TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA.

Optimización del Sistema de Líneas de Espera de una Sucursal Bancaria en la Ciudad de

Bucaramanga, a través de la Teoría de Colas

Walther Mendoza Galeano

Trabajo de grado para optar al título de Ingeniero Industrial

Director

Javier Hernández Cáceres

Magister en Educación

Universidad Santo Tomás, Bucaramanga

División de Ingenierías y Arquitectura

Facultad de Ingeniería Industrial

2021
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 2

Contenido

Pág.

1. Introducción .......................................................................................................................... 10

2. Definición del Problema ..........................................................................................................1

2.1 Descripción del Problema ......................................................................................................1

2.2 Formulación del Problema .....................................................................................................3

2.3 Justificación ..........................................................................................................................3

2.4 Alcance .................................................................................................................................4

3. Objetivos .................................................................................................................................5

3.1 Objetivo General ...................................................................................................................5

3.2 Objetivos Específicos ............................................................................................................5

4. Marco Referencial ...................................................................................................................6

4.1 Marco Teórico .......................................................................................................................6

4.1.1 Características Fundamentales de las Líneas de Espera .......................................................7

4.1.2 Patrones de Llegada de los Clientes ....................................................................................7

4.1.3 Patrones de Servicio ...........................................................................................................8

4.1.4 Número de servidores .........................................................................................................8

4.1.5 Notación de Kendall ......................................................................................................... 11

4.1.6 Medidas de Eficiencia de un Sistema ................................................................................ 12

4.1.7 Principales Sistemas de Líneas de Espera ......................................................................... 13

4.2 Marco Conceptual ............................................................................................................... 18

4.3 Marco Histórico................................................................................................................... 19

4.4 Estado del Arte .................................................................................................................... 22

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 3

5. Metodología .......................................................................................................................... 30

5.1 Tipo de Estudio ................................................................................................................... 30

5.2 Fuente de Información ......................................................................................................... 31

5.3 Técnica de Recolección de Datos......................................................................................... 31

5.4 Cálculo de la Muestra .......................................................................................................... 32

5.5 Fases de la Investigación ..................................................................................................... 32

5.5.1 Fase 1………… ................................................................................................................ 32

5.5.2 Fase 2……….................................................................................................................... 32

5.5.3 Fase 3………… ................................................................................................................ 33

5.5.4 Fase 5………….. .............................................................................................................. 33

6. Análisis e Interpretación de Resultados.................................................................................. 33

6.1 Datos para la Llegada de Usuarios ....................................................................................... 35

6.2 Datos para el Servidor 1 ...................................................................................................... 36

6.3 Datos para el Servidor 2 ...................................................................................................... 38

6.4 Datos para el Servidor 3 ...................................................................................................... 39

6.5 Modelo ……………………………………………………………………………………….40

6.6 Datos de Entrada en el Modelo Formulado .......................................................................... 41

6.7 Descripción de la Disciplina del Modelo Formulado ............................................................ 42

6.8 Elementos del Modelo en Arena Simulation ........................................................................ 42

6.8.1Entrada………. ................................................................................................................. 42

6.8.2 Decisión…. ...................................................................................................................... 43

6.8.3 Asignación ....................................................................................................................... 43

6.8.4 Fila……….. ..................................................................................................................... 44

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 4

6.8.5 Proceso……. .................................................................................................................... 44

6.8.6 Dispose……… ................................................................................................................. 45

6.9 Modelo del Sistema Original ............................................................................................... 45

6.9.1 Resultados de la Simulación del Sistema Original............................................................. 47

6.10 Propuesta de Mejora para el Sistema ................................................................................. 48

6.10.1 Resultados de la Simulación de Mejora Propuesta para el Sistema .................................. 50

7. Conclusiones ......................................................................................................................... 53

8. Recomendaciones .................................................................................................................. 54

Referencias ............................................................................................................................... 56

Apéndices ................................................................................................................................. 60
TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 5

Lista de Tablas

Pág.

Tabla 1. Notación Kendall ................................................................................................... 12

Tabla 2. Estadísticos para simulación en software Arena tasa de llegada ............................ 36

Tabla 3. Estadísticos para simulación en software Arena para servidor 1 ............................ 37

Tabla 4. Estadísticos para simulación en software Arena para servidor 2 ............................ 38

Tabla 5. Estadísticos para simulación en software Arena para servidor 3 ............................ 39

Tabla 6. Resultados de la simulación inicial Arena. ............................................................. 47

Tabla 7. Resultados de la mejora propuesta. ........................................................................ 50

TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 6

Lista de Figuras

Pág.

Figura 1. Una línea, un servidor ............................................................................................9

Figura 2. Una sola línea, varios servidores en paralelo .........................................................9

Figura 3. Varías líneas, varios servidores en paralelo............................................................9

Figura 4. Una sola línea, varios servidores en serie. ............................................................ 10

Figura 5. Distribución de tiempos de llegadas ..................................................................... 35

Figura 6. Distribución de tiempos de servicio para servidor 1 ............................................. 36

Figura 7. Distribución de tiempos de servicio para servidor 2 ............................................. 38

Figura 8. Distribución de tiempos de servicio para servidor 3 ............................................. 39

Figura 9. Comando entrada Arena ....................................................................................... 43

Figura 10. Comando decisión Arena .................................................................................... 43

Figura 11. Comando asignación Arena ................................................................................ 44

Figura 12. Comando fila Arena............................................................................................ 44

Figura 13. Comando proceso Arena ..................................................................................... 45

Figura 14. Comando dispose Arena ..................................................................................... 45

Figura 15. Modelo de sistema de líneas de espera Arena ..................................................... 46

Figura 16. Modelo de mejora propuesto............................................................................... 50

TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 7

Lista de Apéndices

Pág.

Apéndice A. Primera toma de muestras ............................................................................... 60

Apéndice B. Segunda toma de muestras ............................................................................... 61

Apéndice C. Tercera toma de muestras ................................................................................ 62

Apéndice D. Cuarta toma de muestras ................................................................................. 63

Apéndice E. Quinta toma de muestras ................................................................................. 64

Apéndice F. Tasa de utilización modelo original ................................................................. 66

Apéndice G. Costo total modelo original ............................................................................. 66

Apéndice H. Tasa de utilización de modelo mejorado .......................................................... 67

Apéndice I. Costos totales modelo mejorado ....................................................................... 68

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 8

Resumen

En la presente tesis, se planteó como objetivo principal la optimización del sistema de

líneas de espera en una sucursal bancaria de la ciudad de Bucaramanga, lo cual pudo llevarse a

cabo mediante un trabajo en campo que facilitó de manera directa recolectar registros de tiempos

de llegadas y tiempos de atención a 200 clientes de la entidad bancaria.

La fase de recolección de tiempos, partió de identificar principalmente qué días y en qué

jornada la sucursal bancaria era concurrida de forma significativa por parte de los usuarios del

sistema.

El formato o planilla de registro permitió captar información para los siguientes atributos:

número de cliente, tiempo entre llegada, hora de llegada, hora de atención, hora de salida, tiempo

de servicio, número de servidor, y como caracterización anexa el tipo de cliente que para

propósitos del estudio se clasificaron en tipo 1, tipo 2 y tipo 3.

Una vez obtenidos los datos necesarios, las mismas fueron sometidas a un ajuste de

distribución de probabilidad en la extensión Input Analyzer del software Arena Simulation para

determinar qué tipo de distribución según su p-value era a la que los datos se ajustaban.

Como productos para responder a los objetivos del proyecto, se desarrollaron 2 modelos:

el primero para configurar el estado original del sistema donde se encontraron tasas de utilización

de los servidores 1 y 2 sobresaturadas por encima del 91%, y con tiempo promedio de atención de

10.90 minutos para el sistema original, mientras que con el modelo propuesto de mejora se

redujeron las tasas de utilización de los servidores duplicando la capacidad de servicio para cada

caja, es decir haciendo k=5 servidores. Las nuevas medidas de desempeño del sistema permitieron

evidenciar como dato más importante un ahorro para tan solo las 2 horas y 15 minutos del 37.51%.

Palabras Claves: Banco, Eficiencia, Cliente, Cola, Servicio, Sucursal, Tiempo, Proceso.
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 9

Abstract

In this thesis, the main objective of the optimization of the waiting line system in a bank

branch in the city of Bucaramanga was proposed, which could be carried out through field work

that directly facilitated the collection of arrival time records. and service times for 200 clients of

the bank.

The time collection phase started from mainly identifying which days and on which day

the bank branch was significantly attended by the users of the system.

The registration format or form allowed the capture of information for the following

attributes: customer number, time between arrival, arrival time, service time, departure time,

service time, server number, and as an attached characterization the type of customer that for the

purposes of the study were classified as type 1, type 2 and type 3.

Once the necessary data had been obtained, they were subjected to a probability

distribution adjustment in the Input Analyzer extension of the Arena Simulation software to

determine what type of distribution according to its p-value the data was adjusted to.

As products to respond to the objectives of the project, 2 models were developed: the first

to configure the original state of the system where utilization rates of servers 1 and 2 were found

to be oversaturated above 91%, and with an average attention time of 10.90 minutes, while with

the proposed improvement model, the utilization rates of the servers were reduced by doubling the

service capacity for each box, that is, by making k = 5 servers. The new performance measures of

the system allowed to show as the most important data a saving for only 2 hours and 15 minutes

of 37.51%.

Keywords: Bank, Efficiency, Customer, Queue, Service, Branch, Time, Process.

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 10

Introducción

Los sistemas de líneas de espera específicamente de entidades bancarias, en los últimos

años han presentado problemas de sobresaturación debido a que la demanda de servicios ha

superado la capacidad de servicio de las distintas entidades. Esto, ha representado para las

principales empresas del sector financieros un problema cuya solución implica el análisis de diseño

de instalaciones, capacidad operativa instalada en el área de cajas y por su puesto calidad del

personal que proporciona ya sea un producto o un servicio financiero.

Los modelos de Teoría de Colas, han surgido como un conjunto de modelos matemáticos

cuyo propósito ha sido encontrar el equilibrio para casos como el estudiado en el presente proyecto,

entre el número de clientes que se encuentran esperando en cola y la cantidad de servidores que

buscan brindar satisfacción a los clientes atendidos [1].

Para encontrar el equilibrio de un sistema de colas, según referencias importantes es

necesario identificar el estado inicial del caso que se pretenda analizar. Es decir, determinar

medidas de desempeño o eficiencia tales como: tasa de utilización de servidores (ρ), tiempo

promedio de espera, tiempo promedio de clientes en el sistema, longitud promedio de cola, número

promedio de clientes atendidos en el horizonte de tiempo analizado, costo total, este último asocia

costos relacionados a la espera y al servicio [2].

En el desarrollo del estudio aplicado a una sucursal bancaria de la ciudad de Bucaramanga,

se establecieron conceptos propios de la temática tratada que en conjunto con criterios de expertos

permitieron identificar el desempeño del sistema original de la entidad y compararlo con un

modelo de mejora propuesto para la entidad objeto de estudio.

TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MANGA

Definición del Problema

2.1 Descripción del Problema

Brindar servicios al cliente sin un alto grado de inconformidad por lo recibido, es sin duda

una de los objetivos con mayor importancia que buscan alcanzar las entidades bancarias al

momento de ofrecer servicios y/o productos financieros. Lo anterior mencionado, supone que los

bancos para lograr la satisfacción de los usuarios en atención al cliente, deben asumir costos

relacionados tanto a la espera, como al servicio [1].

Dentro de las alternativas que surgen en torno a mejorar la capacidad de atención se

encuentran: eliminar las largas filas generadas dentro del sistema y disminuir el tiempo de espera

de quien demanda el servicio, y otra es ampliar el alcance de una Banca Móvil, lo cual presenta

algunas desventajas, si se tiene en cuenta que no todas las personas tienen un amplio manejo de

estas tecnologías [1].

Estudios resaltan que las entidades bancarias al prestar sus respectivos servicios, deben

saber que además de ofrecer distintas alternativas en sus portafolios de productos y servicios para

cada segmento del mercado, necesitan darle importancia a la forma en como los entregan al cliente

final; por lo que aspectos como el diseño de instalaciones, el recurso humano que está en contacto

directo con los usuarios, y la confortabilidad de estos últimos, se ven afectados cuando el tiempo

en el que solicitan un servicio de forma presencial se extiende [2].

Conforme crecen las expectativas por aumentar las utilidades para una entidad bancaria, se

hace posible para tal organización, efectuar inversiones con la intención de aumentar su

participación en el mercado operado. Es por eso, que surge ante este proceso de expansión, la

necesidad de personal que pueda realizar procedimientos enfocados a la satisfacción de los

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 2

clientes, que de hecho se hace más exigente, generándose consecuencias inmediatas como lo son

las congestiones en los sistemas internos una vez que la oferta del servicio se hace insuficiente

operacionalmente, en comparación a la demanda del mismo, en otras palabras se origina lo que

comúnmente suele llamar cola de espera [3].

Las filas que se registran constantemente en las sucursales bancarias colombianas, se

caracterizan por dos componentes principales: la extensa longitud y la demora entre un cliente y

otro por ser atendido. Esto no solamente disgusta quienes dia tras dia deben visitar a los bancos a

cancelar sus obligaciones financieras o realizar transacciones de efectivo, sino a los que solamente

asisten en una ocasión, y deben permanecer por mucho tiempo en largas colas a causa de la

sobredemanda de servicios, y productos financieros, en las ventanillas de atención [4].

En cada sucursal bancaria estudiada, a diario se realizan diversas operaciones para cumplir

con metas y objetivos trazados, destacándose por el tipo de negocio las áreas operativas y

comerciales [5].

Por todo lo que conlleva gestionar de forma adecuada los sistemas de espera, cualquier

banco no está exento de sufrir aglomeraciones en sus respectivas oficinas de atención, esta fue la

razón por la cual, la sede objeto de estudio de la ciudad de Bucaramanga, necesitaba un estudio

aplicativo de teoría de colas que le sirviera de soporte para administrar de manera eficiente sus

recursos respecto a colaboradores de atención directa en ventanilla, teniendo como fin de dar una

atención más rapida al usuario del banco.

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 3

2.2 Formulación del Problema

¿Cómo optimizar el sistema de líneas de espera de una sucursal bancaria en la ciudad de

Bucaramanga, de manera que se incremente la eficiencia del sistema de servicio que actualmente

presenta la entidad?

2.3 Justificación

En una sucursal bancaria optimizar el tiempo de servicio para mejorar la calidad del mismo,

y garantizar la satisfacción del cliente minimizando los tiempos de espera, es de suma importancia

a la hora de fidelizar al usuario que comúnmente utiliza los servicios proporcionados en cada una

de las ventanillas o puntos de atención de la organización financiera.

En algún momento el percibir momentos largos de espera en cualquier oficina bancaria,

permite sacar a luz un fenómeno de colas, donde se evidencia el malestar por parte del usuario en

lo que parece ser una pérdida de tiempo. No obstante, este tipo de eventos también presentan un

lado positivo que vale la pena resaltar; es decir, son acontecimientos aleatorios que le permiten al

encargado del area operativa de una sucursal bancaria, hacer una reconfiguración de su personal

disponible en ventanilla.

Para el contexto ya descrito, se cuenta con una serie de modelos matemáticos en el area de

Teoría de Colas, los cuales pueden facilitarle a un gerente de operaciones de una oficina bancaria

determinar el equilibrio entre el número de clientes que se encuentran en línea de espera, y la

cantidad de servidores que pueden responder a esas necesidades que surgen por parte de quien

solicita ya sea un producto o servicio financiero [6].

Generalmente una persona en calidad de cliente no quisiera pasar muchos minutos

estancado en una cola a la espera de servicio, y los gestores de servicios bancarios tampoco lo
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 4

quieren, por lo que surgen los siguientes interrogantes: ¿por qué hay que esperar? ¿Cuánto hay que

esperar?, la respuesta a estas preguntas surge de forma inmediata: “en algún momento la capacidad

de servicio ha sido, es, o puede ser menor que la capacidad demandada. En estos casos, la forma

de consultar al respecto es: ¿compensa invertir en salas de espera? ¿O mejor invertir en personal

humano para satisfacer las necesidades del usuario? [7].

Los distintos modelos de Teoría de Colas, permiten darle respuestas muy próximas a lo

que se requiere en la realidad, apoyándose en simulaciones que permiten validar modelos

propuestos para cumplir con lo que demanda un sistema como el bancario, lleno de muchas

variaciones que a veces no son controlables[7].

Esta investigación aplicativa a una sucursal bancaria en la ciudad de Bucaramanga, servirá

de soporte científico y complemento metodológico para mejorar los sistemas de líneas de espera

de la entidad, optimizando el número de servidores en ventanillas con el fin de equilibrar la oferta

con la demanda de servicios o productos financieros a los que hay lugar en la oficina seleccionada

objeto de estudio.

2.4 Alcance

El objetivo principal que tiene la Teoría de Colas en entidades del sector bancario, es

inicialmente encontrar el estado estable del sistema y determinar una capacidad de servicio

apropiada que garantice un balance entre el factor cuantitativo (referente a costos del sistema) y el

factor cualitativo (referente a la satisfacción del cliente por el servicio) [7].

El alcance que tuvo este trabajo investigativo, fue el de realizar un análisis del sistema de

líneas de espera de una sucursal bancaria en la ciudad de Bucaramanga, con la intención de

determinar un número óptimo de servidores tal que, el sistema de espera de la entidad, pudiera
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 5

estar en competencia operativa de responder ante situaciones de congestión, donde se viera su

sistema superado por la demanda de servicio.

Lo anterior, en síntesis, pretendió minimizar los costos asociados a la espera, y al servicio

en la sede de estudio, sirviendo para ello la realización de simulaciones de los diferentes momentos

en los que se presenten las variaciones más relevantes del sistema.

Objetivos

3.1 Objetivo General

Optimizar el sistema de líneas de espera de una sucursal bancaria en la ciudad de

Bucaramanga, para minimizar los costos de espera y de servicios, utilizando la teoría de colas.

3.2 Objetivos Específicos

• Recopilar la información necesaria sobre fenómenos de espera, propuestas de modelos

de colas, y requerimientos del personal para una óptima atención a los clientes, en una entidad

bancaria, a través de una búsqueda bibliográfica.

• Evaluar las alternativas de solución empleadas desde un modelo de colas, por medio de

una herramienta de simulación, que permita dar respuesta al requerimiento sobre el número óptimo

de cajeros en ventanilla de atención en la sucursal bancaria.

• Estimar la reducción de costos óptima para la sucursal bancaria analizada, por medio de

un software de simulación.
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 6

Marco Referencial

4.1 Marco Teórico

Un proceso de líneas de espera está constituido por aquellos clientes que llegan a una

instalación que ofrece un servicio, posteriormente esperan luego en una línea (fila), y si todos los

servidores están ocupados, reciben servicio en algún momento, y finalmente abandonan la

instalación. Partiendo de la anterior definición, al hablar de un sistema de líneas de espera, es

referirse a un conjunto de clientes, un conjunto de servidores y un orden en el cual, los clientes

llegan y son atendidos [8].

Estos tipos de sistemas, representan un proceso de nacimiento-muerte, con una población

que está conformada por los usuarios de un establecimiento que se encuentran ya sea, en estado de

espera, o están siendo atendidos. Es decir, un nacimiento tiene lugar cuando un cliente asiste a una

instalación en la cual se le proporciona un servicio; por su parte una muerte, es la que se da cuando

la persona que llega a obtener un servicio abandona tal lugar. En el estudio de teorías de colas, el

estado del sistema está dado por la cantidad de usuarios en el establecimiento [8].

Un estudio de líneas de espera, busca la cuantificación del fenómeno causado por el esperar

en un sistema formando colas, a través de medidas representativas de eficiencia, entre las que se

encuentran: la longitud promedio de cola, el tiempo promedio de tiempo en ella, y la respectiva

utilización promedio de las instalaciones [9].

Al pretender llevar a cabo una aplicación basada en estudios de colas, es posible analizar

con ello un modelo de optimización de costos, en el cual los costos asociados al ofrecimiento del

servicio y a la espera en cola, se reduzcan a un mínimo [9].

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 7

4.1.1 Características Fundamentales de las Líneas de Espera

Cinco componentes son los que caracterizan a los sistemas de líneas de espera: el patrón

de llegada de los clientes, el patrón de atención del servicio, el número de servidores, la capacidad

del sistema, disciplina de la cola [10] [8].

A continuación, se describieron cada una de las cinco componentes a través de las cuales,

es posible realizar una caracterización de los sistemas de líneas de espera en entidades como las

del presente proyecto investigativo.

Los conceptos que se describen corresponden a lo que teóricamente está correlacionado

con las variables fundamentales para estructurar un modelo de sistema de líneas de espera.

4.1.2 Patrones de Llegada de los Clientes

Generalmente el patrón de llegadas de los clientes, está especificado por el tiempo entre

llegadas, que no es más que el tiempo entre las llegadas de los usuarios sucesivos al

establecimiento que ofrece un determinado servicio o varios servicios. Este patrón puede ser

determinístico, es decir, se conoce exactamente, o puede ser unas variables aleatorias cuya

distribución probabilística se considera conocida.

Tal patrón puede entonces depender del número de clientes que ya han ingresado al sistema

o ser independiente del estado. Es de gran importancia considerar los casos en los que los clientes,

llegan al sistema uno por uno, o en grupos, y si en tal eventualidad de llegada se presenta rechazo

o abandono alguno a las instalaciones.

Si se desea ser claros con estos dos últimos conceptos, un rechazo, sucede cuando el cliente

que llega se niega a entrar en la instalación porque la fila de espera es demasiado grande. En el

caso del abandono, ocurre cuando el individuo que ya está en línea de espera, sale de la cola y se
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 8

retira porque la espera es demasiado larga. Si dado el caso, no se especifica lo contrario, lo normal

es considerar que los clientes llegan uno a uno y que no existen ni rechazos, ni abandonos [8].

4.1.3 Patrones de Servicio

Los patrones de servicio se encuentran especificados la mayoría de las veces por el tiempo

de servicio, que consiste en el tiempo que le toma a un servidor en atender a un usuario. El tiempo

de servicio puede ser determinístico o puede ser una variable aleatoria cuya distribución

probabilística se considera conocida[8].

Puede depender del número de clientes que están dentro del establecimiento o puede ser

independiente del estado. Es importante verificar si un servidor atiende por completo a un cliente,

o por el contrario el usuario requiere un servicio con escala en varios servidores. Si no se especifica

lo contrario, lo normal que se considera es que un servidor puede atender por completo a un cliente

[8].

El modelo de atención se puede describir por el número de clientes atendidos por unidad

de tiempo, denominada RATA DE SERVICIO, la cual queda condicionada por la ocupación del

sistema, en caso de que el sistema se encuentre vacío, se habla de sistema ocioso [10].

4.1.4 Número de servidores

Corresponde al número de servidores que sea cual fuese su configuración dentro del

sistema, están para satisfacer al cliente disminuyendo su tiempo de espera en la cola.

Gráficamente los sistemas de líneas de esperas pueden ilustrarse de la siguiente manera:

TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 9

Figura 1.Una línea, un servidor

Tomado de: [8]

Figura 2. Una sola línea, varios servidores en paralelo

Tomado de: [8]

Figura 3. Varías líneas, varios servidores en paralelo.

Tomado de: [8]

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 10

Figura 4. Una sola línea, varios servidores en serie.

Tomado de: [8]

4.1.4.1 Capacidad del Sistema. La capacidad del sistema, es el número máximo de

clientes que se encuentran, tanto en servicio como en la(s) línea(s) de espera, que pueden estar de

forma simultánea en la instalación del servicio. Siempre que un cliente llegue a una instalación

que esté completa, se le negará la entrada. A este cliente no se le permitirá esperar fuera del

establecimiento, ya que esto sería un incremento efectivo de la capacidad [8].

Cuando un sistema no tiene límite en cuanto al número de clientes que puede permanecer

dentro de las instalaciones, tal sistema tiene capacidad infinita; por el contrario, un sistema

limitado se dice ser que tiene capacidad finita [8].

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 11

4.1.4.2 Disciplina de la Cola. La disciplina en la cola se refiere a la manera de como los

clientes son atendidos. Lo más habitual es el primero en llegar, es el primero en ser atendido o lo

que es lo mismo, FIRST IN FIRST OUT o FIFO.Otro tipo de disciplina que puede darse en el

sistema de líneas de espera es el último en llegar, el primero en ser atendido o lo que es lo mismo

LAST FIRST IN OUT o LIFO.Tambien puede tener lugar, el seleccionar de forma aleatoria al

cliente que busca un servicio; desde luego se habla de SERVICE IN RANDOM ORDER o SIRO.

Debe considerarse del mismo modo, que puede haber sistemas con disciplinas por prioridades [10].

4.1.5 Notación de Kendall

La notación de Kendall, es utilizada con el fin de especificar las características de una línea

de espera dándose v/w/x/y/donde la v denota patrón de llegadas, w denota el patrón del servicio,

x significa el número de servidores disponibles, y representa la capacidad del sistema y z es

relacionada a la disciplina de la línea de espera [8].

Son varias las notaciones que se utilizan para tres de los componentes referenciados. En

caso dado de que, y o z no sea especificadas, se toman como ꝏ o FIFO, respectivamente [8].

En la Tabla 1, se estableció un conjunto de elementos importantes para la interpretación de

las nomenclaturas que caracterizan a cada uno de los modelos de líneas de espera de acuerdo a los

siguientes atributos: tiempo de llegada o tiempo de servicio, disciplina de la línea de espera

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 12

Tabla 1. Notación Kendall

Características de la línea Símbolo Significado

de espera
Tiempo entre llegadas o D Determinístico
tiempo de servicio M Distribuidor
Ek exponencialmente
G Distribuidor Erlang tipo
K (k=1, 2, …)
Cualquier otra distribución.
Características de la línea Símbolo Significado
de espera

Disciplina de la línea de FIFO Primero en llegar, primero

espera LIFO en atenderse.
SIRO Último en llegar, primero en
PRI atenderse.
GD Servicio en orden aleatorio.
Ordenamiento de acuerdo a
prioridades.
Cualquier otro ordenamiento
especializado.
Nota: * Distintas notaciones utilizadas en los sistemas de líneas de espera

4.1.6 Medidas de Eficiencia de un Sistema

En mayoría de los casos es posible observar tres medidas de eficiencia de un sistema de

líneas de espera en un establecimiento determinado, las cuales son:

4.1.6.1 El tiempo que se espera que debe permanecer un cliente en la cola antes de ser

atendido. La suposición es que entre más corta sea esta medida, más eficiente es el sistema.

Una indicación de la manera de como los clientes se van acumulando dentro del sistema.
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 13

4.1.6.2 El tiempo ocioso de los servidores. Con los tres parámetros anteriores lo que se

pretende es encontrar un óptimo donde el sistema sea apropiado y no se pierdan los clientes por

colas exageradamente grandes, por lo lento del servicio o por pocos servidores en los puntos de

atención [10].

4.1.7 Principales Sistemas de Líneas de Espera

4.1.7.1 Sistema M/M/1. Un sistema M/M/1 es un tipo de sistema de líneas de espera cuyos

tiempos entre llegadas se encuentran distribuidos exponencialmente, con parámetro λ; tiempos de

servicio distribuidos exponencialmente, con parámetro μ; un servidor; la capacidad del sistema no

tiene límite; y una disciplina de línea del tipo primero en llegar, primero en ser atendido.

La constante λ, representa la tasa promedio de llegada de los clientes; la constante μ, es la

tasa promedio de servicio a clientes. Ambas constantes son expresadas en unidades de clientes por

unidades de tiempo. El tiempo esperado entre llegadas y el tiempo esperado para atender a un

cliente son 1/ λ y 1/ μ [8].

4.1.7.2 Modelo Markoviano. El sistema M/M/1, es un proceso poissoniano de nacimiento-

muerte. La probabilidad pn (t), de que el sistema tenga exactamente n clientes, ya sea esperando

el servicio o en servicio, en el tiempo satisface las ecuaciones de kolmogorov para las

probabilidades de estado:

𝑑𝑝𝑛 (𝑡)
= −(λ𝑛 + μ𝑛 ) pn (t)+ μ𝑛+1 pn+1 (t)+ λ𝑛−1 pn-1 (t) (n=1, 2…) (1)
𝑑𝑡

𝑑𝑝0 (𝑡)
= −λ0 𝑝0 (t) + μ1 𝑝1 (t) Tomado de: [8] (2)
𝑑𝑡
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 14

4.1.7.2.1 Soluciones de Estado Estable. Las probabilidades de estado estable para un

sistema de líneas de espera son las siguientes:

𝑝𝑛= 𝐿𝑖𝑚𝑝𝑛(𝑡) (n=0, 1, 2, …) dado que exista el límite. (3)

𝑡→∞

En el caso del sistema M/M/1, el factor de utilización del sistema queda determinado por:

λ
𝜌 ≡ μ (4), donde ρ representa el número esperado de llegadas por la media del servicio.

Esto es si ρ >1, las llegadas se presentan con una tasa mayor que lo que el servidor puede

manejar: la longitud esperada de la línea aumenta sin límite y no se presenta un estado estable. Tal

situación puede presentarse también cuando ρ=1.

Sí ρ<1, las probabilidades de estado estable existen y quedan definidas por:

𝑝𝑛=𝜌𝑛(1−𝜌) (5)

4.1.7.2.2 Medidas de Efectividad Asociadas al Sistema de Línea de Espera. Un sistema

de líneas de espera con estado estable, presenta medidas de efectividad, entre las cuales, las de

mayor interés son:

• L≡nnúmero promedio de clientes en el sistema.

• Lq≡longitud promedio de la línea de espera.

• W≡tiempo promedio que un cliente permanece en el sistema.

• Wq≡tiempo promedio que un cliente permanece o espera en la línea.

• W (t) ≡probabilidad que un cliente permanezca más de t unidades de tiempo en el sistema.

• Wq (t) ≡probabilidad de que un cliente permanezca más de t unidades de tiempo en la línea de

espera.

Las cuatro primeras medidas se encuentras relacionadas de la siguiente forma;

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 15

1
𝑊 = 𝑊𝑞 + 𝜇 (6)

𝐿 = λ̅𝑊 (7)

𝐿𝑞 = λ̅𝑊𝑞 (8)

Dentro del sistema M/M/1, λ̅ = λ, y las seis medidas queda expresadas en términos de λ, μ

y ρ, como se indica a continuación:

𝜌
𝐿 = 1−𝜌 (9)

ρ2
𝐿𝑞 = (10)
1−ρ

1
𝑊 = 𝜇−λ (11)

𝜌
𝑊𝑞 = 𝜇−λ (12)

𝑡
𝑊(𝑡) = 𝑒 −𝑤 (t ≥0) (13)
𝑡
𝑊𝑞 (𝑡) = 𝜌𝑒 −𝑤 (t ≥0) (14)
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 16

4.1.7.3 Sistema M/M/s. El modelo M/M/s, por su parte supone que todos los tiempos entre

llegada, son independientes e idénticamente distribuidos de acuerdo a una distribución

exponencial, es decir, el proceso de entrada es Poisson, así mismo, todos los tiempos de servicio,

son independientes e idénticamente distribuidos de acuerdo a otra distribución exponencial. En

cuanto al número de servidores s se refiere la teoría a cualquier entero positivo. Por consiguiente,

este modelo es un caso especial del proceso nacimiento-muerte; cuando la tasa media de llegadas

al sistema y la tasa media de servicio por servidor ocupado son constantes (λ y μ respectivamente)

e independientes del estado del sistema [11].

Si 1/ μ, es el tiempo promedio de servicio para que un servidor atienda a un cliente,

entonces la tasa media de conclusiones de servicios cuando hay n clientes en el sistema es:

𝑛𝜇 (𝑛 = 0,1, … , 𝑠)
𝜇𝑛 = { } (15)
𝑠𝜇 (𝑛 = 𝑠 + 1, 𝑠 + 2, … )

Las condiciones de estado estable prevalecen siempre que:

λ
𝜌 ≡ sμ<1 (16)

Las probabilidades de estado estable están dadas como:

𝑝 𝑠𝑠 𝜌𝑠+1 (𝑠𝜌)𝑛 −1 (16)

0=[𝑠!(1−𝜌)+∑𝑠𝑛=0 𝑛! ]

(𝑠𝜌)𝑛
𝑝0 (𝑛 = 1, … , 𝑠)
𝑝𝑛 {𝑠𝑠 𝜌𝑛!
𝑠 } (17)
𝑝0 (𝑛 = 𝑠 + 1, 𝑠 + 2, … )
𝑠!

𝑆 𝑆 𝜌 𝑆+1𝑃
Con Po dada, se tiene que Lq= 𝑆!(1−𝜌)20 (18)

(𝑠𝜌)𝑠𝑝
0[1−𝑒−𝜇𝑡(𝑠−1−𝑠𝜌) ]
−𝜇𝑡
W (t)=𝑒 {1 + } (t ≥0) (19)
𝑠!(1−𝜌)(𝑠−1−𝑠𝜌)
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 17

(𝑠𝜌)𝑠𝑝
Wq=𝑠!(1−𝜌)0 𝑒 −𝑠𝜇𝑡(1−𝜌) (t ≥0) (20)

Con s>1

λ 𝑛
( )
μ
𝑛! 𝑛 = 1,2, … 𝑠
𝐶𝑛= λ 𝑠 λ 𝑛
(21)
( ) λ 𝑛−𝑠 ( ) 𝑛 = 𝑠, 𝑠 + 1, …
μ μ
( μ) =
{ 𝑠! 𝑠!𝑠 𝑛−𝑠 }
λ
En consecuencias si λ < sμ , de manera que 𝜌 ≡ sμ<1 (22)

1
𝑝0 = λ 𝑛 λ 𝑛
(23)
( ) ( ) 1
μ μ
[∑𝑠=1
𝑛=0 𝑛! + 𝑠! λ ]
1−( )
𝑠μ

4.1.7.4 Sistema M/M/1/K. Tratándose de un sistema M/M/1/K, se puede aceptar

simultáneamente un máximo de K clientes en los establecimientos de servicio. Es así que a los

clientes que llegan, cuando estas se encuentran totalmente ocupadas, se les niega la entrada al

sistema y no se les permite esperar a fuera para entrar más tarde. Sí λ denota la tasa media de

llegadas de los clientes, a las instalaciones del servicio, la tasa media de llegadas al interior de las

instalaciones cuando estas se encuentran en el estado n es:

λ (𝑛 = 0,1, … , 𝑠)
λ𝑛 = { } (24)
0(𝑛 = 𝐾, 𝐾 + 1, … )

λ
En este sistema siempre se logra un estado estable, ni importa cuál sea el valor de 𝜌 ≡ μ.

Como Pn=0(n>K) y para n=0, 1, …, K.

𝜌 𝑛 (1−𝜌)
1−𝜌 𝐾+1 (𝜌 ≠ 1)
Pn={ } (25)
1 𝜌=1
𝐾+1

Las medidas de efectividad entonces son:

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 18

𝜌 (𝑘+1)𝜌 𝑘+1
− (𝜌 ≠ 1 )
1−𝜌 𝑘+1
L={1−𝜌 } (26)
𝑘 (𝜌 = 1 )
2

W, Wq y Lq, se determinan de la forma señalada para los sistemas anteriormente explicados.

4.1.7.5 Sistema M/M/s/K. Estos sistemas son de capacidad son de capacidad finita con s

servidores, con tiempos de servicio y que no dependen del estado del sistema, y con la misma

distribución exponencial. La capacidad del sistema debe ser al menos igual al número de

servidores, s≤K.

λ(𝑛 = 0,1, … , 𝐾 − 1) 𝑛𝜇(𝑛 = 0,1, … , 𝑠)

λ𝑛 = { } 𝜇𝑛 = { } (27)
0(𝑛 = 𝐾, 𝐾 + 1, … ) 𝑠𝜇(𝑛 = 𝑠 + 1, 𝑠 + 2, … )

λ
Las probabilidades para el estado estable existen para todos los valores de 𝜌 ≡ sμ y están

𝑛 −1
𝑠𝑠 𝜌𝑠+1 (𝑠𝜌)
[𝑠!(1−𝜌) + ∑𝑠𝑛=0 𝑛! ] (𝜌 ≠ 1)
determinadas por: 𝑝0 = { } (28)
𝑠𝑠 𝑠 𝑛 −1
(𝜌 = 1)
[ (𝐾 − 𝑠) + ∑𝑠𝑛=0 ]
𝑠! 𝑛!

(𝑠𝜌)𝑛
𝑛! (𝑛 = 1,2 … , 𝑠)
𝑝𝑛 = { 𝑠 𝑠𝜌 𝑛 (𝑛 = 𝑠 + 1, … , 𝐾 ) } (29)
𝑠! (𝑛 = 𝑘 + 1, 𝑘 + 2 … )
0
𝑠 𝑠𝜌 𝑠+1
Lq=𝑠!(1−𝜌)2 [1 − 𝑝𝑘−𝑠 − (1 − 𝜌)(𝑘 − 𝑠)𝜌𝑘−𝑠 ]𝑝0 (30)

4.2 Marco Conceptual

• Banco. Empresa dedica a realizar operaciones financieras con el dinero procedente de sus

accionistas, y de los depósitos de los clientes [12].

Para el trabajo de investigación se toma como un establecimiento donde se presta servicio en

el cual puede generarse una cola.

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 19

• Cola. Lugar donde el cliente espera antes de recibir el servicio. Una cola se caracteriza de tal

manera, por la una cantidad máxima de clientes a los cuales se les puede brindar un servicio

[13].

• Cliente. Es un término que puede tener diferentes significados, de acuerdo a la perspectiva en

la que se lo analice [14].

Endógeno: Actividades y eventos que ocurren dentro del sistema de líneas de espera [15].

• Entidad. Objeto de interés del sistema de líneas de espera [15].

• Estado del sistema. Número de clientes en el sistema [13].

• Evento. Acontecimiento que puede cambiar el estado del sistema de líneas de espera [15].

• Exógeno. Actividades y efectos del ambiente que afectan al sistema de líneas de espera[15].

• Fuente de entrada o población potencial. Es un conjunto de individuos (no necesariamente

seres vivos), quienes pueden llegar a solicitar los servicios en cuestión. Puede considerarse

infinita o finita, aunque el caso de finitud no es realista, si permite por extraño que parezca,

resolver de forma más sencilla, muchas situaciones en la que en realidad la población es finita

pero muy grande [16].

• Longitud de la cola. Número de clientes que esperan en servicio [13].

• Mecanismo de servicio. El mecanismo de servicio consiste en una o más estaciones de

servicios, cada una de ellas con uno o más canales de servicios en paralelo, llamados servidores

[13].

4.3 Marco Histórico

La Teoría de Colas como estudio de los sistemas de líneas de esperas, inició en el año de

1909, cuando el ingeniero Danés Agner Krarup Erlang buscaba analizar la congestión de tráfico
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 20

telefónico para establecer una capacidad de respuesta del sistema ante la demanda del servicio

telefónico [17].

Aunque la idea de Teoría de Colas se originó a partir de una red, solamente fue concebida,

determinada, y trabajada como tal, en estudios llevados a cabo por Jackson cincuenta años más

tarde. En tales investigaciones, se analizaron redes abiertas y cerradas de colas, en las cuales se

evidenció tasas de llegadas con comportamientos markovianos independientes del estado de la red.

Mediante una demostración matemática, los estudios realizados permitieron concluir dado tal

comportamiento, se podría analizar la red como un conjunto de sistemas de espera individual e

independiente de la tasa de llegada [17].

Tiempo después de todos los primeros inicios aplicativos de la Teoría de Colas, P.J. Bruke

en 1976 estudió como se comportaban los sistemas de colas tipo M/M/1 al interior de una red de

Jackson y pudo observar de forma analítica que las salidas de un proceso a otro, presentaban un

comportamiento equivalente a la distribución de llegada donde esos arribos al sistema se ajustaban

a distribuciones de probabilidad clásicas [17].

Específicamente el aporte de Jackson, ha sido de gran relevancia en la modelación de

cadenas de suministros, utilizando redes cerradas de Jackson, con el objetivo principal de

establecer un equilibrio entre el número de servidores, y estaciones; siempre teniendo la intención

de evitar al máximo la generación de cuellos de botella[17].

Últimamente la Teoría de Colas se ha constituido en una herramienta muy utilizada para la

toma de decisiones, analizando los sistemas de líneas de espera generados en las empresas para

asignar de forma eficiente los recursos que requiera cada proceso, haciendo más productiva la red

a partir de la asignación optima de servidores al interior de ella; lo que se traduce en minimización

de costos y tiempos de procesamiento respecto de cualquier producto o servicio demandado [15].

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 21

Un caso histórico de lo que ha significado la Teoría de Colas en el sector bancario

internacional ha sido el ejemplo del Banco CITIBANK, precisamente en lo relacionado con el

tiempo de espera en los cajeros de espera de la entidad.

La franquicia de New York, operaba en ese entonces más de 250 centros bancarios. Cada

centro contaba con uno o más cajeros automáticos capaces de realizar una amplia variedad de

transacciones. En cada centro se formaba una línea de espera de forma randomica en la que se

requería algún servicio en uno de los cajeros automáticos [18].

Para decidir sobre el número de cajeros automático, la gerencia necesitaba información

general sobre tiempos de espera potenciales y servicio al cliente. Las características de operación

de la línea de espera, como el número de clientes promedio en la línea de espera, tiempo promedio

en que un cliente pasa en espera, y la probabilidad de que un cliente que llega tenga que esperar,

le permitieron a la gerencia determinar el número de cajeros automáticos en cada centro bancario

[18].

Otro ejemplo que recrea la realidad de la aplicación de Colas, es la de un congestionado

banco del dentro de Manhatan tenía una tasa de llegadas pico de 172 clientes por hora. Un modelo

de líneas de espera de múltiples canales, para este caso 6 servidores automáticos demostró que el

88% de los clientes tenía que esperar un tiempo promedio seis y siete minutos. Este nivel de

servicio se consideró inaceptable, por lo que se recomendó una expansión a 6 cajeros automáticos

en este centro bancario, con base en la proyección de tiempos de espera aceptables del modelo de

línea de espera. A partir de este modelo, permitió tomar decisiones en cuanto al número de cajeros

automáticos en cada centro bancario [18].

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 22

4.4 Estado del Arte

Las entidades del sistema bancario, actualmente están siendo muy frecuentadas por una

gran cantidad de clientes que se acercan a las mismas para solicitar uno o varios productos y/o

servicios que éstas ofertan. Pero al momento de encontrarse en la sucursal que presta el servicio u

ofrece el producto, la mayoría de las veces, el usuario del sistema se encuentra con un factor común

en todos los sistemas de atención al cliente, y éste es la espera.

Este aparte, tiene como propósito hacer una revisión de la literatura acerca de cómo se han

aplicado los modelos existentes en Teoría de Colas en las entidades bancarias o financieras, para

hacer que sus sistemas de líneas de espera, tengan un desempeño eficiente en la gestión y rapidez,

y permitan a su vez, la satisfacción del cliente dentro las instalaciones de la entidad, es decir;

brindar una atención más rápida a los clientes.

Se han realizado trabajos de investigación como la tesis de: Flores García, Linares

Alvarenga, & Bonilla Iraetha (2017) titulada: “Teoría de colas y su aplicación al sistema

bancario”; en la que sus autores, hicieron toda una búsqueda sistemática de los modelos de teoría

de colas que pudieran ser aplicados al sistema bancario en el Salvador; ésto, como base teórica

para el desarrollo de su proyecto. Ya para la aplicación utilizaron: modelos probabilísticos de

teorías de colas, análisis de sistemas, trabajo de campo, manejo de bases de datos y manipulación

de sistemas informáticos específicos para estudios de colas.

A modo de aprovechamiento para el proyecto a realizar, se tiene de este documento, que

para hacer un estudio de colas en una entidad bancaria, se requiere de un análisis dentro de la

sucursal siguiendo la metodología siguiente: conocer de primera mano los componentes y

funcionamiento básico del sistema, hacer un levantamiento y organizar los datos extraídos del

sistema; los cuales después de ser recolectados deben ser descritos, y sometidos a un análisis
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 23

exploratorio, para posteriormente determinar la función de probabilidad para cada una de las

variables utilizadas en el estudio(tiempos entre llegada y tiempos de servicio),y definir el tipo de

modelo de colas apropiado a las distribuciones que presentaron los datos.

Para la explicación de los resultados obtenidos, se tuvieron en cuenta algunos supuestos

para contrastar estos enunciados con el comportamiento del sistema, estos fueron:

• Quitar un cajero al sistema

• Disminuir el tiempo de servicio

• Dejar solamente un cajero y disminuir el tiempo de servicio

Así mismo, después de haber obtenido los resultados, se tiene que: bajo el modelo del

sistema estudiado, para el contexto objeto de estudio, la utilización del sistema era relativamente

baja, es decir, un 71%, ya que el 29% del tiempo los dos cajeros que están en el banco están

desocupados, pero con un modelo de solo 1 servidor, se obtuvo una tasa de utilización del 99.3%,

por lo que aplicar el primer supuesto, implica que el sistema pueda colapsar ante una variación de

llegadas al alza.

Para evidenciar de una forma más aplicativa la temática tratada, a nivel internacional se

tiene que, en el artículo:” Banking queue system in nigeria”, Odirichukwu, Lekara, & Odii

(2014),plantean que, actualmente se vuelve un reto para la banca,el gestionar el tiempo de sus

clientes en las salas de atención.El objetivo principal de su investigación,fue minimizar el tiempo

de espera en cola,y maximizar el rendimiento del sistema bancario analizado.Para lo

anterior,desarrollaron una aplicación basada en Web con fundamento en el modelo FIFO,cuya

finalidad era hacer una entrega ordenada del servicio.

Los resultados eligiendo a 3 servidores como asistentes del aplicativo bancario, mostraron

que en promedio cada ½ minuto, un cliente se acercó a tomar un servicio. De igual manera, para
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 24

el caso estudiado, la tasa de utilización fue de 12,5%, el número de personas esperando en cola es

0.0182, la cantidad de personas en el sistema en un momento dado es 0.143, el tiempo promedio

de espera en cola es de 2.42 minutos, el tiempo promedio de espera en el sistema es de una hora,

y el patrón de llegada es poissoniano. Estos resultados tan bajos para los investigadores, indican

según el texto, que probablemente el sistema daría ganancias, aumentaría la satisfacción del cliente

y permitirían una reducción de la carga laboral de los trabajadores, pero no rinde a su máximo

nivel.

Otra experiencia internacional basada en un caso de estudio, es la expuesta en el artículo:

“Queuing theory model used to solve the waiting line of a bank -a study on islami bank bangladesh

limited, chawkbazar branch, chittagong”, por: Rahman Chowdhury (2013),quien parte de varios

supuestos para analizar un caso amplio en la teoria de colas,los cuales son: (1) llegadas

provenientes de una población infinita o muy grande,(2) las llegadas siguen una distribución de

poisson,(3) las llegadas se tratan sobre una base FIFO,y no se niega el servicio,(4) los tiempos de

servicios siguen una distribución exponencial negativa o son constantes,(5) las tasa de servicio

promedio es más rápida que la tasa de llegada promedio.El modelo utilizado en este estudio, es de

multiples canales con llegada de poisson y tiempos de servicios exponenciales M/M/S.El

investigador despues de calcular una serie de caracteristicas operativas,calculó el costo total que

resulta de la suma del costo de brindar el servicio,mas el costo de tiempo de espera.Las medidas

de eficiencia del sistema calculadas indicaron lo siguiente:el número medio de clientes que llegan

al banco es de 133,61,el número medio de clientes atendidos por hora es 17.033,el factor de

utilización del sistema es 7.821,la intensidad de tráfico del sistema es 0.7821<1,la probabilidad de

que haya 0 clientes en el sistema es 0.00034,número promedio de clientes esperando 1.328.

La funcion objetivo para minizar el costo fue:Min{E(TC)=E(SC)+E(WC)}

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 25

Donde:

TC:Total expected Cost(Costo Total Esperado)

SC:Cost of Providing Service(Costo de Prestación del Servicio)

WC:Cost of Waiting Time(Costo del Tiempo de Espera).

De igual manera,en el articulo:” Expected actual waiting time and service delivery evidence

using queuing theory in selected banking institutions in bangladesh”, Ahmed, Rahaman, Hamid,

& Moral (2018),afirman que es tan importante saber el tiempo que debe gastar el cliente en

cola,como el tiempo que debe gastar el servidor en brindar el servicio.Bajo esta premisa,los

investigadores citados,recopilaron los datos en un banco privado de Bangladesh utilizando

percepciones individuales y registros de transacciones almacenados desde el día sabado hasta el

día jueves.Los resultados obtenidos para un sistema con 3 servidores,arrojó que el tiempo

promedio de espera es de 14.55 minutos,y fueron utilizados básicamente para dos fines: (1) para

informar a los ciudadanos el tiempo que deben gastar al ir al banco e incentivar el uso de las

tecnologías de autotrámites, y (2) para comunicar al banco que se hace necesario cada vez,mejorar

la gestion del tiempo de los clientes en las instalciones de las entidad,con el fin de mejorar los

beneficios economicos de la compañía.

Malik, Akhtar, Shoukat , & Javed (2018),en el artículo:” A study of different factors in

single and multiple server queuing models in banking system”, afirman por su parte, que el análisis

de sistemas que brindan servicio a demandas aleatorias en bancos, requiere de modelos de colas

que van desde un servidor hasta múltiples servidores para analizar los parámetros de revestimiento

y las medidas de eficiencia. El estudio realizado por los investigadores tuvo lugar en un banco de

Islamabad, y los datos fueron recopilados 2 días a la semana durante 5 semanas. El modelo

estudiado, comprendió 3 servidores, y se utilizaron encuestas, entrevistas y observación directa

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 26

para la recopilación de la información que permitiera construir tal modelo. Los resultados

obtenidos, muestran que el factor de utilización varía según el tiempo de espera de los clientes.

Para analizar tal comportamiento, se utilizó el software SPSS.

En Brasil, Cremonini Entringer (2020),en su artículo: “Simulation and analysis of queues

in banks: a case study of an agency in the southern state of rio de janeiro”, propone un estudio a

profundidad del flujo de clientes de una agencia bancaria del estado de Río de Janeiro, en el que

se utiliza un enfoque cualitativo y cuantitativo. El modelo propuesto por el investigador, simula la

tasa de capacidad, número de clientes en cola, tiempo de servicio y tiempo de espera. Todo con la

utilización del software ARENA. Los resultados, revelaron que la agencia mostró un gran

desempeño en el tiempo de espera y número de clientes en espera, pero demostró una tasa

relativamente baja en la utilización del sistema, es decir, se dieron intervalos de tiempo entre 11:00

am y 4:00 pm donde los servidores quedaron inactivos. En promedio, la ocupación del sistema fue

50.07% y como máximo 60.78%.

En el ámbito colombiano, se han llevado a cabo investigaciones con resultados y

metodologías similares, que son de gran relevancia al momento de ser tenidas en cuenta como

referente para el desarrollo del presente trabajo de grado.

Citando a Gómez Jiménez (2008), en su artículo: “Aplicación de teoría de colas en una

entidad financiera: herramienta para el mejoramiento de los procesos de atención al cliente”, se

deja en manifiesto que, para todas las empresas prestadoras de servicios, la variable “clientes

satisfechos”, es fundamental a la hora de ofrecer productos y servicios, y el ambiente que circunda

el acceso al servicio o entrega del producto, cobra importancia para la generación de valor

agregado. En el estudio referenciado, el valor agregado se traduce a tiempo de espera en la atención

del usuario.
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 27

La ruta metodológica seguida por el autor mencionado, consistió inicialmente en la

recolección de datos, relacionados a los tiempos de llegada, y los tiempos de atención, y

posteriormente un análisis exploratorio de los mismos para comprobar supuestos del modelo y

confiabilidad de los datos. Luego, se determinaron los parámetros necesarios para utilizar el

modelo de teoría de colas elegido para el sistema objeto de estudio, y se determinaron las variables

de salida en las cuales radicaba el interés perseguido por el autor.

Los resultados permitieron concluir lo siguiente: un estudio de líneas de espera como el

propuesto en la investigación ya citada, sirve como plataforma o modelo para realizar trabajos

posteriores que relacionen las mismas variables de entrada y de respuesta.

Los modelos cuantitativos que fueron aplicados en el trabajo son muy adecuados para

servir como soporte en la toma de decisiones, ayudando al mejoramiento en los procesos de

atención del cliente.

Lo planteado por: Chingaté Ávila,(2012), en su tesis “Estrategias de mejoramiento en el

sistema de líneas de espera en Bancamía s.a empleando simulación discreta”, evidencia una

aplicación de teoría de líneas de espera una entidad financiera, a la cual sirvió de soporte, una

herramienta computacional con el objetivo de modelar el comportamiento del sistema según

especificaciones del mismo.

Para cumplir con los objetivos del trabajo, la metodología seguida por el investigador fue:

identificar las variables de interés del modelo por medio de un análisis del sistema, identificar las

necesidades de la organización con respecto a líneas de espera, hacer un análisis de la situación

que en su momento presentaba tal sistema empleando herramientas estadísticas, plantear el modelo

de simulación teniendo en cuenta las condiciones propias del sistema, y por último establecer
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 28

indicadores de desempeño del sistema por frecuencia de tiempo y cantidad, para un intervalo de

tiempo previamente establecido.

De los resultados obtenidos del estudio se puede concluir que: para hallar los tiempos

estándar de servicio, se tuvieron en cuenta calificaciones según la experiencia del colaborador

analizado y una tolerancia del 5% referente al error, que obedece a posibles fallas durante la toma

de tiempo y a las variaciones dadas por las necesidades fisiológicas del colaborador.

Otro aporte del estudio fue: para poder realizar un seguimiento y una mejora continua al

sistema de líneas de espera de Bancamía S.A., se plantaron indicadores que permitieron analizar

el sistema frente al modelo propuesto.

Con base a lo desarrollado por: Martínez Eraso (2009) en su trabajo de tesis doctoral

“Análisis de redes de colas modeladas con tiempos entre llegadas exponenciales e híper erlang

para la asignación eficiente de recursos”, se evidencia que, la capacidad del sistema es uno de los

factores más influyentes dentro de la percepción de un cliente hacia la calidad del servicio. Si la

capacidad es insuficiente, un buen número de clientes quedaría desatendido al ni siquiera poder

ingresar al lugar de atención. Tal capacidad, por tanto, debe estar acorde con la demanda y la oferta

del servicio, y limitada por el espacio físico disponible.

En su estudio, este investigador expresa que la capacidad de cada nodo fue determinada

tomando como referencia centros de servicios de diferentes sectores y tamaños ubicados en la

ciudad de Bogotá, y para su análisis, en cuanto a las redes de colas generadas en el establecimiento,

se buscó determinar el desempeño de las diferentes redes de colas que se generan a combinar

características de las líneas de espera, como distribuciones de probabilidad de los tiempos entre

llegadas, cantidad de nodos, servidores por nodo en el sistema, nivel de utilización, y capacidad

del sistema.
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 29

La medición de costos asociados al sistema, solo es posible mediante su cuantificación, y

los modelos de optimización en redes de colas deben orientarse a descongestionar los nodos de

mayor peso dentro de la red, y velar por un equilibrio entre la capacidad de atención y la tasa de

llegadas en el sistema.

Por último, en lo que concierne a temática común, se encontró una tesis similar a la que se

propone, pero en una sucursal distinta y en un departamento distinto. Con base a ésto, y según

Chamorro Osorio & Suarez Ortega (2018), en su tesis “Análisis del desempeño de redes de colas

en proceso de servicios bancarios y financieros de Bancolombia en la sucursal Caucasia”, se

diseñó, una serie de estrategias orientadas a una mejor atención del cliente haciendo énfasis en la

optimización de las transacciones, y de los tiempos de espera, empleando análisis de colas, con el

propósito de realizar una planificación de capacidades, predecir rendimientos y minimizar el

tiempo de espera.

Así mismo, se planteó un estudio con la siguiente hipótesis: los hallazgos obtenidos del

análisis de las líneas de espera brindarán a los directivos de la entidad bancaria una base sólida

para la toma de decisiones y tendrán contacto con un estudio estructurado sobre las problemáticas

en las operaciones.

La solución del modelo desarrollado arrojó que: para una tasa de llegadas promedio de 60

clientes/hora, y una tasa de servicio de 20 clientes por hora, se tiene que el costo mínimo

considerando 5 cajeros es de $37.090, lo que al día sería $296,720. Para 4 cajeros ($38,864) y 5

cajeros ($39,813), el costo es superior siendo: $310,912 y $318,504 respectivamente.

Todas estas referencias,permitieron establecer una ruta de investigacion para saber dar

respuesta a la pregunta problema del presente proyecto,por lo que los apuntes tomados giran

entorno al tema principal que es la optimizacion del sistema de lineas de espera de una sucursal
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 30

bancaria en la ciudad de Bucaramanga, es decir todos aquellos elementos que intervienen en el

comportamiento y desempeño del sistema de colas analizado.

Metodología

5.1 Tipo de Estudio

El tipo de estudio llevado a cabo en el presente proyecto fue de carácter cuantitativo,

específicamente descriptivo; este, tuvo por objetivo describir el estado, las características, factores,

y procedimientos presentes en fenómenos y hechos que ocurren de forma natural. Esta

investigación presentó alcances como: caracterizar globalmente el objeto de estudio, describir el

contexto donde se desarrolla tal fenómeno, cuantificar la magnitud del fenómeno, entre otros [20].

De igual manera, el estudio fue de tipo aplicativo; el cual es un claro ejemplo de la

interpolación entre los problemas que a diario deben enfrentar las empresas y las herramientas

matemáticas y estadísticas diseñadas en las ciencias administrativas, las cuales están a disposición

del investigador para realizar modelamientos que permitan servir de soporte en la toma de

decisiones complejas [2].

Cabe mencionar que este trabajo investigativo no fue de tipo experimental, es decir, en su

respectiva elaboración, las variables seleccionadas, no fueron empleadas hacia un fin distinto del

que se planteó en el estudio, pero si lo fue de tipo analítica, lo cual, permitió llevar a cabo un

proceso reflexivo, lógico, y cognitivo, que implicó abstraer pautas de relación interna de un evento,

situación, fenómeno, etc. Un tipo de investigación como la que realizó en este caso, permitió tener

como objetivo, el analizar un evento dado en una realidad problemática [21].

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 31

5.2 Fuente de Información

La fuente de información que se utilizó para realizar el trabajo de recolección de datos, fue

de tipo primaria la cual consistió en el proceso realizado por parte del investigador directamente,

aplicando técnicas y procedimientos que suministraron la información adecuada.

5.3 Técnica de Recolección de Datos

La recolección de los datos para el presente proyecto de investigación aplicada, se llevó a

cabo mediante la observación directa del investigador. Al hablar de la observación directa como

una técnica de recolección de datos, se hace referencia a la captación de la realidad problemática

planteada, que posteriormente será organizada de forma intelectual. Todo lo anterior, para definir

los datos más importantes que deben recogerse para tener relación directa con el problema de

investigación.

Lo propuesto, se ejecutó mediante formatos tipo planilla de registros tanto para la el tiempo

de entrada, como para el tiempo de servicio dado, o registros de operaciones realizadas sí se daba

la posibilidad de acuerdo a las políticas de la empresa, las cuales fueron aplicadas en las horas

habilitadas para la atención al público, es decir en las jornadas en que la sucursal de bancaria

permaneció abierta. Así mismo, se recurrió al personal de la oficina bancaria con el propósito de

conocer la afluencia de los clientes durante la semana y las horas con mayor intensidad dentro del

sistema, ello permitió establecer intervalos de tiempo para el estudio de forma más objetiva.
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 32

5.4 Cálculo de la Muestra

Para el cálculo de la muestra a tener en cuenta en el presente estudio, dado que el mismo

corresponde a un estudio de carácter descriptivo y se desconoce el total de unidades de observación

que la integran o la población es mayor a 10.000 [22].

La fórmula a tener en cuenta para población infinita fue:

𝑍 2𝑝𝑞
𝑛= Tomado de: [22]
𝑑2

Donde:

n: tamaño de la muestra

Z: valor de Z crítico que es calculado de la tabla del area de la curva normal

p: proporción aproximada del fenómeno en estudio en la población de referencia.

q: proporción de la población en referencia que no presenta el fenómeno en estudio (1-p)

5.5 Fases de la Investigación

5.5.1 Fase 1

La fase inicial del proyecto consistió en realizar una búsqueda sistemática de los modelos

de sistemas de espera con mayor aplicación en el sistema bancario, y establecer aquellos

requerimientos (sí los hay) que tienen lugar en cuanto a personal de atención de clientes, esto para

valorar posteriormente la capacidad del sistema.

5.5.2 Fase 2

Luego de haber referenciado los tipos de modelos más pertinentes de aplicar en el contexto

estudiado, y conocer los requerimientos de personal (sí los hay), se buscó conocer el estado actual
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 33

del sistema con el fin de notar a primera vista, cómo es su comportamiento ante el arribo de los

usuarios; esto permitió determinar la capacidad del sistema, la tasa de servicio, el tiempo entre

llegadas de los clientes, e identificar otras características del sistema de colas dado.

5.5.3 Fase 3

La tercera etapa tuvo como propósito diseñar los instrumentos para la recolección de los

datos, y determinar si los intervalos de tiempos definidos para la recolección de los mismos, son

los que mejor representan la realidad del problema. Una vez definido todos estos pasos, realizó el

trabajo de campo al que haya lugar para la recolección de la información adecuada.

5.5.4 Fase 5

En la quinta fase, se planteó el modelo a simular según las características que presentó el

sistema de líneas de espera de la sucursal bancaria estudiada, permitiendo calcular los costos

asociados a la espera y al servicio. En esta fase se calculó las medidas de eficiencia del sistema de

líneas de espera, que permitieron evaluar y concluir sobre la realidad presentada en la sucursal de

bancaria estudiada.

Análisis e Interpretación de Resultados

Para cualquier entidad bancaria es de suma importancia brindar servicios eficientes y de

calidad que garanticen la satisfacción del usuario. Lo anterior es posible mediante la optimización

del sistema de líneas de espera, en el que, el número óptimo de servidores en ventanilla representa

una variable importante del proyecto que relaciona a su vez los tiempos entre llegadas de los

usuarios y los tiempos en los cuales los mismos son atendidos.

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 34

Sucursales como la que se analizó en el presente proyecto, se caracterizan por ofrecer

servicios como: depósitos, retiros, pagos, apertura de cuentas, cancelación de cuentas, cambio de

cheques, pago de impuestos, entre otros.

El diseño de instalaciones también juega un papel importante en la atención al usuario que

visita la sucursal, así como lo es la calidad del personal que presta el servicio y la conformidad del

servicio percibida por parte del cliente. Este último aspecto, va ligado al tiempo que en promedio

el usuario permanece en el sistema en las colas generadas por causa de los procesos en que se

brinda atención a otras personas.

Los datos de prueba para alimentar el modelo fueron registros de tiempos de llegada y de

servicio para los clientes de la sucursal bancaria para el día lunes en la jornada de la mañana. La

elección del día lunes se debió a que, según los mismos cajeros y el encargado del área de atención

en ventanillas de la entidad, en este día y en esta jornada era donde más concurrían los usuarios en

el sistema. A esto hay que añadirle que, por limitaciones de la entidad solo se contó un espacio de

dos horas para toma de muestras por 5 días lunes semana tras semana debido a la situación de

salud pública que hoy en día vive el mundo por causa del virus COVID-19.

Para establecer la tasa promedio de llegada y tasa promedio de servicio, se recolectaron

desde 8:00 A.M a 10:15 A.M, 40 observaciones para un total de 200 por los cinco días lunes en

jornadas de mañana. El formato utilizado para la recolección de datos tuvo en cuenta: número de

cliente, tiempo entre llegada, hora de llegada, hora de atención, hora de salida, tiempo de servicio,

cajero, y de forma anexa como dato adicional el tipo de cliente que visitó la sucursal para los

espacios de tiempo en los cuales se tomaron los registros.

El estudio partió del estado inicial en el que se encontró la sucursal objeto de análisis el

cual fue:3 servidores, tres filas, y atención dependiendo del tipo de cliente.
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 35

Los tres tipos de clientes considerados fueron: Tipo 1: clientes de tercera edad y mujeres

embarazadas; Tipo 2: clientes normales que no cumplen con la primera condición ya descrita y

que a su vez no tienen un trato privilegiado por el banco; Tipo 3: clientes de tipo preferencial que,

por ser clientes con productos importantes de la entidad, merecen un trato diferencial con respecto

a los usuarios normales y por ende tienen una ventanilla para su atención exclusiva.

En la Figura 5, se puede observar que el tipo de distribución de probabilidad a la cual se

ajustaron los datos para la llegada de clientes a las instalaciones de la sucursal bancaria objeto de

estudio fue a una distribución Weibull.

Los demás resultados estadísticos obtenidos del proceso de ajuste de datos a distribución

de probabilidad se pueden detallar en la Tabla 2.

6.1 Datos para la Llegada de Usuarios

Figura 5.Distribución de tiempos de llegadas

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 36

Tabla 2.Estadísticos para simulación en software Arena tasa de llegada

Estadístico Valor
n 200
Mínimo 0
Máximo 16
P-value 0.211489
Error Medio Cuadrático 0.0167
Distribución Weibull
Parámetros de Forma/Escala 1.62109/3.62823
Nota: * principales estadísticos de ajuste de distribución para datos de llegadas

Utilizando Input Analyzer del software Arena Simulation, pudo ajustarse la serie de datos

registrados para los tiempos de llegadas de los 200 usuarios analizados a la sucursal bancaria objeto

de estudio. La distribución probabilística a la que de mejor forma se ajustaron los datos fue a la

distribución Weibull, con una significancia de 0.211489 sobrepasando el 0.05 sugerido para un

ajuste estadísticamente significativo. Los datos fueron ajustados a cada distribución, utilizando la

prueba de bondad de ajuste de Kolmogorov-Smirnov.

6.2 Datos para el Servidor 1

Figura 6.Distribución de tiempos de servicio para servidor 1

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 37

De acuerdo a la Figura 6, los datos para los tiempos de atención del servidor 1 fueron

ajustados a una distribución de probabilidad Erlang.

Tabla 3.Estadísticos para simulación en software Arena para servidor 1

Estadístico Valor
n 73
Mínimo 2
Máximo 15
P-value 0.374246
Error Medio Cuadrático 0.014
Distribución Erlang
Parámetros de Forma/Escala 7.0/1.0
Nota: * principales estadísticos de ajuste de distribución para tiempos de servicio de cajero 1

La serie de datos registrados para los tiempos de servicio en la ventanilla 1 de los 73

usuarios atendidos se ajustaron a una distribución Erlang, donde el mínimo tiempo de atención fue

de dos minutos y el máximo de 15 minutos. Los datos fueron ajustados de manera significativa

puesto que p-value fue >0.05.

La prueba de bondad de ajuste para los registros de tiempo de atención del servidor 1 fue

la prueba Kolmogorov-Smirnov.
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 38

6.3 Datos para el Servidor 2

Figura 7.Distribución de tiempos de servicio para servidor 2

De acuerdo a la Figura 7, los datos para los tiempos de atención del servidor 2 fueron

ajustados a una distribución de probabilidad Weibull.

Tabla 4.Estadísticos para simulación en software Arena para servidor 2

Estadístico Valor
n 66
Mínimo 2
Máximo 20
P-value 0.664132
Error Medio Cuadrático 0.009
Distribución Weibull
Parámetros de Forma/Escala 2.53797/8.08286
Nota: * principales estadísticos de ajuste de distribución para tiempos de servicio de cajero 2

La serie de datos registrados para los tiempos de servicio en la ventanilla 2 de los 66

usuarios atendidos se ajustaron a una distribución Weibull, donde el mínimo tiempo de atención

fue de dos minutos y el máximo de 20 minutos. Los datos fueron ajustados de manera significativa

puesto que p-value fue >0.05.

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 39

La prueba de bondad de ajuste para los registros de tiempo de atención del servidor 2 fue

la prueba Kolmogorov-Smirnov.

6.4 Datos para el Servidor 3

Figura 8.Distribución de tiempos de servicio para servidor 3

De acuerdo a la Figura 8, los datos para los tiempos de atención del servidor 3 fueron

ajustados a una distribución de probabilidad Lognormal.

Tabla 5.Estadísticos para simulación en software Arena para servidor 3

Estadístico Valor
n 61
Media 6.84564
Desviación Estándar 2.07622
Mínimo 3
Máximo 11
P-value 0.176705
Error Medio Cuadrático 0.016
Distribución Lognormal
Parámetros de escala log: media/log: 1.87961/0.296644
desv. estándar
Nota: * principales estadísticos de ajuste de distribución para tiempos de servicio de cajero 3

La serie de datos registrados para los tiempos de servicio en la ventanilla 3 de los 61

usuarios atendidos se ajustaron a una distribución Lognormal, e indicaron que hubo una media de
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 40

atención por parte del cajero 3, de 6.84564 minutos, donde el mínimo tiempo de atención fue de 3

minutos y el máximo de 11 minutos. Los datos fueron ajustados de manera significativa puesto

que p-value fue >0.05.

La prueba de bondad de ajuste para los registros de tiempo de atención del servidor 2 fue

la prueba Kolmogorov-Smirnov.

6.5 Modelo

En este trabajo se hizo uso de la simulación en el Software Arena Simulation V16.1,

buscando modelar el comportamiento inicial del sistema de líneas de espera en la sucursal bancaria

objeto de estudio, todo con la finalidad de conseguir el balance entre los tempos de llegada y

tiempos de servicio que permitieran minimizar los costos inherentes al servicio.

En otros términos, la problemática identificada en el banco se redujo al balance entre los

costos del servicio y los costos asociados a la espera que se incurre por hacer permanecer a un

usuario en cola.

Min E(CT)=E(CW)+E(CS) Tomado de: [2] [7]

E(CT): Costo esperado total.

E(CW): Costo esperado en espera.

E(CS): Costo esperado en el servicio.

El costo esperado de servir es proporcional al número de servidores, es decir:

E(Cs)=KCs Tomado de: [2] [7]

Donde:

K: Número de servidores

Cs: Costo del servidor en la unidad de tiempo.

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 41

El costo esperado por esperar

E(Cw)=Cw λW=Cw L

Donde:

Cw: Costo de espera en la unidad de tiempo.

λ: Tasa de llegadas.

W: Tiempo de espera en el sistema.

L: Longitud del sistema.

El modelo de costos

Min E(CT)=KCS+CW L Tomado de: [2] [7]

6.6 Datos de Entrada en el Modelo Formulado

Se tiene de la sucursal bancaria analizada una tasa de llegada de clientes cumpliéndose la

siguiente información de los registros: datos ajustados a una distribución de probabilidad Weibull

con parámetro de forma 1.62109,y parámetro de escala 3.62823.

El porcentaje de clientes según su tipo que arribaron y fueron atendidos en la sucursal se

muestran a continuación:

Tipo 1:18%

Tipo 2:72%

Tipo 2:10%

Horario laboral: 8:00 A.M -6:00 PM

Salario de cada servidor mensual: $2.300.300,00 COP

Salario de cada servidor por hora: $7.667,70 COP

Tiempo de simulación: Desde las 8:00 AM a 10:15:AM

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 42

6.7 Descripción de la Disciplina del Modelo Formulado

Los usuarios cuyos tiempos fueron recolectados, llegaron a la entidad y según su tipo

fueron direccionados a las cajas o ventanillas donde pudieron recibir atención de la siguiente

manera: en las cajas 1 y 2, debía darse prioridad a los clientes de tipo 1. Es decir, en cola para

clientes de tipo 1 y 2 entraban primero a la caja que estuviera desocupada (de las cajas 1 o 2), el

cliente que llegara y fuese de tipo 1, aun cuando hubiese cliente de tipo 2 esperando era atendido

con prioridad. El cliente de tipo 3 o preferencial tenía una caja o ventanilla especial para él, que

era la ventanilla 3.En caso de que la ventanilla 3,estuviera ocupada con otros clientes del mismo

tipo, es decir tipo 3,estos podían ser atendidos con segundo orden de prioridad después de los de

tipo 1, en las ventanillas 1 y 2,donde hubiese la disponibilidad si no había clientes en atención de

tipo 1 en ese momento, es decir, si la ventanilla 1 estaba ocupada con un cliente de tipo 1,y la

ventanilla 3 estaba ocupada con un cliente de tipo 3,la ventanilla 2 debía de darle prioridad al

cliente de tipo 3 por encima del tipo 2 sino hay tipo 1 que hubiese llegado en ese momento.

6.8 Elementos del Modelo en Arena Simulation

6.8.1 Entrada

Elemento que permitió en la estructuración del modelo, ingresar la tasa de llegadas de

clientes a la sucursal bancaria mediante la distribución Weibull (1.62109, 3.62823).

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 43

Figura 9.Comando entrada Arena

Entrada

6.8.2 Decisión

Elemento que permitió en la estructuración del modelo, decidir sobre la asignación de

clientes según su tipo y porcentaje de arribo a las distintas filas del banco.

Figura 10.Comando decisión Arena

Tipo de
Cliente
18
72
Else

6.8.3 Asignación

Elemento que permitió en la estructuración del modelo, asignar que clientes iban a ser

orientados a cada tipo de fila según su tipo.

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 44

Figura 11.Comando asignación Arena

Asignacion
de Tipo 1

6.8.4 Fila

Elemento que permitió en la estructuración del modelo, generar los diferentes tipos de filas

según los tipos de clientes que iban arribando a la sucursal.

Figura 12.Comando fila Arena

Fila Tipo
1

6.8.5 Proceso

Elemento que permitió en la estructuración del modelo, establecer las ventanillas o cajas

donde finalmente el cliente fue atendido dentro del sistema de espera en la entidad bancaria.
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 45

Figura 13.Comando proceso Arena

Caja 1

0
6.8.6 Dispose

Elemento que permitió en la estructuración del modelo, establecer el nodo final o punto de

salida de los clientes del banco una vez fueron atendidos.

Figura 14.Comando dispose Arena

Salida
0

6.9 Modelo del Sistema Original

El sistema de líneas de espera de la sucursal bancaria analizada se configuró de acuerdo a

la capacidad instalada con la cual contaba la sucursal bancaria en el momento del estudio.

Las relaciones entre nodos, representan los eventos posibles de acuerdo a la disciplina del

mismo sistema con base al tipo de cliente y prioridad para cada uno de ellos.
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 46

Figura 15.Modelo de sistema de líneas de espera Arena

Cabe mencionar que dentro de las sintaxis utilizadas para programar las relaciones que

orientaran a los clientes simulados se fundamentó con base a los posibles sucesos en los nodos de

ruta, es decir lo que debía hacer un cliente si en la caja en la que debería recibir atención estaba

ocupada con otro cliente del mismo tipo. Por ejemplo: Caja 1.WIP == 0, la sintaxis aplicable para

el nodo de decisión Ruta Tipo 2, significa que, en caso de que la caja 1 no haya proceso de atención

alguno el cliente puede dirigirse hacia esta caja sin ninguna restricción, de lo contrario debería

dirigirse directo hacia la caja 2.

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 47

6.9.1 Resultados de la Simulación del Sistema Original

Tabla 6.Resultados de la simulación inicial Arena.

Medidas de Eficiencia del Sistema

Tiempo Promedio en Proceso 6.97 min
Tiempo Promedio de Espera 10.90 min
Tiempo Promedio en Sistema 17.87 min
WIP 6.25 clientes
Tiempo Promedio de Espera Tipo 1 2.74 min
Tiempo Promedio de Espera Tipo 2 14.57 min
Tiempo Promedio de Espera Tipo 3 0.32 min
Promedio Clientes en Cola Tipo 1 0.17 clientes
Promedio Clientes en Cola Tipo 2 3.77 clientes
Promedio Clientes en Cola Tipo 3 0.01 clientes
Utilización Servidor 1 94.33%
Utilización Servidor 2 91.72%
Utilización Servidor 3 20.21%
Clientes Atendidos 56
Costo Total 186.663,00
Nota: * medidas de eficiencias del sistema de la entidad bancaria analizada.

De acuerdo a la Tabla 6 pudo concluirse que, la tasa de utilización de la configuración

actual es mayor al 90% en las cajas 1 y 2. Partiendo de lo anterior, es necesario para la entidad

bancaria evaluar la conveniencia de aumentar el número de servidores, ya que en Caja 1 y Caja 2,

la demanda de servicio se encontró a límite de superar la capacidad de servicio brindada por los

servidores 1 y 2.

El sistema de atención actual del banco para el horizonte de tiempo analizado procesó en

promedio 6 clientes por ventanilla, con un promedio de tiempo de espera de 10.90 minutos y un

tiempo promedio en proceso de 6.97 minutos. Si bien el servidor 1 fue el más utilizado, se observó

que en la cola 2 permanecieron más clientes que en las demás, en promedio aproximadamente 4

clientes con un tiempo promedio por la misma línea de espera de 14.57 minutos.
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 48

Los clientes atendidos dados a partir de la simulación fueron 56 durante dos horas y 15

minutos de atención en el área de ventanillas de la sucursal, para un costo total de espera de

186.663,00.

En mejores condiciones podría hacerse un balanceo con respecto a la fila de tipo 3 puesto

que el servidor 3 presenta una tasa de desocupación de 79.79%. Pero respetando que son políticas

propias de la misma empresa debido a la situación actual de salud pública, se propuso en el presente

trabajo plantear una solución respetando los parámetros ya establecidos para conservar la dinámica

del sistema, pero mejorando su funcionalidad y minimizando el factor costo total, es decir aquel

asociado a costos tanto de servicio como de espera.

6.10 Propuesta de Mejora para el Sistema

El modelo para simular la mejora propuesta de k=5 servidores, se construyó en Arena

utilizando una configuración ampliada del modelo original identificado en el sistema de líneas de

espera de la sucursal bancaria analizada. Lo anterior, permitió observar el comportamiento del

sistema, con una capacidad de respuesta a la demanda incrementada en dos servidores.

La propuesta de mejora realizada para el sistema de líneas de espera de la sucursal bancaria

analizada comprende principalmente tres ejes:

1. Agilidad en la atención: independientemente del contexto en que se realizó el estudio,

el mercado financiero ha crecido de manera significativa y la sucursal analizada no es ajena a esto,

con tal auge de servicios, el aforo en la entidad bancaria se ha incrementado, es por esto que la

propuesta de mejora planteada al sistema de líneas de espera buscó reducir el trabajo en proceso

del sistema o WIP(Work in Progress),lo cual a su vez permitiera una disminución de clientes por

cola y una maximización de clientes atendidos.

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 49

2. Disminución en el tiempo de atención de usuarios: atención rapida y oportuna es un

componente que requiere de la optimización tanto de tiempo como de recurso, lo cual, se

convertiría en una atención en menor tiempo de contarse con personal altamente capacitado y

equilibrado en el area de servicio en las ventanillas de la sucursal bancaria. La propuesta planteada

para el sistema de líneas de espera de la sucursal bancaria, buscó determinar bajo qué

requerimientos de personal y configuración del sistema, este ultimo hiciera posible la optimización

del tiempo de atención, logrando impactar positivamente las otras medidas de eficiencia en la

entidad.

3. Minimización de costos: en este eje de la propuesta de mejora planteada para el sistema

de líneas de espera en la sucursal bancaria, se propuso estimar en que proporción una ampliación

del area de ventanillas en la sucursal disminuiría los costos asociados por la espera del cliente en

el sistema de la entidad.

En la Figura 16, se observa el nuevo modelo anteriormente descrito. Tal modelo fue

configurado con los mismos parámetros de entrada de los servidores 1 y 2 para los nuevos

servidores simulados, quedando un sistema de líneas de espera mejorado con 5 servidores en su

totalidad para dar respuesta a la demanda observada en el contexto en el que realizó el estudio.
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 50

Figura 16. Modelo de mejora propuesto

Para este nuevo modelo, adicionalmente se utilizó la regla de selección Preferred Order.

Dicha regla, permitió en el modelo simular de manera integral el caso en que dos clientes llegaran

para ser atendidos y si cada servidor no presentara WIP=0, tales clientes podrían dirigirse de forma

ordenada a los servidores 4 y 5, esto significa que, los servidores creados respetarían las ordenes

de prioridad para atender a los diferentes tipos de clientes.

6.10.1 Resultados de la Simulación de Mejora Propuesta para el Sistema

Tabla 7.Resultados de la mejora propuesta.

Medidas de Eficiencia del Sistema

Tiempo Promedio en Proceso 6.97 min
Tiempo Promedio de Espera 0.37 min
Tiempo Promedio en Sistema 7.34 min
WIP 2.46 clientes
Tiempo Promedio de Espera Tipo 1 0.25 min
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 51

Medidas de Eficiencia del Sistema

Tiempo Promedio de Espera Tipo 2 0.39 min
Tiempo Promedio de Espera Tipo 3 0.09 min
Promedio Clientes en Cola Tipo 1 0.01 clientes
Promedio Clientes en Cola Tipo 2 0.10 clientes
Promedio Clientes en Cola Tipo 3 0.004 clientes
Utilización Servidor 1 73.33%
Utilización Servidor 2 47.72%
Utilización Servidor 3 17.84%
Utilización Servidor Adicional 1 60.47%
Utilización Servidor Adicional 2 32.77%
Clientes Atendidos 63
Costo Total $116.643,00
Nota: * medidas de eficiencias del sistema mejorado para la entidad bancaria analizada.

De acuerdo a la Tabla 7, se observó una reducción considerable en los costos totales con

respecto al sistema original, la cual fue de 37.51% pasando de $186.663 a $116.643 en las mismas

2 horas con 15 minutos simulados.

Otra inferencia importante de aplicar la mejora en el sistema a partir de la simulación

desarrollada es que, el tiempo promedio de espera varió significativamente con respecto a lo

evidenciado en la primera simulación. Si bien la incorporación de dos nuevos servidores requiere

de hacer esfuerzos económicos en contratación de mano de obra, tal contratación permitiría reducir

el tiempo promedio de espera de 10.90 minutos a 0.37 minutos. Esto representaría una satisfacción

en el servicio por parte de los clientes si se considera que tal aspecto va relacionado con lo que el

usuario permanece en espera previo a la atención que puede obtener en la caja designada para él.

La adquisición de dos servidores adicionales para las cajas 4 y 5 conlleva un costo por

mano de obra. No obstante, la inversión es efectiva dada la reducción expuesta anteriormente ya

que el tiempo de espera también cambió a un valor significativamente menor. El banco a través de

su sistema mejorado de líneas de espera, podría llegar atender en promedio 3 clientes por ventanilla

menos que al principio, pero con tasas de utilización de los servidores no tan sobresaturadas lo
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 52

cual, permitiría absorber de mejor forma intensas jornadas de trabajo para días igualmente

concurridos como por ejemplo los viernes.

Adicionalmente, cabe mencionar que, la mejora propuesta le facilitaría a la entidad

bancaria ir despejando de manera más eficiente personas atendidas puesto que el tiempo promedio

de espera en el sistema pasaría de 17.87 minutos a 7.34 minutos lo que representa una disminución

en tiempo dentro de las instalaciones de la entidad de aproximadamente 58.92%. Los clientes

atendidos para el mismo tiempo de simulación fueron de 63, es decir 7 clientes de más. En una

jornada completa de 10 horas por día bajo las mismas condiciones tal mejoramiento podría

analizarse de mejor manera reflejando una eficiencia mayor del sistema.

Un aspecto importante que cabe mencionar de los resultados obtenidos para la propuesta

planteada fue que, el trabajo a límite que estaban llevando los servidores 1 y 2 del modelo original

con tasas de ocupación de 94.33% y 91.72% respectivamente, fue reducido a 73.33% y 47.72% lo

cual permitiría absorber mejor las jornadas diarias de operación bancaria en cada servidor.
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 53

Conclusiones

Los resultados obtenidos e interpretados en el proyecto realizado, permitieron afianzar

conocimientos obtenidos en la carrera de Ingeniería Industrial encontrando en un caso real como

lo fue el análisis de la sucursal bancaria de la ciudad de Bucaramanga, la oportunidad de estructurar

una problemática latente y compleja de solucionar por el auge creciente de productos y servicios

financieros ofertados por el banco.

A través de modelos matemáticos como lo es la Teoría de Colas pudo determinarse que,

para la sucursal objeto de estudio el tiempo promedio que un cliente permanece en espera es de

10.90 minutos y en el sistema de 17.87 minutos, lo que para el caso de estudio representó el rechazo

a clientes que aleatoriamente fueron llegando a la entidad en algunas ocasiones, o mucha

congestión en el sistema que bajo las condiciones en las que se realizó el estudio, era un punto

crítico a tratar puesto que se buscaba el mayor distanciamiento social posible debido a la pandemia

causada por el COVID-19.

Las medidas de eficiencias para la primera simulación en la que se configuró el sistema

original reflejaron tasas de utilización sobresaturadas para los servidores 1 y 2 con porcentajes por

encima del 90%, mientras que la tasa de utilización del servidor 3, fue de tan solo un 20.21%, esto

de acuerdo a expertos consultados representó un desbalance en el servicio que para el tiempo de 2

horas con 15 minutos se presentará mayor tasa de servicio en los servidores de manera

desproporcional, pudiéndose habilitar al tercer servidor para absorber la gran demanda que estaban

teniendo los servidores 1 y 2.

El modelo de sistema de líneas de espera que se propuso bajo las condiciones y políticas

del sistema original implementado por la entidad, permitió evidenciar que con k=5 servidores los

tiempos tanto de espera en cola como de espera en el sistema fueron significativamente

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 54

disminuidos pasando de 10.90 minutos a 0.37 minutos para la espera en cola, y 17.87 minutos a

7.34 minutos de espera en el sistema.

De igual manera, el modelo mejorado permitió reducir en la simulación final los costos

totales esperados en un 37.51%, los cuales para el caso de estudio estuvieron asociados a los costos

de espera más los costos asociados al servicio.

En cuanto a los costos de espera (wait cost), comparando los mismos para cada simulación

se evidenció una disminución del 96.0381196%, pasando de $86.045 a $3.409 para el espacio

temporal analizado. En concerniente a los costos de servicio, la variación presentada para la franja

temporal analizada fue del 12.3660734%, pasando de $100.617 a $113.054 lo cual dejó ver que

un incremento del rubro de personal en atención en caja de dos servidores, permitió disminuir el

tiempo promedio de espera en cola en forma considerable bajo las condiciones analizadas para la

sucursal bancaria objeto de estudio.

Recomendaciones

De acuerdo al contexto que específicamente se estudió en la sucursal bancaria en la ciudad

de Bucaramanga, una de las primeras recomendaciones se fundamenta en que la entidad debería

tener un banco de datos históricos aproximados a los reales por el tema de confidencialidad, que

permitiera simular soluciones aplicables dentro del sector financieros relacionados con los

sistemas de líneas de espera.

La entidad bancaria debería tener alianzas de tipo colaborativo con la academia que le

permitiera desarrollar laboratorios de simulación orientados a generar escenarios diferentes como

el caso presentado por la pandemia producida por el COVID-19.

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 55

Si bien las medidas de bioseguridad que actualmente aplica el banco son entendibles, se

recomienda a la entidad que sea un poco más flexible para realizar estudios que al final si se

pudieran realizar en jornadas de mayor intervalo de tiempo dentro de cada turno de trabajo, la

calidad de los resultados obtenidos podría ser de mejor calidad y más aproximados a la realidad

del funcionamiento del sistema original.

Es de suma importancia para estudios de sistemas de líneas de espera que, la entidad

bancaria realice un proceso de caracterización del tipo de usuario que visita sus instalaciones ya

que a futuro este proceso podría entender de mejor manera el funcionamiento de su sistema de

espera debido a la prioridad que por norma debe de aplicarse a cada cliente según su condición.
TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 56

Referencias

[1] E. Rodriguez, «Cómo reducir los tiempos de espera en las sucursales

bancarias[Artículo de Blog],» 10 Mayo 2019. [En línea]. Available:

https://blog.cobiscorp.com/como-reducir-tiempos-espera-sucursales-bancarias. [Último

acceso: 31 Agosto 2020].

[2] F. A. Gómez Jiménez, «Aplicación de teoría de colas en una entidad financiera:

herramienta para el mejoramiento de los procesos de atención al cliente,» Revista

Universidad EAFIT, vol. 44, nº 150, pp. 51-63, 2008.

[3] C. H. Lovelock, «Mercadotecnia de servicios.,» Primera ed., Ciudad de México,

Prentice-Hall Hispanoamericana, 1997, pp. 217-222.

[4] E. TOVAR MARTINEZ, «EL TIEMPO,» 30 Enero 2000. [En línea]. Available:

https://www.eltiempo.com/archivo/documento/MAM-1263524. [Último acceso: 08

Agosto 31].

[5] C. Chamorro Osorio y B. M. Suarez Ortega, «Repositorio Universidad Nacional

Abierta y a Distancia,» 28 Septiembre 2018. [En línea]. Available:

https://repository.unad.edu.co/handle/10596/20491. [Último acceso: 31 Agosto 2020].

[6] L. M. PORTILLA, L. ARIAS MONTOYA y S. A. FERNÁNDEZ HENAO,

«ANÁLISIS DE LÍNEAS DE ESPERA A TRAVÉS DE TEORÍA DE COLAS Y

SIMULACIÓN,ANALYSIS OF WAITING LINES TRHOUGH QUEUE SYSTEMS

AND SIMULATION,» Scientia et Technica, vol. 3, nº 46, pp. 56-61, 2010.

TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 57

[7] J. P. García Sabater, «Mi Official Site (porque yo también quiero tener un official

site),» 2015. [En línea]. Available:

http://personales.upv.es/jpgarcia/linkeddocuments/teoriadecolasdoc.pdf. [Último acceso:

10 Septiembre 2020].

[8] R. BRONSON, «OPERATIONS RESEARCH,» México, Mc Graw Hill, 1982, pp.

266-296.

[9] A. A. TAHA, de Investigación de Operaciones, Septima ed., México, PEARSON

EDUCACIÓN, 2004, pp. 579-689.

[10] G. JIMÉNEZ LOZANO, de INVESTIGACIÓN OPERATIVA II, Manizales,

Publicaciones Universidad Nacional de Colombia, 2002, pp. 49-92.

[11] F. S. Hillier y G. J. Lieberman, de Introducción a la investigación de operaciones,

Cuarta ed., México, Mc Graw Hill, 1998, pp. 679-713.

[12] RAE, «REAL ACADEMIA ESPAÑOLA,» RAE, 2019. [En línea]. Available:

https://dle.rae.es/banco. [Último acceso: 10 Septiembre 2020].

[13] F. . S. Hillier y G. J. Lieberman, de Introducción a la Investigación de Operaciones,

Novena ed., México, McGraw Hill, 2010, pp. 710-713.

[14] Julián Pérez Porto y Ana Gardey, «Definición,» 2009. [En línea]. Available:

https://definicion.de/cliente/.

[15] V. . M. CHINGATÉ ÁVILA, «Repositorio Universidad Libre de Colombia,» 31 Enero

2012. [En línea]. Available: https://repository.unilibre.edu.co/handle/10901/9066.

[Último acceso: 10 Septiembre 2020].

TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 58

[16] Departamento de Ingeniería de sistemas UNAM, «Ingsistemas-Simulación,» 2018.

[En línea]. Available:

https://www.ingenieria.unam.mx/javica1/ingsistemas2/Simulacion/IntroSimulacion.htm.

[17] C. E. MARTÍNEZ ERASO, «Repositorio Institucional Universidad Javeriana

Bogotá,» 2009. [En línea]. Available:

https://repository.javeriana.edu.co/handle/10554/7286. [Último acceso: 13 Septiembre

2020].

[18] D. . R. Anderson, D. J. Sweeney, T. A. Williams, J. D. Camm y M. Kipp , de

MÉTODOS CUANTITATIVOS PARA LOS NEGOCIOS, Decimo Primera ed., México,

CENGAGE Learning, 2011, pp. 656-657.

[19] SAS, «SAS,» 2013. [En línea]. Available:

https://www.sas.com/content/dam/SAS/es_co/doc/other1/bancolombia-caso-exito.pdf.

[Último acceso: 11 Septiembre 2020].

[20] H. D. LERMA GONZÁLEZ, de Metodología de la Investigación

propuesta,anteproyecto y proyecto, Bogotá, Eco ediciones, 2009, pp. 63-64.

[21] J. Hurtado, «Metodología de la Investigación Holística,» Caracas, Fundación Sypal,

2000, p. 269.

[22] . S. Aguilar-Barojas, «Fórmulas para el cálculo de la muestra en investigaciones de

salud,» SALUD EN TABASCO, vol. 11, nº 1-2, pp. 333-338, 2005.

[23] C. L. FLORES GARCÍA, C. L. LINARES ALVARENGA y J. . M. BONILLA

IRAHETA, «Repositorio Institucional de la Universidad de El Salvador,» 8 Marzo 2017.

TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 59

[En línea]. Available: http://ri.ues.edu.sv/id/eprint/12510/. [Último acceso: 13 Septiembre

2020].

[24] J. Odirichukwu, T. Lekara y J. N. Odii , «BANKING QUEUE SYSTEM IN

NIGERIA,» Computing, Information Systems, Development Informatics & Allied

Research Journal, vol. 5, nº 1, pp. 95-106, 2014.

[25] M. S. Rahman Chowdhury, «QUEUING THEORY MODEL USED TO SOLVE THE

WAITING LINE OF A BANK -A STUDY ON ISLAMI BANK BANGLADESH

LIMITED,CHAWKBAZAR BRANCH, CHITTAGONG,» ASIAN JOURNAL OF

SOCIAL SCIENCES & HUMANITIES, vol. 2, nº 3, pp. 468-478, 2013.

[26] S. Ahmed, S. Rahaman, M. . A. Hamid y I. H. Moral, «Expected Actual Waiting Time

and Service Delivery Evidence Using Queuing Theory in Selected Banking Institutions

in Bangladesh,» Journal of International Business and Management, pp. 1-14, 2018.

[27] S. Malik, N. Akhtar, S. Shoukat y S. Javed, «A Study of Different Factors in Singleand

Multiple Server Queuing Models in Banking System,» UW Journal of Science and

Technology, vol. 2, pp. 43-48, 2018.

[28] T. Cremonini Entringer, «SIMULATION AND ANALYSIS OF QUEUES IN

BANKS: A CASE STUDY OF AN AGENCY IN THE SOUTHERN STATE OF RIO

DE JANEIRO,» INDEPENDENT JOURNAL OF MANAGEMENT & PRODUCTION

(IJM&P), vol. 11, nº 3, pp. 892-907, 2020.

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 60

Apéndices

Apéndice A. Primera toma de muestras

Cliente Tiempo Hora de Hora de Hora de Tiempo de Cajero

entre llegada atención salida Servicio
llegadas
1 0 8:07:00 8:07:00 8:12:00 5 1
2 2 8:09:00 8:09:00 8:17:00 8 2
3 9 8:18:00 8:18:00 8:23:00 5 3
4 2 8:20:00 8:20:00 8:23:00 3 1
5 0 8:20:00 8:20:00 8:26:00 6 2
6 10 8:30:00 8:30:00 8:35:00 5 1
7 4 8:34:00 8:34:00 8:38:00 4 2
8 1 8:35:00 8:35:00 8:44:00 9 3
9 2 8:37:00 8:37:00 8:40:00 3 1
10 0 8:37:00 8:38:00 8:44:00 6 2
11 0 8:37:00 8:40:00 8:45:00 5 1
12 13 8:50:00 8:50:00 8:58:00 8 1
13 3 8:53:00 8:53:00 8:56:00 3 2
14 3 8:56:00 8:56:00 9:00:00 4 3
15 1 8:57:00 8:57:00 9:05:00 8 2
16 5 9:02:00 9:02:00 9:10:00 8 1
17 3 9:05:00 9:05:00 9:11:00 6 3
18 0 9:05:00 9:05:00 9:13:00 8 2
19 3 9:08:00 9:10:00 9:15:00 5 1
20 4 9:12:00 9:12:00 9:17:00 5 3
21 4 9:16:00 9:16:00 9:20:00 4 2
22 2 9:18:00 9:18:00 9:25:00 7 1
23 0 9:18:00 9:18:00 9:23:00 5 3
24 10 9:28:00 9:28:00 9:33:00 5 2
25 2 9:30:00 9:30:00 9:34:00 4 1
26 1 9:31:00 9:31:00 9:37:00 6 3
27 9 9:40:00 9:40:00 9:48:00 8 1
28 0 9:40:00 9:40:00 9:45:00 5 2
29 0 9:40:00 9:40:00 9:50:00 10 3
30 2 9:42:00 9:45:00 9:54:00 9 2
31 5 9:47:00 9:48:00 9:56:00 8 1
32 2 9:49:00 9:50:00 10:10:00 10 3
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 61

33 1 9:50:00 9:54:00 10:05:00 11 2

34 5 9:55:00 9:56:00 10:07:00 11 1
35 0 9:55:00 10:00:00 10:10:00 10 3
36 0 9:55:00 10:05:00 10:10:00 5 2
37 2 9:57:00 10:07:00 10:14:00 7 1
38 4 10:01:00 10:10:00 10:15:00 5 2
39 4 10:05:00 10:10:00 10:18:00 8 3
40 5 10:10:00 10:14:00 10:21:00 7 1

Apéndice B.Segunda toma de muestras

Cliente Tiempo Hora de Hora de Hora de Tiempo de Cajero

entre llegada atención salida Servicio
llegada
1 0 8:10:00 8:10:00 8:16:00 6 1
2 2 8:12:00 8:12:00 8:18:00 6 2
3 3 8:15:00 8:15:00 8:19:00 4 3
4 3 8:18:00 8:18:00 8:22:00 4 1
5 0 8:18:00 8:18:00 8:24:00 6 2
6 0 8:18:00 8:19:00 8:26:00 7 3
7 7 8:25:00 8:25:00 8:30:00 5 1
8 3 8:28:00 8:28:00 8:34:00 6 2
9 2 8:30:00 8:30:00 8:35:00 5 3
10 8 8:38:00 8:38:00 8:40:00 2 1
11 3 8:41:00 8:41:00 8:43:00 2 2
12 4 8:45:00 8:45:00 8:50:00 5 3
13 3 8:48:00 8:48:00 8:51:00 3 1
14 2 8:50:00 8:50:00 8:55:00 5 3
15 0 8:50:00 8:50:00 8:54:00 4 2
16 2 8:52:00 8:52:00 8:56:00 4 1
17 3 8:55:00 8:55:00 8:58:00 3 2
18 0 8:55:00 8:55:00 9:02:00 7 3
19 2 8:57:00 5:57:00 9:03:00 6 1
20 1 8:58:00 8:58:00 9:05:00 7 2
21 0 8:58:00 9:02:00 9:08:00 6 3
22 3 9:01:00 9:03:00 9:10:00 7 1
23 3 9:04:00 9:05:00 9:15:00 10 2
24 2 9:06:00 9:08:00 9:14:00 6 3
25 2 9:08:00 9:10:00 9:14:00 4 1
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 62

26 3 9:11:00 9:14:00 9:22:00 8 3

27 1 9:12:00 9:15:00 9:23:00 8 2
28 13 9:25:00 9:25:00 9:28:00 3 1
29 0 9:25:00 9:25:00 9:33:00 8 2
30 4 9:29:00 9:29:00 9:37:00 8 3
31 1 9:30:00 9:30:00 9:35:00 5 1
32 2 9:32:00 9:33:00 9:36:00 3 2
33 2 9:34:00 14:45:00 9:42:00 7 1
34 1 9:35:00 9:36:00 9:43:00 7 2
35 4 9:39:00 9:39:00 9:43:00 4 3
36 10 9:49:00 9:49:00 9:55:00 6 1
37 3 9:52:00 9:52:00 10:01:00 9 2
38 5 9:57:00 9:57:00 10:06:00 9 1
39 5 10:02:00 10:02:00 10:10:00 8 2
40 3 10:05:00 10:05:00 10:15:00 10 3

Apéndice C.Tercera toma de muestras

Cliente Tiempo Hora de Hora de Hora de Tiempo de Cajero

entre llegada atención salida Servicio
llegada
1 0 8:15:00 8:15:00 8:20:00 5 1
2 2 8:17:00 8:17:00 8:21:00 4 2
3 1 8:18:00 8:18:00 8:24:00 6 3
4 2 8:22:00 8:22:00 8:30:00 8 1
5 0 8:22:00 8:22:00 8:34:00 12 2
6 2 8:24:00 8:24:00 8:29:00 5 3
7 4 8:28:00 8:29:00 8:35:00 6 3
8 2 8:30:00 8:30:00 8:34:00 4 1
9 4 8:34:00 8:34:00 8:39:00 5 1
10 0 8:34:00 8:34:00 8:40:00 6 2
11 1 8:35:00 8:35:00 8:41:00 6 3
12 2 8:37:00 8:39:00 8:46:00 7 1
13 2 8:39:00 8:40:00 8:45:00 5 2
14 0 8:39:00 8:41:00 8:50:00 9 3
15 3 8:42:00 8:45:00 8:51:00 6 2
16 0 8:42:00 8:46:00 8:52:00 6 1
17 2 8:44:00 8:50:00 8:53:00 3 3
18 3 8:47:00 8:51:00 8:55:00 4 2
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 63

19 1 8:48:00 8:52:00 9:00:00 8 1

20 2 8:50:00 8:53:00 9:00:00 7 3
21 8 8:58:00 8:58:00 9:05:00 7 2
22 1 8:59:00 9:00:00 9:07:00 7 1
23 4 9:03:00 9:03:00 9:13:00 10 3
24 4 9:07:00 9:07:00 9:18:00 11 2
25 2 9:09:00 9:09:00 9:15:00 6 1
26 5 9:14:00 9:14:00 9:18:00 4 3
27 2 9:16:00 9:16:00 9:22:00 6 1
28 1 9:17:00 9:18:00 9:24:00 6 3
29 3 9:20:00 9:20:00 9:30:00 10 2
30 2 9:22:00 9:22:00 9:27:00 5 1
31 1 9:23:00 9:24:00 9:33:00 9 3
32 2 9:25:00 9:27:00 9:35:00 8 1
33 4 9:29:00 9:30:00 9:40:00 10 2
34 9 9:38:00 9:38:00 9:48:00 10 1
35 12 9:50:00 9:50:00 10:05:00 15 1
36 8 9:58:00 9:58:00 10:07:00 9 2
37 4 10:02:00 10:02:00 10:10:00 8 3
38 2 10:04:00 10:05:00 10:15:00 10 1
39 0 10:04:00 10:07:00 10:20:00 13 2
40 7 10:11:00 10:11:00 10:21:00 10 3

Apéndice D.Cuarta toma de muestras

Cliente Tiempo Hora de Hora de Hora de Tiempo de Cajero

entre llegada atención salida Servicio
llegada
1 0 8:05:00 8:05:00 8:12:00 7 1
2 6 8:11:00 8:11:00 8:20:00 9 2
3 4 8:15:00 8:15:00 8:22:00 7 1
4 3 8:18:00 8:08:18 8:23:00 5 3
5 3 8:21:00 8:21:00 8:30:00 9 2
6 3 8:24:00 8:24:00 8:29:00 5 1
7 3 8:27:00 8:27:00 8:33:00 6 3
8 4 8:31:00 8:31:00 8:40:00 9 1
9 0 8:31:00 8:31:00 8:36:00 5 2
10 6 8:37:00 8:37:00 8:44:00 7 2
11 2 8:39:00 8:39:00 8:45:00 6 3
12 2 8:41:00 8:41:00 8:48:00 7 1
13 1 8:42:00 8:44:00 8:50:00 6 2
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 64

14 3 8:45:00 8:45:00 8:52:00 7 3

15 1 8:46:00 8:48:00 8:58:00 10 1
16 9 8:55:00 8:55:00 9:01:00 6 2
17 0 8:05:00 8:55:00 9:05:00 10 3
18 2 8:57:00 8:58:00 9:07:00 9 1
19 13 9:10:00 9:10:00 9:15:00 5 1
20 2 9:12:00 9:12:00 9:20:00 8 2
21 2 9:14:00 9:14:00 9:19:00 5 3
22 1 9:15:00 9:15:00 9:22:00 7 1
23 3 9:18:00 9:19:00 9:27:00 8 3
24 3 9:21:00 9:21:00 9:25:00 4 2
25 7 9:28:00 9:28:00 9:33:00 5 1
26 1 9:29:00 9:29:00 9:40:00 11 2
27 4 9:33:00 9:33:00 9:39:00 6 1
28 2 9:35:00 9:35:00 9:40:00 5 3
29 3 9:38:00 9:39:00 9:45:00 6 1
30 1 9:39:00 9:40:00 9:50:00 10 2
31 3 9:42:00 9:42:00 9:50:00 8 3
32 2 9:44:00 9:45:00 10:00:00 15 1
33 2 9:46:00 9:50:00 10:01:00 11 3
34 2 9:48:00 9:50:00 10:00:00 10 2
35 6 9:54:00 10:00:00 10:15:00 15 1
36 3 9:57:00 10:00:00 10:10:00 10 2
37 3 10:00:00 10:01:00 10:08:00 7 3
38 14 10:14:00 10:14:00 10:22:00 8 2
39 0 10:14:00 10:14:00 10:20:00 6 3
40 2 10:16:00 10:16:00 10:24:00 8 1

Apéndice E.Quinta toma de muestras

Cliente Tiempo Hora de Hora de Hora de Tiempo de Cajero

entre llegada atención salida Servicio
llegada
1 0 8:11:00 8:11:00 8:16:00 5 1
2 2 8:13:00 8:13:00 8:19:00 6 2
3 1 8:14:00 8:14:00 8:20:00 6 3
4 6 8:20:00 8:20:00 8:30:00 10 1
5 3 8:23:00 8:23:00 8:26:00 3 2
6 0 8:23:00 8:23:00 8:29:00 6 3
7 2 8:25:00 8:26:00 8:30:00 4 2
TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 65

8 0 8:25:00 8:29:00 8:34:00 5 3

9 4 8:29:00 8:30:00 8:40:00 10 1
10 4 8:33:00 8:33:00 8:39:00 6 2
11 4 8:37:00 8:37:00 8:44:00 7 3
12 4 8:41:00 8:08:41 8:50:00 9 1
13 1 8:42:00 8:42:00 8:50:00 8 2
14 0 8:42:00 8:44:00 8:51:00 7 3
15 0 8:42:00 8:50:00 9:00:00 10 1
16 9 8:51:00 8:51:00 9:00:00 9 2
17 3 8:54:00 8:54:00 9:01:00 7 3
18 0 8:54:00 9:00:00 9:05:00 5 1
19 16 9:10:00 9:10:00 9:15:00 5 1
20 5 9:15:00 9:15:00 9:22:00 7 2
21 2 9:17:00 9:17:00 9:24:00 7 1
22 0 9:17:00 9:17:00 9:22:00 5 3
23 5 9:20:00 9:22:00 9:30:00 8 2
24 2 9:22:00 9:22:00 9:29:00 7 3
25 3 9:25:00 9:25:00 9:31:00 6 1
26 5 9:30:00 9:30:00 9:40:00 10 3
27 0 9:30:00 9:30:00 9:38:00 8 2
28 5 9:35:00 9:35:00 9:41:00 6 1
29 2 9:37:00 9:38:00 9:42:00 4 2
30 3 9:40:00 9:40:00 9:45:00 5 3
31 1 9:41:00 9:41:00 9:50:00 10 1
32 2 9:43:00 9:43:00 9:50:00 7 2
33 2 9:45:00 9:45:00 9:51:00 6 3
34 0 9:45:00 9:50:00 10:00:00 10 1
35 3 9:48:00 9:50:00 10:00:00 10 2
36 7 9:55:00 9:55:00 10:05:00 10 3
37 3 9:58:00 10:00:00 10:15:00 15 1
38 0 9:58:00 10:00:00 10:20:00 20 2
39 3 10:01:00 10:05:00 10:15:00 10 3
40 2 10:03:00 10:15:00 10:22:00 7 1
 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 66

Apéndice F.Tasa de utilización modelo original

Apéndice G.Costo total modelo original

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 67

Apéndice H.Tasa de utilización de modelo mejorado

 TEORÍA DE COLAS EN SUCURSAL BANCARIA, B/MGA. 68

Apéndice I.Costos totales modelo mejorado