425941230005

PERSPECTIVAS
ISSN: 1994-3733
oswaguan@ucbcba.edu.bo
Universidad Catlica Boliviana San Pablo
Bolivia
Terrazas Pastor, Rafael

APLICACIN DE LA SIMULACIN A UN SISTEMA DE COLAS DE CANAL SIMPLE
PERSPECTIVAS, nm. 26, julio-diciembre, 2010, pp. 91-112
Universidad Catlica Boliviana San Pablo
Cochabamba, Bolivia
Disponible en: http://www.redalyc.org/articulo.oa?id=425941230005
Cmo citar el artculo

Nmero completo
Ms informacin del artculo
Pgina de la revista en redalyc.org
Sistema de Informacin Cientfica

Red de Revistas Cientficas de Amrica Latina, el Caribe, Espaa y Portugal
Proyecto acadmico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
APLICACIN DE LA SIMULACIN A UN SISTEMA DE

COLAS DE CANAL SIMPLE
Rafael Terrazas Pastor:
Doctor en administracin de empresas
Master en ciencias aplicadas
Ingeniero industrial
Diplomado en educacin superior
Programador en lenguajes de computacin
Experiencia docente hace 25 aos en pregrado y posgrado
Tutor y asesor en ms de 200 tesis y proyectos de grado
Experiencia en cargos jerrquicos en varias organizaciones
Autor de varios libros en las reas de optimizacin, Investigacin y Proyectos
Asesor y consultor organizacional
tersil@supernet.com.bo
RESUMEN
El propsito de este trabajo es la aplicacin de la simulacin Montecarlo
a la obtencin de resultados esperados en un sistema de colas con un
solo canal. El anlisis se orienta a tipificar problemas cuyas
distribuciones de probabilidad del nmero de arribos y de servicios son
diferentes a la distribucin de Poisson; concretamente se trabaja con
distribuciones empricas. Se trata de calcular los parmetros esperados
de decisin a partir de un procedimiento manual de simulacin, en el
entendido de que las frmulas analticas no se aplican a estos casos.
Palabras clave: Investigacin operativa, sistema de colas, simulacin
Montecarlo, variables, relaciones funcionales, caractersticas de
operacin, tasa media de arribos, tasa media de llegadas, tasa de
ocupacin del sistema, longitud esperada en el sistema y la cola, tiempo
esperado de espera en el sistema y en la cola, costos esperados.
Departamento de Administracin, Economa y Finanzas
91
Aplicacin de la simulacin a un sistema de colas de canal simple
Rafael Terrazas Pastor
INTRODUCCIN
La investigacin operativa es una herramienta poderosa cuando se trata
de optimizar sistemas; sobre todo es posible de lograr eficiencia y eficacia en
su aplicacin a sistemas administrativos, de negocios y a diversos campos
del quehacer humano. Una de las tcnicas que hoy en da se asocia a lo
que es la calidad de servicio al cliente, es la teora de colas; este trabajo
pretende enfocar esta temtica a travs de una herramienta de la
investigacin operativa que es la simulacin. La simulacin Montecarlo es
un procedimiento numrico y experimental que sirve para encarar problemas
cuya solucin no es posible a travs de mtodos analticos; la ventaja
fundamental de esta tcnica es que gracias a su naturaleza y forma de
solucin, es posible generar informacin, simular y de ese modo ahorrar
tiempo y costos cuando se la aplica.
sistemtica del problema. Todo este proceso est apoyado y sustentado

por el MTODO CIENTFICO que aporta la metodologa apropiada para el
anlisis de problemas en el mundo de la IO.
La simulacin es aplicable a diferentes ramas tcnicas del saber

humano y por ende a sistemas administrativos y de negocios; el contexto de
su tratamiento permite lograr importantes ahorros y ser una herramienta
poderosa de apoyo a la toma de decisiones. Este artculo trata de exponer
en forma simple la simulacin aplicada a un sistema de colas caracterizado
por un solo servidor. La simulacin de este proceso se la realiza de manera
manual, aclarando que todo este procedimiento puede ser replicado en un
programa de computadora que permitira con seguridad establecer
sensibilidades y cambios importantes al comportamiento terico del modelo.
1. MARCO TERICO
1.1. Nocin, concepto y alcance de la Investigacin Operativa (IO)
Para encontrar una definicin y un concepto de la IO, es necesario
acudir a cinco elementos que se constituyen en la esencia primordial de esta
herramienta: sistemas, modelos, optimizacin, decisin y mtodo cientfico.
Estos elementos deben relacionarse de una manera estructural e integral,
retroalimentndose continuamente.
Estos cinco elementos, de acuerdo al grfico 1, se plantean en trminos
de un contexto en los mundos real-ideal, donde a partir de un problema
enfocado como SISTEMA, se hace una abstraccin del mismo en forma de
MODELO matemtico para luego de un proceso de anlisis, encontrar
soluciones que lleven a la OPTIMIZACIN del problema en el mundo real.
Estas soluciones interpretadas deben constituirse en parmetros y
orientaciones que ayuden a la toma de DECISIN y por ende a la solucin
92
ISSN- 1994 - 3733
Ao 13, N 26, 2do Semestre, 2010
Grfico 1
Relacin de los cinco elementos de la IO
con el mundo real e ideal
Fuente: Elaboracin propia, cita 1
Gracias al anlisis de estos cinco elementos, se puede construir una

definicin de investigacin de operaciones, acorde con la naturaleza y
alcance de esta importante herramienta,
La IO es la utilizacin del mtodo cientfico en el anlisis y solucin
de problemas del mundo real (industria, economa, comercio,
educacin, defensa, etc.) que deben ser concebidos como sistemas
y entidades complejas que manejan recursos (equipos, tiles,
informacin). Estos sistemas son representados en el mundo ideal
por modelos matemticos cuyo anlisis y solucin busca la
optimizacin de resultados que deben ser interpretados y
comprometidos para ofrecer asistencia y ayudar a la toma de
decisiones. (Elaboracin propia, cita 1)
1.2. Nocin, concepto y alcance de la teora de colas
Los atrasos que suceden en las actividades productivas y de gestin
pueden resultar sumamente onerosos debido principalmente a la espera
93
INTRODUCCIN
La investigacin operativa es una herramienta poderosa cuando se trata
de optimizar sistemas; sobre todo es posible de lograr eficiencia y eficacia en
su aplicacin a sistemas administrativos, de negocios y a diversos campos
del quehacer humano. Una de las tcnicas que hoy en da se asocia a lo
que es la calidad de servicio al cliente, es la teora de colas; este trabajo
pretende enfocar esta temtica a travs de una herramienta de la
investigacin operativa que es la simulacin. La simulacin Montecarlo es
un procedimiento numrico y experimental que sirve para encarar problemas
cuya solucin no es posible a travs de mtodos analticos; la ventaja
fundamental de esta tcnica es que gracias a su naturaleza y forma de
solucin, es posible generar informacin, simular y de ese modo ahorrar
tiempo y costos cuando se la aplica.
sistemtica del problema. Todo este proceso est apoyado y sustentado

por el MTODO CIENTFICO que aporta la metodologa apropiada para el
anlisis de problemas en el mundo de la IO.
La simulacin es aplicable a diferentes ramas tcnicas del saber

humano y por ende a sistemas administrativos y de negocios; el contexto de
su tratamiento permite lograr importantes ahorros y ser una herramienta
poderosa de apoyo a la toma de decisiones. Este artculo trata de exponer
en forma simple la simulacin aplicada a un sistema de colas caracterizado
por un solo servidor. La simulacin de este proceso se la realiza de manera
manual, aclarando que todo este procedimiento puede ser replicado en un
programa de computadora que permitira con seguridad establecer
sensibilidades y cambios importantes al comportamiento terico del modelo.
1. MARCO TERICO
1.1. Nocin, concepto y alcance de la Investigacin Operativa (IO)
Para encontrar una definicin y un concepto de la IO, es necesario
acudir a cinco elementos que se constituyen en la esencia primordial de esta
herramienta: sistemas, modelos, optimizacin, decisin y mtodo cientfico.
Estos elementos deben relacionarse de una manera estructural e integral,
retroalimentndose continuamente.
Estos cinco elementos, de acuerdo al grfico 1, se plantean en trminos
de un contexto en los mundos real-ideal, donde a partir de un problema
enfocado como SISTEMA, se hace una abstraccin del mismo en forma de
MODELO matemtico para luego de un proceso de anlisis, encontrar
soluciones que lleven a la OPTIMIZACIN del problema en el mundo real.
Estas soluciones interpretadas deben constituirse en parmetros y
orientaciones que ayuden a la toma de DECISIN y por ende a la solucin
92
ISSN- 1994 - 3733
Grfico 1
Relacin de los cinco elementos de la IO
con el mundo real e ideal
Fuente: Elaboracin propia, cita 1
Gracias al anlisis de estos cinco elementos, se puede construir una

definicin de investigacin de operaciones, acorde con la naturaleza y
alcance de esta importante herramienta,
La IO es la utilizacin del mtodo cientfico en el anlisis y solucin
de problemas del mundo real (industria, economa, comercio,
educacin, defensa, etc.) que deben ser concebidos como sistemas
y entidades complejas que manejan recursos (equipos, tiles,
informacin). Estos sistemas son representados en el mundo ideal
por modelos matemticos cuyo anlisis y solucin busca la
optimizacin de resultados que deben ser interpretados y
comprometidos para ofrecer asistencia y ayudar a la toma de
decisiones. (Elaboracin propia, cita 1)
1.2. Nocin, concepto y alcance de la teora de colas
Los atrasos que suceden en las actividades productivas y de gestin
pueden resultar sumamente onerosos debido principalmente a la espera
93

que se realiza hasta cumplir o realizar la tarea. Estos atrasos espera son
estudiados por la teora de colas o fenmenos de espera y dnde el propsito
fundamental es plantear una teora que ayude a minimizarlos o finalmente
eliminarlos.
La teora de colas fue investigada y estudiada por Erlang en el ao de
1909. Este matemtico se preocup de los problemas de congestin en el
trfico de comunicacin telefnica; a l le intereso todo el anlisis
probabilstico que se presentaba en este problema por eso escribi el libro
Solutions of some problems in the theory of probabilities. Ms tarde, Molina
(1927) y Thornton (1928) enriquecieron este trabajo.
Se dice que la teora de colas trata de desarrollar un modelo simblico
del sistema fsico para simplificar la solucin del problema y que la teora de
colas no es una tcnica de optimizacin directa, pero si una herramienta
analtica que permite explorar y conocer el comportamiento de un sistema
de servicio, logrando de esta manera indirecta una optimizacin aproximada.
(Elaboracin propia, cita 2)
Diremos que la teora de colas (TC) analiza problemas de los sistemas
de servicio y atencin al cliente con el objetivo de buscar un equilibrio entre
el EXCESO y la INSUFICIENCIA de servicio; es decir en trminos
econmicos, lograr un balance entre el COSTO DE SERVICIO y el COSTO
Asociado a la ESPERA. Entonces se podr definir a la TC cmo:
La TC es una tcnica matemtica, probabilistica que se ocupa del
anlisis de problemas caracterizados por un flujo de CLIENTES
(personas, maquinas, automviles, etc.), hacia una o ms
ESTACIONES DE SERVICIO (Bancos, mecnicos, estaciones de
gasolina, etc.) con el propsito de estudiar este tipo de
comportamiento, obteniendo informacin relevante tal como: el tiempo
medio de espera de un cliente, el tiempo medio de ocio, la longitud
promedio de clientes en la cola, la probabilidad de que haya n clientes
en el sistema de colas, etc. Esta informacin permitir la toma de
decisiones y el clculo de costos pertinentes para tomar las acciones
necesarias en procura de lograr la mayor eficiencia del sistema.
Venta de entradas en las ventanillas.
Reparacin de mquinas por los mecnicos.
Aterrizaje de aviones en un aeropuerto.
Ejecucin de tareas en los centros de cmputo.
etc.
La solucin analtica ms comn de estos modelos propone que tanto

las distribuciones de tiempos de llegada y de tiempos de servicio siguen la
distribucin probabilstica continua exponencial; esto quiere decir, por
teorema, que los eventos de llegada y de servicio siguen la distribucin
discreta de Poisson. Para un modelo analtico caracterstico con este
comportamiento y naturaleza se tiene:
El diagrama de tasas:
Donde:
n =
n para n = 1,2,.......S
n =
S para n S
Para tipificar estos modelos bsicos, se usa la notacin de Kendall-LeeTaha que plantea la forma: [A/B/C] : [D/E/F], donde:
Arribo de clientes a los cajeros de un banco.
Arribo de automviles a las estaciones de gasolina.
A, representa la distribucin probabilstica referida al tiempo entre

llegadas (M para exponencial, G para general, D para fija, etc.).
B, representa la distribucin probabilstica del tiempo de servicios.
C, representa el nmero de canales de servicio.
D, representa la disciplina de atencin (Puede ser FIFO, LIFO, con
prioridad, random service).
E, representa la longitud mxima de la cola.
Funcionamiento y congestin de las centrales telefnicas.
F, representa la poblacin o fuente potencial de clientes.
Podemos citar varias situaciones que caracterizan a los sistemas de

colas:
94
ISSN- 1994 - 3733
95

que se realiza hasta cumplir o realizar la tarea. Estos atrasos espera son
estudiados por la teora de colas o fenmenos de espera y dnde el propsito
fundamental es plantear una teora que ayude a minimizarlos o finalmente
eliminarlos.
La teora de colas fue investigada y estudiada por Erlang en el ao de
1909. Este matemtico se preocup de los problemas de congestin en el
trfico de comunicacin telefnica; a l le intereso todo el anlisis
probabilstico que se presentaba en este problema por eso escribi el libro
Solutions of some problems in the theory of probabilities. Ms tarde, Molina
(1927) y Thornton (1928) enriquecieron este trabajo.
Se dice que la teora de colas trata de desarrollar un modelo simblico
del sistema fsico para simplificar la solucin del problema y que la teora de
colas no es una tcnica de optimizacin directa, pero si una herramienta
analtica que permite explorar y conocer el comportamiento de un sistema
de servicio, logrando de esta manera indirecta una optimizacin aproximada.
Diremos que la teora de colas (TC) analiza problemas de los sistemas
de servicio y atencin al cliente con el objetivo de buscar un equilibrio entre
el EXCESO y la INSUFICIENCIA de servicio; es decir en trminos
econmicos, lograr un balance entre el COSTO DE SERVICIO y el COSTO
Asociado a la ESPERA. Entonces se podr definir a la TC cmo:
La TC es una tcnica matemtica, probabilistica que se ocupa del
anlisis de problemas caracterizados por un flujo de CLIENTES
(personas, maquinas, automviles, etc.), hacia una o ms
ESTACIONES DE SERVICIO (Bancos, mecnicos, estaciones de
gasolina, etc.) con el propsito de estudiar este tipo de
comportamiento, obteniendo informacin relevante tal como: el tiempo
medio de espera de un cliente, el tiempo medio de ocio, la longitud
promedio de clientes en la cola, la probabilidad de que haya n clientes
en el sistema de colas, etc. Esta informacin permitir la toma de
decisiones y el clculo de costos pertinentes para tomar las acciones
necesarias en procura de lograr la mayor eficiencia del sistema.
Venta de entradas en las ventanillas.
Reparacin de mquinas por los mecnicos.
Aterrizaje de aviones en un aeropuerto.
Ejecucin de tareas en los centros de cmputo.
etc.
La solucin analtica ms comn de estos modelos propone que tanto

las distribuciones de tiempos de llegada y de tiempos de servicio siguen la
distribucin probabilstica continua exponencial; esto quiere decir, por
teorema, que los eventos de llegada y de servicio siguen la distribucin
discreta de Poisson. Para un modelo analtico caracterstico con este
comportamiento y naturaleza se tiene:
El diagrama de tasas:
Donde:
n =
n para n = 1,2,.......S
n =
S para n S
Para tipificar estos modelos bsicos, se usa la notacin de Kendall-LeeTaha que plantea la forma: [A/B/C] : [D/E/F], donde:
Arribo de clientes a los cajeros de un banco.
Arribo de automviles a las estaciones de gasolina.
A, representa la distribucin probabilstica referida al tiempo entre

llegadas (M para exponencial, G para general, D para fija, etc.).
B, representa la distribucin probabilstica del tiempo de servicios.
C, representa el nmero de canales de servicio.
D, representa la disciplina de atencin (Puede ser FIFO, LIFO, con
prioridad, random service).
E, representa la longitud mxima de la cola.
Funcionamiento y congestin de las centrales telefnicas.
F, representa la poblacin o fuente potencial de clientes.
Podemos citar varias situaciones que caracterizan a los sistemas de

colas:
94
ISSN- 1994 - 3733
95

En este sentido un sistema: [M/M/1] : [FIFO//], representa un
modelo bsico con tiempos de llegada exponenciales, tiempos de servicio
exponenciales, un solo servidor o canal simple, primero en entrar y primero
en ser atendido (First Input, First Output), con una cola infinita y con una
poblacin potencial de clientes infinita.
Para estos sistemas bsicos de cola infinita, se plantean las frmulas
ms importantes que permiten calcular los parmetros ms relevantes con
cuyos resultados se apoyar la toma de decisiones en esta temtica. Estas
frmulas para un solo canal y varios canales, se muestran en el cuadro 1.
Cuadro 1
Frmulas bsicas de la teora de colas para distribuciones
exponenciales y de Poisson

2.3. Nocin, Concepto y Alcance de la Simulacin
2.3.1. Generalidades
La IO trabaja con modelos matemticos que desde el punto de vista de
su forma de solucin se clasifican en ANALTICOS y EXPERIMENTALES.
Los modelos analticos encuentran solucin a travs de la utilizacin de
algoritmos y frmulas definidas cuyos pasos y procedimiento de clculo
quedan claramente establecidos. Los modelos experimentales sin embargo,
trabajan con la teora de ensayo y error, es decir tratan de generar respuestas
referentes a travs de la experimentacin y por aproximaciones sucesivas;
este procedimiento repetitivo de tanteo se hace generalmente con la ayuda
de un computador digital generando respuestas aproximadas y no exactas.
Este es el mundo de la simulacin.
La simulacin debe aplicarse a problemas cuya solucin analtica es
sumamente difcil por no decir imposible. La simulacin permite la emulacin
de cualquier proceso cuya marcha o desarrollo depende de factores
aleatorios constituyndose en un mtodo universal que se aplica a la solucin
de problemas modelados matemticamente. En este sentido la simulacin
aplica la siguiente metodologa dentro de un esquema mundo real-ideal (ver
grfico 2)
Grfico 2
Metodologa de la simulacin pasos en el mundo real e ideal
Fuente: Elaboracin propia en base a cita 2

96
ISSN- 1994 - 3733
97

En este sentido un sistema: [M/M/1] : [FIFO//], representa un
modelo bsico con tiempos de llegada exponenciales, tiempos de servicio
exponenciales, un solo servidor o canal simple, primero en entrar y primero
en ser atendido (First Input, First Output), con una cola infinita y con una
poblacin potencial de clientes infinita.
Para estos sistemas bsicos de cola infinita, se plantean las frmulas
ms importantes que permiten calcular los parmetros ms relevantes con
cuyos resultados se apoyar la toma de decisiones en esta temtica. Estas
frmulas para un solo canal y varios canales, se muestran en el cuadro 1.
Cuadro 1
Frmulas bsicas de la teora de colas para distribuciones
exponenciales y de Poisson

2.3. Nocin, Concepto y Alcance de la Simulacin
2.3.1. Generalidades
La IO trabaja con modelos matemticos que desde el punto de vista de
su forma de solucin se clasifican en ANALTICOS y EXPERIMENTALES.
Los modelos analticos encuentran solucin a travs de la utilizacin de
algoritmos y frmulas definidas cuyos pasos y procedimiento de clculo
quedan claramente establecidos. Los modelos experimentales sin embargo,
trabajan con la teora de ensayo y error, es decir tratan de generar respuestas
referentes a travs de la experimentacin y por aproximaciones sucesivas;
este procedimiento repetitivo de tanteo se hace generalmente con la ayuda
de un computador digital generando respuestas aproximadas y no exactas.
Este es el mundo de la simulacin.
La simulacin debe aplicarse a problemas cuya solucin analtica es
sumamente difcil por no decir imposible. La simulacin permite la emulacin
de cualquier proceso cuya marcha o desarrollo depende de factores
aleatorios constituyndose en un mtodo universal que se aplica a la solucin
de problemas modelados matemticamente. En este sentido la simulacin
aplica la siguiente metodologa dentro de un esquema mundo real-ideal (ver
grfico 2)
Grfico 2
Metodologa de la simulacin pasos en el mundo real e ideal
Fuente: Elaboracin propia en base a cita 2

96
ISSN- 1994 - 3733
97
En este sentido se puede intentar dar una definicin de simulacin

acorde con estos propsitos:
Grfico 3
Mtodo de la transformada inversa
La Simulacin es una tcnica numrica y experimental que trabaja en

base a la teora de ensayo y error. La simulacin analiza problemas
complejos a travs de la formulacin de modelos matemticos
implementados en computadora; estos modelos son generalmente
de naturaleza estocstica y su objetivo es dar respuesta aproximada
a los problemas reales en perodos extensos de tiempo.(Elaboracin
propia en base a cita 2)
2.3.2. Generacin de procesos aleatorios para simulacin

Hasta ahora hemos hablado de la simulacin en una perspectiva de
alcance general; sin embargo cuando se presenta algn problema de
simulacin, las variables que intervienen pueden ajustarse a seguir cualquier
tipo de distribucin de probabilidad conocida o no conocida. En este marco
es necesario desarrollar un mtodo que permita la generacin de variables
aleatorias que sigan cualquier distribucin y que se lleguen a formular
ecuaciones directas para su utilizacin en problemas de simulacin; en este
caso estamos hablando de la simulacin Montecarlo, a travs del mtodo de
la transformada inversa.
Fuente: [22]
Luego si:
F(X) = r
Cualquier generador que se desarrolle siempre est en funcin de

nmeros aleatorios distribuidos uniformemente entre [0,1]; por tanto este
mtodo aprovecha este concepto y trabaja con la identidad:
X = F-1 (r)
Entonces:
x
r = F(X) = f(t) dt
P{X x} = F(x) = r
Donde:
F(x) es la funcin acumulada de la distribucin en estudio.
r, es un nmero aleatorio o random generado entre [0,1] y que sigue
la distribucin uniforme.
Es decir que, segn este mtodo, la funcin acumulada se iguala al
nmero aleatorio; esto bajo la condicin de que ambos tienen su gama de
variacin entre 0 y 1. El mtodo de la transformada inversa propone que se
genere un nmero aleatorio o random y se lo proyecte sobre la curva
acumulada F(x), leyendo para ese punto la abcisa correspondiente que ser
el valor de variable aleatoria que sigue la distribucin de densidad f(x)
propuesta. El grfico 3 muestra el procedimiento considerando las funciones
referidas.
98
ISSN- 1994 - 3733
O sea que:
P{X x} = F(x) = P{r F(x)} = P{F-1 (r) x}
Esta tcnica es una de las ms comunes y utilizadas, pero tiene la
dificultad de que muchas veces hallar la funcin acumulada F(x) se torna
difcil y causa dificultades para su integracin; en estos casos hay que acudir
a otros conceptos auxiliares y otros mtodos generalmente de tipo numrico
y aproximado.
Generador Emprico
Si tomamos la siguiente distribucin msica que no sigue las diferentes

distribuciones conocidas:
99
En este sentido se puede intentar dar una definicin de simulacin

acorde con estos propsitos:
Grfico 3
La Simulacin es una tcnica numrica y experimental que trabaja en

base a la teora de ensayo y error. La simulacin analiza problemas
complejos a travs de la formulacin de modelos matemticos
implementados en computadora; estos modelos son generalmente
de naturaleza estocstica y su objetivo es dar respuesta aproximada
a los problemas reales en perodos extensos de tiempo.(Elaboracin
propia en base a cita 2)
2.3.2. Generacin de procesos aleatorios para simulacin

Hasta ahora hemos hablado de la simulacin en una perspectiva de
alcance general; sin embargo cuando se presenta algn problema de
simulacin, las variables que intervienen pueden ajustarse a seguir cualquier
tipo de distribucin de probabilidad conocida o no conocida. En este marco
es necesario desarrollar un mtodo que permita la generacin de variables
aleatorias que sigan cualquier distribucin y que se lleguen a formular
ecuaciones directas para su utilizacin en problemas de simulacin; en este
caso estamos hablando de la simulacin Montecarlo, a travs del mtodo de
la transformada inversa.
Fuente: [22]
Luego si:
F(X) = r
Cualquier generador que se desarrolle siempre est en funcin de

nmeros aleatorios distribuidos uniformemente entre [0,1]; por tanto este
mtodo aprovecha este concepto y trabaja con la identidad:
X = F-1 (r)
Entonces:
x
r = F(X) = f(t) dt
P{X x} = F(x) = r
Donde:
F(x) es la funcin acumulada de la distribucin en estudio.
r, es un nmero aleatorio o random generado entre [0,1] y que sigue
la distribucin uniforme.
Es decir que, segn este mtodo, la funcin acumulada se iguala al
nmero aleatorio; esto bajo la condicin de que ambos tienen su gama de
variacin entre 0 y 1. El mtodo de la transformada inversa propone que se
genere un nmero aleatorio o random y se lo proyecte sobre la curva
acumulada F(x), leyendo para ese punto la abcisa correspondiente que ser
el valor de variable aleatoria que sigue la distribucin de densidad f(x)
propuesta. El grfico 3 muestra el procedimiento considerando las funciones
referidas.
98
ISSN- 1994 - 3733
O sea que:
P{X x} = F(x) = P{r F(x)} = P{F-1 (r) x}
Esta tcnica es una de las ms comunes y utilizadas, pero tiene la
dificultad de que muchas veces hallar la funcin acumulada F(x) se torna
difcil y causa dificultades para su integracin; en estos casos hay que acudir
a otros conceptos auxiliares y otros mtodos generalmente de tipo numrico
y aproximado.
Generador Emprico
Si tomamos la siguiente distribucin msica que no sigue las diferentes

distribuciones conocidas:
99

y servicio para un sistema de colas son variables exgenas.
DE ESTADO
Son llamadas variables intermedias e identifican el estado del
sistema en determinados instantes del tiempo. Estn relacionadas
con los otros tipos de variables gracias a las ecuaciones y/o
relaciones matemticas definidas.
Por ejemplo es variable de
estado, el tiempo de ocio que un servidor tiene cuando espera el
arribo de un cliente a un sistema de colas.
El Generador ser:
Grficamente la funcin acumulada es:
ENDGENAS
Son las variables dependientes o de salida del sistema.
La
interaccin de las variables exgenas con las de estado, generan
las variables endgenas. Son ejemplos de variables endgenas: El
valor esperado del punto de pedido para un sistema de inventarios,
la utilidad neta esperada de una empresa, el nmero ptimo de
unidades a procesar para minimizar los costos en un sistema de
produccin, etc.
Parmetros
Por el principio de la transformada inversa se tiene el generador:

Si
0 r 1/10
x=1
Si
1/10 < r 3/10
x=2
Si
3/10 < r 6/10
x=3
Si
6/10 < r 1
x=4
Los parmetros son estimados estadsticamente gracias al

procesamiento de la informacin de entrada; de esta manera se constituyen
en una suerte de variables exgenas muy valiosas. En este contexto la
estimacin de medias, varianzas y momentos es muy til para alimentar al
desarrollo del modelo.
Relaciones Funcionales
Estas no son nada ms que ecuaciones o funciones que relacionan y
ligan a las variables y parmetros del modelo. Pueden ser de dos tipos:
2.3.3. Elementos de un modelo de simulacin

Variables
Las variables son los elementos que se utilizan para relacionar los
componentes de un problema de simulacin. Las variables pueden ser:
EXGENAS
Son las llamadas variables independientes o de entrada al modelo.
Pueden ser controlables y no controlables siempre y cuando puedan
ser predecibles por los decisores. Por ejemplo los tiempos de arribo
100
ISSN- 1994 - 3733
CARACTERSTICAS DE OPERACIN
Que son hiptesis definidas para la construccin del modelo. En el
caso de modelos estocsticos son caractersticas de operacin, las
funciones de masa o densidad que pueden ser asociadas a las
diferentes variables exgenas del sistema.
IDENTIDADES
Son ecuaciones admitidas sin discusin como verdades absolutas
para el modelo. Por ejemplo la utilidad es igual al ingreso menos el
costo; el tiempo total en un sistema de colas es el tiempo en la cola
mas el tiempo de servicio, etc.
101

y servicio para un sistema de colas son variables exgenas.
DE ESTADO
Son llamadas variables intermedias e identifican el estado del
sistema en determinados instantes del tiempo. Estn relacionadas
con los otros tipos de variables gracias a las ecuaciones y/o
relaciones matemticas definidas.
Por ejemplo es variable de
estado, el tiempo de ocio que un servidor tiene cuando espera el
arribo de un cliente a un sistema de colas.
El Generador ser:
Grficamente la funcin acumulada es:
ENDGENAS
Son las variables dependientes o de salida del sistema.
La
interaccin de las variables exgenas con las de estado, generan
las variables endgenas. Son ejemplos de variables endgenas: El
valor esperado del punto de pedido para un sistema de inventarios,
la utilidad neta esperada de una empresa, el nmero ptimo de
unidades a procesar para minimizar los costos en un sistema de
produccin, etc.
Parmetros
Por el principio de la transformada inversa se tiene el generador:

Si
0 r 1/10
x=1
Si
1/10 < r 3/10
x=2
Si
3/10 < r 6/10
x=3
Si
6/10 < r 1
x=4
Los parmetros son estimados estadsticamente gracias al

procesamiento de la informacin de entrada; de esta manera se constituyen
en una suerte de variables exgenas muy valiosas. En este contexto la
estimacin de medias, varianzas y momentos es muy til para alimentar al
desarrollo del modelo.
Relaciones Funcionales
Estas no son nada ms que ecuaciones o funciones que relacionan y
ligan a las variables y parmetros del modelo. Pueden ser de dos tipos:
2.3.3. Elementos de un modelo de simulacin

Variables
Las variables son los elementos que se utilizan para relacionar los
componentes de un problema de simulacin. Las variables pueden ser:
EXGENAS
Son las llamadas variables independientes o de entrada al modelo.
Pueden ser controlables y no controlables siempre y cuando puedan
ser predecibles por los decisores. Por ejemplo los tiempos de arribo
100
ISSN- 1994 - 3733
CARACTERSTICAS DE OPERACIN
Que son hiptesis definidas para la construccin del modelo. En el
caso de modelos estocsticos son caractersticas de operacin, las
funciones de masa o densidad que pueden ser asociadas a las
diferentes variables exgenas del sistema.
IDENTIDADES
Son ecuaciones admitidas sin discusin como verdades absolutas
para el modelo. Por ejemplo la utilidad es igual al ingreso menos el
costo; el tiempo total en un sistema de colas es el tiempo en la cola
mas el tiempo de servicio, etc.
101
3. PROBLEMTICA
Para obtener soluciones analticas en torno a un modelo de esta
naturaleza; la teora probabilstica de colas, provee de conceptos y
expresiones matemticas que han sido deducidas y permiten calcular los
parmetros relevantes y caractersticos del sistema, tales como: la longitud
promedio de clientes en el sistema y en la cola, el tiempo esperado que pasa
un cliente en la cola y en el sistema, las probabilidades de estado estable, los
porcentajes de ocupacin y de ocio, etc.
en cuenta que aproximadamente a las 15:00 tendrn un tiempo de media

hora para tomar su almuerzo. El salario por hora que reciben este personal
es de 25 $. El almacn debe procesar alrededor de unas quince descargas
diarias, entendiendo que los camiones disponibles cuando terminen de
descargar, irn a traer otra carga. La descarga debe terminar en teora a las
20:00, debindose pagar horas extra si se pasa de este horario; el salario
extra del personal sube a 30 $ por hora. El costo de espera del camin es
de 100 $ por hora. Los tiempos y probabilidades de llegada y de servicio,
se muestran en los cuadros siguientes. Mediante una simulacin de las 15
descargas, estimar los parmetros relevantes para ver el comportamiento
semanal de las descargas.
Sin embargo, estas expresiones conocidas y deducidas en base a la

propiedad markoviana y al proceso de nacimientos y muertes; consideran
que las distribuciones de los tiempos de llegadas y de servicios siguen la
distribucin exponencial; en otras palabras, se dice que el nmero de
llegadas y de servicios sigue la distribucin de Poisson; originando de esta
manera los procesos llamados Poissonianos.
Cuando las distribuciones de probabilidad de los tiempos de arribo o de
servicio son diferentes (Normal, Gamma, Beta Chi-cuadrado, T de Student,
etc.), las frmulas analticas deducidas no funcionan. Sin embargo, existen
intentos muy interesantes para los siguientes casos: tiempo de arribo
exponencial, servicio cualquiera y un servidor con la frmula de PollatzeckKintchine; tiempo de arribo cualquiera, servicio exponencial y un servidor con
el anlisis de las Cadenas de Markov Inducidas.
Planteada esta problemtica, se puede acudir a la utilizacin de un
procedimiento numrico y experimental, tal como la simulacin Montecarlo.
Esta tcnica tiene la virtud de poder establecer generadores de procesos que
siguen cualquier distribucin de probabilidad conocida, e inclusive emprica.
An ms, el procedimiento establecido, se traduce en un modelo matemtico
que puede ser bien implementado en un programa de computadora, llegando
a obtener resultados mediante la emulacin del proceso en perodos
extensos de tiempo real.
4.2. Formulacin del Modelo Matemtico

VARIABLES EXGENAS
N = El nmero de clientes a simular, en este caso 15
4. SIMULACIN DE UN SISTEMA DE COLAS DE UN SOLO CANAL

4.1. Planteamiento del problema
Una cadena de supermercados es abastecida por un almacn central
donde la mercadera llega a este almacn durante la semana en un da
particular a partir de las 11:00 de la maana. Esto quiere decir que la
mercadera que se provee puede ser descargada a partir de este horario.
Un equipo de tres personas se ocupa de descargar esta mercadera tomando
102
ISSN- 1994 - 3733
S = El nmero de estaciones en paralelo, en este caso uno

TAi = Tiempo de arribo del i-simo cliente
TSi = Tiempo de servicio para el isimo cliente
CE = Costo horario de espera de un cliente
CS = Costo salarial horario
CX = Costo de Horas extra sobre las 20:00
103
3. PROBLEMTICA
Para obtener soluciones analticas en torno a un modelo de esta
naturaleza; la teora probabilstica de colas, provee de conceptos y
expresiones matemticas que han sido deducidas y permiten calcular los
parmetros relevantes y caractersticos del sistema, tales como: la longitud
promedio de clientes en el sistema y en la cola, el tiempo esperado que pasa
un cliente en la cola y en el sistema, las probabilidades de estado estable, los
porcentajes de ocupacin y de ocio, etc.
en cuenta que aproximadamente a las 15:00 tendrn un tiempo de media

hora para tomar su almuerzo. El salario por hora que reciben este personal
es de 25 $. El almacn debe procesar alrededor de unas quince descargas
diarias, entendiendo que los camiones disponibles cuando terminen de
descargar, irn a traer otra carga. La descarga debe terminar en teora a las
20:00, debindose pagar horas extra si se pasa de este horario; el salario
extra del personal sube a 30 $ por hora. El costo de espera del camin es
de 100 $ por hora. Los tiempos y probabilidades de llegada y de servicio,
se muestran en los cuadros siguientes. Mediante una simulacin de las 15
descargas, estimar los parmetros relevantes para ver el comportamiento
semanal de las descargas.
Sin embargo, estas expresiones conocidas y deducidas en base a la

propiedad markoviana y al proceso de nacimientos y muertes; consideran
que las distribuciones de los tiempos de llegadas y de servicios siguen la
distribucin exponencial; en otras palabras, se dice que el nmero de
llegadas y de servicios sigue la distribucin de Poisson; originando de esta
manera los procesos llamados Poissonianos.
Cuando las distribuciones de probabilidad de los tiempos de arribo o de
servicio son diferentes (Normal, Gamma, Beta Chi-cuadrado, T de Student,
etc.), las frmulas analticas deducidas no funcionan. Sin embargo, existen
intentos muy interesantes para los siguientes casos: tiempo de arribo
exponencial, servicio cualquiera y un servidor con la frmula de PollatzeckKintchine; tiempo de arribo cualquiera, servicio exponencial y un servidor con
el anlisis de las Cadenas de Markov Inducidas.
Planteada esta problemtica, se puede acudir a la utilizacin de un
procedimiento numrico y experimental, tal como la simulacin Montecarlo.
Esta tcnica tiene la virtud de poder establecer generadores de procesos que
siguen cualquier distribucin de probabilidad conocida, e inclusive emprica.
An ms, el procedimiento establecido, se traduce en un modelo matemtico
que puede ser bien implementado en un programa de computadora, llegando
a obtener resultados mediante la emulacin del proceso en perodos
extensos de tiempo real.
4.2. Formulacin del Modelo Matemtico

VARIABLES EXGENAS
N = El nmero de clientes a simular, en este caso 15
4. SIMULACIN DE UN SISTEMA DE COLAS DE UN SOLO CANAL

4.1. Planteamiento del problema
Una cadena de supermercados es abastecida por un almacn central
donde la mercadera llega a este almacn durante la semana en un da
particular a partir de las 11:00 de la maana. Esto quiere decir que la
mercadera que se provee puede ser descargada a partir de este horario.
Un equipo de tres personas se ocupa de descargar esta mercadera tomando
102
ISSN- 1994 - 3733
S = El nmero de estaciones en paralelo, en este caso uno

TAi = Tiempo de arribo del i-simo cliente
TSi = Tiempo de servicio para el isimo cliente
CE = Costo horario de espera de un cliente
CS = Costo salarial horario
CX = Costo de Horas extra sobre las 20:00
103
VARIABLES DE ESTADO
TECi = Tiempo de Espera del i-simo cliente
TESi = Tiempo de Espera del i-simo servidor
TTEC = Tiempo Total de Espera para el cliente en la cola
TTES = Tiempo total de espera para el servidor o canal
TTA = Tiempo Total de Arribo o llegadas
TTS = Tiempo Total de Servicio
NCi = Longitud de cola en el i-simo cliente (Longitud de la lnea)
TX = Tiempo extra excedido sobre las 20:00
PARMETROS
=
Tasa media de arribos o llegadas
Tasa media de servicios
1/=
La media del tiempo entre arribos
1/=
La media del tiempo de Servicio
VARIABLES ENDGENAS
q = El Tiempo Esperado de Espera en la Cola
= El Tiempo Esperado de Espera en el Sistema (cola + servicio)
Lq = El nmero esperado de clientes en la cola
L = El nmero esperado de clientes en el sistema (cola + servicio)
= Tasa de ocupacin del sistema de colas
IDENTIDADES
CARACTERISTICAS DE OPERACIN
En este caso se consideran slo distribuciones de probabilidad

empricas, tanto para las llegadas como para los arribos o llegadas. Los
histogramas acumulados de frecuencia se ilustran en los grficos 4 y 5.
104
ISSN- 1994 - 3733
105
VARIABLES DE ESTADO
TECi = Tiempo de Espera del i-simo cliente
TESi = Tiempo de Espera del i-simo servidor
TTEC = Tiempo Total de Espera para el cliente en la cola
TTES = Tiempo total de espera para el servidor o canal
TTA = Tiempo Total de Arribo o llegadas
TTS = Tiempo Total de Servicio
NCi = Longitud de cola en el i-simo cliente (Longitud de la lnea)
TX = Tiempo extra excedido sobre las 20:00
PARMETROS
=
Tasa media de arribos o llegadas
Tasa media de servicios
1/=
La media del tiempo entre arribos
1/=
La media del tiempo de Servicio
VARIABLES ENDGENAS
q = El Tiempo Esperado de Espera en la Cola
= El Tiempo Esperado de Espera en el Sistema (cola + servicio)
Lq = El nmero esperado de clientes en la cola
L = El nmero esperado de clientes en el sistema (cola + servicio)
= Tasa de ocupacin del sistema de colas
IDENTIDADES
CARACTERISTICAS DE OPERACIN
En este caso se consideran slo distribuciones de probabilidad

empricas, tanto para las llegadas como para los arribos o llegadas. Los
histogramas acumulados de frecuencia se ilustran en los grficos 4 y 5.
104
ISSN- 1994 - 3733
105

Grfico 4

4.3. Procedimiento de simulacin
Una vez establecido los elementos del modelo matemtico, se debe
desarrollar un procedimiento de simulacin que puede ser aplicado despus
en un programa de computador, sea en un lenguaje de propsitos especiales
o en un lenguaje de alto nivel.
El procedimiento sigue los siguientes pasos:
1. Generar un nmero random para simular el tiempo de servicio del
primer cliente que empieza a ser atendido a las 11:00. Con ese
nmero aleatorio distribuido entre 0 y 1 encontrar en la tabla de
distribucin acumulada el tiempo de servicio.
2. Con el tiempo de servicio simulado determinar el tiempo de
terminacin del servicio (11:50).
3. Acumular la longitud de la lnea de espera.
4. Generar un nmero random y simular el tiempo entre llegadas, para
el segundo cliente, en la distribucin acumulada del tiempo entre
llegadas.
5. Calcular la nueva hora de llegada.
6. Poner el reloj de inicio del servicio de acuerdo al horario de
terminacin del servicio anterior.
Fuente: Elaboracin propia
Grfico 5
7. Generar un random y simular otro tiempo de servicio en la

distribucin acumulada.
8. Determinar el tiempo de finalizacin del servicio.
9. Calcular y determinar el tiempo de espera sea para los encargados
o para el cliente simulado.
10. Acumular la lnea si corresponde.
11. Repetir desde el paso 4.
Este proceso lo repetimos 15 veces o descargas y veremos que llega a
finalizar a las 21:20; esto quiere decir que si normalmente se trabaja hasta las
20:00, existe un perodo extra de 01:20.
Despus de culminar este proceso repetitivo, se puede totalizar las
columnas que corresponden para que con estos resultados se puedan
obtener los resultados promedio y relevantes para tomar una decisin
apropiada y que permita lograr optimizar el sistema. Este proceso se
muestra en el cuadro 2.
106
ISSN- 1994 - 3733
107

Grfico 4

4.3. Procedimiento de simulacin
Una vez establecido los elementos del modelo matemtico, se debe
desarrollar un procedimiento de simulacin que puede ser aplicado despus
en un programa de computador, sea en un lenguaje de propsitos especiales
o en un lenguaje de alto nivel.
El procedimiento sigue los siguientes pasos:
1. Generar un nmero random para simular el tiempo de servicio del
primer cliente que empieza a ser atendido a las 11:00. Con ese
nmero aleatorio distribuido entre 0 y 1 encontrar en la tabla de
distribucin acumulada el tiempo de servicio.
2. Con el tiempo de servicio simulado determinar el tiempo de
terminacin del servicio (11:50).
3. Acumular la longitud de la lnea de espera.
4. Generar un nmero random y simular el tiempo entre llegadas, para
el segundo cliente, en la distribucin acumulada del tiempo entre
llegadas.
5. Calcular la nueva hora de llegada.
6. Poner el reloj de inicio del servicio de acuerdo al horario de
terminacin del servicio anterior.
Grfico 5
7. Generar un random y simular otro tiempo de servicio en la

distribucin acumulada.
8. Determinar el tiempo de finalizacin del servicio.
9. Calcular y determinar el tiempo de espera sea para los encargados
o para el cliente simulado.
10. Acumular la lnea si corresponde.
11. Repetir desde el paso 4.
Este proceso lo repetimos 15 veces o descargas y veremos que llega a
finalizar a las 21:20; esto quiere decir que si normalmente se trabaja hasta las
20:00, existe un perodo extra de 01:20.
Despus de culminar este proceso repetitivo, se puede totalizar las
columnas que corresponden para que con estos resultados se puedan
obtener los resultados promedio y relevantes para tomar una decisin
apropiada y que permita lograr optimizar el sistema. Este proceso se
muestra en el cuadro 2.
106
ISSN- 1994 - 3733
107

Cuadro 2.
Procedimiento de Simulacin

La tasa de ocupacin del sistema:
La longitud promedio en la cola:
El tiempo esperado de espera en la cola:
El tiempo esperado de espera en el sistema:
4.4. Resultados esperados

Los parmetros y resultados que se pueden obtener de acuerdo a las
identidades definidas en la formulacin del modelo, son:
El tiempo promedio de arribo al sistema y la tasa media de arribo:
El tiempo extra:
El costo esperado de espera:
El tiempo promedio de servicio y la tasa media de servicio para el

sistema:
108
ISSN- 1994 - 3733
El costo esperado de servicio:
109

Cuadro 2.
Procedimiento de Simulacin

La tasa de ocupacin del sistema:
La longitud promedio en la cola:
El tiempo esperado de espera en la cola:
El tiempo esperado de espera en el sistema:
4.4. Resultados esperados

Los parmetros y resultados que se pueden obtener de acuerdo a las
identidades definidas en la formulacin del modelo, son:
El tiempo promedio de arribo al sistema y la tasa media de arribo:
El tiempo extra:
El costo esperado de espera:
El tiempo promedio de servicio y la tasa media de servicio para el

sistema:
108
ISSN- 1994 - 3733
El costo esperado de servicio:
109

El costo esperado extra:

EPPEN, G.D.; GOULD, F.J. (2000). Investigacin de Operaciones en la
Ciencia Administrativa. Ed. Pearson. Mxico.
G. de GHELLINCK (1993). Modelisation Stochastique. Notes de Cours.
Louvain la Neuve-Belgique.
HILLIER; LIEBERMAN (2002). Investigacin de Operaciones. Ed.
McGraw Hill; 7 Ed. EEUU.
El costo esperado total:
LACHTERMACHER, Gerson (2007). Pesquisa Operacional. Ed.

Campus. Brasil.
CONCLUSIONES
Se realiz una simulacin manual para un da de trabajo de descarga
con un equipo de tres personas desde las 11:00 a 21:20, simulando
un total de 15 descargas.
MITAL, K. V. (1984). Mtodos de Optimizacin en Investigacin de

Operaciones y Anlisis de Sistemas. Ed. Limusa. Mxico.
NAYLOR, BALINTFY, BURDICK, KONG CHU (1977). Tcnicas de
Simulacin en Computadoras. Ed. Limusa.
Los resultados obtenidos reflejan una tasa de ocupacin del sistema

del 89.25%. El tiempo promedio de espera es de 26.33 minutos; el
tiempo de espera en el sistema es de 63 minutos. Se tiene un
tiempo extra de descarga de 80 minutos.
PRAWDA, Juan (1981). Mtodos y Modelos de Investigacin de

Operaciones. Ed. Limusa. Mxico.
El costo esperado del cliente es de 658.25 $ por jornada de trabajo;

el costo esperado de servicio es de 675 $; existe un costo extra de
120 $; generando un costo esperado total de 1453.25 $ para una
jornada.
RUEGG (1989). Processus Stochastiques. Francia.
La simulacin provee los parmetros principales que permitan tomar

una decisin: aumentar o disminuir el equipo de trabajo, regular la
ocupacin del sistema, optimizar algunos costos. Estos parmetros
son una importante herramienta de ayuda a la toma estratgica de
decisiones.
El procedimiento puede ser implementado en un programa de
computadora digital y de esa forma mejorar los cambios y la
sensibilidad del modelo y de esa forma ver escenarios distintos que
apoyen de mejor manera a la toma de decisin.
REFERENCIAS BIBLIOGRFICAS
ANDERSON, SWEENEY, WILLIAMS (2000). Quantitative Methods For
Business. Ed. Thomson, 7a Ed. USA.
AZARANG, Mohammad R.; GARCIA DUNNA, Eduardo (2000).
Simulacin y anlisis de modelos estocsticos. Ed. McGraw Hill.
Mxico
110
MIRSHAWKA, Vctor (1990). Aplicacoes de Pesquisa Operacional. Ed.

Livraria Nobel S.A. Sao Paulo-Brasil.
ISSN- 1994 - 3733
RIOS INSUA, David; RIOS INSUA, Sixto (2000). Simulacin, mtodos y

aplicaciones. Ed. Alfa Omega. Colombia.
SASIENI, Maurice; YASPAN, Arthur; FRIEDMAN, Lawrence (1982).
Investigacin de Operaciones, Mtodos y Problemas. Ed. Limusa.
Mxico.
SHELDON, M. Ross (2000). Simulacin. Ed. Prentice Hall; 2 Ed. Mxico.
TAHA, Hamdy A. (2004). Investigacin de Operaciones; Ed. Pearson; 7
Ed. Mxico.
TAYLOR, SCHMIDT (1985). Simulacin de Sistemas Industriales; Ed.
Trillas. Mxico.
TERRAZAS, Rafael (1995). Investigacin de Operaciones, un Enfoque
Didctico. Ed. Serrano. Cochabamba-Bolivia.
TERRAZAS, Rafael (1988). Simulacin de Sistemas; Publicaciones de la
Facultad de Ciencias y Tecnologa, serie tcnica; UMSS.
Cochabamba-Bolivia.
TERRAZAS Rafael (2005). Modelos Lineales de Optimizacin, Ed.
Etreus, 3 Ed. Cochabamba-Bolivia.
111

El costo esperado extra:

EPPEN, G.D.; GOULD, F.J. (2000). Investigacin de Operaciones en la
Ciencia Administrativa. Ed. Pearson. Mxico.
G. de GHELLINCK (1993). Modelisation Stochastique. Notes de Cours.
Louvain la Neuve-Belgique.
HILLIER; LIEBERMAN (2002). Investigacin de Operaciones. Ed.
McGraw Hill; 7 Ed. EEUU.
El costo esperado total:
LACHTERMACHER, Gerson (2007). Pesquisa Operacional. Ed.

Campus. Brasil.
CONCLUSIONES
Se realiz una simulacin manual para un da de trabajo de descarga
con un equipo de tres personas desde las 11:00 a 21:20, simulando
un total de 15 descargas.
MITAL, K. V. (1984). Mtodos de Optimizacin en Investigacin de

Operaciones y Anlisis de Sistemas. Ed. Limusa. Mxico.
NAYLOR, BALINTFY, BURDICK, KONG CHU (1977). Tcnicas de
Simulacin en Computadoras. Ed. Limusa.
Los resultados obtenidos reflejan una tasa de ocupacin del sistema

del 89.25%. El tiempo promedio de espera es de 26.33 minutos; el
tiempo de espera en el sistema es de 63 minutos. Se tiene un
tiempo extra de descarga de 80 minutos.
PRAWDA, Juan (1981). Mtodos y Modelos de Investigacin de

Operaciones. Ed. Limusa. Mxico.
El costo esperado del cliente es de 658.25 $ por jornada de trabajo;

el costo esperado de servicio es de 675 $; existe un costo extra de
120 $; generando un costo esperado total de 1453.25 $ para una
jornada.
RUEGG (1989). Processus Stochastiques. Francia.
La simulacin provee los parmetros principales que permitan tomar

una decisin: aumentar o disminuir el equipo de trabajo, regular la
ocupacin del sistema, optimizar algunos costos. Estos parmetros
son una importante herramienta de ayuda a la toma estratgica de
decisiones.
El procedimiento puede ser implementado en un programa de
computadora digital y de esa forma mejorar los cambios y la
sensibilidad del modelo y de esa forma ver escenarios distintos que
apoyen de mejor manera a la toma de decisin.
REFERENCIAS BIBLIOGRFICAS
ANDERSON, SWEENEY, WILLIAMS (2000). Quantitative Methods For
Business. Ed. Thomson, 7a Ed. USA.
AZARANG, Mohammad R.; GARCIA DUNNA, Eduardo (2000).
Simulacin y anlisis de modelos estocsticos. Ed. McGraw Hill.
Mxico
110
MIRSHAWKA, Vctor (1990). Aplicacoes de Pesquisa Operacional. Ed.

Livraria Nobel S.A. Sao Paulo-Brasil.
ISSN- 1994 - 3733
RIOS INSUA, David; RIOS INSUA, Sixto (2000). Simulacin, mtodos y

aplicaciones. Ed. Alfa Omega. Colombia.
SASIENI, Maurice; YASPAN, Arthur; FRIEDMAN, Lawrence (1982).
Investigacin de Operaciones, Mtodos y Problemas. Ed. Limusa.
Mxico.
SHELDON, M. Ross (2000). Simulacin. Ed. Prentice Hall; 2 Ed. Mxico.
TAHA, Hamdy A. (2004). Investigacin de Operaciones; Ed. Pearson; 7
Ed. Mxico.
TAYLOR, SCHMIDT (1985). Simulacin de Sistemas Industriales; Ed.
Trillas. Mxico.
TERRAZAS, Rafael (1995). Investigacin de Operaciones, un Enfoque
Didctico. Ed. Serrano. Cochabamba-Bolivia.
TERRAZAS, Rafael (1988). Simulacin de Sistemas; Publicaciones de la
Facultad de Ciencias y Tecnologa, serie tcnica; UMSS.
Cochabamba-Bolivia.
TERRAZAS Rafael (2005). Modelos Lineales de Optimizacin, Ed.
Etreus, 3 Ed. Cochabamba-Bolivia.
111

TERRAZAS Rafael (2005). Programacin Dinmica y Modelos
Estocsticos. Ed. Etreus. Cochabamba-Bolivia.
WINSTON, Wayne L. (2004). Investigacin de Operaciones, Aplicaciones
y Algoritmos. Ed. Thomson; 4 Ed. Mxico.
112
ISSN- 1994 - 3733

425941230005

Încărcat de

Informații document

Descriere originală:

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

425941230005

Încărcat de

Drepturi de autor:

Formate disponibile

PERSPECTIVAS

Terrazas Pastor, Rafael

Disponible en: http://www.redalyc.org/articulo.oa?id=425941230005

Cmo citar el artculo

Sistema de Informacin Cientfica

APLICACIN DE LA SIMULACIN A UN SISTEMA DE

Departamento de Administracin, Economa y Finanzas

Aplicacin de la simulacin a un sistema de colas de canal simple

Rafael Terrazas Pastor

sistemtica del problema. Todo este proceso est apoyado y sustentado

La simulacin es aplicable a diferentes ramas tcnicas del saber

ISSN- 1994 - 3733

Ao 13, N 26, 2do Semestre, 2010

Fuente: Elaboracin propia, cita 1

Gracias al anlisis de estos cinco elementos, se puede construir una

Aplicacin de la simulacin a un sistema de colas de canal simple

Rafael Terrazas Pastor

sistemtica del problema. Todo este proceso est apoyado y sustentado

La simulacin es aplicable a diferentes ramas tcnicas del saber

ISSN- 1994 - 3733

Ao 13, N 26, 2do Semestre, 2010

Fuente: Elaboracin propia, cita 1

Gracias al anlisis de estos cinco elementos, se puede construir una

Aplicacin de la simulacin a un sistema de colas de canal simple

Venta de entradas en las ventanillas.

Reparacin de mquinas por los mecnicos.

Aterrizaje de aviones en un aeropuerto.

Ejecucin de tareas en los centros de cmputo.

La solucin analtica ms comn de estos modelos propone que tanto

Arribo de clientes a los cajeros de un banco.

Arribo de automviles a las estaciones de gasolina.

A, representa la distribucin probabilstica referida al tiempo entre

Funcionamiento y congestin de las centrales telefnicas.

F, representa la poblacin o fuente potencial de clientes.

Podemos citar varias situaciones que caracterizan a los sistemas de

Rafael Terrazas Pastor

ISSN- 1994 - 3733

Ao 13, N 26, 2do Semestre, 2010

Departamento de Administracin, Economa y Finanzas

Aplicacin de la simulacin a un sistema de colas de canal simple

Venta de entradas en las ventanillas.

Reparacin de mquinas por los mecnicos.

Aterrizaje de aviones en un aeropuerto.

Ejecucin de tareas en los centros de cmputo.

La solucin analtica ms comn de estos modelos propone que tanto

Arribo de clientes a los cajeros de un banco.

Arribo de automviles a las estaciones de gasolina.

A, representa la distribucin probabilstica referida al tiempo entre

Funcionamiento y congestin de las centrales telefnicas.

F, representa la poblacin o fuente potencial de clientes.

Podemos citar varias situaciones que caracterizan a los sistemas de

Rafael Terrazas Pastor

ISSN- 1994 - 3733

Ao 13, N 26, 2do Semestre, 2010

Departamento de Administracin, Economa y Finanzas

Aplicacin de la simulacin a un sistema de colas de canal simple

Rafael Terrazas Pastor

Fuente: Elaboracin propia en base a cita 2

ISSN- 1994 - 3733

Ao 13, N 26, 2do Semestre, 2010

Departamento de Administracin, Economa y Finanzas

Aplicacin de la simulacin a un sistema de colas de canal simple

Rafael Terrazas Pastor