SECCIÓN INVESTIGACIÓN Y DESARROLLO AUDITORIA

BANCOLOMBIA

SIMULACIÓN DE COLAS
DIANA MARCELA GONZÁLEZ AGUDELO
C.C 1’128.387.558
ESTUDIANTE EN PRÁCTICA 2008-01
FACULTAD DE MINAS. ESCUELA DE SISTEMAS
UNIVERSIDAD NACIONAL DE COLOMBIA, SEDE MEDELLÍN

Septiembre 15 de 2008

1
 CONTENIDO

1 INFORMACIÓN GENERAL DE LA PRACTICA PROFESIONAL 4

1.1. TÍTULO 4
1.2. RESPONSABLES 4
1.3. DESCRIPCIÓN GRUPO BANCOLOMBIA 4
1.4 RESUMEN 7
2 DESCRIPCIÓN DE LA PRACTICA PROFESIONAL 8
2.1. SITUACIÓN PROBLEMÁTICA 8
2.2. OBJETIVOS 9
2.2.1. OBJETIVO GENERAL 9
2.2.2. OBJETIVOS ESPECÍFICOS 9
2.3. ALCANCE 10
2.4. JUSTIFICACIÓN 10
2.5. ESTADO DEL ARTE 11
2.6. ENFOQUE DE SOLUCIÓN 14
3 ANÁLISIS SIMULAIÓN DE SISTEMAS 18
3.1. DESCRIPCIÓN DEL SISTEMA 18
3.2. PLANTEAMIENTO DEL PROBLEMA 19
3.3. TOMA DE DATOS 19
3.4. PRUEBAS ESTADÍSTICAS 20
3.5. DEFINICIÓN DE VARIABLES Y SUPUESTOS 25
3.6. SUPUESTOS PRINCIPALES DEL MODELO 26
3.7. DIAGRAMA DE FLUJO DETALLADO DEL SISTEMA 26
3.8. MODELO EN SIMUL8 28
3.9 PRESENTACIÓN Y ANÁLISIS DE RESULTADOS 33
4 CONCLUSIONES 35
5 LECCIONES APRENDIDAS SIMULACIÓN 35
6 REFERENCIAS 36

2
7 PLANEACIÓN PROYECTO DE LA PRÁCTICA PROFESIONAL 37
7.1. CRONOGRAMA DE ACTIVIDADES 37
8 OTROS TRABAJOS 38
8.1. CADENA DE ABASTECIMIENTOS 38
8.2. OTRAS ACTIVIDADES 39
8.3. LECCIONES APRENDIDAS PRÁCTICA PROFESIONAL 40

3
1. INFORMACIÓN GENERAL DE LA PRACTICA PROFESIONAL
1.1. TITULO
Simulación de colas del sistema en Caja, Grupo BANCOLOMBIA

1.2. RESPONSABLES:
Estudiante
Diana Marcela González Agudelo dmgonzala@unalmed.edu.co
Asesor TDG
Carlos Jaime Franco cfranco@unalmed.edu.co
Director Bancolombia:
Jose Lorenzo Orozco Rivera
jorozco@bancolombia.com.co

1.3. Descripción Grupo Bancolombia:

Es un grupo dedicado a ofrecer productos y servicios dirigidos a los clientes de
Banca personal, Pyme, Empresarial e Hipotecaria, diseñados especialmente
para atender las necesidades de financiación, transacción, ahorro, inversión y
protección, con el objetivo de estar mas cerca de ellos, comprender sus
requerimientos y brindarles atención personalizada con un equipo comercial,
conocedor de la evolución del mercado financiero y la economía para
recomendar alternativas financieras, integrales, efectivas y rentables
El grupo cuenta con las siguientes filiales además de su negocio principal
como banco:
• Valores Bancolombia: Es una compañía del sector bursátil que se
enfoca, además de la intermediación de valores, en la administración de
recursos de acuerdo con su nicho de mercado, a través de una diversa
oferta de fondos de valores. Igualmente, hace parte de su portafolio de
productos, la administración de valores, la asesoría en actividades
relacionadas con el mercado de capitales, las operaciones por cuenta
propia y la administración de portafolios de terceros.Fiduciaria
Bancolombia: Es una entidad de servicios financieros, especializada en

4
 negocios fiduciarios, que brinda diferentes productos y servicios
integrados de inversión y administración con seguridad, solidez y
rentabilidad.
• Leasing Bancolombia: Es la compañía de financiamiento comercial
especializada en Leasing con mayor participación de mercado en el
país. Ofrece un amplio portafolio de productos y servicios orientados a
satisfacer las necesidades de inversión y financiación de personas
naturales, pequeñas, medianas y grandes empresas. Su especialidad es
la financiación de activos productivos mediante Leasing: entrega de un
activo al cliente a cambio de un canon de arrendamiento periódico y la
posibilidad de comprarlo al finalizar el contrato, haciendo uso de la
opción de adquisición.
• Sufi: Es una compañía de financiamiento comercial cuyo objetivo básico
es la intermediación financiera. Esta filial desarrolla líneas de crédito de
consumo orientadas a personas naturales, como tarjetas de marca
privada, financiación de vehículos y libre inversión, entre otros.
• Banca Inversion Bancolombia: Es una corporación fortalecida con el
conocimiento y experiencia de la Banca de Inversión Corfinsura, que
durante 11 años ha prestando servicios de asesoría financiera,
estableciendo el balance perfecto entre el riesgo y la oportunidad,
gracias a una juiciosa evaluación, ideas creativas y una precisa
estructuración. Sus productos son diseñados a la medida de las
necesidades del cliente con el fin de apoyar su estrategia, seguir el
desarrollo de su compañía y generar valor a sus accionistas.
• Bancolombia Miami Agency: El 27 de marzo de 2003 la Reserva Federal
de los Estados Unidos aprobó la aplicación de Bancolombia para abrir
su primera agencia en este país. Con la Agencia se consolida la
presencia internacional de Bancolombia lo cual nos permite ofrecerle a
nuestros clientes servicios financieros integrados y así construir
relaciones de confianza y largo plazo.

5
• Bancolombia Panama: Con el fin de extender sus productos y servicios
a los clientes en el exterior, Bancolombia inició operaciones en Panamá
en 1973 y en 1987 lo hizo en las Islas Cayman. Allí, basados en la
calidad del servicio y el desarrollo humano y tecnológico, nuestros
colaboradores trabajan para ofrecer posibilidades de ahorro, inversión y
crédito que permitan satisfacer las necesidades financieras de los
clientes.
• Bancolombia Puerto Rico: Esta entidad bancaria internacional filial de
Bancolombia, nació en 1998 y está ubicada en la Milla de Oro en San
Juan de Puerto Rico. Para sus clientes, que se encuentran en países
como Colombia, Canadá, México, Costa Rica, Panamá, Cayman,
Venezuela, Brasil y España, entre otros, el Banco ofrece productos de
ahorro, inversión y crédito en dólares y euros.
• Factoring Bancolombia: Es una compañía de financiamiento comercial
que capta recursos de los clientes a través de Certificados de Depósito
a Término (CDTs), con el propósito de realizar operaciones activas de
crédito para facilitar la comercialización de bienes y servicios
• Renting Colombia: Arrienda vehículos a las empresas para que éstas se
concentren en su objeto social dejando a expertos el manejo de su flota.
Cuando un cliente cumple su ciclo y termina su contrato, Renting
Colombia recibe los vehículos para proceder a su comercialización.
• BanAgricola: Nueva adquisición del grupo, es un banco ubicado en el
Salvador.
• Multienlace: Tenemos una completa oferta para atender sus
necesidades de adquisición, crecimiento, mantenimiento y retención de
clientes; en nuestro Contact Center o en sus instalaciones.

6
1.4. RESUMEN

El grupo Bancolombia en su continua búsqueda de generación de valor y sus

deseos de ofrecer un mejor servicio a sus clientes, tal como lo expresa en su
misión:” Somos el mejor aliado de los clientes en la satisfacción de sus
necesidades financieras. Proveemos una amplia gama de productos y servicios
con innovación, eficiencia y amabilidad, y generamos valor a nuestros clientes,
colaboradores, accionistas y a la comunidad”.

Busca a toda costa encontrar la forma de día a día generar mejor calidad en
tiempo y servicio a sus clientes, como parte de la función de la Vicepresidencia
de Auditoria es agregar valor a las demás áreas y al Banco como tal, buscando
lograr sus objetivos de una forma más proactiva, anticipándose a los hechos.
De ahí principalmente surgió la propuesta de aplicar modelos de simulación de
sistemas para alcanzar un punto de pronóstico.

Se decidió aplicarlo en el sistema de colas en las cajas, sin embargo este

amplio concepto puede ser aplicado de una forma más precisa a muchos otros
campos importantes en el Banco

En esta primera fase se realizó un análisis del modelo teórico del sistema
actual, y en futuras etapas poder a partir de este primer acercamiento generar
un modelo en línea que pueda ser utilizado como sistema de control en las
sucursales del banco.

Utilizamos para el análisis la metodología CRISP-MD.

Se utilizó SIMUL8 como herramienta de simulación, SPSS Clementine para la

organización de la información, SPSS Estadístico para el análisis de los Datos.

Palabras Claves:
Simulación de sistemas, Generación de valor, Minería de Datos, Análisis
Estadistico.

7
2. DESCRIPCION DE LA PRÁCTICA PROFESIONAL
2.1. SITUACION PROBLEMÁTICA
Aunque la velocidad del tiempo debería ser la misma porque un minuto es
exactamente un minuto de 60 segundos, el hecho es que el tiempo no
transcurre igual. Viene al caso un ejemplo que daba Einstein, que decía que un
minuto platicando con una bella mujer, no era igual a un minuto si se tenía la
mano en el fuego. En su complicada Teoría de la Relatividad, el concepto de la
percepción del tiempo es uno de los menos difíciles de entender, quizá porque
todos lo hemos experimentado.
En un Banco la percepción del tiempo también suele ser diferente, y realizar
una cola para hacer cualquier tipo de transacción es algo que a los clientes y
usuarios de la entidad les aburre y es algo que por más que no se quiera se
debe hacer. Realizar una fila que tome más de media hora es gastar tiempo
que se podría estar aprovechando en otro tipo de actividades más productivas.
En el mundo, según estudios, la cantidad de datos aumenta alrededor del
doble cada 20 meses [Berndt y Clifford, 1996], esto implica que en sectores de
investigación y organizaciones se posea una gran cantidad de información,
esto como resultado del abaratamiento de las tecnologías necesarias para el
almacenamiento, en consecuencia el análisis de esta inmensa cantidad de
datos sobrepasa el límite para los humanos, por lo cual la automatización de su
análisis genera grandes aportes a diferentes sectores de la academia y
producción de los países, pues se genera valor agregado que se ve reflejado
en ventaja competitiva.
Normalmente la auditoria de las empresas se limitan al control interno de la
empresa y no aprovechan las herramientas que poseen para proponer
soluciones a problemas comunes de la sociedad financiera.

Los anteriores dos puntos sumados hacen que en el grupo Bancolombia, mas
puntualmente en la vicepresidencia de auditoría y su área de investigación y
Desarrollo, se ha dedicado a darle a la entidad propuestas para mejorar la

8
calidad de atención de sus clientes, haciendo uso de las herramientas que se
tienen a su disposición y de la gran cantidad de datos a los que posee acceso
para poder generar de una forma proactiva soluciones de predicción para
sistemas del banco donde la eficiencia es base para mejorar y dar valor
agregado al banco.
Actualmente Bancolombia se encuentra sometido a un proceso basado en la
metodología de 6σ, el cual tiene como parte de sus enfoques la eficiencia de
los procesos, en este punto aplicando la teoría de simulación de sistemas en
colas es posible dar una dirección a la búsqueda del objetivo de eficiencia y
calidad en el servicio.

2.2. OBJETIVOS

2.2.1. OBJETIVO GENERAL

Evaluar el servicio de atención en caja, mediante el uso de modelos de

simulación, para detectar causales de ineficiencia en el proceso y

Corroborar algunos de los estándares que tiene el Banco para los

tiempos transaccionales.

2.2.2. OBJETIVOS ESPECIFICOS

• Diseñar un modelo teórico del comportamiento del sistema en cajas del

Grupo Bancolombia, para visualizar más fácil los problemas de
eficiencia que pueden ocurrir
• Pronosticar días, horas o fechas donde se presentará mayor flujo de
cierto tipo de transacciones para proponer acciones proactivas que
permitan preparar las condiciones para un mejor servicio
• Estimar el tiempo promedio que invierte un cajero en la atención de cada
tipo de transacción utilizando herramientas estadísticas y modelos de
simulación, para discutir la productividad de la atención a los clientes.

9
 • Dar un acercamiento de lo importante que son las herramientas de
simulación cuando se tienen procesos de colas de colas, para darle
solución sin muchos costos a los problemas que puedan surgir.

2.3. ALCANCE

Se pretende la elaboración de un modelo de simulación de sistemas teórico

donde se muestre lo valioso que es el uso de esta herramienta para muchos de
los sistemas del banco tomando uno en particular, bastante común pero con
mucha complejidad, y aplicar ahí el uso de la auditoria de una manera más
proactiva que reactiva.

2.4. JUSTIFICACION

Para el área investigación y desarrollo adscrita a la vicepresidencia de

Auditoria del grupo Bancolombia, es muy importante lograr aportar innovación
y desarrollo en sus procesos para hacer predicciones y actuar antes de que se
presenten lo problemas, la herramienta de simulación de problemas brinda la
posibilidad de visualizar comportamientos, lo que puede brindar un gran apoyo
basado en sus resultados a los análisis presentados en la auditoria del Banco.
La simulación de sistemas es una forma de bajo costo para ver las falencias
que se tienen en diferentes aspectos de cualquier entidad, especialmente en
Bancos donde todos los procesos deben seguir ciertas resoluciones que deben
cumplirse para su buen funcionamiento. La Vicepresidencia de Auditoría en
Bancolombia quiere dejar atrás la imagen que durante mucho tiempo han
acogido por encontrar problemas en los pasos a seguir en sus procedimientos,
quiere ser un area que mas que el problema aporte recomendaciones y
consejos para mejorar la calidad del trabajo. Quiere sin importar el area que
sea afectada aportar facilidad en todo lo que se lleva a cabo en el banco y
darle a los clientes mejor servicio en donde el tiempo no sea un problema y su
seguridad tampoco.

10
Lo anterior ayuda a entender el porqué se pretende elaborar un modelo de de
simulación de sistemas de colas en las sucursales, pues es un método
innovador para aplicarlo en muchos de los procesos que se llevan a cabo e el
Banco y así alcanzar el objetivo final que es llegar a los problemas antes de
que sucedan y no cuando ya han sucedido. En un primera fase se quiso
alcanzar el modelo teórico del comportamiento de uno de los procedimientos
que mas problema genera y que es muy popular en el mundo de los sistemas
de cara al cliente, el sistema de atención en caja. Este modelo fue realizado
gracias a las herramientas proporcionadas por el banco y por una herramienta
que hizo parte de la innovación y el desarrollo que de ser útil en un futuro será
reevaluada para hacer parte del uso común del Banco.
La herramienta a utilizar es SPSS CLEMENTINE, esta herramienta es la
escogida para esta tarea pues además que ya se tienen las licencias para
utilizarla, es una herramienta que se usa para otras tareas en el banco, es una
forma gráfica para la óptima manipulación de los datos y la información
utilizada, además de otras tareas de tipo “predictivo” sobre los datos del banco.
La herramienta propuesta al banco para la creación de modelos de simulación
de sistemas fue SIMUL8, cuya licencia utilizada fue una licencia educativa
gratuita que a pesar de que no tiene todas las funciones que tiene el software
Enterprise, nos permitió dar un acercamiento y proponer ideas para futuros
trabajos para sistemas en línea.

2.5. ESTADO DEL ARTE

Simulación es la experimentación con un modelo de una hipótesis o un

conjunto de hipótesis de trabajo.

Thomas H. Naylor y R. Bustamante la definen así: "Simulación es una técnica

numérica para conducir experimentos en una computadora digital. Estos
experimentos comprenden ciertos tipos de relaciones matemáticas y lógicas,

11
las cuales son necesarias para describir el comportamiento y la estructura de
sistemas complejos del mundo real a través de largos periodos de tiempo".

Una definición más formal formulada por R.E. Shannon es: "La simulación es
el proceso de diseñar un modelo de un sistema real y llevar a término
experiencias con él, con la finalidad de comprender el comportamiento del
sistema o evaluar nuevas estrategias -dentro de los limites impuestos por un
cierto criterio o un conjunto de ellos - para el funcionamiento del sistema".

La planeación e implementación de proyectos complejos en los negocios,

industrias y gobierno requieren de grandes inversiones, razón por la que es
indispensable realizar estudios preliminares para asegurar su conveniencia de
acuerdo a su eficiencia y ejecución económica para proyectos de cualquier
tamaño. Una técnica para ejecutar estudios piloto, con resultados rápidos y a
un costo relativamente bajo, está basado en la modelación y se conoce como
simulación. El proceso de elaboración del modelo involucra un grado de
abstracción y no necesariamente es una réplica de la realidad; consiste en una
descripción que puede ser física, verbal o abstracta en forma, junto con las
reglas de operación. Más aún debido a que el modelo es dinámico, su
respuesta a diferentes entradas puede ser usada para estudiar el
comportamiento del sistema del cual fue desarrollado.

La simulación de sistemas ofrece un método para analizar el comportamiento

de un sistema. Aunque los sistemas varían en sus características y
complejidades, la síntesis de la formación de modelos, la ciencia de la
computación, y las técnicas estadísticas que representa este tipo de
simulación constituye un conjunto útil de métodos para aprender sobre estas
características y complejidades e imponerles una estructura. Para comprender
las características técnicas de este enfoque y aplicarlas a un problema real, es
necesario familiarizarse con los conceptos que describen un sistema y un
modelo.

12
QUE INTENTA LA SIMULACION
1. Descubrir el comportamiento de un sistema
2. Postular teorías o hipótesis que expliquen el comportamiento observado
3. usar esas teorías para predecir el comportamiento futuro del sistema, es
decir mirar los efectos que se producirían en el sistema mediante los cambios
dentro de él o en su método de operación (tiempo en minutos)
Simulación de Caja Registrador

PROPIEDADES DE LOS MODELOS DE SIMULACION DEFINICION DE

MODELO
Modelo es una representación de un objeto, sistema o idea de forma diferente
a la de identidad misma
Por lo general el modelo nos ayuda a entender y mejorar un sistema
El modelo de un objeto puede ser una réplica exacta de este. Con la diferencia
del material que lo compone o de su escala, inclusive puede ser una
abstracción de las propiedades dominantes del objeto.
FUNCIONES DEL MODELO
- Comparar
- Predecir
Ej: La pintura es una réplica de algo que existe
- Un carro de madera es la réplica de un original.
ESTRUCTURA DEL MODELO
El modelo se puede escribir de tal forma
E = F(Xi, Yi)
Donde
E: Es el efecto del comportamiento del sistema
Xi: Son las variables y parámetros que nosotros podemos controlar
Yi: Las variables y los parámetros que nosotros no podemos controlar
F: Es la función con la cual relacionamos Xi con Yi con el fin de modificar o dar
origen a E
PROPIEDADES DE LOS MODELOS

13
1. COMPONENTES:
Son las partes de un conjunto que forman el sistema
2. VARIABLES:
Pueden ser de dos tipos (Exógenos, Endógenos)
- Exógenas: Entradas son originadas por causas externas al sistema
- Endógenas: Son producidas dentro del sistema que resultan de causas
internas, las cuales pueden ser de Estado o de Salida
i. Estado: Muestran las condiciones iniciales del sistema
ii. Salida: Son aquellas variables que resultan del sistema
Estadísticamente a las variables exógenas se las denomina como variables
independientes
3. PARAMETROS:
Son cantidades a las cuales el operador del modelo puede asignarle valores
arbitrarios lo cual se diferencia de las variables.
Los parámetros una vez establecidos se convierten en constantes.
4. RELACIONES FUNCIONALES:
Describen a los parámetros de tal manera que muestran su comportamiento
dentro de un componente o entre componentes de un sistema.
Las relaciones funcionales pueden ser de tipo determinísticos o estocásticos.
- Determinísticas: Sus definiciones que relacionan ciertas variables o
parámetros donde una salida del proceso es singularmente determinada por
una estrada dada.
- Estocásticas: Cuando el proceso tiene una salida indefinida, para una
entrada determinada las relaciones funcionales se representan por ecuaciones
matemáticas y salen del análisis estadístico matemático.

2.6. ENFOQUE DE SOLUCIÓN

Para la realización del proyecto de simulación de sistemas utilizamos la

metodología usada para minería de datos la cual conlleva una serie de tareas
que necesitan ser realizadas de la manera más correcta posible, esto con el fin

14
de alcanzar los resultados esperados para finalizar con éxito el proyecto, es por
esto que las etapas a seguir en el transcurso del proyecto son realizadas
basándose en una metodología para este fin, la metodología es llamada
CRISP-DM(CRoss-Industry Standard Process for Data Mining).

La metodología CRISP-DM [Chapman,2000] esta descrita en términos

jerárquico, consistente en un conjunto de tareas descritas en cuatro niveles de
abstracción(de lo general a lo especifico) fases, tareas genéricas, tareas
especializadas y instancias del proceso o productos. En el nivel más alto se
encuentra organizado por un número de fases, cada fase está compuesta de
tareas genéricas, el tercer niveles un conjunto de tareas más especializadas y
al final el producto de cada fase.

La secuencia de las actividades no es rígida, por lo tanto, se puede ir de una

fase a otra sin ningún problema, esto hace que el proceso antes descrito sea
iterativo ya que la salida de alguna de las fases puede hacer volver a pasos
anteriores y en algunas ocasiones es necesario iterar para extraer
conocimiento de alta calidad.

En el modelo se muestran las diferentes fases del CRISP-DM, las cuales son:
• Entendimiento del negocio
• Entendimiento de los datos
• Preparación de los datos
• Modelado
• Evaluación

Entendimiento del Negocio: Esta es la fase inicial y se concentra en entender

los objetivos del proyecto, además de los requerimientos desde una
perspectiva de negocio, esto con el fin de convertir este conocimiento en la
definición de un problema de minería de datos y la planeación requerida para
alcanzar los objetivos propuestos. Puede generar productos tales como:

15

Conocer lo que el Banco ha hecho

Identificar la fuente de los datos

Personas con quienes interactuar

Definir los objetivos del trabajo

Entendimiento de los Datos: Esta fase comienza con una colección inicial de
datos y continua con actividades que nos permiten familiarizarnos con estos
datos, identificar problemas de calidad de los datos y detectar subconjuntos de
datos que permiten formar hipótesis acerca de los datos. Puede generar
salidas tales como:

Fuentes de datos

Saber que datos se necesitan para modelar

Obtención de datos

Análisis tipos de transacción

Preparación de los datos: La fase de preparación de los datos cubre todas

las actividades necesarias para construir lo que se conoce como vista
modelable, estas actividades no solo se realizan al comienzo si no que pueden
ocurrir varias veces, ejemplos de estas actividades pueden ser selección de
tablas, registros o atributos.
Puede generar salidas tales como:

Transacciones => Estimados por tipo transacción (Tiempo de
servicio)

Demora

Horas – Fechas – Días – Franjas

Frecuencia de llegada (Distribución)

Frecuencia de transacciones

Estadísticos

16
Modelado: Para esta etapa en particular se seleccionan y aplican varias
técnicas de modelado, en esta etapa es donde se ve necesario a veces volver
a la preparación de los datos, pues algunas técnicas de modelado necesitan
que los datos cumplan ciertas características. Puede generar salidas tales
como:

Configurar herramienta

Entrada de datos

Ejecución modelo

Validación y ajuste

Evaluación: aquí en esta fase, ya se ha construido un modelo que parece

tener una gran calidad, pero antes de desplegarlo, es importante evaluar y
revisar los pasos ejecutados para llegar al modelo que tenemos y ver si cumple
con los objetivos organizacionales. Puede generar salidas tales como:

Conclusiones

Resultados

Propuesta de valor

17
3. ANALISIS SIMULACIÓN DE SISTEMAS

3.1. DESCRIPCION DEL SISTEMA

El objetivo principal es evaluar la eficiencia del servicio mediante el uso de

modelos de simulación para determinar las causales que lo afectan. Crear un
Modelo Teórico del flujo de clientes del sistema de caja en un banco.

Este sistema está compuesto por dos filas y n servidores (para la simulación se
hará con solo 5 cajeros); la primera fila: general, en esta fila se realiza la mayoría
de transacciones; en la segunda fila: caja de divisas, en esta caja se realiza las
transacciones de divisas y además atiende transacciones de clientes especiales
(embarazo, discapacidad, bebe de brazos, etc.), uno de los servidores atiende
principalmente esta fila, sin embargo cuando esta fila esta vacía, también esta
capacitado en atender la fila general.

En un primer prototipo del proyecto se hará énfasis en simular el sistema tal y

como sucede en la realidad, actualmente, el objetivo final que se quiere alcanzar
es poder pronosticar el comportamiento del sistema con anterioridad según el día,
y poder tomar decisiones proactivas que logren darle una eficiente atención al
cliente .

18
 3.2. PLANTEAMIENTO DEL PROBLEMA

De acuerdo a los días, fechas y horas, el comportamiento en la fila de un Banco es

diferente, y en ocasiones la cantidad de cajeros activos no es suficiente para
atender con agilidad las transacciones de las personas, por esta razón es que se
acumula una cola que crece con frecuencia. Este hecho trae consigo varias
consecuencias, entre las que se encuentran:

• Insatisfacción de los clientes

• Pérdida de tiempo para los clientes
• Aumento en el horario de trabajo de los Cajeros

El espacio para la fila en el Banco es ilimitado, es decir la longitud de la cola

puede extenderse tanto como se pueda, lo único que restringe la llegada de los
clientes es el horario de entrada.

Al final del proceso se espera encontrar las causas de problemas que afectan el
desarrollo normal del sistema, problemas que se pueden encontrar en la
preparación de la sucursal para responderle a la alta demanda de clientes,
además se busca idear soluciones que permitan superar los inconvenientes
planteados anteriormente de una manera sencilla, adecuada y proactiva.

3.3. TOMA DE DATOS

Los datos tomados fueron básicamente la frecuencia de llegada de los clientes a

la cola de la Fila General del Banco (Cantidad de clientes que llegaban a la cola
cada cinco minutos), y a partir de esto concluir la de tiempo de llegada de los
clientes.
A partir del sistema Transaccional financiero GOLF se obtuvo la información de los
tiempos de duración

Para efectos de modelado del problema, fue acordado que cuando un usuario
llega al cajero, en ese momento empieza el tiempo de servicio. El tiempo de
servicio dura entonces desde que el usuario llega donde el cajero, hasta que
termina por completo la transacción o las transacciones.

Dichos datos se tomaron del sistema de transaccionalidad del banco en donde se

mide la hora en la cual comienza cada transacción, para obtener el tiempo de
servicio se realiza la resta entre la hora de dos transacciones contiguas, por
conveniencia el tiempo será manejado en segundos.

Para tomar el tiempo de llegada de los clientes, al ser una tarea tan laboriosa se
decido tomar la frecuencia de la llegada de los clientes cada 5 minutos, con esta
información se podrá obtener el comportamiento del tiempo de llegada.

19
Para este último se realizaron 10 muestreos; realizados en fechas estratégicas
que cumplen con los diferentes tipos de comportamientos que se pueden observar
en un banco, por ejemplo días comunes de poca demanda de clientes como
martes y jueves, o días de demanda regular como lunes y viernes, o días con
mucha demanda como quincenas y comienzo de mes. Esta información que
comúnmente es concluida por la experiencia será validada con este trabajo. A
demás para tener más certeza del comportamiento se realizó en dos sucursales
de Medellín: Carabobo y Coltejer. Todos los datos fueron obtenidos en la franja
horaria de 2:00 p.m. a 4:30 p.m., y en el caso de los viernes de 2:00 p.m. a 5:00
p.m.

Cabe mencionar que varios de los días en que se tomaron los datos, estuvo
lloviendo copiosamente durante el tiempo de muestreo. Se cree que por esta
razón la demanda de clientes pudo haber disminuido. De todas formas, el hecho
de que hubiéramos tomado las muestras en horarios similares y con igual clima,
debe hacer la muestra homogénea. Sin embargo no pensamos que por causa de
la lluvia, hayamos observado un sistema alejado de la cotidianidad.

El software utilizado para analizar los datos estadísticos fue Statgraphics plus.

3.4. PRUEBAS ESTADISTICAS

Para los tiempos de Llegada (Lunes)

Para los tiempos entre Llegada a la cola de la fila general un lunes tenemos
la siguiente prueba de hipótesis con un alpha de 0.1, es decir con un 90%
de Nivel de confianza.

H0: TLLl se distribuye como una LogNormal

H1: TLLl no se distribuye como una LogNormal

RESULTADOS

El valor p de la prueba es:

P-Value = 0,7022093
Fitted LogNormal distribution:
Mean = 1,5108
Standard desviation = 2,72515

CONCLUSIÓN

Dado que el valor p es mucho mayor que 0.1, aceptamos la hipótesis nula y
concluimos que el tiempo entre llegadas de la gente la cola de la fila general
un lunes, se distribuye como una LogNormal con un nivel de confianza del
90%

20
Para los tiempos de Llegada (Martes)
Para los tiempos entre Llegada a la cola de la fila general un Martes
tenemos la siguiente prueba de hipótesis con un alpha de 0.1, es decir con
un 90% de Nivel de confianza.

H0: TLLm se distribuye como una Erlang

H1: TLLm no se distribuye como una Erlang

RESULTADOS

El valor p de la prueba es:

P-Value = 0.849465.
Fitted Erlang distribution:
Shape = 5,0
Scale = 4.91069

CONCLUSIÓN

Dado que el valor p es mucho mayor que 0.1, aceptamos la hipótesis nula y
concluimos que el tiempo entre llegadas de la gente la cola de la fila general
un martes, se distribuye como una Erlang con un nivel de confianza del
90%

Para los tiempos de Llegada (Miércoles)

Para los tiempos entre Llegada a la cola de la fila general un Miércoles
tenemos la siguiente prueba de hipótesis con un alpha de 0.1, es decir con
un 90% de Nivel de confianza.

H0: TLLc se distribuye como una LogNormal

H1: TLLc no se distribuye como una LogNormal

RESULTADOS

El valor p de la prueba es:

P-Value = 0,135577.
Fitted Normal distribution:
Mean = 0,52398
Standard deviation = 0,798332

CONCLUSIÓN

Dado que el valor p es mucho mayor que

0.1, aceptamos la hipótesis nula y concluimos que el tiempo entre llegadas
de la gente la cola de la fila general un miércoles, se distribuye como una
LogNormal con un nivel de confianza del 90%

21
Para los tiempos de Llegada (Jueves)
Para los tiempos entre Llegada a la cola de la fila general un Jueves
tenemos la siguiente prueba de hipótesis con un alpha de 0.1, es decir con
un 90% de Nivel de confianza.

H0: TLLj se distribuye como una LogNormal

H1: TLLj no se distribuye como una LogNormal

RESULTADOS

El valor p de la prueba es:

P-Value = 0,457486.
Fitted LogNormal distribution:
Mean = 0,52398
Standard Deviation =

CONCLUSIÓN

Dado que el valor p es mucho mayor que 0.1, aceptamos la hipótesis nula y
concluimos que el tiempo entre llegadas de la gente la cola de la fila general
un jueves, se distribuye como una LogNormal nivel de confianza del 90%

Para los tiempos de Llegada (Viernes)

Para los tiempos entre Llegada a la cola de la fila general un Viernes
tenemos la siguiente prueba de hipótesis con un alpha de 0.1, es decir con
un 90% de Nivel de confianza.

H0: TLLv se distribuye como una LogNormal

H1: TLLv no se distribuye como una LogNormal

RESULTADOS

El valor p de la prueba es:

P-Value = 0.171205.
Fitted Poisson distribution:
Mean = 0.982593
Standard deviation = 0.487439

CONCLUSIÓN

Dado que el valor p es mucho mayor que 0.1, aceptamos la hipótesis nula y
concluimos que el tiempo entre llegadas de la gente la cola de la fila general
un Viernes, se distribuye como una LogNormal con un nivel de confianza
del 90%

22
Para los tiempos de Llegada (Quincena)
Para los tiempos entre Llegada a la cola de la fila general en Quincena
tenemos la siguiente prueba de hipótesis con un alpha de 0.1, es decir con
un 90% de Nivel de confianza.

H0: TLLq se distribuye como una LogNormal

H1: TLLq no se distribuye como una LogNormal

RESULTADOS

El valor p de la prueba es:

P-Value = 1.21481.
Fitted Normal distribution:
Mean = 1.21481
Standard deviation = 3,64085

CONCLUSIÓN

Dado que el valor p es mucho

mayor que 0.1, aceptamos la hipótesis nula y concluimos que el tiempo
entre llegadas de la gente la cola de la fila general en quincena, se
distribuye como una LogNormal con un nivel de confianza del 90%

Para los tiempos de Llegada (Fechas Especiales)

Para los tiempos entre Llegada a la cola de la fila general en un Fecha
especial (Primer día del mes, pago a jubilados, martes después de lunes
festivo, etc.) tenemos la siguiente prueba de hipótesis con un alpha de 0.1,
es decir con un 90% de Nivel de confianza.

H0: TLLfe se distribuye como una LogNormal

H1: TLLfe no se distribuye como una LogNormal

RESULTADOS

El valor p de la prueba es:

P-Value = 0.618708.
Fitted Normal distribution:
Mean = 0.820883
Standard deviation = 0.476778

CONCLUSIÓN

Dado que el valor p es mucho mayor que 0.1, aceptamos la hipótesis nula y
concluimos que el tiempo entre llegadas de la gente la cola de la fila general
en Fechas especiales, se distribuye como una LogNormal con un nivel de
confianza del 90%

23
Tiempos de servicio en la caja( cajero 1 )
Para la distribución de los tiempos de servicio en las cajas tenemos la
siguiente prueba de hipótesis con un alpha de 0.1, es decir con un 90% de
Nivel de confianza.

H0: TSC1 se distribuye como una Erlang

H1: TSC1 no se distribuye como una Erlang

RESULTADOS

El valor p de la prueba es:

P-Value = 0,190556.
Fitted Erlang distribution:
Average = 1,54208
k = 1,0

CONCLUSIÓN

Dado que el valor p es mayor que 0.1, aceptamos la hipótesis nula y

concluimos que el tiempo de servicio del cajero 1, se distribuye como una
Erlang con un nivel de confianza del 90%.

Tiempos de servicio en la caja ( cajero 2 )

Para la distribución de los tiempos de servicio en las cajas tenemos la
siguiente prueba de hipótesis con un alpha de 0.1, es decir con un 90% de
Nivel de confianza.

H0: TSC2 se distribuye como una lognormal

H1: TSC2 no se distribuye como una lognormal

RESULTADOS

El valor p de la prueba es:

P-Value = 0,288823.
Fitted lognormal distribution:
Mean = 1,12767
Standard deviation = 2,72931

CONCLUSIÓN

Dado que el valor p es mayor que 0.1, aceptamos la hipótesis nula y

concluimos que el tiempo de servicio del cajero 2, se distribuye como una
lognormal con un nivel de confianza del 90%.

24
 Tiempos de servicio en la caja (Cajero 3 )
Para la distribución de los tiempos de servicio en las cajas tenemos la
siguiente prueba de hipótesis con un alpha de 0.1, es decir con un 90% de
Nivel de confianza.

H0: TSC3 se distribuye como una Weibull

H1: TSC3 no se distribuye como una Weibull

RESULTADOS

El valor p de la prueba es:

P-Value = 0,118476.
Fitted Weibull distribution:
Alpha = 1,29466
Beta = 0,888551

CONCLUSIÓN

Dado que el valor p es mayor

que 0.1, aceptamos la hipótesis nula y concluimos que el tiempo de servicio
del cajero 3, se distribuye como una Weibull con un nivel de confianza del
90%.

3.5. DEFINICIÓN DE VARIABLES Y SUPUESTOS

Las variables que se utilizaran durante el estudio, serán los mismos tiempos que
se definieron para realizar las pruebas para las distribuciones, así como unas
nuevas variables que definiremos a continuación.

ENDÓGENAS:

• TPLL: Tiempo de llegada del próximo usuario.

• TS: Tiempo de Servicio

DE ESTADO:

• CC: Clientes que se encuentran en cola.

• CSS: Clientes que han salido del sistema en un momento.
• CES: Clientes que han entrado al sistema en un momento.

EXÓGENAS:

• TSIM: Tiempo de simulación.

25
3.6. SUPUESTOS PRINCIPALES DEL MODELO:

- Al ser un modelo teórico, no se tuvieron en cuenta todas las cajas de la

sucursal, solo a una de las filas Generales fue seguido el proceso.
- Es posible que se desprecie el tiempo en que los clientes se desplazan
desde la fila hasta la caja.
- El tiempo de ocio de los cajeros fue despreciado debido al poco tiempo de
toma de datos, pero puede ser retomado en un segundo prototipo.
- La muestra tomada probablemente brinde un poco menos de confiabilidad
de la que se esperaba

3.7. DIAGRAMA DE FLUJO DETALLADO DEL SISTEMA

26
27
 3.8. MODELO EN SIMUL8

El Software utilizado para el modelado del sistema fue Simul8, este permite
observar el comportamiento del sistema de una manera muy aproximada a la
realidad.
En este primer prototipo se logró captar la caja general y caja de divisas.
Cuando se abre el modelo, en principio se observa un Wizard que guiará al
usuario a elegir ciertas opciones para correr el modelo con las características que
más se ajustan a sus necesidades.

• Introducción: Se da una explicación Básica de lo que sigue a continuación

28
• Dirige la opción de elegir el día en q se desea simular, cabe anotar q cada
día tiene un comportamiento diferente, y es modificable su distribución.

• En este recuadro se elige la cantidad de cajeros con los que se desea

simular y si todos tienen igual o distinto comportamiento.

29
• Si el usuario en el recuadro anterior eligió la opción “Los Cajeros tienen
igual comportamiento”, el usuario solo debe ingresar una distribución y esa
misma quedará asignada para todos.

• Si el usuario en el recuadro anterior eligió la opción “Los Cajeros tienen

distinto comportamiento”, el usuario debe ingresar una distribución para
cada cajero.

30
• Para cualquiera de las dos opciones se debe ingresar por aparte la
distribución del cajero n que es de Caja Divisas.

31
• El siguiente recuadro termina el Wizard y da comienzo a la Simulación

• Modelo Corriendo

32
3.9. PRESENTACIÓN Y ANÁLISIS DE RESULTADOS DE LA SIMULACIÓN

33
Según los resultados podemos darnos cuenta de que en promedio un usuario esta
en cola más o menos de 17 minutos, en un día normal, lo cual es un tiempo
relativamente considerable porque esta cantidad de tiempo esperando pueden
llegar a ser improductivos con relación a que el usuario podría cansarse y desertar
de la fila, no pudiendo realizar su transacción, lo cual perjudica al usuario y al
banco, tanto en imagen como en eficiencia. Por otro lado en la fila de caja divisas
el tiempo promedio que tarda un usuario en realizar su transacción en
aproximadamente 1 minuto y medio, debido a que esta fila solo es para
transacciones de comercio exterior o para las personas especiales.
Mirando la tabla también observamos que el máximo tiempo en cola es en
promedio relativamente alto, aunque el tiempo mínimo en cola puede llegar a ser
cero se da en muy pocos casos y esto lo podemos deducir porque el tamaño
promedio de la cola y por el número de usuarios que tienen tiempo de cola
diferente de cero.

También podríamos pensar en base a los resultados que el tamaño máximo de

cola es un muy grande, lo que provoca que los clientes al ver una cola tan
extensa, no realicen su transacción.

34
4. CONCLUSIONES

Se puede observar que el sistema es muy propicio para ser trabajado con
Simulación de Sistemas debido a que cumple las características de un modelo de
colas y porque se busca no solo analizar el funcionamiento, sino también proponer
una mejor alternativa para éste.

Pudimos concluir que el comportamiento de cada día de la semana es muy parejo

varia solamente en la media dependiendo del tipo de día que sea.

Se logró detectar que hay deficiencias en el sistema ya que en ocasiones la cola

alcanza un tamaño muy alto, lo que conlleva a perdida de clientes.

Plantear cualquier sistema de una manera adecuada, permitirá facilitar una

correcta y productiva simulación, lo que nos permitirá realizar análisis de una
manera sencilla y prácticamente sin demasiados costos, además siguiendo el
desarrollo que este mismo trabajo tuvo, es posible presentar soluciones más
rápidamente y que pueden ponerse a prueba de una manera aun más fácil.

5. LECCIONES APRENDIDAS

• Conocimiento de los procesos comerciales del Banco

• Investigación de las opciones para el modelado
• Exploración y conocimiento de los journals
• Manipulación de los Archivos del GOLF
• Comunicación de dudas.
• Liderazgo en un proyecto
• Búsqueda de información

35
6. REFERENCIAS

• http://www.monografias.com/trabajos20/simulacion-sistemas/simulacion-
sistemas.shtml
• [Daniel,2005] Daniel L, Discovering Knowledge In Data Introduction To
Data Mining,2005
• [Orallo 2004] Hndez.Orallo, Ramirez Quintana, Ferri Ramirez.Introduccion A
La Mineria De Datos,2004
• [Bancolombia,2006]Http://Www.Grupobancolombia.Com/Conocebancolomb
ia/Informacionempresarial/Conocebancolombia/Visionmisionvalores/Index.A
sp?Opcion=Op1
• [Thearling] Kurt Thearling, An Introduction To Datamining
HTTP://WWW.THEARLING.COM/TEXT/DMWHITE/DMWHITE.HTM
• [Chapman,2000]Crisp Consortium, Crisp 1.0 Process And User Guide.2000

36
 7. PLANEACION PROYECTO DE LA PRÁCTICA PROFESIONAL
7.1. CRONOGRAMA DE ACTIVIDADES
El cronograma que se presenta a continuación muestra las actividades que se
siguieron para el desarrollo del proyecto

CRONOGRAMA

HORAS
FECHA FECHA NRO_SEMANA DEDICADA
ETAPA INICIO LIMITE S S

Entendimiento del Negocio - - - -

Comprensión de los datos May-12 May-16 1 35

Preparación de los datos May-19 May-30 2 63

Modelamiento Jun-03 Jun-06 1 32

Análisis de Resultados Jun-09 Jun-13 1 35

Documentación y
Preparación de
presentaciones Jun-16 Jul-04 3 98

37
8. OTROS TRABAJOS
8.1. CADENA DE ABASTECIMIENTOS
Manipulación del aplicativo JDEDWARDS, OPTIMA Y SFI, aplicativos que
contienen la información sobre los proveedores de Bancolombia, la
fiduciaria Bancolombia y Banca de Inversión, y de todas las bases de datos
que estos manejan.
Ruta de donde se obtuvo gran parte de la información requerida.

De los proveedores seleccionados se generó la información resumida y

completa con las facturas y pagos realizada por ellos, cada uno con su
concepto, entre otras cosas.
Se generaron las Reclasificaciones para el 2008 de Bancolombia.

38
8.2. OTRAS ACTIVIDADES
a. Creación de Nuevas Rutas SAC.
 Retiros y traslados por PINPAD: Se deseaba obtener la información
de los retiros menores a 1’200.000 y los traslados menores a
15’000.000
 Consignaciones en efectivo: El objetivo de esta ruta es obtener los
clientes q en un día realizaron consignaciones de más de 30’000.000
 Retiros y traslados por PINPAD: Se deseaba obtener la información
de los retiros menores a 1’200.000 y los traslados menores a
15’000.000
 Consignaciones en efectivo: El objetivo de esta ruta es obtener los
clientes q en un día realizaron consignaciones de más de 30’000.000

b. Modificación de Rutas SAC, GCC y proyecto de Segmentos.

 Rutas para la generación de muestras GCC.
- Se modificó todas las rutas para que solo sea cambiar un
archivo en AS/400 y así evitar equivocarse al poner las
sucursales de interés.
 Se realizó ajustes a una de las rutas del proyecto de Segmentos.

c. Generación de muestras SAC y GCC.

 Se dio apoyo a la generación de muestras para las auditorias en
sucursales tanto GCC como SAC, durante Marzo y Abril, Mayo y
Junio

d. Obtención de journals todas las sucursales.

 Se extrajeron los journals de las sucursales para los siguientes casos
- La generación de algunas pruebas SAC
- Proyecto de Corroboración de Hipótesis, durante el periodo de
Octubre a Marzo, para las sucursales Carabobo, Carrera Octava y
Cartagena.

39
 - Proyecto de Simulación, durante los días que se tomó el tiempo entre
llegadas, en las sucursales Carabobo y Coltejer.

e. Apoyo y Asesoría en consultas de Bases de Datos en Clementine.

8.3. LECCIONES APRENDIDAS PRÁCTICA PROFESIONAL

• Conocimiento de metodologías para minería de datos, aunque aplicadas en
un enfoque hacia la planeación de un sistema de colas.
• Aprendizaje de herramientas como Clementine, Simul8, Statgraphics y un
poco de SPSS, y mejoramiento del conocimiento de otras como Access y
Excel
• Trabajo con Bases de datos y Simulacion de sistemas
• Apoyo en la solucion de procesos y requerimientos generados por las
necesidades de los auditores.
• Aprendizaje de muchos de los procesos del Grupo Bancolombia.
• Aplicación de lo aprendido en la universidad.

40