1

UNIVERSIDAD NACIONAL
PEDRO RUIZ GALLO
FICSA
Ingeniera de Sistemas
Simulacin de Colas de Atencin en el cine
Cineplanet -Chiclayo
Modelamiento y Simulacin VIII-Ciclo

Integrantes:
Cdigo:

120501H

Apellidos y Nombres: Martinez Cancino Felipe

E-mail:

fjmc16@gmail.com

Cdigo:

125121I

Apellidos y Nombres: Ramrez Mendoza Giancarlo

E-mail:

gianca6259@gmail.com

Cdigo:

120518H

Apellidos y Nombres: Vsquez Vsquez Braulio

E-mail:

Cdigo:

bvasquezv@hotmail.com

120521I

Apellidos y Nombres: Zaldvar Risco Jaime

E-mail:

jaimezaldivarrisco@gmail.com

9 de Diciembre del 2015

RESUMEN
El presente informe como parte del curso de Modelamiento y
Simulacin se basa en la aplicacin de conocimientos y metodologas
adquiridos en clase con la finalidad de simular los hechos reales que
ocurre dentro del cine Cineplanet, y que permitir obtener resultados
y anlisis de estos para presentar a la gerencia.
El ttulo del presente informe es Simulacin de Colas para sacar
entradas en el Cine Cineplanet y el mbito de la investigacin se
suscribe a Real Plaza de Chiclayo.
El contexto y la situacin que se presenta corresponden a la atencin
de clientes en el servicio de boletera.
El funcionamiento bsico es el siguiente, los clientes llegan al cine
para comprar sus entradas. Aqu se forma una cola.
El problema de esta situacin es que se genera en boletera una cola
el cual molesta mucho a los clientes, cosa que la gerencia debe
evitar.
Se recomienda que funcionen las 6 ventanillas que estn en boletera
y as evitar las largas colas que mayormente se generan los fines de
semana (sbados).

MARCO TEORICO

La teora de colas: es el estudio matemtico del comportamiento de

lneas de espera. Esta se presenta, cuando los clientes llegan a un
lugar demandando un servicio a un servidor, el cual tiene una
cierta capacidad de atencin. Si el servidor no est disponible
inmediatamente y el cliente decide esperar, entonces se forma la
lnea de espera.
Una cola: es una lnea de espera y la teora de colas es una coleccin
de modelos matemticos que describen sistemas de lnea de espera
particulares o sistemas de colas. Los modelos sirven para encontrar
un buen compromiso entre costes del sistema y los tiempos promedio
de la lnea de espera para un sistema dado.
Los sistemas de colas: son modelos de sistemas que proporcionan
servicio. Como modelo, pueden representar cualquier sistema en
donde los trabajos o clientes llegan buscando un servicio de algn
tipo y salen despus de que dicho servicio haya sido atendido.
Podemos modelar los sistemas de este tipo tanto como colas sencillas
o como un sistema de colas interconectadas formando una red de
colas. En la figura de abajo podemos ver un ejemplo de modelo de
colas sencillo. Este modelo puede usarse para representar una
situacin tpica en la cual los clientes llegan, esperan si los servidores
estn ocupados, son servidos por un servidor disponible y se marchan
cuando se obtiene el servicio requerido.
El problema es determinar qu capacidad o tasa de servicio
proporciona el balance correcto. Esto no es sencillo, ya que un cliente
no llega a un horario fijo, es decir, no se sabe con exactitud en que
momento llegarn los clientes. Tambin el tiempo de servicio no tiene
un horario fijo.
Los problemas de colas se presentan permanentemente en la vida
diaria: un estudio en EEUU concluy que, por trmino medio, un
ciudadano medio pasa cinco aos de su vida esperando en distintas
colas, y de ellos casi seis meses parado en los semforos.
Elementos existentes en un modelo de colas:
Fuente de entrada o poblacin potencial: Es un conjunto de
individuos (no necesariamente seres vivos) que pueden llegar a
solicitar el servicio en cuestin. Podemos considerarla finita o infinita.
Aunque el caso de infinitud no es realista, s permite (por extrao que
parezca) resolver de forma ms sencilla muchas situaciones en las
que, en realidad, la poblacin es finita pero muy grande. Dicha
suposicin de infinitud no resulta restrictiva cuando, aun siendo finita
la poblacin potencial, su nmero de elementos es tan grande que el
nmero de individuos que ya estn solicitando el citado servicio
prcticamente no afecta a la frecuencia con la que la poblacin
potencial genera nuevas peticiones de servicio.

Cliente: Es todo individuo de la poblacin potencial que solicita

servicio. Suponiendo que los tiempos de llegada de clientes
consecutivos son 0<t1<t2<..., ser importante conocer el patrn de
probabilidad segn el cual la fuente de entrada genera clientes. Lo
ms habitual es tomar como referencia los tiempos entre las llegadas
de dos clientes consecutivos: consecutivos: clientes consecutivos:
T{k} = tk - tk-1,
fijando su distribucin de probabilidad.
Normalmente, cuando la poblacin potencial es infinita se supone que
la distribucin de probabilidad de los Tk (que ser la llamada
distribucin de los tiempos entre llegadas) no depende del nmero de
clientes que estn en espera de completar su servicio, mientras que
en el caso de que la fuente de entrada sea finita, la distribucin de los
Tk variar segn el nmero de clientes en proceso de ser atendidos.
Capacidad de la cola: Es el mximo nmero de clientes que pueden
estar haciendo cola (antes de comenzar a ser servidos). De nuevo,
puede suponerse finita o infinita. Lo ms sencillo, a efectos de
simplicidad en los clculos, es suponerla infinita. Aunque es obvio que
en la mayor parte de los casos reales la capacidad de la cola es finita,
no es una gran restriccin el suponerla infinita si es extremadamente
improbable que no puedan entrar clientes a la cola por haberse
llegado a ese nmero lmite en la misma.
Disciplina de la cola: Es el modo en el que los clientes son
seleccionados para ser servidos. Las disciplinas en nuestro caso son:
La disciplina FIFO (first in first out), tambin llamada FCFS (first come
first served): segn la cual se atiende primero al cliente que antes
haya llegado. Ya que en el cine la primera persona que llega, compra
su entrada y es la primera en salir de la cola.
Mecanismo de servicio: Es el procedimiento por el cual se da
servicio a los clientes que lo solicitan. Para determinar totalmente el
mecanismo de servicio debemos conocer el nmero de servidores de
dicho mecanismo (si dicho nmero fuese aleatorio, la distribucin de
probabilidad del mismo) y la distribucin de probabilidad del tiempo
que le lleva a cada servidor dar un servicio. En caso de que los
servidores tengan distinta destreza para dar el servicio, se debe
especificar la distribucin del tiempo de servicio para cada uno.
El sistema de la cola: es el conjunto formado por la cola y el
mecanismo de servicio, junto con la disciplina de la cola, que es lo
que nos indica el criterio de qu cliente de la cola elegir para pasar al
mecanismo de servicio. Estos elementos pueden verse ms
claramente en la siguiente figura:

PALABRAS CLAVES:
Cine: es la tcnica de proyectar fotogramas de forma rpida y
sucesiva para crear la impresin de movimiento, mostrando
algn vdeo (o de pelcula, o film, o filme)
Cineplanet: es una empresa peruana dedicada a brindar el mejor
entretenimiento cinematogrfico.
Boletera: taquilla donde se venden billetes.
Ventanillas: abertura pequea que hay en la pared de distintos
establecimientos, a travs de la cual los empleados se comunican con
el pblico:
Clientes: entidad dinmica. Son las personas que llegan al sistema
para ser atendidos en la boletera.
La teora de colas: es el estudio matemtico del comportamiento
de lneas de espera. Esta se presenta, cuando los clientes llegan a
un lugar demandando un servicio a un servidor, el cual tiene
una cierta capacidad de atencin. Si el servidor no est disponible
inmediatamente y el cliente decide esperar, entonces se forma la
lnea de espera.
Una cola: es una lnea de espera y la teora de colas es una
coleccin de modelos matemticos que describen sistemas de lnea
de espera particulares o sistemas de colas. Los modelos sirven para
encontrar un buen compromiso entre costes del sistema y los
tiempos promedio de la lnea de espera para un sistema dado.
Los sistemas de colas: son modelos de sistemas que
proporcionan servicio. Como modelo, pueden representar cualquier
sistema en donde los trabajos o clientes llegan buscando un servicio
de algn tipo y salen despus de que dicho servicio haya sido
atendido. Podemos modelar los sistemas de este tipo tanto como

colas sencillas o como un sistema de colas interconectadas

formando una red de colas.

CONTENIDO
1. Introduccin
2. Descripcin del Sistema
3. Anlisis de los Datos de Entrada
4. Descripcin del Modelo de Simulacin
5. Verificacin y Validacin del Modelo
6. Anlisis de Resultados
7. Resultados de la Simulacin
8. Sugerencias
Sistema

de

9. Conclusiones
10. Recomendaciones
11. Agradecimientos
12. Bibliografa

Modificacin

al

1.

INTRODUCCION

Como punto primordial de la investigacin es el hecho de que con el

uso de herramientas tales como la simulacin de sistemas discretos y
el uso de software de este tipo como el Arena se pueden encontrar
soluciones tcnicas a problemas como la disminucin de la calidad del
servicio, como es el caso de cine CINEPLANET.

1.1

Descripcin y antecedentes de la empresa

La historia de Cineplanet empieza, a mediados de 1998, con una idea

originada por tres jvenes peruanos, quienes, luego de terminar su
postgrado en WhartonUniversity, decidieron regresar al Per para
identificar oportunidades de inversin y desarrollar nuevos proyectos
NexusFilm Corp, empresa peruana formada por estos jvenes,
identific una fuerte necesidad en el rubro entretenimiento, en Lima y
las principales ciudades del Per. La industria cinematogrfica fue
seleccionada en base a su elevado potencial de crecimiento, a pesar
que el nmero de espectadores haba cado de 16 millones en 1981 a
3 millones en 1995.
El comienzo
En el ao 1999 NexusFilm Corp adquiere la cadena de cines Cineplex,
empresa que operaba hasta la fecha tres complejos de cine ubicados
en los distritos de San Miguel, Centro de Lima (Cine Adn y Eva) y
Miraflores (Cine Alczar). A partir de esta adquisicin, el grupo decide
reclutar un staff gerencial, experto en el rubro de servicios, con el
objetivo de crear una empresa orientada al cliente y sus
colaboradores, desarrollando una cultura basada en valores.
La etapa avanzada
En Mayo de 2005, como parte de su estrategia de expansin regional,
Cineplanet ingresa al mercado chileno bajo la marca Movieland, pero
desde el 2011 es consolidada tambin con el nombre Cineplanet. La
puesta en marcha de Cineplanet en Chile comprende las ciudades de
Santiago, Valdivia, Temuco y Concepcin, contando a la fecha con 7
complejos.
La diversificacin
En Febrero de 2013, Cineplanet inaugura un nuevo concepto en salas,
Cineplanet Prime, que brinda una experiencia diferente al espectador,

con atencin a la sala, servicio personalizado y cmodas butacas

reclinables. Con esta incursin, Cineplanet ampla su oferta y se
consolida como una empresa lder.
La consolidacin
Cineplanet tiene planeado seguir llevando la experiencia del cine a
muchas ms zonas de Lima y Provincias, manteniendo un liderazgo,
no solo en espectadores, sino tambin en un servicio de alta calidad,
brindando una experiencia cinematogrfica de excelencia.

Sin embargo, en esta situacin se tiene lo siguiente:

Amenazas:

Que los clientes dejen de asistir al

cine por la larga cola.
En general las agencias y oficinas
especiales son pequeas y una cola
muy larga en algn servicio dificulta el
trnsito dentro de la misma y afecta a
otros servicios.

Riesgos:

Algunos clientes potenciales pueden

dejar de informarse debido a que
existe mucha gente en un momento
determinado en la cola. Lo que origina que se

pierdan posibles clientes.

1.2

Descripcin del proyecto

Se escogi el cine Cineplanet para realizar un muestreo que nos

permita usarlo como base para hacer la simulacin del sistema de
colas ya que su representacin matemtica sera demasiado
complicada de analizar. Para ello, hemos utilizado los conocimientos
de estadsticos impartidos a lo largo de la carrera para analizar el
comportamiento de los tiempos de los clientes en la compra de sus
boletos de cine. Es por esto, asistiendo durante los das sbados del
fin de semana, en el mismo rango de tiempo de 4:00-5:00 pm (el de
mayor afluencia del pblico) hemos obtenido muestras lo
suficientemente aceptables y confiables para el estudio.
Para esto, hemos hecho pruebas de independencia para verificar la
relacin de dependencia o independencia existente entre los tiempos.
Luego de realizar la prueba de independencia nos planteamos
hiptesis de acuerdo a nuestro sentido comn y experiencia, y para
ello realizamos las pruebas de bondad de ajuste, las cuales nos
servirn para demostrar el comportamiento de los tiempos; es decir,
si se distribuyen de forma normal, exponencial, etc.
Despus de esto, y a travs del teorema del lmite central
concluiremos si las distribuciones poblacionales se ajustan a la
distribucin normal.
Otro factor necesario ser conocer el comportamiento muestral de las
medias, pues para realizar los intervalos de confianza de las medias y
de las diferencias de medias es necesario que la media muestral se
comporte de forma normal.
A partir de los datos analizados estadsticamente se simulara el
comportamiento de las colas, la atencin en las boleteras y los
tiempos que tardan los clientes en ser atendidos entre otras cosas. De
esta manera se podr saber los problemas que existen y a partir de
eso plantear soluciones lgicas a dichos inconvenientes.

1.3

Formulacin del problema

En la cadena de cine Cineplanet se presenta un fenmeno comn que

sucede cuando la demanda efectiva del servicio de venta de boletos
supera la oferta efectiva. Este fenmeno consiste en la formacin de
colas en las boleteras.

10

Es frecuente que las empresas tales como la de salas de cine tomen

decisiones respecto al caudal de servicios que debe de estar
preparada para ofrecer. Estas decisiones se deben resolver con
informacin pertinente al caso. Es muy importante que ellos deban
estar preparados para ofrecer todo servicio que se solicite en
cualquier momento, esto puede implicar costos excesivos y recursos
ociosos. Sin embargo, carecer de la capacidad de servicios suficiente
causa colas excesivamente largas en las horas punta. Cuando los
clientes tienen que esperar periodos largos de tiempo para comprar
los boletos, a veces deciden abandonar la cola e irse a otro lugar. Esto
es lo que justamente quiere evitarse ya que se pierde tanto clientes
como el prestigio de la empresa. Muchas veces es imposible predecir
con exactitud la llegada de clientes y el tiempo de servicio que
requieren, es por esta razn que se trabajar con datos estadsticos
para que la simulacin sea lo ms real posible.
La teora de las colas en s no resuelve directamente el problema,
pero contribuye con la informacin vital que se requiere para tomar
las decisiones concernientes prediciendo algunas caractersticas
sobre la lnea de espera: probabilidad de que se formen, el tiempo de
espera promedio, etc.
A continuacin, se plantean algunas de las preguntas
importantes que se van a resolver a lo largo de la investigacin:

ms

Cul es el tiempo que pasan los clientes en la cola?

Cul es el tiempo de servicio promedio de las boleteras?
Para resolver este problema se tomarn datos de los tiempos
requeridos en el periodo de tiempo ya mencionado, luego se
analizarn estos datos en un programa de anlisis de datos llamado
Input Analyzer. De esta manera se podrn obtener las distribuciones
que siguen las variables propuestas y con estos datos se proceder a
la simulacin en el software Arena. Al correr la simulacin en el
Arena se obtendrn los datos necesarios para poder tomar las
decisiones pertinentes al caso y obtener las conclusiones.

11

2. DESCRIPCION DEL SISTEMA

El presente proyecto busca analizar y determinar el esquema de
funcionamiento de colas en el cine Cineplanet mediante la simulacin
aplicando la dinmica de sistemas.
Para esto, se simul a travs de la dinmica de sistemas el
funcionamiento del esquema de colas en el cine Cinepalnet, para
determinar las deficiencias respecto a la tasa de servicio en
comparacin con la tasa de llegada de los clientes, identificando los
actores partcipes del proceso describindolos en variables para
identificar patrones de comportamiento, de esta manera se procede a
representar mediante un diagrama de influencia las relaciones entre
dichas variables; una vez realizado lo anterior se cre el modelo a
travs del software Arena, posteriormente se desarrolla la validacin
orientada a detallar las deficiencias en la formulacin del modelo, de
esta forma se analiz la sensibilidad de las variables y al interpretar
los resultados que arroja la simulacin se tom una decisin.

2.1

Grfico del Sistema

12

2.2

Elementos del sistema

ENTIDADES
Cliente

Boletera

2.3

ATRIBUTOS
Tiempo de llegada
Hora de llegada
Tiempo de espera
Cola promedio
Hora salida del sistema
Promedio de tiempo
llegada
Promedio de tiempo
espera
Hora de inicio de
servicio
Hora de fin de servicio
Tiempo de atencin

ACTIVIDADES
Llegar al servicio
Comenzar a hacer cola
Estar en cola
Salir del sistema

Dar el servicio
Esperar por otro cliente
Dejar de esperar

Anlisis del sistema

Eventos:
1.
2.
3.
4.
5.
6.
7.
8.
9.

Arribo de un cliente al cine (sistema)

Alejamiento por cola mxima
Ingreso a cola
Salida de cola
Inicio de servicio de las cajas
Fin de servicio de las cajas
Inicio de espera de cola
Fin de espera de cola
Salida del sistema

Eventos principales
1. Arribo de un cliente al cine (sistema)
2. Fin de servicio de las cajas

Diagrama relacional de eventos

Ingresar al sistema para el problema abarca ya sea para entrar a cola,

o para revisar la cartelera.

Ingresar a cola para el problema es colocarse en las zonas destinadas

a cola para ser atendido en la boletera.

13

2.4

Variables

Las variables que se van a muestrear para la Simulacin son el tiempo de

llegada, el tiempo de espera en cola, y el tiempo de servicio de la boletera
o tiempo de ocupacin.

2.5

Diagrama de Flujo

14

3. ANLISIS DE LOS DATOS DE

ENTRADA
Describe los datos recolectados empricamente desde cada una de las
variables. Describe el ajuste estadstico de las variables a alguna
distribucin de probabilidad. El Arena Input Analyzer provee facilidades
para al ajuste de distribuciones estadsticas para datos empricos y pruebas
estadsticas.

Los datos de entrada de nuestro trabajo son:

Los clientes: Personas que van a ver las pelculas publicadas

como estreno o pelculas que ay se estrenaron.

La Boletera: Lugar donde los clientes adquieren sus entradas
para as poder entrar al cine a ver las pelculas.

Data obtenida sobre el tiempo entre llegadas y tiempo de

atencin:
Los datos mostrados a continuacin, son los que obtuvimos midiendo
el tiempo. El tiempo se midi en segundos y la tabla representa el
acumulado de los tiempos de llegada entre clientes y el tiempo que
se demora en atender:
Los datos presentados se adjuntan en el archivo de Excel. (Anexo 1)

15

4. DESCRIPCION DEL MODELO DE

SIMULACION
Breve descripcin del software de simulacin de Arena
El Software usado en la simulacin de nuestra investigacin es el
Software Arena. Esta es una herramienta de simulacin de eventos
discretos y continuos lder a nivel mundial. Este software fue creado
por Rockwell Software Inc, que es una divisin de Rockwell
Automation Control Systems, empresa norteamericana lder a nivel
mundial en el desarrollo e implementacin de hardware y software de
automatizacin y simulacin. En el siguiente grafico se puede
apreciar un sistema de un proceso simple en el Arena:
La simulacin es la coleccin de informacin real,
mtodos y
aplicaciones que simulan los comportamientos de algn sistema real
en la computadora. Se conoce como el proceso de diseo y creacin
de un modelo computarizado de un sistema real para efectuar
experimentos numricos para su mejor comprensin de su
comportamiento bajo una determinada condicin. Esta herramienta
se ha vuelto muy poderosa ya que se tiene la habilidad de comparar
modelos complejos con sistemas complejos.
Describe el modelo de simulacin desarrollado y detalla su estructura
en trminos de sus componentes principales, objetos y operacin
lgica. Descompone la descripcin de un modelo complejo en
trminos de descripciones de sub-modelos de tamao manejable.
Partes crticas del modelo pueden ser descritas con ms detalle.
Aqu se describe el modelo de simulacin en el lenguaje de
programacin usado por los autores.
Descripcin del modelo de simulacin en Arena:
Del comportamiento observado en la realidad sobre el proceso de
formar cola para la venta de boletos cola en el Cineplanet, se pudo
extraer el siguiente modelo, que intenta imitar los pasos y
condiciones para el funcionamiento del sistema de colas de dicho
lugar de estudios.

DIAGRAMA DE SIMULACIN EN ARENA:

16

Llegada de clientes:
Como bien se sabe todo sistema tiene una entrada, en este modelo
ser la llegada o arribo de clientes para su representacin se utilizara
el modulo Create, la llegada de clientes segn los datos recogidos
sigue una distribucin Exponencial de 40.2 + 0.99 segundos, esto
representara el tiempo en promedio que llegan los clientes al sistema.

Cola inicial
Cola inicial ser representada por un mdulo Assing donde se
asignara el tamao de la cola, para ello se le agregara un variable
llamada COLA la cual la iniciaremos en 0.

Formar cola

17

Utilizaremos otro modulo Assign para agregar caractersticas a la

cola y a los clientes:
-

Asignaremos una tributo Tomar tiempo con el comando TNOW

que capturara el tiempo en el momento en que se encuentren
los clientes.
Asignaremos una atributo TIPO_CLIENTE el cual sigue una
distribucin discreta se sabe por datos tomados que hay 2 tipos
de clientes, el cliente tipo 1 representa a personas que recibirn
una atencin preferencial debido a su condicin de Embarazo,
nios pequeo, ancianos o discapacitado, estos representaran
el 10% de los clientes, el sobrante son los clientes de tipo 2
que son personas comunes y corrientes.
Se asignara un atributo ms llamado prioridad, el cual ser por
tipo de cliente, el cual se explic en el paso anterior.
Adems a la variable cola se le asignara un comportamiento
para que crezca de 1 en 1.

Verificar cola
El proceso de verificar la cola se representara por un mdulo Decide
y el tipo ser 2-Way by Condition, en este mdulo se verificara si la
cola es igual a 0, en caso de que sea verdad el cliente pasara
directo a ventanilla sea cual sea su condicin.

18

Verificar Cliente
El proceso verificar cliente se representara por un mdulo Decide
de tipo 2-Way by Condition, en el caso, de que el paso anterior la
respuesta sea falsa l es decir la cola sea mayor a 0, se verificara el
tipo de cliente si el tipo de cliente es de tipo 1 entonces el cliente
pasara directo a ventanilla.

Decidir espera
El proceso decidir espera se representara por un mdulo Decide de
tipo 2-Way by Chance, en el caso, de que el paso anterior la
respuesta sea falsa l es decir el cliente no sea de tipo 1 si no de tipo
2 pasara a este paso donde decidir si formar cola o abandonar el
sistema, por los datos tomados se sabe que el 92% de los clientes se
quedan esperar cola, el restante 8% deciden abandonar.

Esperar cola

19

El proceso de espera de cola ser representada por un mdulo

Process la lgica de este proceso es una accin de Delay, los
clientes estarn estancados en este proceso esperando que se libere
alguna ventanilla, el proceso de esperar cola sigue una distribucin
uniforme de con un mnimo de -0.001 a un mximo de 1230
segundos.

Entrar a ventanilla
El paso de entrar en o no en ventanilla ser representado por un
modul Decide del tipo 2-Way by Condition, en este paso se
verificar si la atencin en ventanilla es menor a 3, si los clientes
esperando en cola ven que la cantidad de clientes en ventanilla es
menos que 3 pueden salir de esperar cola y pasar a ser atendidos en
ventanilla si no es as, se mantendrn en la cola, esto se debe a que
hay 3 boleteros los cuales solo atienden a un cliente a la vez.

Tiempo en cola

20

Se utilizara un mdulo Record para tomar el tiempo en cola de los

clientes, as que se la pasara el atributo TOMAR_TIEMPO el cual
capturar el intervalo de espera.

Atencin en ventanilla
La atencin en ventanilla ser representada por un mdulo Process,
aqu es donde finalmente los clientes conseguirn comprar su boleto,
a este mdulo se aplicara una accin de Seize Delay Release, al
cual se le agregaran un set de boleteros que atendern de manera
cclica. La atencin sigue una distribucin uniforme con un valor
medio de 90 segundos y una desviacin estndar de 55.6 segundos,
segn los datos obtenidos de la observacin.

Permanencia en sistema

21

Se utilizara un mdulo Record para tomar el tiempo de permanencia

en el sistema, as que se la pasara el atributo TOMAR_TIEMPO el cual
capturar el intervalo de espera total.

Salida
Finalmente el mdulo de salida un Dispose que representa la salida
del sistema de colas.

5. VERIFICACIN Y VALIDACIN DEL

MODELO
Se pudo verificar lo parecido que resulta la simulacin de la realidad,
siempre van a existir diferencias debido a que no todas las semanas se van
a seguir la misma distribucin de frecuencias. Esto es debido a que en la
realidad nos dimos cuenta que haba gente que se retiraba debido a la
demora en el sistema o porque no se sienten cmodos por la atencin y al
momento de realizar la simulacin se encuentra que exista una gran
cantidad de personas que quedan en cola. Esta informacin se ve en los
cuadros de anlisis de resultados

6. ANLISIS DE RESULTADOS
En base a los datos obtenidos se crearon los archivos .dst para incluir en el
input analyzer.
Tiempo entre Llegadas

22

Distribution Summary
Distribution: Exponential
Expression:
0.999 + EXPO(40.2)
Square Error: 0.006046
Chi Square Test
Number of intervals = 4
Degrees of freedom = 2
Test Statistic
= 2.19
Corresponding p-value
= 0.354
Kolmogorov-Smirnov Test
Test Statistic
= 0.122
Corresponding p-value
= 0.142
Data Summary
Number of Data Points = 87
Min Data Value
= 1
Max Data Value
= 158
Sample Mean
= 41.1
Sample Std Dev
= 36.4
Histogram Summary
Histogram Range
Number of Intervals

= 0.999 to 158
= 9

Tiempo de Atencin

Distribution Summary
Distribution: Normal
Expression:
NORM(90, 55.6)
Square Error: 0.013515

23
Chi Square Test
Number of intervals = 5
Degrees of freedom = 2
Test Statistic
= 6.08
Corresponding p-value
= 0.0483
Kolmogorov-Smirnov Test
Test Statistic
= 0.145
Corresponding p-value
= 0.0471
Data Summary
Number of Data Points = 87
Min Data Value
= 0
Max Data Value
= 341
Sample Mean
= 90
Sample Std Dev
= 56
Histogram Summary
Histogram Range
Number of Intervals

= -0.001 to 341
= 9

Tiempo de cola

Distribution Summary
Distribution: Uniform
Expression: UNIF(-0.001, 1.23e+003)
Square Error: 0.033029
Chi Square Test
Number of intervals
Degrees of freedom
Test Statistic
Corresponding p-value

=
=
=
<

9
8
25.9
0.005

Kolmogorov-Smirnov Test
Test Statistic
= 0.138
Corresponding p-value
= 0.0683
Data Summary
Number of Data Points
Min Data Value
Max Data Value
Sample Mean
Sample Std Dev

=
=
=
=
=

87
0
1.23e+003
666
383

Histogram Summary
Histogram Range
= -0.001 to 1.23e+003
Number of Intervals = 9

24

7. RESULTADOS DE LA SIMULACION
Se realiz una simulacin para una semana donde solo se analiz una hora
diaria.
Como se puede apreciar en promedio el nmero de salidas del sistema de
73 cada hora durante una semana.

25

En esta grafica se muestra en promedio cuantas personas atienden cada

boletero durante todo el proceso d simulacion.

En este cuadro se muestra cuanto es la permeancia en el sistema de una

persona en el sistema en la semana las personas desde la cola hasta su
atencin, un aproximado de 568.14 segundos lo cual son aproximadamente
9 minutos, inclusive llegan estar un mximo de 2282.39 segundos lo cual
son algo de 38 minutos, en la cola se observa que en promedio pasan
529.17 segundos es decir algo de 8 minutos y se llega esperar hasta un
mximo de 2150.39 segundos es decir algo de 35 minutos en cola.
Como se puede observar los tiempos de espera llegan a ser muy altos,
casos donde las personas llegan minutos antes de la pelcula y no poder
tener la certeza de comprar su boleto a tiempo, quizs este malestar se
refleje en que casi un 8% de las personas que llegan abandonen la cola.

Ver los anexos 2.1 y 2.2 (simulaciones del software Arena).

26

8. SUGERENCIAS DE MODIFICACIN
AL SISTEMA
Las modificaciones solo se veran en el caso de la capacidad del servidor, se
pueden habilitar entre dos y tres boleteras ms (a tiempos parciales), ya
que normalmente se trabaja con tres de las seis boleteras, pero no es lo
suficientemente eficaz; en casos especiales como son estrenos, se abren
cuatro boleteras como mximo.
Como sugerencias, el sistema ahora debe funcionar con 6 boleteros, as que
modificaremos la simulacin con 6 recursos llamados boleteros.

En promedio el nmero de salidas durante una semana con una hora de

atencin es de 74, no muy diferente que con 3 boleteros, esto se debe a que
el hecho de que haya 6 y no 3, no influye en la llegada de clientes, al menos
no a corto plazo.

27

En esta grafica se puede observar el promedio de atencin por boletero

durante la semana, podemos apreciar que cada boletero atiende la mitad
de clientes que suele hacer con normalidad, segn como lo vea la empresa
el boletero puede trabajar ms cmodo, o quizs podra decirse que se est
sub-utilizando.

En estos datos podemos observar que en promedio pasan 536.27 segundos

en todo el sistema es decir un poco menos de 9 minutos y que se llega a
estar un mximo de 1381.44 segundos lo cual son 23 minutos
aproximadamente, en lo que es esperar en cola en promedio se llega a
esperar algo de 489.03 segundos es decir 8 minutos y como mximo
1226.82 segundos que son algo de 20 minutos, como se puede observar los
tiempos promedio de espera no han variado mucho, pero lo que si se ha
variado bastante es en lo mximo que se llega a esperar, se reducido en un
poco menos de la mitad lo cual si se le puede considerar una mejora.

28

9. CONCLUSIONES
RECOMENDACIONES

Basado en el modelo de simulacin que hemos creado, podemos observar

que el comportamiento de las colas en un contexto normal se ajusta al uso
de una sola cola de las cajas, modelo que puede observarse en las
replicaciones de la simulacin, en las que solo se pierden algunos pocos
clientes porque se crean largas colas en escasas ocasiones, la
recomendacin del caso sera que se habiliten ambas boleteras pero que
solo exista las tres boleteras a tiempo completo , y que las otras dos o tres
boleteras se contrate a tiempo parcial para evitar el desperdicio.

10.

AGRADECIMIENTOS

Se agradece el apoyo del personal del cine CINEPLANET, as como al Ing.

Cesar Guzmn Valle, el cual sin sus enseanzas no hubiramos podido
concluir este trabajo.

11.

BIBLIOGRAFIA

https://es.wikipedia.org/wiki/Teor%C3%ADa_de_colas
http://www.econ.unicen.edu.ar/attachments/1051_TecnicasIISimulacion.pdf
https://www.cineplanet.com.pe/categoria/sobre-nosotros
https://uniioblandon.files.wordpress.com/2011/03/el-software-arena-es-laherramienta-de-simulacic3b3n-de-eventos-discretos-y-continuos-lc3adder-anivel-mundial.pdf