UNIVERSIDAD

RICARDO PALMA

INTEGRANTES:
CASTRO ROSALES JOHN
MARIN ABARCA GIANMARCO
MEZA ZAVALA, Julio
SANCHEZ MALPARTIDA
DIEGO
CURSO: INVESTIGACIN DE
OPERACIONES ll
PROFESOR:ING. JAIME GUERRA

INTRODUC
CIN
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.
En el presente trabajo se realiza un anlisis de tiempos de espera en el servicio de
atencin del minimarket del GRIFO REPSOL;

el primer captulo trata de la

problematizacin, objetivos y planteamiento de las hiptesis a estudiar; el segundo

captulo hace referencia a los antecedentes, y marco terico; el tercer captulo
hace referencia al anlisis y diagnstico del escenario actual y el cuarto captulo es
el anlisis y construccin del modelo actual para terminar con las conclusiones y
bibliografa.

PROBLEMA ,
OBJETIVO Y
HIPOTESIS DE
ESTUDIO

PROBLEMTIC
A:
Minimarket
repshop es una establecimiento de REPSOL que brinda bienes
y servicios para las personas de nuestras sociedad. Se estuvo observando
en dicho establecimiento repshop los problemas que tienen que pasar
los clientes en hacer largas colas para poder pagar los productos que han
comprado
El problema bsicamente se dirige al personal que no est debidamente
capacitado con respecto al software que se utiliza en los mdulos, por
tanto la demora, algunas veces se hace lento el servicio por la
inexperiencia del servidor o por la forma de pago de los clientes .

Las colas se forman durante todo el da, pero en mayor cantidad es en las
tardes y noches m donde las personas tienden a comprar sus productos
de primera necesidad es por eso que al identificar ya el problema , se ha
querido estudiar el lugar con aquellos arribos de personas durante estas
horas para as encontrar la solucin y reducir los tiempos de espera al
igual que las colas

OBJETIVOS
I.Objetivo General
Mejorar de atencin al cliente en el servicio del minimarket del GRIFO REPSOL
I.Objetivos Especficos

Determinar los factores que influyen en el tiempo de atencin al cliente en el

servicio del minimarket del GRIFO REPSOL.
Determinar qu tipo de modelo de cola se ajusta al servicio del minimarket del
GRIFO REPSOL.
Establecer la capacidad de atencin del servicio del minimarket del GRIFO
REPSOL
Establecer los canales de servicio para la mejora de la atencin de clientes

HIPTESIS DE ESTUDIO
I.Hiptesis General.
Despus del anlisis de los tiempos de espera de los clientes la
atencin se optimizar en un 30%.
Es posible mejorar y comprender el sistema de manera tal, que
podamos identificar todo los factores pertinentes, y as poder
mejorar la calidad de servicio en la atencin al cliente.
En el estudio se lograr demostrar que la cantidad de personas que
entrar a un modulo es mucho mayor a la deseada, ya sea por no
abastecerse de un buen numero de personal para dicha tarea por lo
tanto la atencin, el tiempo de espera y las colas seguirn
aumentando si el negocio no busca tener mayor servidores y
recursos para la atencin

Antecedent
es
y
metodolog
a

ANTECEDENTES
El origen de la Teora de Colas est en el esfuerzo de Agner Kraup Erlang
(Dinamarca, 1878 - 1929) en 1909 para analizar la congestin de trfico
telefnico con el objetivo de cumplir la demanda incierta de servicios en el
sistema telefnico de Copenhague. Sus investigaciones acabaron en una
nueva teora denominada teora de colas o de lneas de espera. Esta teora es
ahora una herramienta de valor en negocios debido a que un gran nmero de
problemas pueden caracterizarse, como problemas de congestin llegadasalida.

METODOLOGA DE ESTUDIO
Para el desarrollo de la presente investigacin utilizaremos el mtodo
observacional

descriptivo,

con

la

toma

de

tiempos

de

las

diversas

operaciones que realiza el cliente en el servicio del minimarket del GRIFO

REPSOL.

MARCO TERICO
I.Marco Referencial
Un sistema de colas se puede describir como: clientes que llegan buscando un servicio, esperan si
este no es inmediato, y abandonan el sistema una vez han sido atendidos. En algunos casos se
puede admitir que los clientes abandonan el sistema si se cansan de esperar.
El trmino cliente se usa con un sentido general y no implica que sea un ser humano, puede
significar piezas esperando su turno para ser procesadas o una lista de trabajo esperando para
imprimir en una impresora en red.

Caractersticas de los sistemas de colas

Seis son las caractersticas bsicas que se deben utilizar para describir adecuadamente un
sistema de colas:
a)Patrn de llegada de los clientes
b) Patrn de servicio delos servidores
c) Disciplina de cola
d) Capacidad del sistema
e) Nmero de canales de servicio
f) Nmero de etapas de servicio
Algunos autores incluyen una sptima caracterstica que es la poblacin de posibles
clientes.

Patrn de llegada de Los clientes

En situaciones de cola habituales, la llegada es estocstica, es decir
la llegada depende de una cierta variable aleatoria, en este caso es
necesario conocer la distribucin probabilstica entre dos llegadas
de cliente sucesivas. Adems habra que tener en cuenta si los
clientes llegan independiente o simultneamente. En este segundo
caso (es decir, si llegan lotes) habra que definir la distribucin
probabilstica de stos.
Patrones de servicio de los servidores
Los servidores pueden tener un tiempo de servicio variable, en cuyo caso

hay que asociarle, para definirlo, una funcin de probabilidad. Tambin

pueden atender en lotes o de modo individual.
El tiempo de servicio tambin puede variar con el nmero de clientes en la
cola, trabajando ms rpido o ms lento, y en este caso se llama patrones
de servicio dependientes. Al igual que el patrn de llegadas el patrn de
servicio puede ser no-estacionario, variando con el tiempo transcurrido.

Disciplina de cola
La disciplina de cola es la manera en que los clientes se
ordenan en el momento de ser servidos de entre los de
la cola. Cuando se piensa en colas se admite que la
disciplina de cola normal es FIFO (atender primero a
quien lleg primero) Sin embargo en muchas colas es
habitual el uso de la disciplina LIFO (atender primero al
ltimo).

Tambin

es

posible

encontrar

reglas

de

secuencia con prioridades, como por ejemplo secuenciar

primero las tareas con menor duracin o segn tipos de
clientes.

El sistema de la cola: es el conjunto formado por la cola y el

mecanismo de servicio, junto con la disciplina de la cola, que es lo que
nos indica el criterio de qu cliente de la cola elegir para pasar al
mecanismo

de

servicio.

Estos

claramente en la siguiente figura:

elementos

pueden

verse

ms


CASO

1: M / M / 1, o ms especficamente M/M/1: FIFO//

Algunas

caractersticas: Poblacin de clientes infinita, llegadas de clientes probabilstica segn

Poisson; una lnea de espera y un solo servidor o canal de atencin con tiempo de servicio
exponencial.

Supuesto:

Condicin Estable; cuando, osea la tasa de servicio promedio es mayor que la tasa de

llegadas promedio.

CASO

2: M / M / c o ms especficamente M/M/S: FIFO//

Algunas

caractersticas: Poblacin de clientes infinita, llegadas de clientes probabilstica segn

Poisson; una lnea de espera; S servidores idnticos (con tiempo de servicio y tiempo entre
llegadas probabilstico y exponencial) Supuesto: Condicin Estable; cuando S, osea la tasa de
servicio promedio es mayor que la tasa de llegadas promedio.

CASO

3: M / M / S o ms especficamente M/M/1: FIFO / N /

CASO

4: M/M/S: FIFO / N /

CASO

5: M/M/: FIFO / /

CASO

6: M/M/1: FIFO - LIFO / K/K

CASO

7: M/M/S: LIFO - FIFO / K /K

Parmetros del Modelo de Cola

Relacionados con el tiempo:

W o Ws = Tiempo promedio en el sistema
Wq = Tiempo promedio de espera (en cola)
Relacionados con el nmero de clientes:
L o Ls = Nmero promedio de clientes en el sistema
Lq = Nmero promedio de clientes en la cola
Pw = Probabilidad de que un cliente que llega tenga que esperar(ningn cajero vaco)
Pn = Probabilidad de que existan n clientes en el sistema
n = 0, 1, 2, 3.......
Po = Probabilidad de que no hayan clientes en el sistema
Pd = Probabilidad de negacin de servicio , o probabilidad de que un cliente que llega

no pueda entrar al sistema debido que la cola est llena

simulacin
Simulacin es el desarrollo de un modelo lgic Simulacin o matemtico de un sistema, de tal forma que
se obtiene una imitacin de la operacin de un proceso de la vida real o de un sistema a travs del tiempo.
Sea realizado a mano o en una computadora, la simulacin involucra la generacin de una historia artificial
de un sistema; la observacin de esta historia mediante la manipulacin experimental, nos ayuda a inferir
las caractersticas operacionales de tal sistema.

Ventajas
Una vez construido, el modelo puede ser modificado de manera rpida con el fin
de analizar diferentes polticas o escenarios.
Generalmente es ms barato mejorar el sistema va simulacin, que hacerlo
directamente en el sistema real.
Es mucho ms sencillo comprender y visualizar los mtodos de simulacin que
los mtodos puramente analticos.
Los mtodos analticos se desarrollan casi siempre, para sistemas relativamente
sencillos

donde

suele

hacerse

un

gran

nmero

de

suposiciones

simplificaciones, mientras que con los modelos de simulacin es posible analizar

sistemas de mayor complejidad o con mayor detalle.
En algunos casos, la simulacin es el nico medio para lograr una solucin.

Desventajas

Los modelos de simulacin en una computadora son costosos y

requieren mucho tiempo para desarrollarse y validarse.
Se requiere gran cantidad de corridas computacionales para encontrar
soluciones ptimas, lo cual repercute en altos costos.
Es difcil aceptar los modelos de simulacin.
Los modelos de simulacin no dan soluciones ptimas.
La solucin de un modelo de simulacin puede dar al analista un falso
sentido de seguridad.

Marco Conceptual
Servicio de minimarket del GRIFO REPSOL
Es aquel ambiente dependiente de un grifo o centro
comercial, etc. Donde se otorgan prestaciones de servicio
generalmente las 24 horas del da a clientes que demandan
atencin inmediata

ANLISIS Y DIAGNSTICO
DEL ESCENARIO ACTUAL

Minimarket del GRIFO REPSOL de la Av., prolongacin primavera est

formado por 1 piso, el cual est dirigido para la atencin de los
clientes, sta se realiza las 24 horas del da.
El lugar es lo suficientemente amplio para abastecer a todas las
personas que llegan al lugar, la caja rpida cuenta con un mdulo para
la atencin del pblico que llega, en la caja rpida se permiten hasta
10 productos por persona lo que genera que el tiempo de atencin no
sea muy grande.
Nuestro objetivo como equipo de trabajo es tratar de reducir el
tiempo en el que se demora el cajero al momento de atender
mediante la explicacin de mtodos analticos y cientficos. Lo cual
generara una gran satisfaccin para los clientes

LISIS Y CONSTRUCCION del MODELO DE COLA

CONSTRUCCION DEL MODELO DE COLA

ESTIMACIN DE PARAMETROS
Tasa de arribos ()
Para la estimacin de tasa de arribos se registro
cuantas personas

llegaban al minimarket del

GRIFO REPSOL en un intervalo de 5 minutos.

Luego

con esta data se hallo un promedio de

personas por minuto. Se utilizo las siguientes

Relaciones:
Tiempo promedio = Tiempo Total (min.) / N de
personas
Tasa de arribos () = 1 / Tiempo promedio
Tasa de servicios ()
Para la tasa de servicios se tom tiempos en la
atencin a cada persona para pagar en caja.

I.MODELO DE COLA
Analizando el comportamiento que sigue este caso, se puede
hallar el modelo de cola correspondiente segn KENDALL

MODELO II:

(M/M/2): (FIFO//)

Donde:
M: Clientes que llegan al sistema siguiendo una distribucin
M: Clientes que llegan al sistema siguiendo una distribucin
S: Numero de servidores en el sistema
FIFO: Disciplina de servicio
: Tamao del sistema infinito
: Tamao de la fuente infinito
Para el caso que venimos analizando, se considera:
M: Distribucin de Poisson
M: Distribucin exponencial
S: 1
FIFO: Disciplina de servicio
: Tamao del sistema infinito
: Tamao de la fuente infinito

TRABAJO DE CAMPO
Para el caso que venimos analizando, se considera:
M: Distribucin de Poisson
M: Distribucin exponencial
S: 1
FIFO: Disciplina de servicio
: Tamao del sistema infinito
: Tamao de la fuente infinito
I.TOMA DE TIEMPOS DE ARRIBOS
Se realiz la medicin en dos das, en 2 horas con 5minutos (6.00 pm 8:05 pm) y el segundo da
(5:00pm-7:05pm) siguiendo intervalos de 4 minutos

Primer dia de muestra

En la tarde

Intervalos
de tiempo

N de personas
por intervalo

TOTAL

18:00:00

18:05:00

III

18:05:00

18:10:00

II

18:10:00

18:15:00

IIII

18:15:00

18:20:00

IIII

18:20:00

18:25:00

IIIII-I

18:25:00

18:30:00

IIIII-I

18:30:00

18:35:00

IIIII

18:35:00

18:40:00

III

18:40:00

18:45:00

IIIII

10

18:45:00

18:50:00

IIIII

11

18:50:00

18:55:00

II

12

18:55:00

19:00:00

III

13

19:00:00

19:05:00

III

14

19:05:00

19:10:00

III

15

19:10:00

19:15:00

II

16

19:15:00

19:20:00

III

17

19:20:00

19:25:00

II

18

19:25:00

19:30:00

II

19

19:30:00

19:35:00

20

19:35:00

19:40:00

III

21

19:40:00

19:45:00

III

22

19:45:00

19:50:00

IIII

23

19:50:00

19:55:00

II

24

19:55:00

20:00:00

III

25

20:00:00

20:05:00

III

Muestra

125min

82clientes

82client/125min

Segundo dia de muestra

En la tarde

Intervalos
de tiempo

N de personas
por intervalo

TOTAL

17:00:00

17:05:00

IIII

17:05:00

17:10:00

II

17:10:00

17:15:00

17:15:00

17:20:00

IIIII

17:20:00

17:25:00

IIII

17:25:00

17:30:00

III

17:30:00

17:35:00

II

17:35:00

17:40:00

17:40:00

17:45:00

IIII

10

17:45:00

17:50:00

IIIII-I

11

17:50:00

17:55:00

II

12

17:55:00

18:00:00

II

13

18:00:00

18:05:00

14

18:05:00

18:10:00

15

18:10:00

18:15:00

16

18:15:00

18:20:00

III

17

18:20:00

18:25:00

18

18:25:00

18:30:00

II

19

18:30:00

18:35:00

II

20

18:35:00

18:40:00

III

21

18:40:00

18:45:00

II

22

18:45:00

18:50:00

II

23

18:50:00

18:55:00

IIII

24

18:55:00

19:00:00

III

25

19:00:00

19:05:00

II

Muestra

125min
61client

61client/125min

Analizando los datos obtenidos se calcula:

clientes que son atendidos en caja rpida de minimarket, tomando como muestra la hora punta,
del minimarket

(tarde)
client/min
Primer dia

0,656

Segundo dia

0,488

Prom. Parcial

0,572

Analizando los datos obtenidos se calcula:

TOMA DE TIEMPOS DE SERVICIO

Primer dia de muestra

Segundo dia de muestra

Muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
TOTAL

Tiempo cronometrado
de salida en segundos
80
125
53
87
102
106
183
51
162
60
30
45
52
158
127
39
140
128
20
140
32
92
50
63
42
2167

Muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
TOTAL

Tiempo cronometrado
de salida en segundos
131
83
62
124
98
145
69
0
88
128
98
72
45
60
72
91
0
74
81
96
69
79
145
98
51
2059

= 25client/2167seg

25clien/36.117min

client/mi
n
Primer
dia
Segundo
dia

0,692
0,729

= 25client/2059seg

25clien/34.317min

PARA VER SI SIGUE LOS DATOS TOMADOS SON LOS ADECUADOS UTILIZAMOS EL PROGRAMA START FIT

Se observa que sigue la grafica sigue una distribucin uniforme por lo tanto los datos tomados son los adecuados

UTILIZANDO TORA CON UN

ESCENARIO Y DOS ESCENARIOS:

ANALISIS COMPARATIVO ENTRE ESCENARIO 1 Y ESCENARIO 2

Ajuste a la distribucin de Poisson:

Docima de hiptesis y ajustes de bondad

Muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

N de personas
por intervalo
3
2
4
4
6
6
5
3
5
5
2
3
3
3
2
3
2
2
1
3
3
4
2
3
3
4
2
1
5
4
3
2

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

50

frecuencia real = fr
frecuencia teorica
=ft

poisson (x,2.86,0)

'X''
Llegad
as

Probabilidad
Poisson
Real
teorico

0,04

0,0572688

0,1

0,1637887

0,3

0,2342178

0,28

0,2232876

0,14

0,1596506

0,08

0,06

0,057268
8
0,221057
4
0,455275
2
0,678562
8
0,838213
4
0,929533
6
0,973062
9

0.4

0,0913202

0.3

0,0435293

Probabilidad 0.2

frecuenci
as

Px

2
5
15
14
7
4
3

0,9730629

50

0.1

0
0

''X'' Llegadas

Real

fr-ft

(fr-ft)2

(fr-ft)2/ft

-0,0172688

0,0002982

0,0052072

-0,0637887

0,0040690

0,02484294

0,0657822

0,0043273

0,01847554

0,0567124

0,0032163

0,01440427

-0,0196506

0,0003861

0,0024187

-0,0113202

0,0001281

0,00140326

0,0164707

0,0002713

0,00623223

chi obs

0,07298416

SIMULACION

Simulacin de Tasa de arribo

'X''
Llegadas
0
1
2
3
4
5
6

fx
Poisson
0,0572688
0,1637887
0,2342178
0,2232876
0,1596506
0,0913202
0,0435293

Fx
Acumulado
0,0572688
0,2210575
0,4552753
0,6785629
0,8382135
0,9295337
0,9730630

0,9730630

Simulador de
Poisson
Si
Si
Si
Si
Si
Si
Si
Si

Simulador
0 R 0.0572688
0.0572688 R 0.2210575
0.2210575 R 0.4552753
0.4552753 R 0.6785629
0.6785629 R 0.8382135
0.8382135 R 0.9295337
0.9295337 R 0.9730630
0.9730630 R 1

x
x
x
x
x
x
x
x

=
=
=
=
=
=
=
=

0
1
2
3
4
5
6
7

clientes
clientes
clientes
clientes
clientes
clientes
clientes
clientes

ARRIBOS

Intervalos
de tiempo

Muestra

Nas
1

18:00:00

18:05:00

18:05:00

18:10:00

18:10:00

18:15:00

18:15:00

18:20:00

18:20:00

18:25:00

18:25:00

18:30:00

18:30:00

18:35:00

18:35:00

18:40:00

18:40:00

18:45:00

10

18:45:00

18:50:00

11

18:50:00

18:55:00

12

18:55:00

19:00:00

13

19:00:00

19:05:00

14

19:05:00

19:10:00

15

19:10:00

19:15:00

16

19:15:00

19:20:00

17

19:20:00

19:25:00

18

19:25:00

19:30:00

19

19:30:00

19:35:00

20

19:35:00

19:40:00

21

19:40:00

19:45:00

22

19:45:00

19:50:00

23

19:50:00

19:55:00

24

19:55:00

20:00:00

25

20:00:00

20:05:00

SERVICIOS
#clientes

Nas

0,853764918

0,07315339

0,419706347

0,92348404

0,583295577

0,49728562

0,991151881

0,41273926

0,795999048

0,89816176

0,598825218

0,52096096

0,326639917

0,15919885

0,228226018

0,71463204

0,603824976

0,47075305

0,329052576

0,97465463

0,510578761

0,53203649

0,664006502

0,92006067

0,759812705

0,92545979

0,371994886

0,58506072

0,1613835

0,18966202

0,806962284

0,63675706

0,459200431

0,88185183

0,67673843

0,99220541

0,23019779

0,35419641

0,159069977

0,57551961

0,933149282

0,25835476

0,750931214

0,3221739

0,273581207

0,82378071

0,331090177

0,31927253

0,156672218

0,65081492

CONCLUSIONES Y
RECOMENDACIONES

La investigacin de operaciones permite el anlisis de la toma de

decisiones teniendo en cuenta la escasez de recursos, para determinar
cmo se puede optimizar un objetivo definido, como la maximizacin de
los beneficios o la minimizacin de costes.
La teora de colas es una herramienta muy importante de la
investigacin de operaciones pues sus resultados a menudo son
aplicables en una amplia variedad de situaciones como: negocios,
comercio, industria, ingenieras, transporte y telecomunicaciones. En
nuestro caso sirvi para la atencin al pblico de una institucin pblica.
Concluimos que para la mejor atencin del cliente y en el minimarket
del GRIFO REPSOL que es tan importante y con muchas sucursales en
el pas, es importante que su atencin al cliente sea lo ms optima
posible para generar confianza y fidelidad en el cliente.

Buena capacitacin del personal para realizar las labores de atencin al cliente en
esos mdulos, para la atencin ms rpida del usuario y este regrese satisfecho a
su hogar. Tener personal de reserva que pueda suplir inmediatamente a alguna
cajera que no asista por razones determinadas.
Por ltimo tambin es necesario realizar mejoras en el software, que todos los
precios y las ofertas de ese momento estn ingresadas en la base de datos, pues
en algunos productos aun se buscaba en hojita, lo cual genera una demora.
La actualizacin contina de la base de datos tanto para precios, ofertas, etc,
para que la atencin sea mucho ms rpida y los trabajadores puedan
desempear sus labores sin ningn problema y de manera eficiente.

!GRACIAS!