Affiliation:
1. Universidad del Centro de México, México
2. Universidad Tecnológica de Querétaro,, México
3. Universidad Autónoma de Hidalgo, México
Abstract
Objetivo: El objetivo de este estudio es definir mediante el análisis de 2 casos empíricos: el primero un sistema M/G/1 o M/ D/1, y el segundo M/M/1 o M/M/S, la tasa óptima de servicio y la conveniencia económica de utilizar o no los mismos, así como validar dos ecuaciones desarrolladas ex profeso para calcular el número óptimo de servidores. Metodología: Primero se identificaron los modelos que aplican para cada organización, luego se estimaron los parámetros de cada sistema para obtener la tasa óptima de servicio, lo cual se comparó con lo calculado con las ecuaciones desarrolladas para ello. Resultados: Para ambos casos, al incrementarse la razón de costos servicio/demoras, disminuye el número óptimo de servidores y aumenta el costo del sistema. Ambas variables han sido menores para el modelo M/D/1 que para el M/G/1, debido al fuerte impacto de la desviación estándar del tiempo de servicio. Asimismo, el costo y número de servidores han sido menores para el sistema M/M/S comparado con el M/M/1, lo que lo hace preferible en caso de poder llevar a cabo su implementación. Limitaciones del Estudio: Se obtuvieron los parámetros de cada sistema con un número limitado de datos y sólo se estudiaron dos organizaciones. Originalidad: Las ecuaciones desarrolladas para calcular el número óptimo de servidores. Conclusiones: Hay diversos factores inciden en el comportamiento de los sistemas de servicio. Su estudio permite a las organizaciones tomar mejores decisiones y desarrollar modelos de optimización que incrementen el aprovechamiento de sus recursos, la calidad de su servicio y la rentabilidad.
Publisher
Instituto Politecnico Nacional
Subject
Cardiology and Cardiovascular Medicine
Reference21 articles.
1. Armony, M., Plambeck, E., & Seshadri, S. (2009). Sensitivity of Optimal Capacity to Customer Impatience in an Unobservable M/M/S Queue (Why you Shouldn´t Shout at the DMV). Manufacturing & Service Operations Management, 11(1), 19-32.
2. Barak, S., & Fallahnezhad, M. S. (2012). Cost Analysis of Fuzzy Queueing Systems. International Journal of Applied Operational Research, 2(2), 25-36.
3. Chang, F. M., & Ke, J. C. (2011). Cost analysis of a two-phase Queue System with Randomized Control Policy. Procedia-Social and Behavioral Sciences, 25, 137-146.
4. Gómez-Jiménez, F. A. (2008). Aplicación de teoría de colas en una entidad financiera: herramienta para el mejoramiento de los procesos de atención al cliente. Revista Universidad EAFIT, 44(150), 51-63.
5. Gorunescu, F., McClean, S. I., & Millard, P. H. (2002). A queueing model for bed-occupancy management and planning of hospitals. Journal of Operational Research Society, 53, 19-24.