UNIVERSIDAD DE ORIENTE

NCLEO DE ANZOTEGUI
ESCUELA DE INGENIERA Y CIENCIAS APLICADAS
DEPARTAMENTO DE COMPUTACIN Y SISTEMAS
PROCESOS ESTOCSTICOS

Aplicacin del Modelo de Teora de Colas para el Estudio del

fenmeno de espera de Tutti Frappe, ubicado en La Av. Municipal
de Puerto La Cruz, Edo. Anzotegui.

PROFESORA:

BACHILLERES:

Ing. Yu, Sonia

Carvalho Fernando C.I: 19.940.928

Valdivieso Rubetzi C.I: 19.316.800

BARCELONA, ABRIL DEL 2013.

NDICE

Planteamiento del Problema

Objetivos :
Objetivo General
Objetivos Especficos
Marco Terico
Sistemas de Colas
Componente de un Sistema de Colas
Elementos a considerar para el Modelaje de Sistemas de Espera
Terminologa Utilizada para el Modelaje de Sistemas de Espera
Tcnicas e Instrumentos de Recoleccin de Datos
Estimacin de Parmetros
Descripcin del Sistema
Modelado del Sistema
Estimacin de los Parmetro de Llegadas y Servicios
Aplicacin del modelo
Anlisis de Resultados
Conclusiones y Recomendaciones
Bibliografa
Anexos

3
5
5
5
6
6
7
9
10
11
15
18
20
25
29
32
33
36
37

PLANTEAMIENTO DEL PROBLEMA

Actualmente el mundo se encuentra en constante crecimiento, ya sea en el
mbito de la tecnologa, la economa, la industria o el mercado, y las colas influyen
en cada uno de estos aspectos al ser parte de la vida diaria ; por otro lado, las
actividades comerciales, financieras y tursticas juegan un papel primordial en el
da a da de la entidad generando un constante crecimiento, mientras que las
colas se han vuelto parte de la vida moderna y las encontramos continuamente en
nuestras actividades diarias como por ejemplo en los supermercado, en el
2

transito , en los bancos entre otros. Es all en donde surge el fenmeno de colas
que consiste; en un grupo de

individuos o mecanismos que llegan a un

determinado establecimiento para recibir un servicio, s, ellos esperan para ser

atendidos, surgen las lneas de espera.
La lnea de espera es el efecto resultante en un sistema cuando la
demanda de servicio supera la capacidad de proporcionar dicho servicio. Los
sistemas donde se presentan lneas de espera son aquellos que estn
conformados por un conjunto de entidades o servidores y una disciplina en la cual
las transacciones llegan, esperan (de ser necesario) y son atendidas. Los clientes
que solicitan el servicio se generan a travs del tiempo, stos entran al sistema y
se unen en una cola. Las entidades pueden ser cajeras, mquinas, semforos,
etctera, dependiendo del sistema en cuestin, y las transacciones pueden ser
clientes, piezas, autos, etctera.
En este tipo de fenmenos, variables como el tiempo de servicio y las
entradas al sistema se encuentran fuera del control de quien toma las decisiones,
por lo tanto surge la necesidad de utilizar modelos estocsticos para su estudio.
Como se mencion anteriormente, actualmente existe gran cantidad de sistemas
que presenta lneas de espera, as que es necesario aplicar un estudio de las
variables presentes y analizar las complicaciones que pueden estar afectando a
los mismos. La nueva franquicia de jugos naturales tipo frappe, Tutti Frappe, no es
la excepcin al surgimiento de las lneas de espera, donde se presentan colas
como fenmeno de espera debido a que los clientes que solicitan el servicio,
generalmente no pueden ser atendidos exactamente al momento de su llegada.
Este se encuentra ubicado en la Av. Municipal de Puerto La Cruz, Edo.
Anzotegui.
El problema que se presenta es saber si el local de jugos naturales tipo
frappe se encuentra en capacidad de satisfacer en su totalidad las exigencias de
las personas que asisten al mismo todos los das, o si el sistema puede colapsar
3

en un determinado momento debido a la gran cantidad de clientes que solicitan el

servicio y esperan para ser atendidos.
El propsito del estudio presentado viene dado por el inters en conocer el
comportamiento del sistema (en este caso se trata de un local de ventas de jugos
naturales tipo frappe, Tutti Frappe).
Para conocer tanto el promedio de llegadas como el promedio de duracin
del servicio, bastar con realizar una observacin directa dentro del sistema,
tomando nota de las horas en las cuales los clientes llegan al lugar y el tiempo que
tardan en ser servidos y poder inferir sobre el nivel de eficacia y eficiencia, de una
manera ms exacta, mediante el empleo de modelos matemticos.
Una vez estudiado y analizado el modelo matemtico, pues partiendo de los
resultados arrojados por dicho estudio y el anlisis realizado, se obtiene una
herramienta

importante

para

la

toma

de

decisiones

en

relacin

al

desenvolvimiento del sistema de colas que se presenta en el local de ventas de

jugo naturales tipo frappe.

OBJETIVOS
Objetivo general
Aplicar el Modelo de Teora de Colas para el Estudio del fenmeno de
espera de Tutti Frappe, ubicado en

la Av. Municipal de Puerto La Cruz, Edo.

Anzotegui.
Objetivos Especficos
4

 Describir el sistema de colas de Tutti Frappe ubicado en la Av. Municipal de

Puerto La Cruz, Edo. Anzotegui.
Identificar los parmetros del proceso de cola correspondiente al sistema de
usuario.
Estimar los parmetros de entrada y servicios del sistema.
Determinar las medidas de desempeo del modelo de colas que se adapten
al sistema en estudio.
Proponer mejoras valindose de los resultados obtenidos de la aplicacin
de los modelos matemticos correspondientes al sistema objeto de estudio.

MARCO TERICO
Sistemas de Colas
La teora de colas aparece a principios del presente siglo para estudiar los
problemas de congestin de trfico que se presentaban en las recientemente
inventadas comunicaciones telefnicas. Entre 1903 y 1905, Erlang es el primero
en tratar el trfico telefnico de forma cientfica, y establece la unidad de trfico
telefnico, que recibe su nombre. Posteriormente esta teora se ha aplicado a
5

multitud de problemas de la vida real, como el trfico de automviles, la regulacin

de semforos en una ciudad, la determinacin del nmero de cajeros en los
hipermercados, o el control de los tiempos de espera de los procesos que acceden
al procesador de un ordenador que trabaja en tiempo compartido.
Se puede definir un sistema de colas como un sistema en el que los
productos (o clientes) llegan a una estacin, esperan en una fila (o cola), obtienen
algn servicio y luego salen del sistema. Ejemplos de un sistema de colas puede
ser:
Los clientes que llegan a un banco, esperan en una fila para obtener un
servicio de uno de los cajeros, y despus salen del banco.
Las partes de un producto en un proceso de produccin que llegan a una
estacin de trabajo en particular desde diferentes estaciones, esperan en
un compartimiento para ser procesadas por una mquina, y luego son
enviadas a otra estacin de trabajo.
Las llamadas telefnicas que llegan a un centro de reservaciones de una
aerolnea, esperan a agente de venta disponible, son atendidos por un
agente y dejan el sistema cuando el cliente cuelga.
Componentes de un Sistema de Colas
Cuando se habla de modelos de colas se est hablando del estudio
matemtico de las colas o lneas de espera cuyos componentes son los
siguientes:
Las Llegadas: los clientes llegan al sistema en busca de algn servicio y
pueden ser personas, mquinas que requieren reparaciones, llamadas telefnicas
que hay que contestar. Las llegadas pueden ser constantes o aleatorias, sin son
6

aleatorias siguen algn comportamiento probabilstica, pueden ser individuales o

en grupo.
El Servicio: el servicio o la atencin que se le presta al cliente para
satisfaccin de su necesidad. El tiempo que se requiere para concluir el servicio
puede ser constante o aleatorio, si es aleatorio sigue algn comportamiento
probabilstica.
Fuente de Entrada: es la poblacin potencial de clientes que en algn
determinado momento puede requerir servicio. Puede suponerse que el tamao es
infinito (por ejemplo los clientes de un supermercado) o finito (los compresores
que se les hace mantenimiento a determinada empresa). De modo que tambin se
dice que la fuente de entrada es ilimitada o limitada. Como los clculos son mucho
ms sencillos para el caso infinito, esta suposicin se hace muy seguida aun
cuando el tamao real sea un nmero fijo relativamente grande, y deber tomarse
como una suposicin implcita en cualquier modelo que no establezca otra cosa.
El caso finito es ms difcil analticamente, pues el nmero de clientes en la cola
afecta el nmero potencial de clientes fuera del sistema en cualquier tiempo; pero
debe hacerse esta suposicin finita si la tasa a la que la fuente de entrada genera
clientes nuevos queda afectada en forma significativa por el nmero de clientes en
el sistema de lneas de espera.
Tambin se debe especificar el patrn estadstico mediante el cual se
generan los clientes a travs del tiempo. La suposicin normal es que se generan
de acuerdo a un proceso Poisson, es decir, el nmero de clientes que llegan hasta
un tiempo especfico tiene una distribucin Poisson. En nuestro caso corresponde
a aquel cuyas llegadas al sistema ocurren de manera aleatoria pero con cierta
tasa media fija y sin importar cuntos clientes estn ya ah (por lo que el tamao
de la fuente de entrada es infinito). Una suposicin 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.
Cola: una cola se caracteriza por el nmero mximo de clientes que puede
admitir. Las colas pueden ser finitas o infinitas, segn si este nmero es finito o
infinito. La suposicin de una cola infinita es la estndar para la mayor parte de los
modelos, incluso en situaciones en las que de hecho existe una cota superior,
relativamente grande, sobre el nmero permitido de clientes, ya que manejar una
cota as puede ser un factor complicado para el anlisis. Los sistemas de colas en
los que la cota superior es tan pequea que se llega a ella con cierta frecuencia,
necesitan suponer una cola finita.

Disciplina de la Cola: se refiere al orden en que se selecciona los clientes

para ser atendidos. Se tienen varias disciplinas:

Primero en entrar, primero en salir. (PEPS o FIFO)

Ultimo en entrar, primero en salir. (UEPS o LIFO)

Aleatorio.

Por prioridades.

Unidad de Servicio: es el sitio donde el cliente es servido. La unidad de

servicio puede ser simple o mltiple. Si existe ms de una instalacin de servicio,
puede ser que sirva al cliente a travs de una secuencia de ellas (canales de
servicio en serie). En una instalacin dada, el cliente entra en uno de estos
canales y el servidor le presta el servicio completo. Un modelo de colas debe
especificar el arreglo de las instalaciones y el nmero de servidores (canales
paralelos) en cada una. Los modelos ms elementales suponen una instalacin,
ya sea con un servidor o con un nmero finito de servidores.
Elementos a Considerar para el Modelaje de Sistemas de Espera

Para poder conocer o determinar si un sistema de colas se ajusta o no a un

modelo conocido, se requiere de un mtodo para clasificar las colas y para esto se
debe tomar en cuenta lo siguiente:
El tamao de la poblacin.
La forma en que las unidades llegan para ingresar a los sistemas de cola; por
ejemplo; una por una o en grupos.
La disciplina de la lnea de espera, o el orden en que se atienden las unidades.
Si existe o no espacio suficiente para que todas las unidades que llegan aguarden
en fila.
El nmero de servidores que posee el sistema.
Tomando en cuenta todos estos aspectos podemos obtener los siguientes
modelos:
Cola infinita, fuente infinita, canal simple.
Cola infinita, fuente infinita, canal mltiple.
Cola infinita, fuente finita, canal simple.
Cola infinita, fuente finita, canal mltiple.
Cola finita, fuente finita, canal simple.
Cola finita, fuente finita, canal mltiple.
Terminologa Utilizada para el Modelaje de Sistemas de Espera
La terminologa utilizada para modelar matemticamente un sistema de
colas es la siguiente:
n: Tasa media de llegadas de nuevos clientes cuando hay n clientes en el
sistema (nmero promedio de llegadas por unidad de tiempo).
1/: Tiempo promedio entre llegadas.
9

n: Tasa media de servicio de nuevos clientes cuando hay n clientes en el

sistema (nmero promedio de clientes al cual puede dar servicio la instalacin en
una unidad de tiempo, suponiendo que no hay escasez de clientes).
1/: Tiempo promedio de servicio.
Lq: Nmero esperado de clientes en la cola (excluye los clientes que estn
en servicio).
L: Nmero de clientes que se atienden o esperan en el sistema.
Wq: Tiempo estimado que se emplea un cliente esperando en la cola.
W: Tiempo estimado que emplea un cliente esperando mas el que emplea
siendo atendido.
Po: Probabilidad de encontrar el sistema vaco u ocioso.
Pn: Probabilidad de encontrar exactamente n clientes en el sistema.
: Fraccin esperada del tiempo en que los servidores individuales estn
ocupados.
Poblacin: Es todo conjunto de elementos, finito o infinito, definido por una
o ms caractersticas, de las que gozan todos los elementos que lo componen, y
slo ellos. Se entiende por poblacin a la totalidad del universo que interesa
considerar, y que es necesario que est bien definido para que sepa en todo
momento que elementos lo componen.

Tcnicas e Instrumentos de Recoleccin de Datos

Observacin: Es una tcnica que consiste en el registro sistemtico,
valido y confiable de comportamientos o conducta manifiesta. Como mtodo para
recolectar datos es muy similar al Anlisis de Contenido. Puede utilizarse en
diversas circunstancias y puede servir para determinar la aceptacin de un grupo
respecto a su profesor, analizar conflictos familiares, eventos masivos, la
aceptacin de un producto en un supermercado, el comportamiento de deficientes
10

mentales, etc. Para el desarrollo de la investigacin es necesaria la observacin

directa como una de las principales herramientas para la recoleccin de datos, la
cual implica la necesidad de un trabajo ms dilatado y cuidadoso, al estar presente
y ser testigo en el lugar donde ocurre el fenmeno.
Cotejo de Observacin: es el instrumento utilizado para anotar cada
una de las observaciones hechas por los investigadores, no posee un patrn o
modelo especfico, solo se ajusta a las caractersticas del fenmeno de estudio.
Distribucin de Probabilidad: Las distribuciones de probabilidad
pueden definirse como la funcin que representa todas las probabilidades de
ocurrencia de una variable que proporciona un mtodo para relacionar cualquier
resultado con una medida cuantitativa. Las distribuciones de probabilidades varan
segn el comportamiento de la variable aleatoria.
Distribucin de Poisson
Datos Histricos: La distribucin de Poisson se llama as en honor a
Simen Dennis Poisson (1781 - 1840), francs que desarrollo esta distribucin
basndose en estudios efectuados en la ltima parte de su vida.

Se dice que existe un proceso de Poisson si podemos observar eventos

discretos en un rea de oportunidad un intervalo continuo (de tiempo, longitud,
superficie, etc.) de tal manera que si se reduce lo suficiente el rea de oportunidad
o el intervalo.
1.

La probabilidad de observar exactamente un xito en el intervalo es

constante.
2.

La probabilidad de obtener ms de un xito en el intervalo es 0.

3.

La probabilidad de observar un xito en cualquier intervalo es

estadsticamente independiente de la de cualquier otro intervalo.

11

Esta distribucin se aplica en situaciones como:

El nmero de pacientes que llegan al servicio de emergencia de un

hospital en un intervalo de tiempo.

El nmero de radiaciones radiactivas que se recibe en un lapso de

tiempo.

El nmero de glbulos blancos que se cuentan en una muestra dada.

El nmero de partos triples por ao

Su utilidad en el rea de la salud es muy amplia.

La expresin matemtica para la distribucin de Poisson para obtener X
xitos, dado que se esperan l xitos es:

Donde: P(X) = probabilidad de X xitos dado el valor de l

l = esperanza del nmero de xitos.
e = constante matemtica, con valor aproximado 2.711828
X = nmero de xitos por unidad

La distribucin de Poisson se considera una buena aproximacin a la

distribucin binomial, en el caso que np < 5 y p < 0.1 n > 100 y p < 0.05 y en ese
caso l = np. El inters por sustituir la distribucin Binomial por una distribucin de
Poisson se debe a que esta ltima depende nicamente de un solo parmetro, l, y
la binomial de dos, n y p.
La distribucin de probabilidad de Poisson cumple con las siguientes
caractersticas:

12

 El nmero de resultado que ocurre en un intervalo o regin especifica es

independientes del nmero que ocurre en cualquier otro intervalo o regin del
espacio disjunto. De esta forma vemos que el proceso de Poisson no tiene
memoria.
La probabilidad de que ocurra un solo resultado durante un intervalo muy corto o
en una regin pequea es proporcional a la longitud del intervalo o al tamao de la
regin y no depende del nmero de resultados que ocurren fuera de este intervalo
o regin.
La probabilidad de que ocurra ms de un resultado en tal intervalo corto que caiga
en tal regin pequea es insignificante.

Distribucin Exponencial: Si en el contexto de un proceso de Poisson

ocurren eventos o xitos en un espectro contino de tiempo y espacio. Entonces la
longitud del espacio o tiempo entre eventos sucesivos sigue una distribucin de
probabilidad exponencial. Puesto que el tiempo y el espacio son un espectro
continuo, esta es una distribucin continua.
En caso de este tipo de distribucin no vale la pena preguntarse cul es la
probabilidad de que el primer pedido de servicio se haga exactamente de aqu a
un minuto? Ms bien debemos asignar un intervalo dentro del cual el evento
puede ocurrir, preguntndonos, cul es la probabilidad de que el primer pedido
se produzca en el prximo minuto?
Dado que el proceso de Poisson es estacionario, la distribucin exponencial
se aplica ya sea cuando estamos interesados en el tiempo (o espacio) hasta el
primer evento, el tiempo entre dos eventos sucesivos, o el tiempo hasta que
ocurra el primer evento despus de cualquier punto aleatoriamente seleccionado.

13

Se dice que una variable aleatoria continua X que toma todos los valores no
negativos tiene una distribucin exponencial con parmetro > 0 si su fdp est

dada por:

F x .e . x

para x > 0. La distribucin exponencial desempea un

papel importante en la descripcin de una gran clase de fenmenos,

especialmente en el rea de teoras de confiabilidad.
Prueba de Bondad de Ajuste: La prueba de bondad de ajuste es un
procedimiento matemtico utilizado para determinar si un parmetro especfico se
ajusta a una distribucin de probabilidad conocida.
Prueba de Bondad de ajuste de Pearson: La prueba de bondad de ajuste se
realiza para determinar si una poblacin tiene una distribucin terica especfica.
La prueba se basa en que tan buen ajuste se tiene entre la frecuencia de
ocurrencia de las observaciones en una muestra observada y las frecuencias
esperadas que se obtienen a partir de la distribucin hipottica. La prueba de
bondad de ajuste se basa en la cantidad:
n

i e i 2

i 1

ei

X
2

Donde

X2

es un valor de una

variable cuya distribucin muestral se

aproxima muy cerca de la distribucin ji cuadrada con n-1 grados de libertad los
smbolos

ei

representan

las

frecuencias

observada

esperada

respectivamente para la isima celda.

Estimacin de Parmetros.

14

Consiste en el clculo aproximado del valor de un parmetro en

la poblacin, utilizando la inferencia estadstica, a partir de los valores observados
en la muestra estudiada. Para el clculo del tamao de la muestra en una
estimacin de parmetros son necesarios los conceptos de Intervalo de confianza,
variabilidad del parmetro, error, nivel de confianza, valor crtico y valor .
La estimacin se divide en tres grandes bloques, cada uno de los cuales
tiene distintos mtodos que se usan en funcin de las caractersticas y propsitos
del estudio:
Estimacin puntual.
Estimacin por intervalo.
Estimacin Bayesiana.

Estimacin puntual: Consiste en la estimacin del valor del parmetro

mediante un slo valor, obtenido de una frmula determinada. Por ejemplo,
si se pretende estimar la talla media de un determinado grupo de
individuos, puede extraerse una muestra y ofrecer como estimacin puntual
la talla media de los individuos. Lo ms importante de un estimador, es que
sea un estimador eficiente. Es decir, que sea insesgado (ausencia de
sesgos) y estable en el muestreo o eficiente (varianza mnima).

Estimacin por intervalo: Consiste en la obtencin de un intervalo dentro

del cual estar el valor del parmetro estimado con una cierta probabilidad.

Ejemplos de Sistemas de Colas Reales

Puede parecer que la descripcin de los sistemas de colas puede parecer
ms o menos abstracta y slo es aplicable en situaciones prcticas bastante
especiales. Por el contrario, los sistemas de colas ocurren con sorprendente
frecuencia en una amplia variedad de contextos. Para ampliar el horizonte sobre la
15

aplicabilidad de la teora de colas, se mencionarn brevemente varios ejemplos

reales de sistemas de colas.
Una clase importante de sistemas de colas que se encuentran en la vida es
el sistema de servicio comercial, en donde los clientes externos reciben un servicio
de una organizacin comercial. Muchos de estos sistemas incluyen un servicio de
persona a persona en una localidad fija, como una peluquera (los peluqueros son
los servidores), es servicio de una cajera de banco, las cajas de cobro en un
supermercado y una cola en una cafetera (canales de servicio en serie). Muchos
otros sistemas son de tipo diferente, como la reparacin de aparatos domsticos
(el servidor va hacia el cliente), una mquina de monedas (el servidor es una
mquina) y una gasolinera (los clientes son automviles).
Otra clase importante es la de sistemas de servicio de transporte. Para
algunos de estos sistemas los vehculos son los clientes, como los automviles
que esperan pasar por una caseta de cobro o un semforo (el servidor), un camin
de carga o un barco que esperan que una cuadrilla les d el servicio de carga o
descarga y un avin que espera aterrizar o despegar en una pista (el servidor).
(Un estacionamiento es un ejemplo poco usual de este tipo, en el que los carros
son los clientes y los espacios son los servidores, pero no existe una cola porque
si el estacionamiento est lleno, los clientes se van a otro lado a estacionarse). En
otros casos, los vehculos son los servidores, como los taxis, los camiones de
bomberos y los elevadores.
En los ltimos aos, tal vez la teora de colas se ha aplicado ms a los
sistemas de servicio interno en la industria y en los negocios, en donde los clientes
que reciben el servicio son internos o parte de la organizacin. Los ejemplos
incluyen sistemas de manejo de materiales, en donde las unidades de manejo de
materiales

(los

servidores)

mueven

cargas

(los

clientes);

sistemas

de

mantenimiento, en donde las brigadas de mantenimiento (los servidores) reparan

mquinas (los clientes) y puestos de inspeccin en los que los inspectores de
16

control de calidad (los servidores) inspeccionan artculos (los clientes). Las

instalaciones para empleados y los departamentos que dan servicio a empleados
tambin entran en esta categora. Adems, las mquinas se pueden ver como
servidores cuyos clientes son los trabajos que se estn procesando. Un ejemplo
relacionado muy importante es un centro de cmputo en el que la computadora se
puede ver como el servidor.
Es del reconocimiento general que la teora de colas tambin se puede
aplicar a sistemas de servicio social. Por ejemplo, un sistema judicial es una red
de colas, en donde las cortes son las instalaciones de servicio, los jueces (o los
jurados) son los servidores y los casos que esperan el proceso son los clientes.
Un sistema legislativo es una red de colas parecida, en el que los clientes son los
asuntos que el congreso va a tratar. Algunos sistemas de salud pblica son
sistemas de colas. Al inicio se vio un ejemplo (la sala de emergencia de un
hospital), pero tambin las ambulancias, las mquinas de rayos X y las camas del
hospital pueden jugar el papel de servidores en sus propios sistemas de colas. En
forma parecida, las familias en espera de viviendas de inters social u otros
servicios sociales se pueden concebir como clientes de un sistema de colas.
Aun cuando stas son cuatro clases amplias de sistemas de colas, la lista
todava no se agota. De hecho, la teora de colas comenz a principios de siglo
con aplicaciones a ingeniera telefnica (el fundador de la teora de colas, A.K.
Erlang, era un empleado de la Danish Telephone Company en Copenhague), y la
ingeniera telefnica constituye todava una importante aplicacin. Lo que es ms,
cada individuo tiene sus propias lneas de espera personales: tareas, libros que
leer, etc. Estos ejemplos son suficientes para sugerir que los sistemas de colas sin
duda ocurren con toda frecuencia en muchas reas de la sociedad.

Descripcin del Sistema

17

Sistema objeto de estudio: Centro de ventas Tutti Frappe local de Puerto

La Cruz, se encuentra ubicado en la Av. Municipal de Puerto La Cruz, en la parada
de pozuelos (ver Figura 1)

Figura 1: Micro localizacin del sistema

Caractersticas Fsicas: Es un local cuyo que mide aproximadamente 2,5

mts. de largo por 2,5 mts. de ancho, el cual posee en la parte frontal una barra en
la cual son atendidos los clientes., as mismo posee un refrigerador donde se
guardan las diferentes bebidas que se ofrecen, tambin posee una mquina que
se encarga de hacer el proceso de sellado de las bebidas.
Servicios que ofrece: El centro se encarga de la venta de bebidas
refrescantes a los clientes que solicitan el servicio con un amplio surtido de
18

sabores y una peculiar presentacin. En la barra del local se encuentra un cartel

con el listado de los productos ofrecidos, es decir frappes, entre los sabores que
se ofrecen estn: TuttiChoco, TuttiMani, TuttiCoco, TuttiGuanabana, TuttiParchita,
TuttiPia, TuttiMelocotn, TuttiCoctel, TuttiFresa, TuttiMora, TuttiTamarindo y
TuttiRonConPasas de este modo el cliente procede a realizar la eleccin de su
preferencia, la solicitud del mismo; luego se entrega el producto al cliente y este
procede a cancelar el mismo.
Funcionamiento: El local ofrece servicio de entrega de comida rpida en un
horario de 9:00 am a 6:30 pm de lunes a sbado. Al finalizar la jornada laboral
diaria se procede al cierre de caja y al aseo del local.
El sistema de colas se basa en una sola cola que se distribuye en 2
taquillas, y cuando una taquilla se encuentra disponible el cliente procede a
realizar su compra, es decir, se trata de una cola y 2 servidores.

Personal: Actualmente se cuenta con 2 empleados, los cuales actan como

cajeros y al mismo tiempo atienden al cliente al cual hacen entrega del producto.

Modelado del Sistema

19

Cuando los clientes solicitan el servicio de jugos naturales tipo frappe en el

local de Tutti Frappe, se genera un fenmeno de espera. Para representar este
fenmeno a travs de un modelo de colas es necesario analizar el sistema y
compararlo con los componentes de los diversos modelos de colas para
seleccionar y aplicar el modelo que ms se asemeje a su forma real.
En primer lugar, se considera que la fuente de entrada al sistema es
infinita, debido a que no existen restricciones con respecto a las personas que
pueden acceder al local. Esto ocurre porque existe un rea de espera
relativamente grande que difcilmente pudiese colapsar en situaciones normales, y
en caso de que esta se encuentre llena, las colas pueden abarcar la acera que se
encuentra frente al local. Adems, esta franquicia puede atender cientos de
clientes por da y no es de uso exclusivo de las personas que viven en la zona de
pozuelo.
Para este sistema se tom la existencia de una sola cola como forma
funcionamiento, en la cual el primero en entrar debe ser el primero en ser
atendido, por lo que se establece la existencia de una disciplina de cola FIFO
(First In, First Out). De esta forma, se busca garantizar que los clientes esperan
ser atendidos de forma justa, pasando el tiempo necesario en la cola sin esperar,
en promedio, ms que otros clientes que hayan llegado luego.

El Fenmeno de Espera de la Franquicia Tutti Frappe puede representarse

mediante el siguiente esquema:
20

Figura 2: Representacin del Sistema.

Las caractersticas del sistema son las siguientes:

Poblacin: Infinita
Cola: Infinita
Disciplina de Cola: FIFO.
Mecanismo de servicio: En este sistema se encuentran 2

personas

atendiendo a los clientes, lo cual implica un mecanismo multiservidor.

Proceso de servicio: Los clientes son atendidos de acuerdo al orden de
llegada a la cola: el primero en llegar a la misma es el primero en ser atendido.

Recoleccin de los Datos de Llegadas y Servicio

La tcnica utilizada para la recoleccin de datos fue el de las
Observaciones, las cuales se ilustran en las tablas donde se ve el comportamiento
del sistema, en el cual se estudia el fenmeno de espera que es originado por la
necesidad del servicio. Se eligi esta tcnica por las razones de ser fcil de usar,
rpida y se adecua al propsito de la investigacin.
La herramienta o Instrumento utilizado para esta tarea fueron hojas de
maquina donde se registraron todos los tiempos que corresponden al sistema
estudiado, como son los tiempos de llegadas y los de servicio. Esto con el fin de

21

determinar el tiempo o intervalos de llegadas y de servicio de los clientes al

sistema.
Recoleccin de datos
X/X
Procesos de Llegados
Fecha:
Responsable:
Hora de Inicio:
Hora de Finalizacin
Numero de Llegada

Hora de llegada
(HH:MM:SS) am/pm
Tabla 1: Procesos de Llegadas

En la tabla 1 se observan diversas columnas que especifican el nmero de

observacin realizada, correspondiente a cada cliente que ha entrado o llegado a
la cola, con la hora (HH:MM:SS) respectiva.

Recoleccin de datos
X/X
Proceso de Servicio
22

Fecha:
Responsable
Hora Inicio:
Hora de Finalizacin
Numero de
Hora de Inicio del
llegada

Servicio

Hora Fin del

Duracin del

Servicio

Servicio

Tabla 2: Proceso de Servicio

La tabla 2 referente al proceso de servicio consta de cuatro columnas en las

cuales se representa el nmero de cliente que ha sido atendido, la hora en la que
se comenz a atender, la hora en la cual el cliente sali del sistema y la duracin
del servicio.
Las horas representadas tienen un formato (HH:MM:SS). Se pueden resumir
los datos de los procesos de llegadas y servicio en dos tablas que agrupen a los
mismos en intervalos de tiempo. El intervalo de tiempo fue elegido por los
investigadores del proyecto, en un lapso de 30 minutos.

Resumen de los Datos de Llegada por intervalos

de tiempo
23

Intervalo
9:00 am a 9:30 am

Frecuencia
12

9:30 am a 10:00 am

15

10:00 am a 10:30 am

16

10:30 am a 11:00 am

19

11:00 am a 11:30 am

14

11:30 am a 12:00

18

pm
1:00 pm a 1:30 pm

12

1:30 pm a 2:00 pm

21

2:00 pm a 2:30 pm

13

2:30 pm a 3:00 pm

20

3:30 pm a 4:00 pm

13

4:00 pm a 4:30 pm

22

4:30 pm a 5:00 pm

16

5:00 pm a 5:30 pm

11

Tabla 3: Resumen de los Datos Registrados Llegadas

Resumen de los Datos de Servicios por

Intervalos de Tiempo
[ 0 0,30 )
1
[ 0,30 - 1 )
134
[ 1 1,30 )

48

[ 1,30 2 )

24

[ 2 2,30 )

31

[ 2,30 3 )

22

[ 3 3,30 )

16

[ 3,30 4 )

18

Tabla 4: Resumen de los Datos Registrados Servicios

Estimacin de los Parmetro de Llegadas y Servicios

24

En base a los datos recolectados anteriormente y la teora referente a la

aplicacin de tcnicas estadsticas, se calcularn los valores de y , para
comprobar si se ajustan a un valor de Poisson o Exponencial y, dependiendo el
caso, se aplicar el modelo matemtico de colas adecuado.
Al estudiar los datos a partir del Proceso de Llegadas y haciendo uso de los
datos obtenidos en la tabla 3, se obtiene la siguiente tabla:
Resumen de los Datos Registrados por Intervalos de Tiempo
Frecuencia de
Frecuencia Observada
Frecuencia Relativa
Llegada
Cada 30 minutos
11
12
13
14
15
16
18
19
20
21
22

1
2
2
1
1
2
1
1
1
1
1

1/14
2/14
2/14
1/14
1/14
2/14
1/14
1/14
1/14
1/14
1/14

Tabla 5. Resumen de Datos por intervalo de tiempo Llegadas

A partir de esta distribucin de frecuencia, se pueden calcular los siguientes

datos:

Media

f ( x )= e
X!

L= f(

x1

)*f(

x2

)**f(

x 14

25

L=

1
222
14
e
x1 !x 2 !x 31 !

ln ( L )=ln ( 1 )ln ( x1 !x 2 !x 31 ! ) +222 ln( )14

ln (L)
222
=00+
14

ln (L)
=0

222 15,857142 clientes

=
14
30 min

0,528571

clientes
min

El valor de la media obtenido indica que el promedio de clientes que llegan al

local es de 0,528571 clientes por minuto.

Varianza

2
( X X ) fi

S=
2

n1

S 2=

( 115,857 )21+ ( 215,857 )21+ + ( 815,857 )2

2941

S 2=

3,4275
clientes
=0,3380
30 minutos
minutos
Segn los valores obtenidos, existe una dispersin de 0,3380 de clientes

por minuto con respecto al valor de la media obtenido.

Coeficiente de Variacin
26

CV =

S2
0,3380
100=
100=120,98
2
X
0,5285712
El valor obtenido de CV es mayor al 20%, lo cual indica que el proceso de

llegadas es probabilstico, y sigue una Distribucin de Mxima Verosimilitud de

Poisson.
Para realizar el anlisis del proceso de servicio se plantear la distribucin de
frecuencia en funcin de intervalos provistos con sus respectivas marcas de clase.
Esta distribucin de frecuencia se muestra en la siguiente tabla:
Duracion del

Frecuencia

Frecuencia

Marca de

Servicio
[ 0 0,30 )
[ 0,30 - 1 )

Observada
1
134

Relativa
1/294
134/294

Clase (MC)
0,15
0,65

[ 1 1,30 )

48

48/294

1,15

[ 1,30 2 )

24

24/294

1,65

[ 2 2,30 )

31

31/294

2,15

[ 2,30 3 )

22

22/294

2,65

[ 3 3,30 )

16

16/294

3,15

[ 3,30 4 )

18

18/294

3,65

Tabla 6. Distribucion del Proceso de Servicio

Para esta ocasin, el clculo de la media y la varianza se har usando la marca de

clase, y as los valores que se obtienen son:

X =

MC . f i

fi

( 0,151 ) + ( 0,65134 ) + ( 1,1548 ) + ( 1,6524 ) + +(3,6518)

X =
294

27

423.1
X =
X =1,44
294
2
( MC X )

S=
2

n1

(0,151,44)2 +(0,651,44)2 +(1,151,44)2 +...+(3,651,44)2

S=
2941
2

S 2=

12,1928
293

S =0,04147
El Coeficiente de Variacin se calcula de la misma forma:
2

CV =

1,44

( 0,04147)
S
100=
2

CV =0,0829
Se puede observar que, ahora el coeficiente est por debajo del 20% por lo
que se puede concluir que la duracin del servicio posee un 1/ = 1,44 min/cliente.
Aplicando el inverso a 1/ se obtiene que = 0,6944 cliente/min, lo que significa
que el nmero promedio de clientes que son atendidos por minuto por la taquilla
no se acerca a 1 cliente, indicador de que la duracin promedio del servicio es lo
suficientemente elevada de manera tal, que no se garantiza el poder atender al
menos a 1 cliente por minuto, pues un cliente en el centro de servicio tarda casi
1,44 minutos en ser atendido.

28

Aplicacin del Modelo

El modelo en estudio presenta las siguientes caractersticas:

Poblacin: Infinita

Cola: Infinita
Mecanismo de Servicio: Multiservidor S=2
Datos:
0,528571

clientes
min

= 0,6944

cliente
min

El proceso de llegadas se rige por una Distribucin de Poisson, mientras

que el de servicio corresponde a una Distribucin Exponencial, por lo que se
pueden aplicar Modelos de Colas Poissonianos, en este caso se trata del Modelo
M/M/S, para poblacin infinita, cola infinita y mecanismo de servicio multiservidor.

29

Inicialmente se verifica la caracterstica primordial de este modelo, la cual viene

dada por:

S
0,528571< (2)*(0,6944)

0,528571 < 1,3888

Como no si cumple esta caracterstica, se puede aplicar el modelo de colas

previsto, ya que se considera que el sistema en estudio no se encuentra
colapsado.

Nmero Esperado de Clientes en la Cola (L q)

2

S
Lq =
P 0
2

S ! 1
S

( ) ( )
(
)

30

Para calcular Lq es necesario obtener el valor de P 0, mediante la siguiente

frmula:

S1
n=0

S
S

n
1
1 S
+

n!
S!
1
P 0=

( )] ( )

Po

1
n

1 0,52857
1 0,52857
[
]

2! 0,6944
n 0 n! 0,6944
1

2 * 0,6944

2 * 0,6944 0,52857

P0=0,2564

Una vez calculado el valor de

P0

se procede a calcular el valor de

Lq

0,52857 0,52857

0,6944 2 * 0,6944

Lq
* Po
0,52857

2! 1

2 * 0,6944

Lq=0,045 clientes

Nmero Esperado de Clientes en el Sistema (L)

L=Lq +

L 0,045

0,52857
0,6944

31

L=0,806 clientes

Tiempo Esperado en la Cola (Wq)

W q=

Lq

Wq

0,045
0,52857

W q =0,085 min

Tiempo Esperado en el Sistema (W)

W =W q +

W 0,085

1
0,6944

W =1,53min

32

Anlisis de los Resultados

Los resultados obtenidos en los clculos tanto de

como de

se pueden

considerar veraces, puesto que los datos fueron recolectados durante unas de las
horas pico que enfrenta el establecimiento. Es en estas horas que se observa una
larga lnea de espera.
Los clculos presentados anteriormente se realizaron en base a los
servidores que cumplieran con dicha condicin, en este caso 2 servidores. Con
dicha configuracin se puede observar una reducida cola con una alta utilizacin
del sistema y bajo porcentaje de tiempo ocioso.
Tambin podemos observar que el tiempo esperado en la cola y el tiempo
que debe esperar el cliente por su bebida es muy reducido.
El tiempo de espera que se alcanz mediante los clculos, es una estadstica
bastante positiva en relacin al rendimiento del mecanismo de servicio, y de
mantenerse estas cifras a lo largo del tiempo, el porcentaje de clientes que visitan
el establecimiento ira en ascenso.

33

CONCLUSIONES Y RECOMENDACIONES
El amplio desarrollo que se ha hecho de manera progresiva y el arduo
esfuerzo, empleados en la realizacin de este trabajo de investigacin ha
permitido llegar a concluir los siguientes planteamientos, producto de los
resultados y sus anlisis correspondientes, y que a su vez estn fundamentados
en base a los objetivos propuestos. Entre estos enunciados se tiene que:
Dado que se trata de un sistema de colas en el que ocurre un fenmeno de
espera, es posible que ste pueda modelarse estocsticamente a travs de un
modelo de colas, donde el anlisis de las caractersticas de los elementos que
conforman el sistema, permitirn la construccin de un modelo que posea una
fuente infinita, cola infinita y unidad de servicio multiservidor, debido a que es
el ms idneo para describir el desenvolvimiento del proceso de llegadas y del
proceso de servicio.

La utilizacin de la observacin como instrumento de recoleccin de datos ha

ayudado a recabar una amplia cantidad de informacin detallada, referente a
los procesos de llegadas y servicios al frigorfico, los cuales fueron enfocados
principalmente hacia la anotacin tanto de las horas de llegada, como de las
horas de inicio y finalizacin del servicio; y que fueron registradas en un
conjunto de tablas de datos que especifican el lugar en donde se colocarn
cada una de estas horas; con el fin de encontrar indicios y pistas que ayuden a
descifrar la manera en cmo se desarrollan ambos procesos.

34

 La forma de procesamiento de los datos recopilados se hizo en base al diseo

de una serie de tablas, en donde los datos individuales se organizan en tablas
de distribuciones de frecuencia, que representan informacin clave para que
se pueda dar una explicacin veraz y confiable acerca de la manera en cmo
se desarrolla el fenmeno de espera en el sistema y los procesos de llegadas
y servicios. Por ello, el uso de las tablas permite mostrar e ilustrar con mayor
detalle la tendencia que poseen los datos recolectados y en base a eso, se
determinan las respectivas medidas de tendencia central y de dispersin para
resumir los datos contenidos en las tablas de frecuencia. Por lo tanto, cuando
se agrupan los tiempos de las llegadas y los tiempos de servicio en
distribuciones de frecuencia, se pueden obtener medidas de tendencia y de
dispersin, que ayuden a estimar los parmetros de entrada al modelo y as
poder aplicarlo al sistema observado para luego diagnosticar el estado en el
que se encuentra.

Para emitir el diagnstico sobre el estado en el que se encuentra el fenmeno

de espera en la caja del comercial se tomaron en cuenta el nmero promedio
de clientes que llegan y el nmero promedio de clientes que son atendidos,
obtenindose que el sistema se encuentra en un buen estado pues las
llegadas son muy elevadas y el tiempo que tarda en ser atendido es poco.

Las posibles sugerencias propuestas para mejorar aun ms el servicio

consisten bsicamente en habilitar ms de 2 servidores para as abarcar a
toda la clientela interesada en los servicios de jugos naturales tipo frappe a la
hora de cancelar la compra, adems de ampliar un poco ms el local y de esta
manera capturar mayor clientela. Lo que conlleva a una reduccin en la
duracin del servicio y en el tiempo de espera en la cola. Por ltimo se seala
la aplicacin efectiva de alguna regla o disciplina de servicio que regule el flujo

35

de usuarios y asegure el servicio para cada cliente que espera en la cola,

permitiendo un mejor funcionamiento del lugar.

Durante la realizacin de este trabajo investigativo, se han presentado ciertos

inconvenientes que tienen influencia en los resultados obtenidos, y con la
intencin de remediar estas complicaciones se recomienda tomar en cuenta
las siguientes sugerencias para mejorar el estudio realizado. A continuacin se
sealan estas recomendaciones vitales:

Planificar con anticipacin cada una de las etapas que deben plasmarse
dentro del trabajo, con el fin de dedicarle a cada etapa un tiempo prudencial
para as discutir las posibles ideas que puedan tener lugar dentro de cada
punto que conforma el trabajo final. As se lograr una mejor realizacin del
estudio ya que se distribuye el tiempo de manera equitativa entre cada etapa,
dndole la oportunidad a los investigadores de hacer averiguaciones
adicionales sobre la redaccin de los planteamientos correspondientes a cada
parte del trabajo, para facilitar la creacin de un reporte escrito con una
calidad superior.

Con respecto a la observacin del comportamiento del sistema, se originaron

algunos obstculos en la realizacin del mismo. Entre dichos obstculos se
pueden mencionar:
No era necesario colocar las horas en una notacin de tiempo real dentro
de las tablas al momento de registrar los datos, ya que en ocasiones se
presentaron confusiones al momento de contabilizar la frecuencia de cada uno de
los intervalos, y por ello se recomienda trabajar con un cronmetro que comience

36

desde una hora cero hasta completar diez horas (sin importar las holguras
ocurridas durante la recoleccin).
Es importante que la observacin sea realizada de manera peridica pues
esto ayuda a ser ms precisos en la explicacin del comportamiento del sistema,
ya que los investigadores se limitan a observar el desenvolvimiento del proceso de
llegadas y de servicio en un tiempo especificado; y los resultados que se obtengan
sern ms consistentes y homogneos.
Se sugiere tener una participacin ms activa dentro del sistema, pues as
los investigadores pueden tener la libertad de maniobrar directamente el
desenvolvimiento del proceso de llegadas y del proceso de servicio, de manera tal
que se logre ajustar a una Distribucin de Poisson (para las llegadas) y a una
Distribucin Exponencial (para la duracin del servicio).
BIBLIOGRAFA

HAMDY A TAHA. Investigacin de Operaciones, una Introduccin. Sexta

Edicin. Editorial Pearson. Mxico, 1998.

EPPEN, G. D. Investigacin de Operaciones en la Ciencia Administrativa.

Editorial Prentice-Hall. Mxico, 2000

AZARANG, Mohammad GARCA, Eduardo. (1996). Simulacin y Anlisis de

Procesos Estocsticos. McGraw Hill.
Wong, Carolina. (2007).

Procesos Estocsticos. Trabajo presentado para

optar a la Categora de Profesor Asistente. (UDO). Puerto la Cruz.

37

Vergara, Juan y Quesada, Vctor (2006). Estadstica Bsica con Aplicaciones

en MS Excel Grupo Mtodos Cuantitativos de Gestin (Universidad de
Cartagena). Colombia
Pginas de Internet:
http://www.infowarehouse.com.ve/pugoz/otros/probabilidad_poissonexpone
ncial.pdf
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Poisson
http://bochica.udea.edu.co/~bcalderon/6_pruebasbondadajuste.html
http://tarwi.lamolina.edu.pe/~leojeri/K-S%20Chicuadrado.htm

http://www.ditutor.com/estadistica/marca_clase.html
http://www.vitutor.com/estadistica/descriptiva/a_14.html
http://www.vitutor.com/estadistica/descriptiva/a_15.html
http://www.vitutor.com/estadistica/descriptiva/a_17.html
http://www.hrc.es/bioest/Supervivencia_71.html
http://www.seh-lelha.org/maxverosim.htm

38

Anexos

Recoleccin
Recoleccin
Recoleccin
de
dedatos
datosde datos
1/2
Procesos de Llegadas 1/2
Fecha:
Procesos
25 de Febrero
28
de Llegadas
Fecha: 27
Responsable:
26 de Febrero
Fernando
Rubetzi
Carvalho
Responsable:
Valdiviezo
Rubetzi y
Fernando
Fernando
Hora
de Inicio: 9:00
3:30 am
1:00
pm
Hora de finalizacin:
Inicio: 10:00 11:00
5:30pm
3:00
am pm
am
Hora
de
finalizacin:
12:00
pm
Numero de
Hora de llegada
(HH:MM:SS)pm
Numero
Llegada
de
Hora de llegada
(HH:MM:SS)pm
Llegada
1
3:30:01
1:00:00
9:01:03
1
10:00:00
2
3:35:30
1:00:10
9:02:14
2
10:00:15
3
3:38:40
1:00:30
9:05:25
3
10:00:20
4
3:40:55
1:00:42
9:08:01
4
10:00:33
5
3:41:00
1:00:45
9:12:34
5
10:00:40
6
3:42:00
1:00:50
9:17:21
6
10:00:45
7
3:43:30
1:19:55
9:18:49
7
10:00:50
8
3:45:00
1:21:23
9:21:00
8
10:17:00
9
3:46:10
1:24:43
9:21:26
9
10:18:23
10
3:49:30
1:25:01
9:28:57
10
10:18:27
11
3:54:00
1:25:16
9:31:33
11
10:21:45
12
3:55:00
1:29:27
9:33:32
12
10:22:17
13
3:58:00
1:30:13
9:36:06
13
10:23:43
14
4:01:00
1:32:10
9:39:42
14
10:26:12
15
4:02:05
1:34:47
9:42:23
15
10:28:15
16
4:03:10
1:35:36
9:45:45
16
10:29:36
17
4:03:13
1:38:00
9:47:16
17
10:31:24
18
4:04:15
1:39:10
9:48:30
18
10:32:29
19
4:06:00
1:40:41
9:49:35
19
10:33:35
20
4:07:00
1:43:25
9:51:47
20
10:33:46
21
4:10:30
1:44:23
9:52:55
21
10:36:14
22
4:12:00
1:45:50
9:54:12
22
10:38:51
23
4:13:15
1:45:52
9:55:48
23
10:40:10
24
4:14:16
1:45:54
9:57:09
24
10:40:15
25
4:15:00
1:45:59
9:59:34
25
10:42:58
26
10:00:45
4:16:35
1:49.55
26
10:44:00
27
10:03:26
4:19:15
1:51:20
27
10:47:13
28
10:05:35
4:20:30
1:52:40
28
10:48:22
29
10:08:37
4:22:59
1:53:17
29
10:52:15
30
10:10:16
4:24:30
1:54:26
30
10:55:49
Recoleccin
31
de datos
4:26:12 2/2
1:56:14
Procesos
31
de
10:58:03
Recoleccin
32
de Llegadas
datos
1:57:15 2/2
Fecha:
28 de Febrero
Procesos
32
de Llegadas
10:59:12
33
1:58:25
Responsable:
Rubetzi
Fecha:
25
de
Febrero
Recoleccin
de datos
Recoleccin
de datos
Valdiviezo
Responsable: Fernando
2/2
2/2
Hora
de
Inicio:
9:00
am
Carvalho
Procesos de Llegadas
Hora
de27
finalizacin:
11:00 am
Inicio:
3:30 pm
26
Fecha:
de Febrero
Hora
de
finalizacin:
5:30pm
Rubetzi
yde llegada
Numero de Fernando
Hora
Responsable:
Fernando
(HH:MM:SS)pm
Llegada
Hora
de Inicio:
pmde llegada
Numero
de 1:00
Hora
Inicio: 10:00
am pm
HoraLlegada
de
3:00
(HH:MM:SS)pm
31finalizacin:
10:12:44
Hora
de
finalizacin:
12:00
pm
32 de
10:15:07
4:26:16
Numero
Hora
de llegada
Numero
Hora
de llegada
(HH:MM:SS)pm
Llegada
33 de
10:16:22
4:27:02
(HH:MM:SS)pm
Llegada
34
10:20:36
4:27:14
2:00:13
33
11:00:00
35
10:22:42
4:28:15
2:12:10

39

Recoleccin de datos
1/2
Procesos de Llegadas
Fecha: 2 de Marzo
Responsable: Rubetzi
Hora de Inicio: 9:00 am
Hora de finalizacin: 11:00 am
Numero de
Hora de llegada
(HH:MM:SS)pm
Llegada
1
9:00:22
2
9:11:16
3
9:12:13
4
9:13:50
5
9:14:40
6
9:16:10
7
9:18:50
8
9:21:58
9
9:24:19
10
9:26:20
11
9:27:56
12
9:29:12
13
9:31:34
14
9:33:11
15
9:35:14
Recoleccin de datos
16
1/2 9:40:32
17Proceso de Servicio
9:47:45
9:48:38
Fecha: 25 de Febrero18
19 Carvalho
9:51:41
Responsable: Fernando
20
9:54:19
Hora Inicio: 3:30 pm
9:57:14
Hora de Finalizacin:21
5:30 pm
9:58:52
Numero de
Hora 22
de Inicio del
Hora
Fin del
Duracin del
23
9:59:10
Servicio
Servicio
Servicio
llegada
(HH:MM:SS)
pm
(HH:MM:SS)
(Min)
24
10:00:12 pm
1
3:30:01
3:30:31
0,30 min
25
10:01:13
2
3:35:30
3:36:31
1,01 min
26
10:05:31
3
3:38:40
3:51:40
3 min
27
10:07:12
4
3:40:55
3:41:56
1,02 min
28
10:12:20
5
3:41:00
3:41:46
0,46
29
10:14:08
6
3:42:00
3:42:56
0,56 min
Recoleccin
de datos
7
3:43:30 2/2
3:45:30
3 min
Procesos
8
3:45:00 de Llegadas
3:47:00
2 min
Fecha:
2
de
Marzo
9
3:46:10
3:46:56
0,46 min
Responsable:
Rubetzi
10
3:49:30
3:50:12
0,42 min
Hora de
Inicio: 9:00 am 3:54:55
11
3:54:00
0,55 min
Hora
de
finalizacin:
11:00
am
12
3:55:00
3:55:00
3 min
Numero
de
Hora
de
llegada
13
3:58:00
4:00:18
2,18 min
(HH:MM:SS)pm
Llegada
14
4:01:00
4:01:46
0,46 min
30
10:15:50
15
4:02:05
4:03:00
0,55 min
31
10:17:32
32
10:19:31
40
33
10:20:12
34
10:22:13
35
10:24:22

16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

4:03:10
4:03:13
4:04:15
4:06:00
4:07:00
4:10:30
4:12:00
4:13:15
4:14:16
4:15:00
4:16:35
4:19:15
4:20:30
4:22:59
4:24:30
4:26:12
4:26:16
4:27:02

4:03:53
4:04:01
4:05:00
4:06:46
4:08:17
4:11:51
4:12:42
4:14:04
4:14:56
4:16:35
4:19:05
4:19:55
4:21:51
4:23:48
4:26:46
4:27:27
4:27:00
4:27:52

0,43 min
0,48 min
0,45 min
0,46 min
1,17 min
1,21 min
0,42 min
0,49 min
0,40 min
1,35 min
2,30 min
0,40 min
1,21 min
0,49 min
2,12 min
1,15 min
0,44 min
0.52 min

Recoleccin de datos
2/2
Proceso de Servicio
Fecha: 25 de Febrero
Responsable: Fernando Carvalho
Hora Inicio: 3:30 pm
Hora de Finalizacin: 5:30 pm
Numero de
Hora de Inicio del
Hora Fin del
Servicio
Servicio
llegada
(HH:MM:SS) pm
(HH:MM:SS) pm
34
4:27:14
4:28:30
35
4:28:15
4:29:02
36
4:30:09
4:30:59
37
4:32:23
4:33:06
38
4:33:36
4:34:08
39
4:35:45
4:36:30
40
4:38:27
4:39:57
41
4:39:51
4:40:37
42
4:39:53
4:40:40
43
4:40:37
4:43:07
44
4:40:45
4:43:58
45
4:45:49
4:46:30
46
4:46:03
4:47:20

Duracin del
Servicio
(HH:MM:SS)
1,16 min
0,47 min
0,50 min
0,43 min
0,42 min
0,45 min
1,30 min
0,49 min
0,47 min
2,30 min
3.13 min
0,41 min
1,17 min
41

47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62

4:48:14
4:50:02
4:52:10
4:55:36
4:58:47
5:05:00
5:08:17
5:11:33
5:15:01
5:18:16
5:20:00
5:21:49
5:23:36
5:26:10
5:28:40
5:30:15

4:49:29
4:52:12
4:53:37
4:56:24
4:59:40
5:05:40
5:09:07
5:13:03
5:15:46
5:19:06
5:20:46
5:23:01
5:24:51
5:28:23
5:29:27
5:31:15

1,15 min
2, 10 min
1,27 min
0,48 min
0,53 min
0,40 min
0, 50 min
1,30 min
0,45 min
0,50 min
0,46 min
1,12 min
1,15 min
2,13 min
0,47 min
0,55 min

Recoleccin de datos
1/2
Proceso de Servicio
Fecha: 26 de Febrero
Responsable: Rubetzi y Fernando
Hora Inicio: 10:00 am
Hora de Finalizacin: 12:00 pm
Numero de
Hora de Inicio del
Hora Fin del
Servicio
Servicio
llegada
(HH:MM:SS) pm
(HH:MM:SS) pm
1
10:00:00
10:01:32
2
10:00:15
10:02:24
3
10:01:34
10:05:07
4
10:02:28
10:03:14
5
10:03:15
10:06:05
6
10:05:10
10:06:06
7
10:06:07
10:09:10
8
10:17:00
10:17:55
9
10:18:23
10:19:05
10
10:18:27
10:18:14
11
10:21:45
10:23:09
12
10:22:17
10:22:57

Duracin del
Servicio
(minutos)
1,32 min
2,20 min
3,33 min
0,46 min
2,50 min
0.56 min
3,03 min
0,55 min
0,42 min
0,47 min
1,24 min
0,40 min
42

13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

10:23:43
10:26:12
10:28:15
10:29:36
10:31:24
10:32:29
10:33:35
10:33:46
10:36:14
10:38:51
10:40:10
10:40:15
10:42:58
10:44:00
10:47:13
10:48:22
10:52:15
10:55:49
10:58:03
10:59:12
11:02:54

10:26:19
10:27:37
10:30:14
10:30:26
10:32:09
10:33:14
10:34:23
10:37:26
10:37:09
10:40:08
10:42:32
10:42:48
10:44:10
10:45:15
10:48:23
10:49:09
10:53:10
10:56:29
10:59:43
11:02:17
11:04:20

2,36 min
1,25 min
0,49 min
0,50 min
0,45 min
0,45 min
0,48 min
3,40 min
0,55 min
1,17 min
2,22 min
1,33 min
1,12 min
1,15 min
2,10 min
0,47 min
0,55 min
0,40 min
1.40 min
3,05 min
2,34 min

Recoleccin de datos
2/2
Proceso de Servicio
Fecha: 26 de Febrero
Responsable: Rubetzi y Fernando
Hora Inicio: 10:00 am
Hora de Finalizacin: 12:00 pm
Numero de
Hora de Inicio del
Hora Fin del
Servicio
Servicio
llegada
(HH:MM:SS) pm
(HH:MM:SS) pm
34
11:04:40
11:05:15
35
11:19:55
11:20:51
36
11:21:24
11:22:40
37
11:24:44
11:27:05
38
11:25:01
11:26:34
39
11:25:16
11:28:06
40
11:29:28
11:30:48
41
11:30:14
11:32:12
42
11:32:11
11:32:51
43
11:34:47
11:36:26

Duracin del
Servicio
(minutos)
2 min
0,56 min
1,18 min
2,23 min
1,34 min
2,50 min
1,22 min
2 min
0,42 min
1,39 min
43

44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64

11:35:36
11:38:00
11:39:10
11:40:41
11:43:25
11:44:23
11:45:50
1:45:51
11:47:24
11:48:00
11:49.55
11:51:20
11:52:40
11:53:17
11:54:27
11:56:15
11:57:15
11:58:25
12:00:13
12:12:10
12:15:25

11:37:01
11:38:40
11:39:57
11:43:31
11:44:52
11:45:28
11:47:20
11:47:59
11:48:12
11:49:46
11:50:36
11:52:12
11:53:26
11:53:59
11:55:49
11:58:30
11:58:04
11:59:56
12:01:03
12:12:53
12:16:24

1,25 min
0,40 min
0,47 min
2,50 min
1,26 min
0,55 min
1,30 min
2,08 min
0,48 min
1,46 min
0,41 min
0,52 min
0,46 min
0,42 min
1,27 min
2,17 min
0,49 min
1,31 min
0,50 min
0,43 min
0,59 min

Recoleccin de datos
1/2
Proceso de Servicio
Fecha: 27 de Febrero
Responsable: Fernando Carvalho
Hora Inicio: 1:00 pm
Hora de Finalizacin: 3:00 pm
Numero de
Hora de Inicio del
Hora Fin del
Servicio
Servicio
llegada
(HH:MM:SS) pm
(HH:MM:SS) pm
1
1:00:00
1:00:49
2
1:00:10
1:01:00
3
1:00:55
1:01:40
4
1:01:15
1:02:00
5
1:01:46
1:02:34
6
1:02:05
1:05:45
7
1:19:55
1:20:50
8
1:21:23
1:22:40
9
1:24:43
1:27:05

Duracin del
Servicio
(minutos)
0,49 min
0,50 min
0,45 min
0,45 min
0,48 min
3,40 min
0,55 min
1,17 min
2,22 min
44

10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

1:25:01
1:25:16
1:29:27
1:30:13
1:32:10
1:34:47
1:35:36
1:38:00
1:39:10
1:40:41
1:43:25
1:44:23
1:45:50
1:45:52
1:47:25
1:48:00
1:49.55
1:51:20
1:52:40
1:53:17
1:54:26
1:56:14
1:57:15
1:58:25

1:26:34
1:28:05
1:30:47
1:32:13
1:32:50
1:36:27
1:37:01
1:38:40
1:39:57
1:43:31
1:44:52
1:45:28
1:47:20
1:47:58
1:48:10
1:49:46
1:50:35
1:52:10
1:53:26
1:53:59
1:55:46
1:58:29
1:58:03
1:59:55

1,33 min
2,49 min
1,20 min
2 min
0,40 min
1,40 min
1,25 min
0,40 min
0,47 min
2,50 min
1,26 min
0,55 min
1,30 min
2,06 min
0,45 min
1,46 min
0,40 min
0,50 min
0,46 min
0,42 min
1,20 min
2,15 min
0,48 min
1,30 min

Recoleccin de datos
2/2
Proceso de Servicio
Fecha: 27 de Febrero
Responsable: Fernando Carvalho
Hora Inicio: 1:00 pm
Hora de Finalizacin: 3:00 pm
Numero de
Hora de Inicio del
Hora Fin del
Servicio
Servicio
llegada
(HH:MM:SS) pm
(HH:MM:SS) pm
34
2:00:13
2:01:03
35
2:12:10
2:12:52
36
2:15:25
2:16:23
37
2:15:32
2:16:17
38
2:16:24
2:18:04
39
2:17:56
2:20:18
40
2:18:58
2:19:41

Duracin del
Servicio
(minutos)
0,50 min
0,42 min
0,58 min
0,45 min
1,40 min
2,22 min
0,43 min
45

41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66

2;20:23
2:25:14
2:26:21
2:27:15
2:27:45
2:29:30
2:30:50
2:32:25
2:33:28
2:35:40
2:37:25
2:38:12
2:39:25
2:40:45
2:41:47
2:43:33
2;45:58
2:47:19
2:49:48
2:50:52
2:51:00
2:52:12
2:54:18
2:57:22
2:58:26
3:00:20

2:21:12
2:26:04
2:27:06
2:28:00
2:28:33
2:30:23
2:31:30
2:33:15
2:34:58
2:36:25
2:38:15
2:38:58
2:40:37
2:42:00
2:43:57
2:44:20
2:46:53
2:47:59
2:51:28
2:51:42
2:51:48
2:54:32
2:57:33
2:59:02
2:59:07
3:01:15

0,49 min
0,50 min
0,45 min
0,45 min
0,48 min
0,53 min
0,40 min
0, 50 min
1,30 min
0,45 min
0,50 min
0,46 min
1,12 min
1,15 min
2,10 min
0,47 min
0,55 min
0,40 min
1,40 min
0,50 min
0,48 min
2,20 min
3,15 min
1,40 min
0,41 min
0,55 min

46

Recoleccin de datos
1/2
Procesos de Servicio
Fecha: 28 de Febrero
Responsable: Rubetzi Valdivieso
Hora de Inicio: 9:00 am
Hora de finalizacin: 11:00 am
Numero de
Hora Inicio
Servicio
Llegada
(HH:MM:SS)
1
9:01:03
2
9:02:40
3
9:05:34
4
9:08:30
5
9:09:15
6
9:12:10
7
9:13:07
8
9:16:20
9
9:18:23
10
9:18:27
11
9:21:45
12
9:22:17
13
9:23:43
14
9:26:12
15
9:28:15
16
9:29:36
17
9:31:24
18
9:32:29
19
9:33:35
20
9:33:46
21
9:37:14
22
9:38:51
23
9:40:10
24
9:40:15
25
9:42:58
26
9:44:00
27
9:47:13
28
9:48:22
29
9:52:15
30
9:55:49

Hora Fin
Servicio
(HH:MM:SS)
9:02:32
9:05:24
9:08:07
9:09:20
9:12:05
9:13:06
9:16:10
9:17:40
9:19:05
9:18:14
9:23:09
9:22:57
9:26:19
9:27:37
9:30:14
9:30:26
9:32:09
9:33:14
9:34:23
9:37:26
9:38:09
9:40:08
9:42:32
9:42:48
9:44:10
9:45:15
9:48:23
9:49:09
9:53:10
9:56:29

Duracin
Servicio
(Min)
2,32 min
3,56 min
3,40 min
1,50 min
3,20 min
0,56 min
3,17 min
1,20 min
0,42 min
0,47 min
1,24 min
0,40 min
2,36 min
1,25 min
0,49 min
0,51 min
0,44 min
0,46 min
0,49 min
3,42 min
0,56 min
2,18 min
2,23 min
1,34 min
1,13 min
1,17 min
2,13 min
0,48 min
0,56 min
0,44 min

47

Recoleccin de datos
1/2
Procesos de Servicio
Fecha: 28 de Febrero
Responsable: Rubetzi Valdivieso
Hora de Inicio: 9:00 am
Hora de finalizacin: 11:00 am
Numero de
Hora Inicio
Servicio
Llegada
(HH:MM:SS)
31
9:58:03
32
9:59:58
33
10:02:54
34
10:04:40
35
10:19:55
36
10:21:24
37
10:24:44
38
10:26:01
39
10:27:16
40
10:29:28
41
10:30:14
42
10:32:11
43
10:34:49
44
10:35:36
45
10:38:00
46
10:39:10
47
10:40:59
48
10:44:25
49
10:47:23
50
10:50:50
51
10:54:51
52
10:57:24

Hora Fin
Servicio
(HH:MM:SS)
9:59:42
10:02:17
10:04:20
10:05:15
10:20:51
10:22:40
10:26:05
10:27:34
10:28:05
10:30:48
10:32:12
10:32:55
10:36:26
10:37:02
10:38:42
10:39:59
10:44:49
10:47:52
10:50:28
10:54:35
10:58:47
11:00:12

Duracin
Servicio
(Min)
1,39 min
3,04 min
2,34 min
2 min
0,56 min
1,18 min
2,23 min
1,34 min
2,51 min
1,22 min
2 min
0,43 min
1,40 min
1,26 min
0,42 min
0,49 min
3,50 min
3,26 min
3,20 min
3,45 min
3,58 min
2,48 min

48

Recoleccin de datos
1/2
Procesos de Servicio
Fecha: 2 de Marzo
Responsable: Rubetzi Valdiviezo
Hora de Inicio: 9:00 am
Hora de finalizacin: 11:00 am
Numero de
Hora Inicio
Servicio
Llegada
(HH:MM:SS)
1
9:00:22
2
9:02:40
3
9:05:36
4
9:08:32
5
9:09:15
6
9:12:10
7
9:13:07
8
9:16:20
9
9:18:23
10
9:18:27
11
9:21:45
12
9:22:17
13
9:23:43
14
9:26:12
15
9:28:15
16
9:31:36
17
9:32:24
18
9:33:30
19
9:34:35
20
9:36:46
21
9:37:14
22
9:38:51
23
9:40:10
24
9:40:15
25
9:42:58
26
9:44:00
27
9:47:13
28
9:48:22
29
9:52:15

Hora Fin
Servicio
(HH:MM:SS)
9:02:32
9:05:24
9:08:08
9:09:22
9:12:05
9:13:06
9:16:12
9:17:42
9:19:05
9:18:14
9:23:12
9:22:57
9:26:19
9:27:37
9:31:14
9:32:26
9:33:09
9:34:15
9:36:23
9:37:26
9:38:09
9:40:08
9:42:32
9:42:48
9:44:10
9:45:15
9:48:24
9:49:09
9:53:12

Duracin
Servicio
(Min)
2,12
3,57
3,43
1,12
3,24
0,56
3,18
1,22
0,42
0,47
1,27
0,45
2,36
1,25
3,49
0,51
0,47
0,48
0,49
3,42
0,56
2,18
2,23
1,34
1,13
1,17
2,14
0,48
0,57
49

Recoleccin de datos
1/2
Procesos de Servicio
Fecha: 2 de Marzo
Responsable: Rubetzi Valdiviezo
Hora de Inicio: 9:00 am
Hora de finalizacin: 11:00 am
Numero de
Hora Inicio
Servicio
Llegada
(HH:MM:SS)
30
9:55:50
31
9:58:45
32
10:00:12
33
10:02:54
34
10:04:40
35
10:19:55
36
10:22:24
37
10:25:44
38
10:27:01
39
10:30:16
40
10:32:28
41
10:35:59
42
10:37:20
43
10:39:49
44
10:42:36
45
10:45:00
46
10:48:10
47
10:50:59
48
10:53:25
49
10:55:23
50
10:57:50

Hora Fin
Servicio
(HH:MM:SS)
9:58:32
9:59:50
10:02:17
10:04:20
10:07:50
10:22:51
10:25:40
10:27:05
10:30:34
10:32:05
10:35:48
10:37:12
10:39:55
10:42:26
10:45:02
10:48:42
10:50:59
10:53:31
10:55:52
10:57:28
11:00:55

Duracin
Servicio
(Min)
3,12
1,58
2,04
2,34
3,10
3,56
3,18
2,23
3,33
2,51
3,22
1,58
2,43
3,40
3,26
3,42
2,49
3,50
2,26
2,20
2,10

50