Diapo Teoria de Colas

Administrado la Variabilidad y los
Tiempos de Espera
1
TexPoint fonts used in EMF.
Read the TexPoint manual before you delete this box.: AAA
Prof. M. Olivares / C. Bravo IN47B Ingeniera de Operaciones / IN4704 Gestin de Operaciones II
7:00 7:10 7:20 7:30 7:40 7:50 8:00
Patient
Arrival
Time
Service
Time
1
2
3
4
5
6
7
8
9
10
11
12
0
5
10
15
20
25
30
35
40
45
50
55
4
4
4
4
4
4
4
4
4
4
4
4
Un Proceso Extrao
2 Prof. M. Olivares / C. Bravo IN47B Ingeniera de Operaciones / IN4704 Gestin de Operaciones II
Patient
Arrival
Time
Service
Time
1
2
3
4
5
6
7
8
9
10
11
12
0
7
9
12
18
22
25
30
36
45
51
55
5
6
7
6
5
2
4
3
4
2
2
3
Time
7:10 7:20 7:30 7:40 7:50 8:00 7:00
Patient 1 Patient 3 Patient 5 Patient 7 Patient 9 Patient 11
Patient 2 Patient 4 Patient 6 Patient 8 Patient 10 Patient 12
0
1
2
3
2 min. 3 min. 4 min. 5 min. 6 min. 7 min.
Service times
N
u
m
b
e
r

o
f

c
a
s
e
s

Un Proceso ms Realista
7:00 7:10 7:20 7:30 7:40 7:50 8:00
Inventory
(Patients
at lab)
5
4
3
2
1
0
7:00 7:10 7:20 7:30 7:40 7:50 8:00
Wait time
Service time
Patient
Arrival
Time
Service
Time
1
2
3
4
5
6
7
8
9
10
11
12
0
7
9
12
18
22
25
30
36
45
51
55
5
6
7
6
5
2
4
3
4
2
2
3
La variabilidad lleva a tiempos de espera e
Inventario
4
Llamadas bloqueadas
(seal ocupada)
Abandonos
(cansados de esperar)
Llamadas
En Espera
Vendedor
Procesando las
Llamadas
Llamadas
Finalizadas
Llamadas
entrantes
Call center
Consecuencias financieras
Prdida de flujo Costos de espera
Prdida de imagen
Flujo perdido (abandonado)
$$$ Ganancia $$$ Costo de capacidad
Costo por cliente

Ejemplo de un Sistema de Colas: Call
Center
Flujo de
salida
Inventario en
Espera I
q

Entrada al sistema Salida Inicio servicio
Tiempo en cola T
q
Tiempo de servicio p
Tiempo de flujo T=T
q
+p
Tasa de
Entrada
Modelo de Espera en un Sistema
Flujo de
entrada
Tiempo entre
Llegadas a
Nmero de
servidores: m
Mtricas del Nivel de Servicio
Muchas organizaciones definen un estndar de servicio como
un Tiempo de Espera Aceptable.
Es un lmite superior para el tiempo experimentado por un
porcentaje dado (grande) de clientes, o Nivel de Servicio.

AWT= Tiempo de Espera Aceptable= Mximo tiempo de
espera en la cola experimentado por SL% de los clientes.

SL = Nivel de Servicio = Porcentaje de clientes cuyo tiempo
de espera es menor o igual al AWT.

7 7 Prof. M. Olivares / C. Bravo IN47B Ingeniera de Operaciones / IN4704 Gestin de Operaciones II
Mtricas del Nivel de Servicio (II)
Ejemplo: muchos call centers son diseados de tal manera
que tengan un SL = 80% o 90% para un AWT de 20
segundos.
La gran parte de los acuerdos con call centers sub-contratados
especifican un Acuerdo de Nivel de Servicio (SLA, Service Level
Agreement) de este tipo.
Otras mtricas:
T
q
= Tiempo de espera promedio en la cola.
T
s
= Tiempo de espera promedio en el sistema. (WTS)
N
q
= Nmero promedio de clientes en la cola = (tasa de
demanda)* Tq (Frmula de Little)
N
s
= Nmero promedio de clientes en el sistema = (tasa
de demanda) * Ts (Frmula de Little)
P
d
= Probabilidad de demora = Posibilidad de que un
cliente deba esperar.

Coeficiente de variacin (CV): mide la variabilidad de la variable aleatoria X.

Modelando la Llegada y el Tiempo de
Servicio
9
Para incorporar la variabilidad, un modelo de colas generalmente requiere
un descripcin detallada de la distribucin estadstica de llegadas y tiempos
de servicio.
tiempo
f
r
e
c
u
e
n
c
i
a

Ejemplo:
Tiempo entre llegadas consecutivas tiene una
distribucin exponencial (llegadas de Poisson)

|
|
.
|
\
|
=
(X) Prom
Est(X) Desv.

X
CV
servicio de tiempos :
llegada de tiempos :
p
CV
a
CV
Histograma de la
Distribucin Exponencial
Ejemplo:
Si el tiempo entre llegadas consecutivas sigue una distribucin exponencial,
entonces CVa = 1(propiedad particular de esta distribucin).

El Modelo Erlang o M/M/S
Supuestos bsicos:
(a) Existe un grupo de agentes de servicio (servidores) con
habilidades y caractersticas idnticas.
(b) Los clientes se sirven de forma FIFO, no existen prioridades.
(c) El servicio y los tiempos entre llegadas son aleatorios. El modelo
Erlang exacto asumo que ambos tienen una distribucin especfica
(exponencial).
(a) La distribucin exponencial est caracterizada completamente
por un nico parmetro, su media (y distribucin estndar).
(b) En la prctica, el modelo Erlang se usa como una aproximacin,
incluso si este supuesto no se cumple.
(d) El espacio de espera es amplio (hay capacidad suficiente).
(e) Los clientes no se van del sistema antes de ser servidos, no hay
abandonos.
Cantidad de clientes
cada 15 minutos.
0
20
40
60
80
100
120
140
160
0
:
1
5

2
:
0
0

3
:
4
5

5
:
3
0

7
:
1
5

9
:
0
0

1
0
:
4
5

1
2
:
3
0

1
4
:
1
5

1
6
:
0
0

1
7
:
4
5

1
9
:
3
0

2
1
:
1
5

2
3
:
0
0

0
20
40
60
80
100
120
140
160
0
:
1
5

2
:
0
0

3
:
4
5

5
:
3
0

7
:
1
5

9
:
0
0

1
0
:
4
5

1
2
:
3
0

1
4
:
1
5

1
6
:
0
0

1
7
:
4
5

1
9
:
3
0

2
1
:
1
5

2
3
:
0
0

Time
0
0.2
0.4
0.6
0.8
1
0:00:00 0:00:09 0:00:17 0:00:26 0:00:35 0:00:43 0:00:52 0:01:00 0:01:09
Funcin de Distribucin
Distribucin emprica
(puntos individuales)
Distribucin exponencial
(terica)
0
0.2
0.4
0.6
0.8
1
0:00:00 0:00:09 0:00:17 0:00:26 0:00:35 0:00:43 0:00:52 0:01:00 0:01:09
Inter - arrival time Inter - arrival time
Estacionalidad v/s variabilidad
Se necesita dividir en intervalos
los datos
Datos en un Call Center real
Dentro de cada intervalo, el tiempo
entre llegadas consecutivas sigue una
distribucin exponencial.

Carga ofrecida: Tasa de Utilizacin
Sea
s = Nmero de agentes / servidores.
a = / = carga ofrecida = nmero mnimo de agentes
requeridos.
= a/s= tasa de utilizacin
Bajo cualquier tipo de aleatoriedad, se debe tener que
> o < 1.
La diferencia ( ) puede ser pensada como la
capacidad basada en el servicio. Su magnitud depender del
nivel de servicio que se desea o se necesita proveer.
Modelo Erlang: Frmulas Bsicas
T W A ) - s(1 -
d
AWT a) - (s -
d
e ) (s, P 1 e a) (s, P - 1 SL

= =
) 1 (
) , (
) (
) , (
Tq

=
=
s
s P
a s
a s P
d d
( )
(
+
=

=

1
1
] 1 [
! /
a) (s, P
!
!
1
0
d
s
a
a
s a
s
k
k
s
k
s
13
(1)
(2)
(3)
Nivel de Servicio:
Tiempo de espera promedio:
Probabilidad de demora:
Modelo Erlang: Probabilidad de demora
14
Propiedades de la probabilidad de demora P
d
:

a) P
d
aumenta de 0 a 1 a medida que aumenta de 0 a 1.
b) Para s=1, P
d
(1,a)= = a
c) Para 10:
, (
), con () la distribucin
normal estndar.
d) Para valores dados de a y s, el nivel de servicio provedo no
depende en el tiempo absoluto de espera estndar (AWT),
sino que el tiempo de espera relativo:

= Tiempo de espera estndar, expresado como porcentaje
del tiempo de servicio promedio.
|
|
.
|
\
|
=
1
/ AWT * AWT
Medidas de servicio cuando s=1
Probabilidad de demora
1 P (no demora) =
==> P(demora) = 1 - P(no demora) =
Tiempo promedio de espera en la cola

Tiempo promedio pasado en el sistema
15
- 1
1
T
q
=
-
1

1
T T
q s
= + =
Medidas de servicio cuando s=1 (II)
Largo promedio de la cola
Nmero promedio de clientes en el sistema
= =
1
2
q q
T N
16
Littles Law =>
= = =
1
s s
T N
1
1
0
5
10
15
20
25
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
T
i
e
m
p
o

d
e

E
s
p
e
r
a

(
T
q
)

Utilizacin
Utilizacin y Espera Promedio
Servicio y Tiempos de Llegada No-Exponenciales
18
La variabilidad en el servicio y los
tiempos entre llegadas son quienes
impulsan el tiempo de espera.
Midindolo con el Coeficiente de
Variacin:

Aproximacin del tiempo de
espera promedio en la cola:

Average waiting
time
Theoretical Flow Time
Utilization

100%
Increasing
Variability
promedio servicio de Tiempo
servicio de tiempo del Est. Desv.
=
s
CV
llegadas entre prom. Tiempo
llegadas entre t' del Est. Desv.
=
a
CV

servicio de t' el en dad variabili de Factor
2 2
Erlang cola en espera de Tiempo
Erlang
2
,
|
|
.
|
\
|
+
s a
q
CV CV
T
Los clientes envan preguntas a un retailer online a travs de un chat de mesa
de ayuda online cada dos minutos en promedio, y la desviacin estndar de los
tiempos entre llegadas tambin es de dos minutos. El retailer online tiene tres
empleados para responder preguntas. Toma un promedio de cuatro minutos
escribir una respuesta. La desviacin estndar del tiempo de servicio es de dos
minutos.

P: Estimar la espera promedio del cliente antes de ser servido.

Ejemplo: Retailer Online
Recursos Independientes
2x(m=1)
Recursos comunes
(m=2)
0.00
10.00
20.00
30.00
40.00
50.00
60.00
70.00
60% 65%
m=1
m=2
m=5
m=10
70% 75% 80% 85% 90% 95%
Tiempo de
Espera T
q
Utilizacin u
Implicancias:
(+) Utilizacin balanceada
(+) Capacidad de fondo de seguridad
(+) Economas de escala estadsticas
El Poder del Pooling
(-) Cambios / Set-Ups
(-) Menos especializacin

Tiempo de Espera Aceptable (AWT)
Nivel de Servicio = Probabilidad { Tiempo de Espera s AWT }

.

0
0.2
0.4
0.6
0.8
1
0 50 100 150 200
Waiting time [seconds]
Fraccin de
clientes que
han esperado
x segundos o
menos.
Tiempo de espera para los clientes que no
recibieron el servicio inmediatamente.,
Fraccin de los clientes que recibieron el
servicio sin espera alguna.
90% de las llamadas
esperaron 25 segundos o
menos.
Otras medidas de nivel de servicio: Tiempo
de Espera Aceptable
x
Modelo Erlang Bsico: Anlisis de la
Capacidad.
(1)

Asumiendo que un SLA est dado, con AWT y SL acordado (50%). Cunta
capacidad (i.e. cuntos agentes) se necesitan para satisfacer el SLA?
- Usando la aproximacin normal

mientras s aumenta de a a , el SL aumenta desde 0.5 a 1.

AWT a) - (s -
e
a
a - s
- 1 SL |
.
|
\
|
u =
22
T W A ) - s(1 -
d
AWT a) - (s -
d
e ) (s, P 1 e a) (s, P - 1 SL

= =
Anlisis de la Capacidad (II)
Supongamos que se desea cumplir un SLA acordad (dado
por un AWT y un SL)
Cmo crece la capacidad con el volumen de demanda ?

(Frmula de la raz del staff)

(k depende del AWT y de SL)
La frmula de la raz cuadrada del staff muestra las
economas de escala y las ventajas en costo de realizar
pooling de recursos.
a k a s + =
Conclusiones
Prof. M. Olivares / C. Bravo IN47B Ingeniera de Operaciones / IN4704 Gestin de Operaciones II 24
La variabilidad es la norma, no la excepcin.
Se deben medir y comprender las fuentes y tratar de reducirlo.
El resto se debe acomodar (por ej. Aumentar la capacidad).
La variabilidad llevar a tiempos de espera incluso si la
utilizacin es menor al 100%.
Los modelos de colas son tiles para:
Cuantificar los efectos de la variabilidad en la performance del
sistema.
Analizar distintos escenarios (e.g. reducir los tiempos de
servicio promedio, aunar servidores, etc.).
Prxima clase
25
Aplicacin de los conceptos y las frmulas.

Traer Laptop, descargar Excel de U-Cursos.


Diapo Teoria de Colas

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Diapo Teoria de Colas

Загружено:

Авторское право:

Доступные форматы

Administrado la Variabilidad y los

Tiempo promedio de espera en la cola

Вам также может понравиться