema, de
tal forma que ya no tendremos tasas constantes, sino unas tasas variables:
n f (n) n g(n) (4)
La obtencin de las ecuaciones que regulan este tipo de sistemas se hace de

forma anloga al procedimiento empleado hasta ahora, partiendo de :
d
dt Po (t ) 0 P0 (t ) 1 P1 (t )

d P ( t ) P ( t ) P ( t ) P ( t )
dt n n n n n 1 n 1 n 1 n 1
(5)
de forma que se puede demostrar que es condicin necesaria y suficiente para

que exista la distribucin estable que:
i 1
j
0 1 2 ...i 1
1

j 1

1 ...
i 1 j 0 i 1 1 2 3 i
(6)
Entonces se obtiene:
1

0 1 2 ...i 1
P0 1

i 1

1 2 3 ... i
0 1 2 ... n 1
Pn P0
1 2 3 ... n
(7)
A continuacin veremos algunos de las colas ms interesantes de este tipo.

Adems veremos los casos en que el nmero de canales de servicio es
variable y el caso en que haya prdidas en funcin de la cola.
Cola con desaliento
Es el caso en el que algunos individuos, al llegar al sistema y observar que

existe un cierto nmero de usuarios en cola, desiste de acceder al sistema. En
este caso, las tasas de llegadas y de servicio puede ser modelizada de la
forma:

n n 0,1,2,...
n 1
n n (8)
En este caso, tendremos:
1
1

1

i
1
P0 1 e
i i! 2
3
... e

i 1 1 2 3
2! 3!
n n e
Pn e
n n! n!
(9)
de tal forma que la probabilidad de que el nmero de usuarios en el sistema en

un momento dado sea n sigue una distribucin de Poisson de media igual a la
intensidad de trfico .
Cola binomial
En este caso supondremos que el tamao de la cola (del dispositivo de

espera)es limitado, de forma que el nmero mximo de usuarios en
colasimultneamente es N , y que la tasa de llegadas es funcin del tamao
deldispositivo de espera y de la cantidad de usuarios en cola, es decir, del
espaciodisponible en el dispositivo de espera:
N n
n N
n N (n 1)

0 n N
n (10)
Entonces,
1
N
N
1
P0 1

i 1
i
N ii
1
N

n N n
N 1 N
Pn
n 1 N 1 N (11)
de tal forma que la probabilidad de que el nmero de usuarios en el sistema en

un momento dado sea n sigue una distribucin binomial.
Tambin existe la llamada cola binomial negativa. Se da esta cola cuando las
tasas de llegada y servicio son de la forma:
N n
n
N ( n 1)
n (13)
en cuyo caso se obtiene
N
1
P0 1
N
N n
N 1 1
Pn 1
n N N
(14)
Cola con desaliento dependiente del tiempo de servicio

Como su propio nombre indica, se da este tipo de cola cuando la tasa de

llegada depende no slo del nmero de usuarios en el sistema, sino del tiempo
de servicio, de forma que a mayor tiempo de servicio, menos probabilidades de
llegadas hay, y suele ser de esta forma:
n

n e n 0, 0
n
(15)
En este caso se obtiene:
1
P0

i 0
i i (i 1)
Pn n n ( n 1) P0 (16)
donde

2
e . (17)
Cola con tasa de servicio dependiente del estado
Se da este tipo de cola en aquellos casos en los que el supervisor del

sistema presiona a los servidores para que acorten el tiempo de servicio a
medida que aumenta el nmero de usuarios en el sistema. En estos casos se
dice que la tasa de servicio est afectada por un coeficiente de presin que
suele ser de la forma n . En este caso, las tasas son:
n
n n
(18)
de forma que:
1

i i
P0 1

i 1

n 1 2 3 ...i

i 0 i!
n n
Pn P0 P0
n 1 2 3 ...n n! (19)
En el caso particular en que tengamos 1 ,
P0 e
n
Pn e
n! (20)
que modeliza un sistema de colas con infinitos servidores, modelo que se a

dapta muy bien a algunos sistemas de autoservicio.
Cola con servidor adicional cuando la cola es grande
Este caso trata de aquellas situaciones en las que el nmero de canales de

servicio es:
C 1 n N
C2 n N (21)
siendo las tasas de llegada y servicio constantes e iguales a y

respectivamente. Entonces tenemos:
1 2
P0
1 N 1
n P0 1 n N

Pn 1
2 n N P0 n N
n
(22)
Colas con prdidas
Este tipo de sistemas de colas se da cuando tenemos un sistema con un

nmero limitado de usuarios en el sistema simultneamente, y tal que aquellos
usuarios que intentan acceder al sistema cuando la cola est llena producen
prdidas.
Este modelo se adapta bien al caso de una central telefnica con C
lneas; en este sistema, las llamadas que intentan acceder a la central cuando
todas las lneas estn ocupadas se pierden. El sistema respondera a la
notacin de Kendall G/G/C/C. El objetivo al disear un sistema de este tipo es
minimizar la probabilidad de perder usuarios.
Para ello, es necesario calcular cul es la probabilidad de perder un

usuario. En efecto, supongamos un sistema de colas del tipo G/M/C/C, en el
que la tasa de llegadas sea
n f (n) (23)
y con servicio de tipo exponencial, con tasa
n (23)
En este caso, en estado estacionario tenemos:
0 P0 P1

n n Pn n 1 Pn 1 (n 1) Pn 1 0nC
CP nC
C C 1 PC 1 (24)
sistema que resuelto da los siguiente:
1
C
0 1 2 ...i 1
P0 1

i 1
i i!

0 1 2 ... ni1
Pn 0nC
n n!
Pn 0 nC (24)
La probabilidad de perder un usuario es la probabilidad de que el

sistema est lleno en el instante en que llega dicho usuario, es decir, en estado
estacionario, ser igual a PC .
0 1 2 ...C
PC P0
C C! (25)
que resulta ser igual a la proporcin esperada de usuarios perdidos. A la

expresin de esta proporcin se la conoce con la frmula de EngsetODell.
Si particularizamos para el caso de la cola M/M/C/C, es decir, para n ,
tenemos:
1 1
rC C
ri

r2 r3
P 0 1 r ...
1
2! 3! C ! i 1
i!
n
r
Pn P0 0nC
n! (26)
Pn 0 nC
donde r es la intensidad de trfico por canal. Entonces, la proporcin de

usuarios perdidos ser:
1
rC r2 r3 rC
PC 1 r
...

C! 2! 3! C ! (27)
6.3 Simulacin
La simulacin4 se clasifica en un escaln muy alto entre las tcnicas que ms
se usan. An ms,debido a que es una herramienta tan flexible, poderosa e
intuitiva, sus aplicaciones crecen conrapidez de manera continua.
Esta tcnica involucra el uso de una computadora para imitar (simular) la
operacin de unproceso o sistema completo. Por ejemplo, a menudo se usa
simulacin para realizar un anlisis de riesgo de procesos financieros mediante
la imitacin repetida de la evolucin de las transacciones necesarias para
generar un perfilde los resultados posibles. Tambin se utiliza ampliamente en
el anlisis de sistemas estocsticos que continuarn en operacin
indefinidamente. En el caso de este tipo de sistemas, la computadora genera y
registra las ocurrencias de los eventos que impulsan el sistema como si en
realidad estuviera en operacin fsica. Debido a su velocidad, la
computadorapuede simular incluso aos de operacin en cuestin de
segundos. El registro del desempeo dela operacin simulada del sistema de
varias alternativas de diseo o procedimientos de operacin permite evaluar y
comparar estas alternativas antes de elegir una.
Desde hace mucho tiempo, la tcnica de simulacin ha sido una herramienta
importante para el diseador. Por ejemplo, la simulacin del vuelo de un avin
en un tnel de viento es una prctica normal con los nuevos diseos. En teora,
se podran usar las leyes de la fsica para obtener la misma informacin sobre
los cambios en el desempeo del avin si cambian los parmetros, pero en

sentido prctico, el anlisis sera muy complejo. Otra alternativa sera construir
aviones reales para cada diseo y probarlos en vuelos reales para elegir el
diseo final, pero este recurso sera demasiado costoso (al igual que
peligroso). Por lo tanto, despus de realizar un anlisis terico preliminar para
desarrollar un diseo bsico, la herramienta viable para experimentar con los
diseos especficoses la simulacin del vuelo en un tnel de viento. Esta
actividad implica imitar el desempeo de unavin real en un medio controlado
con el fi n de estimar cul sera su desempeo real. Despus dedesarrollar
undiseo detallado de esta manera, es posible construir un prototipo y probarlo
en un vuelo real para ajustar los ltimos detalles del diseo final.
Simulacin de eventos discretos versus continuos
Las dos grandes categoras de simulacin son la de eventos discretos y
eventos continuos. Cuando se recurre a una simulacin de eventos discretos,
los cambios en el estado del sistema ocurren de manera instantnea en puntos
aleatorios del tiempo como resultado de la ocurrencia de eventos discretos. Por
ejemplo, en un sistema de colas donde el estado del sistema es el nmero de
clientes en l, los eventos discretos que cambian este estado son la llegada de
un cliente o su salida cuando termina su servicio. En la prctica, la mayora de
las aplicaciones de simulacin son simulaciones de eventos discretos.
En una simulacin continua los cambios en el estado del sistema ocurren
continuamente en el tiempo. Por ejemplo, si el sistema de inters es un avin
en vuelo y su estado se define como la posicin actual, el estado cambia de
manera continua en el tiempo. Algunas aplicaciones de simulaciones continuas
ocurren en los estudios de diseo de sistemas de ingeniera de este tipo. Las

simulaciones continuas suelen requerir ecuaciones diferenciales para describir
la tasa de cambio de las variables de estado, por lo que el anlisis tiende a ser
complejo. En ocasiones es posible aproximar los cambios continuos en el
estado del sistema mediante cambios discretos, para usar una simulacin de
eventos discretos que aproxime el comportamiento de un sistema continuo,
circunstancia que tiende a simplificar mucho el anlisis.
4 Adaptado de: Introduccin a la Investigacin de operaciones -9na Edicin
6.4 Estudio de tiempos5
Es innegable que dentro de las tcnicas que se emplean en la medicin del

trabajo la ms importante es el Estudio de Tiempos, o por lo menos es la que
ms nos permite confrontar la realidad de los sistemas productivos sujetos a
medicin.
"El Estudio de Tiempos es una tcnica de medicin del trabajo empleada para
registrar los tiempos y ritmos de trabajo correspondientes a los elementos de
una tarea definida, efectuada en condiciones determinadas y para analizar los
datos a fin de averiguar el tiempo requerido para efectuar la tarea segn una
norma de ejecucin preestablecida".
En el devenir de un Ingeniero Industrial muchas sern las ocasiones en las que
requerir de alguna tcnica de medicin del trabajo. En el proceso de fijacin
de los tiempos estndar quiz sea necesario emplear la medicin para:
Comparar la eficacia de varios mtodos, los cuales en igualdad de
condiciones el que requiera de menor tiempo de ejecucin ser el
ptimo.
Repartir el trabajo dentro de los equipos, con ayuda de diagramas de
actividades mltiples. Con el objetivo de efectuar un balance de los
procesos.
Determinar el nmero de mquinas que puede atender un operario.
Una vez el tiempo estndar (tipo) se ha determinado, este puede utilizarse
para:
Obtener la informacin de base para el programa de produccin.
Obtener informacin en qu basar cotizaciones, precios de venta y

plazos de entrega.
Fijar normas sobre el uso de la maquinaria y la mano de obra.
Obtener informacin que permita controlar los costos de la mano de obra
(incluso establecer planes de incentivos) y mantener costos estndar.
Las etapas necesarias para efectuar sistemticamente la medicin del trabajo

son:
SELECCIONAR El trabajo que va a ser objeto de estudio.

REGISTRAR Todos los datos relativos a las circunstancias en que se
realiza el trabajo, a los mtodos y a los elementos de
actividad que suponen.
EXAMINAR Los datos registrados y el detalle de los elementos con
sentido crtico para verificar si se utilizan los mtodos y
movimientos ms eficaces, y separar los elementos
improductivos o extraos de los productivos.
MEDIR La cantidad de trabajo de cada elemento, expresndola en
tiempo, mediante la tcnica ms apropiada de medicin del
trabajo.
COMPILAR El tiempo estndar de la operacin previendo, en caso de
estudio de tiempos con cronmetro, suplementos para
breves descansos, necesidades personales, etc.
DEFINIR Con precisin la serie de actividades y el mtodo de
operacin a los que corresponde el tiempo computado y
notificar que ese ser el tiempo estndar para las actividades
y mtodos especificados.
Cuadro 6.1
Estas etapas debern seguirse en su totalidad cuando el objetivo de la
medicin sea fijar tiempos estndar (tiempos tipo).
5 Adaptados de: https://www.ingenieriaindustrialonline.com/herramientas-para-

el-ingeniero-industrial/estudio-de-tiempos/
CAPTULO III:
ANLISIS Y DIAGNSTICO
DEL ESCENARIO ACTUAL
VIII. ANLISIS Y DIAGNSTICO6
Naranjal es la estacin terminal norte del Metropolitano en Lima. Con una

afluencia de 81 800 pasajeros por da, es la estacin ms congestionada del
sistema. Est ubicada en la interseccin de las avenidas Tpac Amaru y
Chinchaysuyo, prximo al lmite de los distritos de Independencia y Comas.
Posee un diseo inclusivo y sin barreras fsicas, garantizando el acceso a las
personas con discapacidad o movilidad restringida. Ostentan segn sea el
terminal, ascensores, rampas, escaleras y torniquetes especiales, as como
sistemas automticos audiovisuales, de puertas y cintas tipo podotctil.
Las instalaciones tienen una arquitectura cerrada, pero con sentido de amplitud
en las zonas de embarque - desembarque, reas abiertas de seguridad, reas
de ingreso techados en zonas troncales y zonas alimentadores, las mismas
que poseen 6 puntos de parada en cada lado de la drsena de la troncal y 6
puntos de parada en la drsena del alimentador.
Los terminales se ubican en los extremos del Corredor; para que faciliten los
embarques desembarques y/o trasbordos de pasajeros.
Los servicios con los que cuenta la Estacin Naranjal son:
Seguridad permanente a travs del Circuito Cerrado de TV-CCTV
Orientadores del servicio.
Personal policial.
Servicio libre de internet a travs de Wifi.
Pantallas digitales informativas - Anuncian la llegada y partida de los
buses.
Ascensores para personas con discapacidad (estaciones de dos pisos).
Centro de Atencin al Usuario.
Ambulancia permanente en el Terminal Naranjal.
Tpico de emergencia en la Estacin Central.
Puntos de ventas y recarga de tarjetas inteligentes.
Limpieza permanente de las estaciones.
Servicios higinicos adecuados.
Siendo la lnea de Expreso las que reciben mayor afluencia en sus colas ya
que esta lnea a diferencia de otras solo para en ciertas estaciones
permitindole al usuario llegar ms rpido a su destino. Esto genera que haya
ms colas para esta lnea.
Caso contrario sucede con las lneas como la B y la Lnea A donde no hay
mucha afluencia de personas pues estas lneas paran en cada estacin de la
ruta del sistema del metropolitano.
En horas pico las colas se vuelven interminables, generando que se formen
largas colas afectando ms a la lnea de expreso, llegando hasta ocupar la
entrada sur de la estacin perjudicando as el libre trnsito de las personas que
quieren llegar lo ms rpido posible a la lnea que desea. Esto produce un caos
enorme pues hay personas que con la desesperacin llegan incluso a meterse
en las colas.
6 Adaptado de: https://es.wikipedia.org/wiki/Terminal_Norte_Naranjal

CAPITULO IV:
ANALISIS Y CONSTRUCCION
DEL MODELO DE COLA
IX.CONSTRUCCION DE MODELO COLA
Para construir el modelo de cola utilizamos la notacin de Kendall
Notacin de Kendall
Viene a ser la descripcin resumida de los principales parmetros de un modelo de

cola con servicios en paralelo.
(a /b /c) :(d /e /f)
Donde:
a: representa el tipo de distribucin de probabilidad para el proceso de llegada o arribos.
b: representa el tipo de distribucin de probabilidad para el proceso de servicio o

atencin.
c: Numero de servidores (s: servidor; s 1)
d. Disciplina del servicio (FIFO, LIFO, GD, Prioridad, etctera)
e: Tamao del sistema (N, +)
f: Tamao de la fuente de entrada (N,+)
Gracias a esta notacin Kendal pudimos construir nuestro modelo de cola al cual se
alineaba el sistema del metropolitano de la estacin naranjal. Este sistema se alineo al
modelo de cola 1 ya que los usuarios que arriban al sistema para ubicarse en una cola
en especial para poder ser atendido por un solo servidor (bus del metropolitano).
MODELO I: (M/M/1): (FIFO/N/)
Dnde:
: Tamao del sistema finito

: Tamao de la fuente infinito
M: Autos que llegan al sistema siguiendo una distribucin
M: Autos que llegan al sistema siguiendo una distribucin
FIFO: Disciplina de servicio.
X. TRABAJO DE CAMPO
10.1 TOMA DE TIEMPOS DE ARRIBO
La toma de tiempos de arribos se realiz durante 3 das, cada uno tuvo una
duracin 1 hora con intervalos de 5 minutos. Fueron 3 horarios los escogidos
para la toma de tiempos: viernes 3 de noviembre (12:35-13:35), sbado 4 de
noviembre (15:10-16:15), lunes 6 de noviembre (09:00-10:00).
TOMA DE DATOS DEL DA 1:
1 da: Viernes 03/11/2017

Horario Personas/ 5min
12:35 - 12:40 271

12:40 - 12:45 291
12:45 - 12:50 252
12:50 - 12:55 277
12:55 - 13:00 263
13:00 - 13:05 286
13:05 - 13:10 274
13:10 - 13:15 283
13:15 - 13:20 296
13:20 - 13:25 281
13:25 - 13:30 263
13:30 - 13:35 258
13:35 - 13:40 253
13:40 - 13:45 267
13:45 - 13:50 264
13:50 - 13:55 273
13:55 - 14:00 271
14:00 - 14:05 276
Promedio 272.2
54.43 (Pers/min)
TOMA DE DATOS DEL DA 2:

2 da: Sbado 04/11/17
15:10-15:15 213
15:15-15:20 220
15:20-15:25 188
15:25-15:30 206
15:30 - 15:35 194
15:35 - 15:40 183
15:40 - 15:45 196
15:45 - 15:50 203
15:50 - 15:55 194
15:55 - 16:00 204
16:00 - 16:05 199
16:05 - 16:10 209
16:10 - 16:15 198
16:15 - 16:20 193
16:20 - 16:25 197
16:25 - 16:30 182
16:30 - 16:35 187
16:35 - 16:40 185
Promedio 197.28
39.46 (Pers/min)
TOMA DE DATOS DEL 3 DA:
3 da: Lunes 06/11/17

9:00-9:05 740
9:05-9:10 569
9:10-9:15 661
9:15-9:20 648
9:20 - 9:25 610
9:25 - 9:30 659
9:30 - 9:35 630
9:35 - 9:40 642
9:40 - 9:45 690
9:45 - 9:50 653
9:50 - 9:55 683
9:55 - 10:00 678
10:00 - 10:05 690
10:05 - 10:10 672
10:10 - 10:15 672
10:15 - 10:20 665
10:20 - 10:25 680
10:25 - 10:30 693
Promedio 663.06
132.61 (Pers/min)
RESULTADOS: (Pers/min)
Promedio del 1 da 54.43

Promedio de los 3 das 75.500
10.2 TOMA DE TIEMPOS DEL SERVICIO

TOMA DE DATOS DEL PRIMER DA:
1 da (03/11/15)
Expreso 5 1 Toma 123 pers/0.85 min
2 Toma 127 pers/0.72 min

Promedio 125.2 pers/0.75 min
Servicio B 1 Toma 67 pers/ 0.43 min

Promedio 60.6 pers/0.43min
Servvicio A 1 Toma 63 pers/0.46 min
Promedio
de los 3 77.73 pers/ 0.51 152.41 pers/min
tomas min
TOMA DE DATOS DEL SEGUNDO DA:
2 da (04/11/17)
Expreso 4 1 Toma 96 pers/0.43 min

3 Toma 76pers/0.45min
Servicio 1 Toma 63 pers/0.38 min
B

Promedio 69 pers/ 0.39 min
Servicio 1 Toma 57 pers/0.40 min
A
3 Toma 39pers/0.35 min
Promedio 39.4 pers/ 0.35 min
Promedio
de los 3 60.33 pers/ 0.39 min 154.69 pers/min
tomas
TOMA DE DATOS DEL TERCER DA:
3 da (06/11/17)
Expreso 5 1 Toma 124 pers/1.27min

Promedio 125.2 pers/ 1.13min
Servicio B 1 Toma 117 pers/1 min

Servicio A 1 Toma 96 pers/ 0.82 min
2 Toma 92 pers/ 0.78 min
3 Toma 90 pers/ 0.74 min
4 Toma 85 pers/0.73min
Promedio 88.4 pers/ 0.76 min
Promedio
de los 3 107.4 pers/0.91 min 118.02 pers/min
tomas
RESULTADOS:
(Pers/min)
PROMEDIO 1 152.41 pers/min

PROMEDIO TOTAL 136.53 pers/min
En base a los datos tomados y que figuran en las tablas anteriores podemos
realizar el siguiente anlisis de los arribos y los tiempos de atencin.
1. Tasa de Arribos
75.500 personas/min
2. Tasa de Servicios
136.37 personas/min
10.3 DCIMA DE HIPTESIS Y AJUSTE DE BONDA

- TASA DE ARRIBOS
O1 O2 O3 Oi PROMEDIO
54.2 42.6 148 42.6 81.6
58.2 44 113.8 44 72
50.4 37.6 132.2 37.6 73.4
55.4 41.2 129.6 41.2 75.4
52.6 38.8 122 38.8 71.13
57.2 36.6 131.8 36.6 75.2
54.8 39.2 126 39.2 73.33
56.6 40.6 128.4 40.6 75.2
59.2 38.8 138 38.8 78.67
56.2 40.8 130.6 40.8 75.87
52.6 39.8 136.6 39.8 76.33
51.6 41.8 135.6 41.8 76.33
50.6 39.6 138 39.6 76.07
53.4 38.6 134.4 38.6 75.47
52.8 39.4 134.4 39.4 75.53
54.6 36.4 133 36.4 74.67
54.2 37.4 136 37.4 75.87
55.2 37 138.6 37 76.93
prom = 75.500 pers/min

n p(x) ei Oi
0 1.62468E-33 1.62468E-31 42.6
1 1.22663E-31 1.22663E-29 44
2 4.63053E-30 4.63053E-28 37.6
3 1.16535E-28 1.16535E-26 41.2
4 2.1996E-27 2.1996E-25 38.8
5 3.32139E-26 3.32139E-24 36.6
6 4.17942E-25 4.17942E-23 39.2
7 4.5078E-24 4.5078E-22 40.6
8 4.25424E-23 4.25424E-21 38.8
9 3.56883E-22 3.56883E-20 40.8
10 2.69447E-21 2.69447E-19 39.8
11 1.84939E-20 1.84939E-18 41.8
12 1.16357E-19 1.16357E-17 39.6
13 6.75767E-19 6.75767E-17 38.6
14 3.64431E-18 3.64431E-16 39.4
15 1.8343E-17 1.8343E-15 36.4
16 8.65562E-17 8.65562E-15 37.4
17 3.84411E-16 3.84411E-14 37
N. de Arribos ei Oi Oi - ei (Oi - ei)^2 (Oi - ei)^2/ei

0 1.62468E-31 42.6 42.60 1814.76 1.117E+34
1 1.22663E-29 44 44.00 1936.00 1.57831E+32
2 4.63053E-28 37.6 37.60 1413.76 3.05313E+30
3 1.16535E-26 41.2 41.20 1697.44 1.45659E+29
4 2.1996E-25 38.8 38.80 1505.44 6.84416E+27
5 3.32139E-24 36.6 36.60 1339.56 4.03313E+26
6 4.17942E-23 39.2 39.20 1536.64 3.67668E+25
7 4.5078E-22 40.6 40.60 1648.36 3.65668E+24
8 4.25424E-21 38.8 38.80 1505.44 3.53868E+23
9 3.56883E-20 40.8 40.80 1664.64 4.66438E+22
10 2.69447E-19 39.8 39.80 1584.04 5.87886E+21
11 1.84939E-18 41.8 41.80 1747.24 9.44768E+20
12 1.16357E-17 39.6 39.60 1568.16 1.34771E+20
13 6.75767E-17 38.6 38.60 1489.96 2.20484E+19
14 3.64431E-16 39.4 39.40 1552.36 4.25968E+18
15 1.8343E-15 36.4 36.40 1324.96 7.22323E+17
16 8.65562E-15 37.4 37.40 1398.76 1.61601E+17
17 3.84411E-14 37 37.00 1369.00 3.56129E+16
1.1331E+34
^2= 1.1331E+34
Grado de Libertad : n = 17
Regin Crtica para a=0.05 y n =17
^2(5%,17) = 27.5817segn el valor en la distribucin Chi Cuadrado
Como 1.1331E+34 >> 27.5817 entonces se rechaza Ho. Se concluye que los
datos no se adjuntan a una distribucin de Poisson con un 5% de error.
Por lo tanto, se debe simular para contrastar los resultados que arroja el
modelo de cola.
Como se rechaz la hiptesis, se ingres los datos al programa Statfit donde se

obtuvo como resultado una distribucin Lognormal.
- TASA DE SERVICIO
O1 O2 O3 Oi PROMEDIO
144.71 223.26 97.64 97.64 155.20
176.39 125.53 123.53 123.53 141.82
EXPRESO 5 181.16 168.89 116.36 116.36 155.47
162.03 143.18 108.70 108.70 137.97
173.24 160.47 109.82 109.82 147.84
155.81 165.79 117.00 117.00 146.20
162.50 220.93 118.18 118.18 167.20
SERVICIO B 140.00 165.85 144.00 140.00 149.95
125.53 156.41 127.27 125.53 136.40
116.67 161.11 137.84 116.67 138.54
136.96 142.50 117.07 117.07 132.18
93.33 92.11 117.95 92.11 101.13
SERVICIO C 115.79 111.43 121.62 111.43 116.28
124.32 100.00 116.44 100.00 113.59
107.69 110.00 106.76 106.76 108.15
n p(x) ei OI
0 136.527966 13652.79664 97.64
1 6.9483E-58 6.94831E-56 123.53
2 3.536E-117 3.5362E-115 116.36
3 1.8E-176 1.7997E-174 108.70
4 9.159E-236 9.1591E-234 109.82
5 4.661E-295 4.6613E-293 117.00
6 0 0 118.18
7 0 0 140.00
8 0 0 125.53
9 0 0 116.67
10 0 0 117.07
11 0 0 92.11
12 0 0 111.43
13 0 0 100.00
14 0 0 106.76
Servicio ei oi Oi - ei (Oi - ei)^2 (Oi - ei)^2/ei

-
0
13652.7966 97.63779528 13555.1588 183742331 13458.21931
1 6.9483E-56 123.5294118 123.529412 15259.5156 2.19615E+59
2 3.536E-115 116.3636364 116.363636 13540.4959 3.8291E+118
3 1.8E-174 108.6956522 108.695652 11814.7448 6.5649E+177
4 9.159E-234 109.8214286 109.821429 12060.7462 1.3168E+237
5 4.661E-293 117.00 117 13689 2.9367E+296
2.9367E+296
^2= 2.9367E+296
Regin Crtica para a=0.05 y n =6
= 12.83segn el valor en la distribucin Chi Cuadrado
Como 2.9367E+296 > 12.83 entonces Se Rechaza Ho. Se concluye

que los datos no se ajustan a una distribucin de exponencial con un 5%
de error.
Como no se ajusta a una exponencial, mediante el programa Statfit se

determin que el sigue una distribucin Uniforme:
INTERPRETACIN DE RESULTADOS:
- TASA DE ARRIBOS
Procedimos a hallar el promedio de las tomas de datos de los arribos de los
tres das en la estacin naranjal.
Los resultados fueron los siguientes:
PRIMER DA () 54.43 Pers/min

SEGUNDO DA() 39.46 Pers/min
TECER DA() 132.61 Pers/min
PROMEDIO 75.500 Pers/min
PROMEDIO = 75.500 clientes min

- TASA DE SERVICIO
Para la tasa de servicio se obtuvieron los siguientes resultados:
PRIMER DA () 152.41 Pers/min

SEGUNDO DA( ) 154.69 Pers/min
TERCER DA( ) 118.02 Pers/min
( promedio) 136.53 Pers/min
promedio= 136.53 pers/min
CONSTRUCCIN DE LA FUNCIN DE LA DISTRIBUCIN:

- TASA DE ARRIBO
Distribucin LogNormal:
Simulador para la tasa de servicio
x p(x) P(X<x)
1 0.1727 0.1727
2 0.1775 0.3502
3 0.1399 0.4900
4 0.1055 0.5955
5 0.0794 0.6749
6 0.0604 0.7353
7 0.0465 0.7818
8 0.0363 0.8180
9 0.0286 0.8467
10 0.0229 0.8696
11 0.0185 0.8880
12 0.0151 0.9031
13 0.0124 0.9155
14 0.0103 0.9258
15 0.0086 0.9344
16 0.0072 0.9416
17 0.0061 0.9477
18 0.0052 0.9529
19 0.0044 0.9573
20 0.0038 0.9611
21 0.0033 0.9644
22 0.0029 0.9673
23 0.0025 0.9698
24 0.0022 0.9719
25 0.0019 0.9738
26 0.0017 0.9755
27 0.0015 0.9770
28 0.0013 0.9783
29 0.0012 0.9795
30 0.0010 0.9805
31 0.0009 0.9814
32 0.0008 0.9823
33 0.0007 0.9830
34 0.0007 0.9837
35 0.0006 0.9843
36 0.0005 0.9848
37 0.0005 0.9853
38 0.0004 0.9858
39 0.0004 0.9862
40 0.0004 0.9865
41 0.0003 0.9869
42 0.0003 0.9872
43 0.0003 0.9875
44 0.0003 0.9877
45 0.0002 0.9880
46 0.0002 0.9882
47 0.0002 0.9884
48 0.0002 0.9886
49 0.0002 0.9887
50 0.0002 0.9889
51 0.0001 0.9890
52 0.0001 0.9891
53 0.0001 0.9893
54 0.0001 0.9894
55 0.0001 0.9895
56 0.0001 0.9896
57 0.0001 0.9897
58 0.0001 0.9898
59 0.0001 0.9898
60 0.0001 0.9899
61 0.0001 0.9900
62 0.0001 0.9900
63 0.0001 0.9901
64 0.0001 0.9902
65 0.0001 0.9902
66 0.0000 1.0000
- TASA DE SERVICIO
Distribucin Uniforme:
Simulador de la tasa de servicio
= + ( )
= 101 + (167.2 101)
Simulacin del II Modelo de Cola (M/M/S):(FIFO/
Con S=3
CORRIDA N
N DE S esta TIEMPO DE
HORARIO N.A.1 Lq N.A.2 LS Ws Wq
ARRIBOS ocupado SERVICIO
09:00 09:05 0.6135378 4 1 SI 0.27248141 82.962 1.55300025 0.02056954 0.01324503
09:05 09:10 0.8617654 9 10 SI 0.26298446 83.590 10.5530003 0.13977484 0.13245033
09:10 09:15 0.8315158 8 18 SI 0.58265961 62.428 18.5530003 0.2457351 0.2384106
09:15 09:20 0.9654989 21 39 SI 0.70095508 54.597 39.5530003 0.5238808 0.51655629
09:20 09:25 0.7308989 5 44 SI 0.0525038 97.524 44.5530003 0.59010596 0.58278146
09:25 09:30 0.7852003 7 51 SI 0.19850267 87.859 51.5530003 0.6828212 0.67549669
09:30 09:35 0.8834677 10 61 SI 0.15866144 90.497 61.5530003 0.81527153 0.80794702
09:35 09:40 0.9290041 14 75 SI 0.36615257 76.761 75.5530003 1.00070199 0.99337748
09:40 09:45 0.674537 4 79 SI 0.93637054 39.012 79.5530003 1.05368212 1.04635762
09:45 09:50 0.8756111 10 89 SI 0.75280876 51.164 89.5530003 1.18613245 1.17880795
09:50 09:55 0.5543213 3 92 SI 0.11611448 93.313 92.5530003 1.22586755 1.21854305
09:55 10:00 0.6387574 4 96 SI 0.76385499 50.433 96.5530003 1.27884769 1.27152318
10:00 10:05 0.9912583 65 161 SI 0.53909519 65.312 161.553 2.13977484 2.13245033
10:05 10:10 0.7126356 5 166 SI 0.64340019 58.407 166.553 2.206 2.1986755
10:10 10:15 0.6730126 4 170 SI 0.52582492 66.190 170.553 2.25898014 2.25165563
10:15 10:20 0.8113823 7 177 SI 0.23258426 85.603 177.553 2.35169537 2.34437086
10:20 10:25 0.9486179 17 194 SI 0.21417223 86.822 194.553 2.57686093 2.56953642
10:25 10:30 0.9896053 56 250 SI 0.2816452 82.355 250.553 3.31858278 3.31125828
CORRIDA N 2:
09:00 09:05 0.7487979 6 3 SI 0.82311585 156.149 3.55300025 0.04705961 0.0397351
09:05 09:10 0.5148259 3 6 SI 0.55134942 137.940 6.55300025 0.08679471 0.0794702
09:10 09:15 0.9749304 25 31 SI 0.29214971 120.574 31.5530003 0.41792053 0.41059603
09:15 09:20 0.6554153 4 35 SI 0.99691079 167.793 35.5530003 0.47090067 0.46357616
09:20 09:25 0.980149 29 64 SI 0.25434605 118.041 64.5530003 0.85500663 0.84768212
09:25 09:30 0.9457521 16 80 SI 0.7300247 149.912 80.5530003 1.06692716 1.05960265
09:30 09:35 0.7325304 5 85 SI 0.8874474 160.459 85.5530003 1.13315232 1.12582781
09:35 09:40 0.9519361 17 102 SI 0.13845066 110.276 102.553 1.35831788 1.35099338
09:40 09:45 0.7479301 6 108 SI 0.35906412 125.057 108.553 1.43778808 1.43046358
09:45 09:50 0.993978 65 173 SI 0.13455709 110.015 173.553 2.29871524 2.29139073
09:50 09:55 0.8454159 8 181 SI 0.9971655 167.810 181.553 2.4046755 2.39735099
09:55 10:00 0.8580978 9 190 SI 0.02202185 102.475 190.553 2.5238808 2.51655629
10:00 10:05 0.5589178 3 193 SI 0.9422755 164.132 193.553 2.5636159 2.55629139
10:05 10:10 0.6844656 5 198 SI 0.32592985 122.837 198.553 2.62984106 2.62251656
10:10 10:15 0.5200072 3 201 SI 0.6279222 143.071 201.553 2.66957616 2.66225166
10:15 10:20 0.8625223 9 210 SI 0.55069468 137.897 210.553 2.78878146 2.78145695
10:20 10:25 0.7192621 5 215 SI 0.68607892 146.967 215.553 2.85500663 2.84768212
10:25 10:30 0.8698258 10 225 SI 0.98603245 167.064 225.553 2.98745696 2.98013245
CORRIDA N 3:
09:00 09:05 0.7250309 5 2 SI 0.82040043 155.311 2.55300025 0.03381457 0.02649007
09:05 09:10 0.9707569 23 25 SI 0.29998607 120.859 25.5530003 0.33845033 0.33112583
09:10 09:15 0.9848861 36 61 SI 0.30292522 121.054 61.5530003 0.81527153 0.80794702
09:15 09:20 0.8464166 8 69 SI 0.03759727 103.489 69.5530003 0.92123179 0.91390728
09:20 09:25 0.6788562 5 74 SI 0.59851867 140.622 74.5530003 0.98745696 0.98013245
09:25 09:30 0.9470984 16 90 SI 0.64991882 144.025 90.5530003 1.19937749 1.19205298
09:30 09:35 0.821919 8 98 SI 0.88773542 159.768 98.5530003 1.30533775 1.29801325
09:35 09:40 0.6874219 5 103 SI 0.74526175 150.336 103.553 1.37156292 1.36423841
09:40 09:45 0.7792734 6 109 SI 0.70429124 147.624 109.553 1.45103312 1.44370861
09:45 09:50 0.5451768 3 112 SI 0.19532711 113.931 112.553 1.49076822 1.48344371
09:50 09:55 0.8643963 9 121 SI 0.5952633 140.406 121.553 1.60997351 1.60264901
09:55 10:00 0.6767189 5 126 SI 0.78839874 153.192 126.553 1.67619868 1.66887417
10:00 10:05 0.9785766 28 154 SI 0.18845147 113.475 154.553 2.04705961 2.0397351
10:05 10:10 0.9348632 15 169 SI 0.44559859 130.499 169.553 2.2457351 2.2384106
10:10 10:15 0.7001273 5 174 SI 0.9797335 165.858 174.553 2.31196027 2.30463576
10:15 10:20 0.9845843 35 209 SI 0.90140925 160.673 209.553 2.77553643 2.76821192
10:20 10:25 0.9282251 14 223 SI 0.54065727 136.792 223.553 2.96096689 2.95364238
10:25 10:30 0.5892669 3 226 SI 0.57626322 139.149 226.553 3.00070199 2.99337748
CORRIDA N 4:
09:00 09:05 0.7697956 6 3 SI 0.9702158 165.228 3.55300025 0.04705961 0.0397351
09:05 09:10 0.8205553 8 11 SI 0.41174168 128.257 11.5530003 0.15301987 0.14569536
09:10 09:15 0.5409594 3 14 SI 0.84277802 156.792 14.5530003 0.19275497 0.18543046
09:15 09:20 0.547709 3 17 SI 0.44680148 130.578 17.5530003 0.23249007 0.22516556
09:20 09:25 0.7284526 5 22 SI 0.88873942 159.835 22.5530003 0.29871524 0.29139073
09:25 09:30 0.7186725 5 27 SI 0.1345831 109.909 27.5530003 0.3649404 0.35761589
09:30 09:35 0.9188999 13 40 SI 0.22578903 115.947 40.5530003 0.53712583 0.52980132
09:35 09:40 0.7521683 6 46 SI 0.29650147 120.628 46.5530003 0.61659603 0.60927152
09:40 09:45 0.3363067 1 47 SI 0.78833186 153.188 47.5530003 0.62984106 0.62251656
09:45 09:50 0.8815133 10 57 SI 0.52291368 135.617 57.5530003 0.76229139 0.75496689
09:50 09:55 0.8941353 11 68 SI 0.36740523 125.322 68.5530003 0.90798676 0.90066225
09:55 10:00 0.8279854 8 76 SI 0.98108873 165.948 76.5530003 1.01394702 1.00662252
10:00 10:05 0.9062356 12 88 SI 0.13973098 110.250 88.5530003 1.17288742 1.16556291
10:05 10:10 0.6071061 4 92 SI 0.04110559 103.721 92.5530003 1.22586755 1.21854305
10:10 10:15 0.9781217 27 119 SI 0.64800506 143.898 119.553 1.58348345 1.57615894
10:15 10:20 0.8912635 11 130 SI 0.95351892 164.123 130.553 1.72917881 1.7218543
10:20 10:25 0.9775108 27 157 SI 0.44939708 130.750 157.553 2.08679471 2.0794702
10:25 10:30 0.523942 3 160 SI 0.67544528 145.714 160.553 2.1265298 2.1192053
CORRIDA N 5:
09:00 09:05 0.6207853 4 1 SI 0.42149925 73.097 1.55300025 0.02056954 0.01324503
09:05 09:10 0.6408765 4 5 SI 0.99204377 35.327 5.55300025 0.07354967 0.06622517
09:10 09:15 0.9230868 13 18 SI 0.51800427 66.708 18.5530003 0.2457351 0.2384106
09:15 09:20 0.7205164 5 23 SI 0.82943872 46.091 23.5530003 0.31196027 0.30463576
09:20 09:25 0.5370147 3 26 SI 0.82256651 46.546 26.5530003 0.35169537 0.34437086
09:25 09:30 0.4114115 2 28 SI 0.4849334 68.897 28.5530003 0.37818543 0.37086093
09:30 09:35 0.2641022 1 29 SI 0.32925682 79.203 29.5530003 0.39143047 0.38410596
09:35 09:40 0.8774468 10 39 SI 0.60188509 61.155 39.5530003 0.5238808 0.51655629
09:40 09:45 0.9489069 17 56 SI 0.68110774 55.911 56.5530003 0.74904636 0.74172185
09:45 09:50 0.2914707 1 57 SI 0.24656928 84.677 57.5530003 0.76229139 0.75496689
09:50 09:55 0.5149661 3 60 SI 0.78189267 49.239 60.5530003 0.80202649 0.79470199
09:55 10:00 0.6492241 4 64 SI 0.70133911 54.571 64.5530003 0.85500663 0.84768212
10:00 10:05 0.6237084 4 68 SI 0.75562286 50.978 68.5530003 0.90798676 0.90066225
10:05 10:10 0.8949487 11 79 SI 0.88294799 42.549 79.5530003 1.05368212 1.04635762
10:10 10:15 0.7945562 7 86 SI 0.57421754 62.987 86.5530003 1.14639735 1.13907285
10:15 10:20 0.6349709 4 90 SI 0.4957972 68.178 90.5530003 1.19937749 1.19205298
10:20 10:25 0.5385774 3 93 SI 0.79427995 48.419 93.5530003 1.23911259 1.23178808
10:25 10:30 0.4609739 2 95 SI 0.79420544 48.424 95.5530003 1.26560265 1.25827815
CORRIDA N 6:
09:00 09:05 0.3865184 2 0 SI 0.07377423 96.116 0.55300025 0.00732451 0
09:05 09:10 0.1916071 1 1 SI 0.94659042 38.336 1.55300025 0.02056954 0.01324503
09:10 09:15 0.6194179 4 5 SI 0.07105321 96.296 5.55300025 0.07354967 0.06622517
09:15 09:20 0.9238708 13 18 SI 0.55982355 63.940 18.5530003 0.2457351 0.2384106
09:20 09:25 0.7894164 7 25 SI 0.10630603 93.963 25.5530003 0.33845033 0.33112583
09:25 09:30 0.3701338 2 27 SI 0.31215882 80.335 27.5530003 0.3649404 0.35761589
09:30 09:35 0.6012965 4 31 SI 0.90850956 40.857 31.5530003 0.41792053 0.41059603
09:35 09:40 0.4079351 2 33 SI 0.90837076 40.866 33.5530003 0.4444106 0.43708609
09:40 09:45 0.3572372 2 35 SI 0.14770668 91.222 35.5530003 0.47090067 0.46357616
09:45 09:50 0.5609865 3 38 SI 0.24628498 84.696 38.5530003 0.51063576 0.50331126
09:50 09:55 0.5547262 3 41 SI 0.46987402 69.894 41.5530003 0.55037086 0.54304636
09:55 10:00 0.9854716 37 78 SI 0.48335375 69.002 78.5530003 1.04043709 1.03311258
10:00 10:05 0.8202066 8 86 SI 0.50226361 67.750 86.5530003 1.14639735 1.13907285
10:05 10:10 0.4581361 2 88 SI 0.99524176 35.115 88.5530003 1.17288742 1.16556291
10:10 10:15 0.4643765 2 90 SI 0.32577799 79.433 90.5530003 1.19937749 1.19205298
10:15 10:20 0.534923 3 93 SI 0.63869147 58.719 93.5530003 1.23911259 1.23178808
10:20 10:25 0.3620424 2 95 SI 0.23259778 85.602 95.5530003 1.26560265 1.25827815
10:25 10:30 0.5895388 3 98 SI 0.84100792 45.325 98.5530003 1.30533775 1.29801325
CORRIDA N 7:
09:00 09:05 0.673845 4 1 SI 0.37703017 76.041 1.55300025 0.02056954 0.01324503
09:05 09:10 0.2119785 1 2 SI 0.78947558 48.737 2.55300025 0.03381457 0.02649007
09:10 09:15 0.8856449 10 12 SI 0.13441772 92.102 12.5530003 0.1662649 0.1589404
09:15 09:20 0.4835594 2 14 SI 0.2284112 85.879 14.5530003 0.19275497 0.18543046
09:20 09:25 0.3868253 2 16 SI 0.00206573 100.863 16.5530003 0.21924504 0.21192053
09:25 09:30 0.2273445 1 17 SI 0.55510139 64.252 17.5530003 0.23249007 0.22516556
09:30 09:35 0.4144325 2 19 SI 0.41022843 73.843 19.5530003 0.25898014 0.25165563
09:35 09:40 0.9883661 46 65 SI 0.5848358 62.284 65.5530003 0.86825166 0.86092715
09:40 09:45 0.8198275 8 73 SI 0.33114468 79.078 73.5530003 0.97421192 0.96688742
09:45 09:50 0.916019 13 86 SI 0.43301187 72.335 86.5530003 1.14639735 1.13907285
09:50 09:55 0.3197296 1 87 SI 0.8396165 45.417 87.5530003 1.15964239 1.15231788
09:55 10:00 0.3825284 2 89 SI 0.4114133 73.764 89.5530003 1.18613245 1.17880795
10:00 10:05 0.4841237 2 91 SI 0.3483309 77.940 91.5530003 1.21262252 1.20529801
10:05 10:10 0.6561726 4 95 SI 0.20994731 87.101 95.5530003 1.26560265 1.25827815
10:10 10:15 0.5580405 3 98 SI 0.09207605 94.905 98.5530003 1.30533775 1.29801325
10:15 10:20 0.5174927 3 101 SI 0.52913649 65.971 101.553 1.34507285 1.33774834
10:20 10:25 0.8494118 9 110 SI 0.60721251 60.803 110.553 1.46427815 1.45695364
10:25 10:30 0.5613277 3 113 SI 0.28379411 82.213 113.553 1.50401325 1.49668874
CORRIDA N 8:
09:00 09:05 0.4511709 2 0 SI 0.52783926 66.057 0.55300025 0.00732451 0
09:05 09:10 0.5382786 3 3 SI 0.25351537 84.217 3.55300025 0.04705961 0.0397351
09:10 09:15 0.2864475 1 4 SI 0.55991559 63.934 4.55300025 0.06030464 0.05298013
09:15 09:20 0.7164716 5 9 SI 0.63162293 59.187 9.55300025 0.1265298 0.1192053
09:20 09:25 0.8289504 8 17 SI 0.21030075 87.078 17.5530003 0.23249007 0.22516556
09:25 09:30 0.8435852 8 25 SI 0.97983898 36.135 25.5530003 0.33845033 0.33112583
09:30 09:35 0.6388828 4 29 SI 0.04641476 97.927 29.5530003 0.39143047 0.38410596
09:35 09:40 0.4822871 2 31 SI 0.28444119 82.170 31.5530003 0.41792053 0.41059603
09:40 09:45 0.7316859 5 36 SI 0.67834868 56.093 36.5530003 0.4841457 0.47682119
09:45 09:50 0.6578013 4 40 SI 0.57605662 62.865 40.5530003 0.53712583 0.52980132
09:50 09:55 0.7330802 5 45 SI 0.74797141 51.484 45.5530003 0.603351 0.59602649
09:55 10:00 0.779311 6 51 SI 0.88169842 42.632 51.5530003 0.6828212 0.67549669
10:00 10:05 0.7831069 7 58 SI 0.13905465 91.795 58.5530003 0.77553643 0.76821192
10:05 10:10 0.5354603 3 61 SI 0.1795802 89.112 61.5530003 0.81527153 0.80794702
10:10 10:15 0.8124241 7 68 SI 0.61213532 60.477 68.5530003 0.90798676 0.90066225
10:15 10:20 0.8255373 8 76 SI 0.5999116 61.286 76.5530003 1.01394702 1.00662252
10:20 10:25 0.2530244 1 77 SI 0.22334393 86.215 77.5530003 1.02719206 1.01986755
10:25 10:30 0.3755709 2 79 SI 0.33764545 78.648 79.5530003 1.05368212 1.04635762
CORRIDA N 9:
09:00 09:05 0.7313376 5 2 SI 0.90266763 41.243 2.55300025 0.03381457 0.02649007
09:05 09:10 0.3189301 1 3 SI 0.74625198 51.598 3.55300025 0.04705961 0.0397351
09:10 09:15 0.9654246 21 24 SI 0.33393278 78.894 24.5530003 0.3252053 0.31788079
09:15 09:20 0.9608561 19 43 SI 0.81067292 47.333 43.5530003 0.57686093 0.56953642
09:20 09:25 0.5437998 3 46 SI 0.91730516 40.274 46.5530003 0.61659603 0.60927152
09:25 09:30 0.9071094 12 58 SI 0.96607576 37.046 58.5530003 0.77553643 0.76821192
09:30 09:35 0.8242156 8 66 SI 0.54658831 64.816 66.5530003 0.88149669 0.87417219
09:35 09:40 0.9638723 20 86 SI 0.83657804 45.619 86.5530003 1.14639735 1.13907285
09:40 09:45 0.9720575 24 110 SI 0.88770755 42.234 110.553 1.46427815 1.45695364
09:45 09:50 0.9164394 13 123 SI 0.81726239 46.897 123.553 1.63646358 1.62913907
09:50 09:55 0.368892 2 125 SI 0.86559775 43.697 125.553 1.66295365 1.65562914
09:55 10:00 0.9440684 16 141 SI 0.06273171 96.847 141.553 1.87487418 1.86754967
10:00 10:05 0.5148173 3 144 SI 0.77905081 49.427 144.553 1.91460927 1.90728477
10:05 10:10 0.503288 3 147 SI 0.21250632 86.932 147.553 1.95434437 1.94701987
10:10 10:15 0.834871 8 155 SI 0.87523936 43.059 155.553 2.06030464 2.05298013
10:15 10:20 0.5404413 3 158 SI 0.44092889 71.811 158.553 2.10003974 2.09271523
10:20 10:25 0.2357522 1 159 SI 0.91090343 40.698 159.553 2.11328477 2.10596026
10:25 10:30 0.7736388 6 165 SI 0.26952527 83.157 165.553 2.19275497 2.18543046
CORRIDA N 10:
09:00 09:05 0.6974394 5 2 SI 0.19451341 88.123 2.55300025 0.03381457 0.02649007
09:05 09:10 0.6859852 5 7 SI 0.02163122 99.568 7.55300025 0.10003974 0.09271523
09:10 09:15 0.7021947 5 12 SI 0.67855333 56.080 12.5530003 0.1662649 0.1589404
09:15 09:20 0.7032195 5 17 SI 0.91223441 40.610 17.5530003 0.23249007 0.22516556
09:20 09:25 0.3008994 1 18 SI 0.21428484 86.814 18.5530003 0.2457351 0.2384106
09:25 09:30 0.5989614 4 22 SI 0.58597387 62.209 22.5530003 0.29871524 0.29139073
09:30 09:35 0.178244 1 23 SI 0.06333074 96.808 23.5530003 0.31196027 0.30463576
09:35 09:40 0.8814597 10 33 SI 0.60198855 61.148 33.5530003 0.4444106 0.43708609
09:40 09:45 0.7856784 7 40 SI 0.25367821 84.207 40.5530003 0.53712583 0.52980132
09:45 09:50 0.336453 1 41 SI 0.45589706 70.820 41.5530003 0.55037086 0.54304636
09:50 09:55 0.6457913 4 45 SI 0.57679156 62.816 45.5530003 0.603351 0.59602649
09:55 10:00 0.721657 5 50 SI 0.294887 81.478 50.5530003 0.66957616 0.66225166
10:00 10:05 0.7451512 6 56 SI 0.75789213 50.828 56.5530003 0.74904636 0.74172185
10:05 10:10 0.6403584 4 60 SI 0.17902743 89.148 60.5530003 0.80202649 0.79470199
10:10 10:15 0.6946357 5 65 SI 0.23784663 85.255 65.5530003 0.86825166 0.86092715
10:15 10:20 0.63924 4 69 SI 0.74008643 52.006 69.5530003 0.92123179 0.91390728
10:20 10:25 0.2084562 1 70 SI 0.17654445 89.313 70.5530003 0.93447682 0.92715232
10:25 10:30 0.8605265 9 79 SI 0.14057747 91.694 79.5530003 1.05368212 1.04635762
CORRIDA N 11:
09:00 09:05 0.6238975 4 1 SI 0.95011093 38.103 1.55300025 0.02056954 0.01324503
09:05 09:10 0.3348233 1 2 SI 0.78798689 48.835 2.55300025 0.03381457 0.02649007
09:10 09:15 0.5806716 3 5 SI 0.27783437 82.607 5.55300025 0.07354967 0.06622517
09:15 09:20 0.4539332 2 7 SI 0.37260707 76.333 7.55300025 0.10003974 0.09271523
09:20 09:25 0.6120224 4 11 SI 0.20583274 87.374 11.5530003 0.15301987 0.14569536
09:25 09:30 0.3756852 2 13 SI 0.55273347 64.409 13.5530003 0.17950994 0.17218543
09:30 09:35 0.9574679 19 32 SI 0.99495327 35.134 32.5530003 0.43116557 0.42384106
09:35 09:40 0.4293865 2 34 SI 0.89548649 41.719 34.5530003 0.45765563 0.45033113
09:40 09:45 0.5471708 3 37 SI 0.51873738 66.660 37.5530003 0.49739073 0.49006623
09:45 09:50 0.3151086 1 38 SI 0.58991546 61.948 38.5530003 0.51063576 0.50331126
09:50 09:55 0.7839474 7 45 SI 0.88132514 42.656 45.5530003 0.603351 0.59602649
09:55 10:00 0.885708 10 55 SI 0.53545057 65.553 55.5530003 0.73580133 0.72847682
10:00 10:05 0.7301089 5 60 SI 0.44407719 71.602 60.5530003 0.80202649 0.79470199
10:05 10:10 0.8725544 10 70 SI 0.70311196 54.454 70.5530003 0.93447682 0.92715232
10:10 10:15 0.6291684 4 74 SI 0.84359946 45.154 74.5530003 0.98745696 0.98013245
10:15 10:20 0.8523403 9 83 SI 0.51550533 66.874 83.5530003 1.10666226 1.09933775
10:20 10:25 0.6576791 4 87 SI 0.99756124 34.961 87.5530003 1.15964239 1.15231788
10:25 10:30 0.1896844 1 88 SI 0.10789632 93.857 88.5530003 1.17288742 1.16556291
CORRIDA N 12:
09:00 09:05 0.9912272 65 62 SI 0.21078819 87.046 62.5530003 0.82851656 0.82119205
09:05 09:10 0.3009427 1 63 SI 0.53148713 65.816 63.5530003 0.84176159 0.83443709
09:10 09:15 0.9103957 12 75 SI 0.39044486 75.153 75.5530003 1.00070199 0.99337748
09:15 09:20 0.7403794 6 81 SI 0.92016594 40.085 81.5530003 1.08017219 1.07284768
09:20 09:25 0.263345 1 82 SI 0.38701253 75.380 82.5530003 1.09341722 1.08609272
09:25 09:30 0.3466972 1 83 SI 0.19350613 88.190 83.5530003 1.10666226 1.09933775
09:30 09:35 0.1917632 1 84 SI 0.79147502 48.604 84.5530003 1.11990729 1.11258278
09:35 09:40 0.2824568 1 85 SI 0.23929368 85.159 85.5530003 1.13315232 1.12582781
09:40 09:45 0.7678244 6 91 SI 0.91180356 40.639 91.5530003 1.21262252 1.20529801
09:45 09:50 0.5255176 3 94 SI 0.47518165 69.543 94.5530003 1.25235762 1.24503311
09:50 09:55 0.6028076 4 98 SI 0.40085039 74.464 98.5530003 1.30533775 1.29801325
09:55 10:00 0.852653 9 107 SI 0.49900332 67.966 107.553 1.42454305 1.41721854
10:00 10:05 0.646389 4 111 SI 0.15577918 90.687 111.553 1.47752318 1.47019868
10:05 10:10 0.8798704 10 121 SI 0.63961505 58.657 121.553 1.60997351 1.60264901
10:10 10:15 0.9839968 34 155 SI 0.65821834 57.426 155.553 2.06030464 2.05298013
10:15 10:20 0.8791525 10 165 SI 0.06773679 96.516 165.553 2.19275497 2.18543046
10:20 10:25 0.425203 2 167 SI 0.59060999 61.902 167.553 2.21924504 2.21192053
10:25 10:30 0.8599115 9 176 SI 0.28116409 82.387 176.553 2.33845033 2.33112583
CORRIDA N 13:
09:00 09:05 0.7922852 7 4 SI 0.95119368 38.031 4.55300025 0.06030464 0.05298013
09:05 09:10 0.967244 21 25 SI 0.83933742 45.436 25.5530003 0.33845033 0.33112583
09:10 09:15 0.8551438 9 34 SI 0.46580411 70.164 34.5530003 0.45765563 0.45033113
09:15 09:20 0.4798775 2 36 SI 0.04949738 97.723 36.5530003 0.4841457 0.47682119
09:20 09:25 0.5235018 3 39 SI 0.82475185 46.401 39.5530003 0.5238808 0.51655629
09:25 09:30 0.5404742 3 42 SI 0.78862027 48.793 42.5530003 0.5636159 0.55629139
09:30 09:35 0.5456716 3 45 SI 0.84473205 45.079 45.5530003 0.603351 0.59602649
09:35 09:40 0.344366 1 46 SI 0.39340789 74.956 46.5530003 0.61659603 0.60927152
09:40 09:45 0.4992469 3 49 SI 0.44143013 71.777 49.5530003 0.65633113 0.64900662
09:45 09:50 0.7345759 5 54 SI 0.78471162 49.052 54.5530003 0.72255629 0.71523179
09:50 09:55 0.5834156 3 57 SI 0.50311794 67.694 57.5530003 0.76229139 0.75496689
09:55 10:00 0.7194248 5 62 SI 0.44808378 71.337 62.5530003 0.82851656 0.82119205
10:00 10:05 0.3659484 2 64 SI 0.93737691 38.946 64.5530003 0.85500663 0.84768212
10:05 10:10 0.5465321 3 67 SI 0.1244681 92.760 67.5530003 0.89474173 0.88741722
10:10 10:15 0.259927 1 68 SI 0.81942706 46.754 68.5530003 0.90798676 0.90066225
10:15 10:20 0.7504768 6 74 SI 0.24140404 85.019 74.5530003 0.98745696 0.98013245
10:20 10:25 0.6680199 4 78 SI 0.87454227 43.105 78.5530003 1.04043709 1.03311258
10:25 10:30 0.8708749 10 88 SI 0.77709667 49.556 88.5530003 1.17288742 1.16556291
CORRIDA N 14:
09:00 09:05 0.9072244 12 9 SI 0.47030651 69.866 9.55300025 0.1265298 0.1192053
09:05 09:10 0.6154087 4 13 SI 0.04440225 98.061 13.5530003 0.17950994 0.17218543
09:10 09:15 0.8873007 10 23 SI 0.20213789 87.618 23.5530003 0.31196027 0.30463576
09:15 09:20 0.653169 4 27 SI 0.7431298 51.805 27.5530003 0.3649404 0.35761589
09:20 09:25 0.1946503 1 28 SI 0.67924433 56.034 28.5530003 0.37818543 0.37086093
09:25 09:30 0.4173507 2 30 SI 0.99055232 35.425 30.5530003 0.4046755 0.39735099
09:30 09:35 0.3826304 2 32 SI 0.33883549 78.569 32.5530003 0.43116557 0.42384106
09:35 09:40 0.3973689 2 34 SI 0.8255295 46.350 34.5530003 0.45765563 0.45033113
09:40 09:45 0.1980556 1 35 SI 0.94904788 38.173 35.5530003 0.47090067 0.46357616
09:45 09:50 0.4001268 2 37 SI 0.90837981 40.865 37.5530003 0.49739073 0.49006623
09:50 09:55 0.3090688 1 38 SI 0.45122356 71.129 38.5530003 0.51063576 0.50331126
09:55 10:00 0.4621301 2 40 SI 0.32075531 79.766 40.5530003 0.53712583 0.52980132
10:00 10:05 0.4795489 2 42 SI 0.1655781 90.039 42.5530003 0.5636159 0.55629139
10:05 10:10 0.5138584 3 45 SI 0.82370159 46.471 45.5530003 0.603351 0.59602649
10:10 10:15 0.7783402 6 51 SI 0.49185268 68.439 51.5530003 0.6828212 0.67549669
10:15 10:20 0.9853905 37 88 SI 0.06221147 96.882 88.5530003 1.17288742 1.16556291
10:20 10:25 0.2381606 1 89 SI 0.92171761 39.982 89.5530003 1.18613245 1.17880795
10:25 10:30 0.4739292 2 91 SI 0.41026548 73.840 91.5530003 1.21262252 1.20529801
CORRIDA N 15:
09:00 09:05 0.7234527 5 2 SI 0.54510238 64.914 2.55300025 0.03381457 0.02649007
09:05 09:10 0.174831 1 3 SI 0.40864049 73.948 3.55300025 0.04705961 0.0397351
09:10 09:15 0.6111215 4 7 SI 0.82039596 46.690 7.55300025 0.10003974 0.09271523
09:15 09:20 0.8833601 10 17 SI 0.48242589 69.063 17.5530003 0.23249007 0.22516556
09:20 09:25 0.5551195 3 20 SI 0.22362723 86.196 20.5530003 0.27222517 0.26490066
09:25 09:30 0.4668952 2 22 SI 0.03195401 98.885 22.5530003 0.29871524 0.29139073
09:30 09:35 0.841574 8 30 SI 0.62768601 59.447 30.5530003 0.4046755 0.39735099
09:35 09:40 0.3533318 2 32 SI 0.26379921 83.536 32.5530003 0.43116557 0.42384106
09:40 09:45 0.8121938 7 39 SI 0.33435766 78.866 39.5530003 0.5238808 0.51655629
09:45 09:50 0.450445 2 41 SI 0.48183591 69.102 41.5530003 0.55037086 0.54304636
09:50 09:55 0.2170034 1 42 SI 0.17871475 89.169 42.5530003 0.5636159 0.55629139
09:55 10:00 0.7236891 5 47 SI 0.14373974 91.484 47.5530003 0.62984106 0.62251656
10:00 10:05 0.2051229 1 48 SI 0.02693025 99.217 48.5530003 0.6430861 0.63576159
10:05 10:10 0.9409804 15 63 SI 0.20894434 87.168 63.5530003 0.84176159 0.83443709
10:10 10:15 0.6785919 5 68 SI 0.56251161 63.762 68.5530003 0.90798676 0.90066225
10:15 10:20 0.9882709 46 114 SI 0.69533244 54.969 114.553 1.51725828 1.50993377
10:20 10:25 0.9406324 15 129 SI 0.43941866 71.910 129.553 1.71593378 1.70860927
10:25 10:30 0.5181974 3 132 SI 0.10080381 94.327 132.553 1.75566888 1.74834437
CORRIDA N 16:
09:00 09:05 0.9569914 18 15 SI 0.28551929 82.099 15.5530003 0.206 0.1986755
09:05 09:10 0.4483673 2 17 SI 0.10652372 93.948 17.5530003 0.23249007 0.22516556
09:10 09:15 0.7389947 6 23 SI 0.17203989 89.611 23.5530003 0.31196027 0.30463576
09:15 09:20 0.5079323 3 26 SI 0.90087356 41.362 26.5530003 0.35169537 0.34437086
09:20 09:25 0.2147723 1 27 SI 0.98007328 36.119 27.5530003 0.3649404 0.35761589
09:25 09:30 0.2607164 1 28 SI 0.94097639 38.707 28.5530003 0.37818543 0.37086093
09:30 09:35 0.7502637 6 34 SI 0.3717041 76.393 34.5530003 0.45765563 0.45033113
09:35 09:40 0.9873649 42 76 SI 0.93505945 39.099 76.5530003 1.01394702 1.00662252
09:40 09:45 0.790627 7 83 SI 0.65721177 57.493 83.5530003 1.10666226 1.09933775
09:45 09:50 0.9614334 20 103 SI 0.04884729 97.766 103.553 1.37156292 1.36423841
09:50 09:55 0.1727267 1 104 SI 0.05134313 97.601 104.553 1.38480795 1.37748344
09:55 10:00 0.4601789 2 106 SI 0.38380418 75.592 106.553 1.41129802 1.40397351
10:00 10:05 0.6935857 5 111 SI 0.85147349 44.632 111.553 1.47752318 1.47019868
10:05 10:10 0.5863306 3 114 SI 0.83555168 45.686 114.553 1.51725828 1.50993377
10:10 10:15 0.3413874 1 115 SI 0.04496702 98.023 115.553 1.53050331 1.52317881
10:15 10:20 0.8991134 11 126 SI 0.89255696 41.913 126.553 1.67619868 1.66887417
10:20 10:25 0.5526766 3 129 SI 0.03492565 98.688 129.553 1.71593378 1.70860927
10:25 10:30 0.7908936 7 136 SI 0.35448443 77.533 136.553 1.80864901 1.8013245
CORRIDA N 17:
09:00 09:05 0.9018361 11 8 SI 0.69120963 55.242 8.55300025 0.11328477 0.10596026
09:05 09:10 0.8090169 7 15 SI 0.89533595 41.729 15.5530003 0.206 0.1986755
09:10 09:15 0.4476554 2 17 SI 0.85219417 44.585 17.5530003 0.23249007 0.22516556
09:15 09:20 0.7419526 6 23 SI 0.51462138 66.932 23.5530003 0.31196027 0.30463576
09:20 09:25 0.7054093 5 28 SI 0.40932935 73.902 28.5530003 0.37818543 0.37086093
09:25 09:30 0.9891152 51 79 SI 0.86869179 43.493 79.5530003 1.05368212 1.04635762
09:30 09:35 0.801884 7 86 SI 0.33563692 78.781 86.5530003 1.14639735 1.13907285
09:35 09:40 0.419378 2 88 SI 0.93260569 39.262 88.5530003 1.17288742 1.16556291
09:40 09:45 0.3876056 2 90 SI 0.38929741 75.229 90.5530003 1.19937749 1.19205298
09:45 09:50 0.4808425 2 92 SI 0.4038389 74.266 92.5530003 1.22586755 1.21854305
09:50 09:55 0.6511381 4 96 SI 0.45190949 71.084 96.5530003 1.27884769 1.27152318
09:55 10:00 0.9116764 12 108 SI 0.888713 42.167 108.553 1.43778808 1.43046358
10:00 10:05 0.9122047 12 120 SI 0.53017246 65.903 120.553 1.59672848 1.58940397
10:05 10:10 0.4581729 2 122 SI 0.94148106 38.674 122.553 1.62321855 1.61589404
10:10 10:15 0.3524057 2 124 SI 0.81092485 47.317 124.553 1.64970861 1.64238411
10:15 10:20 0.9728377 24 148 SI 0.67569112 56.269 148.553 1.96758941 1.9602649
10:20 10:25 0.8514332 9 157 SI 0.8612542 43.985 157.553 2.08679471 2.0794702
10:25 10:30 0.359166 2 159 SI 0.95478665 37.793 159.553 2.11328477 2.10596026
CORRIDA N 18:
09:00 09:05 0.9295293 14 11 SI 0.07762656 95.861 11.5530003 0.15301987 0.14569536
09:05 09:10 0.2588249 1 12 SI 0.38940968 75.221 12.5530003 0.1662649 0.1589404
09:10 09:15 0.866063 9 21 SI 0.2726098 82.953 21.5530003 0.2854702 0.2781457
09:15 09:20 0.9189694 13 34 SI 0.88501824 42.412 34.5530003 0.45765563 0.45033113
09:20 09:25 0.7335701 5 39 SI 0.83145122 45.958 39.5530003 0.5238808 0.51655629
09:25 09:30 0.5981895 4 43 SI 0.77288157 49.835 43.5530003 0.57686093 0.56953642
09:30 09:35 0.3754356 2 45 SI 0.68319275 55.773 45.5530003 0.603351 0.59602649
09:35 09:40 0.2970831 1 46 SI 0.18661007 88.646 46.5530003 0.61659603 0.60927152
09:40 09:45 0.9087245 12 58 SI 0.91822757 40.213 58.5530003 0.77553643 0.76821192
09:45 09:50 0.55804 3 61 SI 0.95989725 37.455 61.5530003 0.81527153 0.80794702
09:50 09:55 0.8073757 7 68 SI 0.47074547 69.837 68.5530003 0.90798676 0.90066225
09:55 10:00 0.8440045 8 76 SI 0.93571692 39.056 76.5530003 1.01394702 1.00662252
10:00 10:05 0.3711312 2 78 SI 0.47460714 69.581 78.5530003 1.04043709 1.03311258
10:05 10:10 0.5107386 3 81 SI 0.86762952 43.563 81.5530003 1.08017219 1.07284768
10:10 10:15 0.6253277 4 85 SI 0.69857534 54.754 85.5530003 1.13315232 1.12582781
10:15 10:20 0.8010513 7 92 SI 0.04880999 97.769 92.5530003 1.22586755 1.21854305
10:20 10:25 0.6206161 4 96 SI 0.06749088 96.532 96.5530003 1.27884769 1.27152318
10:25 10:30 0.3655362 2 98 SI 0.28852064 81.900 98.5530003 1.30533775 1.29801325
CORRIDA N 19:
09:00 09:05 0.9984773 65 62 SI 0.87070032 43.360 62.5530003 0.82851656 0.82119205
09:05 09:10 0.2820174 1 63 SI 0.60187162 61.156 63.5530003 0.84176159 0.83443709
09:10 09:15 0.4117084 2 65 SI 0.0153557 99.983 65.5530003 0.86825166 0.86092715
09:15 09:20 0.5200221 3 68 SI 0.06526223 96.680 68.5530003 0.90798676 0.90066225
09:20 09:25 0.9487009 17 85 SI 0.46032745 70.526 85.5530003 1.13315232 1.12582781
09:25 09:30 0.7139628 5 90 SI 0.73559876 52.303 90.5530003 1.19937749 1.19205298
09:30 09:35 0.4616337 2 92 SI 0.48717161 68.749 92.5530003 1.22586755 1.21854305
09:35 09:40 0.1763711 1 93 SI 0.16205057 90.272 93.5530003 1.23911259 1.23178808
09:40 09:45 0.8923305 11 104 SI 0.14011297 91.725 104.553 1.38480795 1.37748344
09:45 09:50 0.706506 5 109 SI 0.14879219 91.150 109.553 1.45103312 1.44370861
09:50 09:55 0.6074201 4 113 SI 0.64899748 58.036 113.553 1.50401325 1.49668874
09:55 10:00 0.7098731 5 118 SI 0.3056022 80.769 118.553 1.57023841 1.56291391
10:00 10:05 0.9994664 65 183 SI 0.56987704 63.274 183.553 2.43116557 2.42384106
10:05 10:10 0.6991865 5 188 SI 0.24643836 84.686 188.553 2.49739073 2.49006623
10:10 10:15 0.8472163 9 197 SI 0.79026086 48.685 197.553 2.61659603 2.60927152
10:15 10:20 0.1851409 1 198 SI 0.11331246 93.499 198.553 2.62984106 2.62251656
10:20 10:25 0.5278015 3 201 SI 0.11661635 93.280 201.553 2.66957616 2.66225166
10:25 10:30 0.5128604 3 204 SI 0.92467098 39.787 204.553 2.70931126 2.70198675
CORRIDA N 20:
09:00 09:05 0.4280876 2 0 SI 0.98546127 35.762 0.55300025 0.00732451 0
09:05 09:10 0.9505517 17 17 SI 0.10394943 94.119 17.5530003 0.23249007 0.22516556
09:10 09:15 0.8685341 9 26 SI 0.9175652 40.257 26.5530003 0.35169537 0.34437086
09:15 09:20 0.495115 3 29 SI 0.6731631 56.437 29.5530003 0.39143047 0.38410596
09:20 09:25 0.3898553 2 31 SI 0.43375943 72.285 31.5530003 0.41792053 0.41059603
09:25 09:30 0.6807884 5 36 SI 0.51114906 67.162 36.5530003 0.4841457 0.47682119
09:30 09:35 0.3557263 2 38 SI 0.05473757 97.376 38.5530003 0.51063576 0.50331126
09:35 09:40 0.5671639 3 41 SI 0.52510238 66.238 41.5530003 0.55037086 0.54304636
09:40 09:45 0.9661051 21 62 SI 0.77873601 49.448 62.5530003 0.82851656 0.82119205
09:45 09:50 0.5115863 3 65 SI 0.2683773 83.233 65.5530003 0.86825166 0.86092715
09:50 09:55 0.2859969 1 66 SI 0.95377345 37.860 66.5530003 0.88149669 0.87417219
09:55 10:00 0.8944577 11 77 SI 0.34402684 78.225 77.5530003 1.02719206 1.01986755
10:00 10:05 0.1844732 1 78 SI 0.61679937 60.168 78.5530003 1.04043709 1.03311258
10:05 10:10 0.9212597 13 91 SI 0.82818825 46.174 91.5530003 1.21262252 1.20529801
10:10 10:15 0.835405 8 99 SI 0.49951358 67.932 99.5530003 1.31858278 1.31125828
10:15 10:20 0.6098318 4 103 SI 0.03745178 98.521 103.553 1.37156292 1.36423841
10:20 10:25 0.4657029 2 105 SI 0.19862198 87.851 105.553 1.39805298 1.39072848
10:25 10:30 0.2731092 1 106 SI 0.29412101 81.529 106.553 1.41129802 1.40397351
INTERVALO DE CONFIANZA:
Promedios:
Ls Lq Ws Wq
1.544 1.538 0.020 0.020
Para la determinar el Intervalo de confianza:

Para construir un intervalo de confianza, se puede comprobar que la
distribucin Normal Estndar cumple P(-1.96 < Z < 1.96) = 0.95
Luego, si una variable X N( , ), entonces al 95% de las veces se cumple:
a. I.C. Cuando 2 (varianza poblacional) es conocido y el tamao de la muestra n es

grande.
b. Cuando el tamao maestral es pequeo, el intervalo de confianza requiere utilizar la
distribucin t de Student (con n-1 grados de libertad, siendo n el tamao de la
muestra), en vez de la distribucin normal (por ejemplo, para un intervalo de 95% de
confianza, los lmites del intervalo ya no sern construidos usando el valor 1,96
Entonces el IC estar dado por:
Con S2 es el estimador de la Varianza: Dnde:

Intervalo de Confianza para Lq
Lq (Lq-Lqprom)^2
2.778 1.538
2.500 0.926
2.511 0.947
1.778 0.058
1.056 0.233
1.089 0.202
1.256 0.080
0.878 0.436
1.833 0.087
0.878 0.436
0.978 0.314
1.956 0.175
0.978 0.314
1.011 0.277
1.467 0.005
1.511 0.001
1.767 0.052
1.089 0.202
2.267 0.531
1.178 0.130
TOTAL 6.940
prom= 1.54
VAR(X) 0.3653
desde 1.279 0.43 pertenece al intervalo, los datos

son correctos.
hasta 1.796
Intervalo de Confianza para Ls

Ls (Ls-Lsprom)^2
2.784 1.538
2.506 0.926
2.517 0.947
1.784 0.058
1.062 0.233
1.095 0.202
1.262 0.080
0.884 0.436
1.839 0.087
0.884 0.436
0.984 0.314
1.962 0.175
0.984 0.314
1.017 0.277
1.473 0.005
1.517 0.001
1.773 0.052
1.095 0.202
2.273 0.531
1.184 0.130
6.940
prom= 1.5440
VAR(X) 0.3653
desde 1.28 1.5440 pertenece al intervalo, los

hasta 1.81 datos son correctos.
Intervalo de Confianza para Ws

Ws (Ws-
Wsprom)^2
0.03687314 0.00027
0.03319397 0.00016
0.03334113 0.00017
0.02362811 0.00001
0.01406225 0.00004
0.01450375 0.00004
0.01671126 0.00001
0.01170758 0.00008
0.02436394 0.00002
0.01170758 0.00008
0.01303208 0.00006
0.02598278 0.00003
0.01303208 0.00006
0.01347358 0.00005
0.01950743 0.00000
0.0200961 0.00000
0.02348094 0.00001
0.01450375 0.00004
0.03010346 0.00009
0.01568109 0.00002
0.0012
prom= 0.02
VAR(X) 0.0001

hasta 0.024 son correctos.
Intervalo de Confianza para Wq

Wq (Wq-Wqprom)^2
0.036791759 0.00027
0.033112583 0.00016
0.03325975 0.00017
0.023546726 0.00001
0.013980868 0.00004
0.014422369 0.00004
0.016629875 0.00001
0.011626196 0.00008
0.024282561 0.00002
0.011626196 0.00008
0.012950699 0.00006
0.025901398 0.00003
0.012950699 0.00006
0.0133922 0.00005
0.019426049 0.00000
0.020014717 0.00000
0.023399558 0.00001
0.014422369 0.00004
0.030022075 0.00009
0.015599706 0.00002
0.00122
prom= 0.02
VAR(X) 0.0001

hasta 0.024 son correctos.
CAPTULO V:
ESCENARIOS PROPUESTOS:
Estandarizar el tiempo de llegadas de los buses en un parmetro de 2 minutos en las

horas puntas y cada 5 minutos en horas de poca afluencia de personas.
Para esto proponemos dos opciones:
Del total de buses de las rutas troncales adicionar ms a la Estacin
Naranjal.
Adquirir nuevas unidades de buses para que haya ms afluencia de las colas
avanzando ms rpido.
Otro escenario.
Asignar ms personal de orientadores para que controlen y ordenen las colas. As no

permitiendo la aglomeracin de personas que causan ms demoras en las colas.
CAP VI:
CONCLUSIONES
Al realizar la simulacin de la tasa de arribos y servicios a una funcin de

probabilidad Lognormal y uniforme respectivamente, obtenemos
parmetros de la simulacin. Siendo estos los datos obtenidos:
PARAMETROS
DE LAS 10
CORRIDAS RESULTADOS
Ls 1.544 = 2 usuarios/seg
Lq 1.538 = 2 usuarios/seg
Ws 0.02 min
Wq 0.02 in
Fue importante hacer uso de los mtodos de simulacin en este proyecto de

investigacin debido a que nos arroj resultados promedios que se van a
obtener con las actividades realizadas en la investigacin. De igual forma nos
permite evaluar diferentes escenarios rpidamente para identificar las posibles
mejoras que se pueden realizar en el transcurso de la investigacin.
Bibliografa:
Problemas en la estacin Naranjal del Metropolitano de Lima

http://elcomercio.pe/lima/transporte/metropolitano-estacion-naranjal-
tomada-pasajeros-noticia-
1768168?ref=flujo_tags_244271&ft=nota_4&e=titulo
Metropolitano De Lima: http://www.metropolitano.com.pe/
http://www.metropolitano.com.pe/index.php/como-usar-el-
metropolitano/estaciones5
Mara Esther Ayala Izaguirre. Anlisis y aplicacin de la Teora de Colas
en un Centro Medico de Consulta Externa. [En Lnea]. Mxico:
Universidad Nacional Autnoma de Mxico Postgrado de la Facultad de
Ingeniera. [Fecha: 2007]. Disponible en:
http://www.ptolomeo.unam.mx:8080/xmlui/bitstream/handle/132.248.52.1
00/2062/ayalaizaguirre.pdf?sequence=1
Hillier Lieberman. Introduccin a la Investigacin de Operaciones.
Editorial Mc Graw Hill.
Apuntes de Clase del Curso de Investigacin de Operaciones II.
(Universidad Ricardo Palma)

Estacion Final 2

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Estacion Final 2

Uploaded by

Copyright:

Available Formats

Facultad de Ingeniera

ESCUELA ACADMICO PROFESIONAL DE INGENIERA

6.2.3 Notacin de kendall ........................................................................................ 16

El inicio de operaciones del Metropolitano constituye un hito para Lima, pues

supone el retorno objetivo de la gestin urbana al transporte pblico, luego de

de transporte sobre la ciudad, se propone partir de un enfoque de movilidad,

que priorice las necesidades de desplazamiento de las personas sobre la

circulacin vial en s misma, lo que equivale a preguntarse sobre su efecto

dentro del tejido de la ciudad y de qu manera afectara a la vida diaria de las

personas. Esperando claro si que mejore, pues la insatisfaccin del servicio es

alta lo que significa y provoca un caos.

La simulacin como mtodo de estudio fue de gran importancia en esta

investigacin ya que nos brindaron los indicadores necesarios para hacer un

anlisis del problema presente en la Estacin Naranjal.

Este trabajo de investigacin ilustra el comportamiento del exceso de colas en

en el lmite de los distritos de Comas e Independencia. Es considerada una de

las estaciones ms congestionadas del sistema de transporte (Metropolitano).

El da mircoles 4 de octubre al promediar a las 08:00 realizamos una visita a

dicha estacin, en la cual fuimos testigos de la formacin de colas durante las

horas restantes de la maana. Pudimos observar una mayor aglomeracin de

incomodidad y molestias al no permitirles el libre desplazamiento en las

plataformas de embarque a los usuarios que da a da utilizan este transporte

para trasladarse por la ciudad.

Se tiene que tener en cuenta que el problema central es de movilidad y no de

transporte. Esto nos permite entender que nuestro objetivo no es la mayor o

menor velocidad con la que circula el parque automotor, sino la satisfaccin de

las necesidades de movilidad de los habitantes de la ciudad.

1.2 Justificacin e Importancia de la

la importancia de este trabajo ya que con una posible solucin ptima se

lograr aminorar el tiempo de espera de los usuarios en las plataformas de

principalmente en las horas punta mediante la elaboracin e implementacin de

un modelo de cola que describa la realidad que se vive da a da en la Estacin

2.2 Objetivos Especficos

Determinar el nmero esperado de usuarios que se encuentran en la

Determinar el nmero esperado de usuarios que se encuentran en cola

para hacer uso del servicio de buses.(Lq)

Determinar el tiempo de permanencia que pasa un usuario en cola.(wq)

Determinar el tiempo promedio que pasa un usuario en la zona de

de embarque se encuentran llenas.

Optimizar el tiempo de espera en el proceso de entrada para evitar

aglomeraciones y caos entre los usuarios.

La teora de colas ser el instrumento cuantitativo que brindar indicadores de

mejora a la problemtica de colas existentes en la estacin naranjal. Adems,

posible mejorar la calidad de servicio, reducir los tiempos y la aglomeracin de

servicio de transporte de la estacin Naranjal del Metropolitano.

El horario de estudio nos imposibilita realizar un estudio perenne a la estacin

naranjal, para comprobar in situ la formacin de colas a lo largo del da.

En toda la ciudad existen ms de 450 rutas de transporte urbano, las cuales

VI. METODOLOGA DE ESTUDIO

La metodologa empleada en este proyecto fue de tipo experimental porque se

El trabajo se realiz dividiendo el tiempo que estuvimos en la estacin en

VII. MARCO TERICO

Para entender e interpretar mejor esta investigacin, se presenta a

6.1 Fenmenos de Espera.

Una lnea de espera es el efecto resultante en un sistema cuando la demanda

6.2 Teora de colas.

servidor no est disponible inmediatamente y el cliente decide esperar,

6.2.1 Breve resea Histrica de la teora de colas.

6.2.2 Conceptos bsicos de los Modelos de colas.

Tambin se debe especificar el patrn estadstico mediante el cual se generan

modelos, incluso en las situaciones en que la realidad existe cota superior

Un modelo de sistema de colas debe especificar la distribucin de probabilidad

6.2.3 Notacin de kendall

Por lo general, las tasas de llegada y de servicio no se conocen con