You are on page 1of 9

Optimizando tiempos de espera en filas o colas

O. Crdoba-Rodrguez 1,2, M. A.3 de la Lama Zubirn,4, M. del Castillo-Mussot 1, A. de la Lama Garca 5.


1.

Instituto de Fsica, UNAM , A. P. 20 -364, 01000, Mxico D. F. Mxicxo

2.

Facultad de Ciencias UNAM, Universidad 3000 Circuito Exterior S/N, C.P. 04510 Ciudad Universitaria

3.

UAM Xochimilco, Calzada del Hueso 1100, Col. Villa Quietud, Delegacin Coyoacn, C.P. 04960, Mxico, D.F

4.

Instituto de Ingeniera, UNAM , A. P. 70-472, Mxico D.F. Mxico.

5.

UAM Iztapalapa,, Av. San Rafael Atlixco N 186, Col. Vicentina C.P. 09340, Iztapalapa, Mxico D.F. Mxico

We show two forms to measure the times of delay in establishments of service where queues are generated. The first
method measures the delay times from the supply (number of cashiers), the demand (number of clients) and the number of
operations per customer. The second method measures the delay times from the customers entrance and exit speeds.
Keywords: Fluids; optimization; granular systems; science and society; control systems.
.
Mostramos dos formas de medir los tiempos de espera en locales de servicio en donde se generan filas o colas. El primer
mtodo mide los tiempos de espera a partir de la oferta (nmero de cajeros), la demanda (nmero de clientes) y el nmero
de operaciones por cliente. El segundo mtodo mide el tiempo de espera a partir de las velocidades de entrada y salida de
los clientes.
Descriptores: Fluidos; Optimizacin; Sistemas granulares; Ciencia y Sociedad; Sistemas de control..
PACS: 47.10.-g; 87.55.de; 45.70.-n; 01.75.+m; 07.05.Dz

1. Introduccin
Los ciudadanos son cada vez ms conscientes del valor del tiempo (trabajo, transporte,
recreacin, etc.). Por eso mismo, les irrita aquellas situaciones en las que se ven obligados a esperar
para obtener un producto o un servicio, no importando si se trata de una oficina gubernamental o una
privada; del cine, del estadio, del supermercado, la sucursal bancaria o la ventanilla universitaria. Todos
los clientes son reticentes a hacer filas o colas.
1

Este articulo busca responder a las siguientes preguntas, no sera posible disear un sistema
que mida el tiempo de atencin al usuario y que adems le permitiera predecir el comportamiento de la
demanda y en consecuencia pudiera actuar sobre la oferta antes de que los tiempos de espera se
acrecienten No sera posible desarrollar uno sencillo y barato que pudiera se usado por cualquier
empresa dispuesta a ofrecer un mejor servicio a sus clientes, sin importar su tamao?
Para poder encontrar la respuesta a estas preguntas, es crucial poder saber si es posible ofrecer
al usuario o cliente de un servicio un tiempo promedio de atencin que corresponda a los niveles de
calidad previamente establecidos. Para ello, primero necesitamos saber si es posible medir el tiempo
promedio de espera de los clientes, para despus ver qu variables se pueden manipular y as poder
disminuir este tiempo de espera. Los sistemas de colas son muy comunes en la sociedad. La adecuacin
de estos sistemas puede tener un efecto importante sobre la calidad de vida y la productividad. Para
estudiar estos sistemas, la teora de colas formula modelos matemticos, tratando de predecir la forma
en que los clientes arriban a los establecimientos representan su operacin y despus usa estos modelos
para obtener medidas de desempeo.
La aparicin de nuevas teoras de la organizacin que enfocan su atencin a los deseos e
intereses de los clientes o usuarios del servicio que se ofrece no es nueva, y estn ligadas a las teoras
del control Total de Calidad son conocidas como TQC [1] (Control Total de Calidad, por sus siglas en
ingls).
La teora de colas es el estudio matemtico de las lneas de espera (o colas) [2]. El rea de fsica con el
que podemos ligar los correspondientes tiempos de espera es, en primera aproximacin, la dinmica de
fluidos. Imaginamos a las personas como un medio continuo que se desplaza en cierta direccin a
travs de algn recipiente; donde la fila hace las veces del recipiente y el fluido las personas.
El proceso bsico supuesto por la mayor parte de los modelos de colas es el siguiente. Los clientes que
requieren un servicio se generan a travs del tiempo en una fase de entrada. Estos clientes entran al
sistema y se unen a una cola. En determinado momento se selecciona un miembro de la cola, para
proporcionarle el servicio, mediante alguna regla conocida como disciplina de servicio. Luego, se lleva
a cabo el servicio requerido por el cliente en un mecanismo de servicio, despus de lo cual el cliente
sale del sistema de colas. Es en estos conceptos donde se ocupan los modelos matemticos, desde tratar
de predecir la llegada de los clientes y con que distribucin lo hacen, pasando por el mecanismo de
servicio y la distribucin de salida de los clientes. Sin embargo no siempre son adecuados los modelos,
o se pueden volver muy complicados [3]. En este artculo presentamos dos formas sencillas de medir
los tiempos de espera en las filas, a partir de los conceptos bsicos de nmero de clientes, operadores,
tiempo de espera y numero de operaciones por clientes.
En nuestro problema, se puede aplicar, como en un tubo de corriente de algn fluido, la
ecuacin de continuidad:
(u ) =

, donde
es la densidad del fluido, t el tiempo y u la velocidad.
t

Esta expresin nos dice que el cambio en el tiempo de la densidad de un fluido es igual al
cambio en el flujo de la densidad de corriente. Pero como para un flujo permanente de una tubera la
masa del fluido que atraviesa cualquier seccin de la tubera es constante tenemos que
2


= 0y
t

por tanto, u = 0 .

El siguiente ejemplo nos ayuda a visualizar la semejanza del problema con el fenmeno de fluidos.
Supongamos una serie de pelotas, las cuales caen en un recipiente que tiene una salida en el fondo del
mismo. En esta salida hay un diablito1 que slo permite la salida de las bolas a una determinada
velocidad. Dadas estas condiciones, el tiempo de permanencia de las pelotas en el cubo estara dado por
la relacin entre el nmero de pelotas que entran y la velocidad con que el diablito las deja salir. La
figura 1 muestra dicho comportamiento:

Fig. 1. Esquema de filas de espera con diablito a la salida del recipiente.


Existen tres situaciones:
A Si el nmero de pelotas que caen es igual al nmero de pelotas que el diablito deja salir, entonces,
tendremos un tiempo de espera constante, en el cual las pelotas tienden a permanecer dentro del cubo.
B. Si aumenta el nmero de bolas que caen dentro del recipiente y el diablito mantiene constante la
velocidad de salida, que es menor a la entrada de las pelotas, entonces, las pelotas se acumularn en el
recipiente, su tiempo de permanencia aumentar y su opinin sobre la calidad del servicio caer.
C. Existe una cantidad de pelotas previas en el recipiente. Si ahora el nmero de las pelotas que entran
al recipiente disminuye y el diablito mantiene constante la velocidad a que deja salir las pelotas, que es
mayor a la velocidad a que entran, entonces, el tiempo de espera de las pelotas dentro del recipiente
tender a disminuir.
Como se puede apreciar por las tres situaciones presentadas, cuando el tiempo de salida es constante,
Lafiguradeldiablitonoesaccidental,suponeunreconocimientoaMaxwell,quindise unmodelosimilarpara
estudiarelcomportamientodelasmolculasdeungas.Vaseporejemplo,EverittC.W.F.LacreatividaddeMaxwell,
enArisRutherford,etal,(comp.),Resortesdelacreatividadcientfica,Mxico,FondodeCulturaEconmica,1995.
1

el tiempo de espera estar determinado por el nmero de pelotas que entran al recipiente. Entre mayor
sea el nmero de bolas que entran al recipiente, mayor ser su tiempo de espera y viceversa.
Pasemos a una situacin diferente, donde el diablito se interesa por lograr que el tiempo de
salida de las pelotas vare para lograr un tiempo de permanencia constante de las bolas dentro del cubo.
Supongamos que el diablito conoce de antemano el nmero de pelotas que caen y adems tiene libertad
para adecuar la velocidad de salida de las bolas, entonces, dependiendo del nmero de pelotas que
caigan podr controlar, mediante la aceleracin o el retardo de la salida de las pelotas el tiempo en que
las pelotas permanecen en el cubo. De lo anterior se desprende los siguientes comportamientos:
D. Si el nmero de pelotas que entra disminuye, el diablito a su vez, disminuir la velocidad de salida.
E. A la inversa, al aumentar el nmero de pelotas que entran al cubo, el diablito apresura la salida de las
bolas, de tal manera que el tiempo de permanencia pueda mantenerse ms o menos constante.
En otras palabras, si el sistema es capaz de controlar la salida de las pelotas y adems conoce
previamente el nmero que entrar, entonces, ser capaz de adecuar el sistema para que haya una
velocidad constante de salida, de esta manera se podr mantener un tiempo de permanencia de las
pelotas constante dentro de la cubeta.
Si este sencillo modelo se adeca al comportamiento real aunque simplificado de una ventanilla
o caja de pagos entonces, entonces podra ser la base para combinar sabiamente costos y calidad del
servicio.
La clave, por tanto, consiste en determinar el tiempo promedio de espera del cliente.
Proponemos dos mtodos para medir este tiempo tomando en cuenta el modelo anterior y la ecuacin
de continuidad. El primero tiene como variables el nmero de clientes que arriban a la sucursal y el
nmero de cajeros que atienden; la segunda asocia las velocidades de llegada y de salida.

2. Mtodos de Optimizacin
Caso 1: Mtodo de oferta y demanda
Determinaremos el tiempo promedio de espera del cliente, a travs de asociarlo directamente
con el nmero clientes que arriban (numero de pelotas en el recipiente) y al comportamiento de los
operadores (numero de pelotas que deja salir el diablito). Si el fenmeno de atencin al pblico se
comporta de manera estable, entonces, es posible establecer tiempos promedio de atencin por usuario
sin medirlos uno por uno; sabiendo a cuantos clientes atiende cada uno de los cajeros. Supongamos
que hay D clientes y O cajeros, entonces este tiempo promedio de espera (T) del cliente est dado por
la siguiente ecuacin:
n

t
i

T=

i=0

..............................................................................................................................(1)


Donde ti es el tiempo de espera del cliente i, i las operaciones del cliente i, n =

D
y [ ] denota la
O

funcin mayor entero (mayor nmero entero inferior o igual a la fraccin). Es decir, simplemente en
Ec. (1) se suman los tiempos de espera de todos los clientes dividido entre el nmero de clientes.
.
Notemos que la persona que est el principio de la lnea, realmente no tiene que esperar casi nada de
tiempo, mientras que las personas que vienen atrs tienen que esperar ms tiempo. Es decir, las
condiciones iniciales son cruciales.
Suponiendo que el tiempo de atencin por operacin de los cajeros es el mismo (t) y que en
promedio los clientes hacen operaciones, podemos pensar en lo siguiente: la primera persona no se
espera a ser atendida, as, el tiempo que ocupa en realizar su operacin y de espera es t. La segunda
persona tarda el tiempo en que la primer persona sea atendida (t) mas el tiempo que tarden en
atenderla (t ), as el tiempo total de espera de las segunda persona es 2t, para la tercer persona ser
3t, y as sucesivamente. La suma del tiempo de las n primeras personas es:
t +2t +3t +...+nt = t (1+2+3...+n) = t [n(n+1)/2].
Por tanto, de Ec. (1);

n(n +1 )
n +1 t ..........................................................................................................(2)
2
T=
t =
n
2
De Ec. (2) podemos observar que hay tres maneras para reducir el tiempo de espera; a)
reduciendo el tiempo de operacin o b) reduciendo el nmero de transacciones por cliente o c)
aumentando el nmero de cajeros.
Obviamente los mecanismos a) y b) son ms difciles de cambiar; una reduccin en el tiempo de
operacin del cajero podra llevarlo a cometer errores, y no es factible condicionar a los clientes con el
nmero de operaciones que deban realizar.. As, la opcin viable es disminuir n, es decir aumentar el
nmero de operadores.
Este mtodo se aplica muy bien cuando hay interrupciones en el flujo (flujo no estacionario), porque
tenemos una fraccin importante de clientes que estn al principio de cada inyeccin, como se ilustra
en el gotero de Fig. 2.

Fig. 2. Analogas de lolas con regmenes de flujos; el primero es discontinuo como un gotero y el
segundo es continuo como en una manguera.

Caso 2: Mtodo de velocidades de flujo

Este mtodo supone que se conoce la velocidad de entrada de los clientes (velocidad de entrada
de las pelotas al recipiente) y la velocidad de salida de los mismos (velocidad de salida de las pelotas
del recipiente), de tal modo que a partir de estas velocidades, podemos saber el tiempo que pas una
persona en la fila.
Sean N nmero de personas llegan a la fila a una velocidad V0 y que salen de la fila a una
velocidad Vs. El tiempo de espera de cada persona depender del tiempo que tarde en entrar y del
tiempo que tarden en salir, siendo la diferencia de estos dos tiempos el tiempo de espera para cada
persona.
El tiempo en que la persona en el lugar j tardar en entrar (tej) est dado por los que ya entraron
antes y la velocidad de entrada de stas:
t ej=

Pj
V0

..........................................................................................................(3)

Donde Pj es la posicin de la persona j en la fila de espera.


Y el tiempo en que la persona en el lugar j tardar en salir (t sj) est dado por las pelotas que le
precedieron en salir y la velocidad de salida de ellas.

t sj =

Pj

...............................................................................................................(4)

Vs

As, el tiempo que la persona en el lugar j tardar en ser atendida (T j), est dado por la
diferencia de estos dos tiempos
T j =t ej t sj ...........................................................................................................(5)

De tal modo que si lo que queremos es encontrar el tiempo promedio de espera, solo
necesitamos encontrar el promedio (T) de los tiempos Tj:
n

t ej t sj T j
T=

j=i

j=1

(6)

Como estamos pensando que la velocidad de entrada y la de salida es la misma para todas las
personas, dejaremos el tiempo promedio de espera en trminos de la velocidad de entrada, la velocidad
de salida y el numero de clientes; para eso, necesitamos dejar la ecuacin (6) de la siguiente manera:
n

j= 1

j= 1

t sj t ej t sj t ej
T p=

j=1

(7)

Si desarrollamos la primer suma de la ecuacin (7), tenemos que la primera persona tarda en
salir 1/Vs, la segunda persona tarda en salir 2/V s, la tercer persona tarda en salir 3/V s; y as, la persona
en el lugar n tarda en salir n/Vs ; entonces, tenemos que:
n(n +1 )
1 2 3
n 1+ 2 + 3 + +n
n(n +1 ) .. (8)
2
t sj = + + + + =
=
=

Vs Vs Vs
Vs
Vs
Vs
2Vs
j=1
n

De Ec. (7), donde ahora la primera persona tardar en entrar 1/V 0, la segunda persona tarda
2/V0, etc. ;

n(n +1 )
1 2 3
n 1+ 2 + 3 + +n
n(n + 1 ) .. (9)
2
tej = + + + =
=
=

V0 V0 V0 V0
V0
V0
2V0
J =1
n

De Ecs. (7-9):

n(n +1 ) n(n +1 ) 2n(n +1 )(V0 Vs )

(n +1 )(V0 Vs ) .............................(10)
2Vs
2V0
4VsV0
Tp =
=
=
n
n
2(VsV0 )
De la ecuacin (10), para reducir el tiempo promedio de espera necesitamos disminuir el
nmero de personas, la velocidad de entrada o la velocidad de salida. Pero al igual que en el modelo
pasado, no podemos restringir el nmero de personas que llegan, tampoco la velocidad que lo hagan,
por tanto para reducir el tiempo promedio de espera debemos aumentar le velocidad de salida.

4 Conclusiones
Para aplicar estos modelos es necesario contar con datos precisos sobre el nmero de clientes que
arriban a los establecimientos, el nmero de operaciones por cliente, adems del nmero de operadores.
Teniendo una base de datos estadsticos de diferentes das y de diferentes horarios se pueden tomar las
decisiones necesarias para dar una mejor atencin a los usuarios. Es importante establecer las horas
pico para los diferentes das de la semana. Por ejemplo no es la misma cantidad de clientes que
arriban a un banco en da de quincena que otro da normal de la semana. Adems en un da de
quincena existe hora especficas de mayor afluencia. Con la tecnologa actual, se pueden obtener
fcilmente datos de desempeo pertinentes mediante el desarrollo de un programa de computadora para
simular la operacin del sistema.
Los modelos presentados en este artculo proporcionan una til herramienta de cmo medir los tiempos
de espera en todo establecimiento en el cual se originen filas. El primero de ellos nos muestra una
forma de medir el tiempo promedio de espera a partir del nmero de operadores que se encuentren en el
establecimiento, mientras que el segundo lo hace a partir de la velocidad de salida del cliente. En el
primer caso los clientes llegan de forma discontinua al establecimiento, como en paquetes, en un flujo
discontinuo. En el segundo modelo los clientes llegan de forma continua, con cierta velocidad
constante, como un flujo continuo. Por ello el gotero o la manguera son buenas analogas, pero para
ambos casos, la opcin ms prctica o viable es adecuar el flujo de clientes con el nmero de cajeros u
operadores.
Esperamos que este artculo estimule la investigacin de problemas interdisciplinarios con
herramientas o analogas de la fsica.

Bibliografa

[1] W. Edwards, Calidad, productividad y competitividad. La salida de la crisis (Daz de Santos


Mxico 1989); J. M. Juran, Juran y el liderazgo para la calidad. Un Manual para directivos (Ed.
Daz de Santos, Mxico (1990); K. Ishikawa, Qu es el control total de calidad? La modalidad
japonesa (Norma, Mxico 1985).
[2]

H.C. Tijms, First Course in Stochastic Models, Capitulo 9 (Chichester, 2003); H. Moskowitz y
G.P. Wright, Investigacin de Operaciones (Prentice_Hall Hispanoamericana S.A. 1991); S.
Bose, An Introduction to Queueing Systems, Capitulo 1 (Kluwer/Plenum Publishers, 2002).

[3] D.GrossyC.Harris, FundamentalsofQueueingTheory (Ed.WileySeriesinProbabilityand


Statistics.1998).

You might also like