1
Aplicacin del modelo M/M/K al sistema cola de pagos de
una empresa prestadora de servicios de salud
Application of the model to the queuing system of payments a company that
provides health services
Autor 1: Mauricio Andres Hernandez Velasquez Autor 2: Carolina Orozco Lopez
Facultad de Ingeniera Industrial, Universidad Tecnolgica de Pereira, Pereira, Colombia
Correo-e: maanhernandez@utp.edu.co
Resumen Las entidades prestadoras de servicio de
salud, saben que adems de ofrecer diferentes alternativas
en sus servicios para cada segmento de la poblacin, se
valora la forma como hace la recepcin de los pagos
de estos servicios. El diseo de las instalaciones, la
calidad del personal que est en contacto con los
clientes y la confortabilidad de estos, son algunos de
dichos aspectos. El ltimo de ellos se ve en gran medida
reflejado en el tiempo transcurrido entre el momento de
la solicitud del servicio por parte del cliente y aquel en
que realmente se lleva a cabo de manera efectiva. El
presente trabajo muestra la aplicacin de una herramienta
de la Investigacin de Operaciones (IO) como la teora
de colas, la cual busca modelar los procesos de lneas
de espera, tomando como estudio los problemas para la
atencin de sus pacientes en los pagos de consulta
externa.
Palabras clave Atencin al cliente,
Investigacin de operaciones (IO), Teora de
colas
Abstract The organizations providing health services, know
that besides offering alternatives in their health services for
every segment of the population, is valued way for the receipt
of payments for these services. The design of the facilities, the
quality of staff in contact with customers and the comfort of
these are some of these aspects. The last one is greatly
reflected in the time between the moment of the request for
service from the customer and one in which actually takes
place effectively. This paper shows the application of a tool of
Operations Research (OR) as queuing theory, which seeks to
model the processes waiting lines, building to study the
problems of their patients care in consultation payments
externally.
Key Word Customer, Operations Research (OR), queuing
theory
I. INTRODUCCIN
La teora de colas es un tema perteneciente a la
Investigacin de Operaciones, encargada de proponer
modelos para el manejo eficiente de las lneas de
espera, sean estas personas, productos, automviles,
llamadas telefnicas entre otras (Hillier & Lieberman, 1997).
Este trabajo fue realizado a una entidad prestadora de servicios
de salud ESE Hospital Santa Mnica, la cual presentaba
problemas para el manejo de las filas de los pacientes que
solicitan servicios de consulta externa mdica, odontologa,
imagenologia y servicios de promocin y prevencin.
La metodologa usada se bas inicialmente en la
recoleccin de datos, relacionados con tiempos de llegada
y de atencin, y el anlisis exploratorio estadstico de los
mismos para comprobar supuestos del modelo y
confiabilidad de los datos. Posteriormente se determinaron
los parmetros necesarios para utilizar el modelo de teora
de colas y determinar las variables de salida de inters.
Este estudio aplicado es un claro ejemplo de interpolacin
entre los problemas que a diario deben enfrentar las
entidades de salud y las herramientas matemticas y
estadsticas diseadas en las ciencias administrativas, las
cuales se disponen para el modelamiento y el apoyo en la
toma de decisiones complejas.
El estudio comenz analizando el flujo de pacientes durante
los das de la semana y a diferentes horas, por medio de una
caracterizacin del sistema de servicio. Este paso fue
clave para la aplicacin del modelo propuesto de la teora
de colas, el cual, a travs de la informacin obtenida en la
caracterizacin, mostr el nmero ptimo de promotores que
ofreceran un tiempo determinado de espera de los clientes
con una eficiencia aceptable para la empresa.
II. CONTENIDO
1. Caracterizacin del Sistema Servicio
El punto de partida fue clasificar el comportamiento de los
usuarios a la llegada a la sala de espera, durante todos los das
de la semana y las horas hbiles del da, dependiendo de la tasa
de arribo de los pacientes. Para evitar datos sesgados, los das
que se tuvieron en cuenta para la recoleccin de las muestras
en la base de datos cumplieron las siguientes caractersticas:
 2

Ningn lunes d e l a s e m a n a . Por Estadsticas II y IV, entre las 9:00 am y 11:00 am y entre las 1:00 pm y las
registradas se s abe que el hospital posee un 3:00 pm, estos grupos son los que estn para Laboratorio Clnico
comportamiento inusual. Las horas habilitadas para el e imagenologia (I y III) y el otro grupo esta para consulta
anlisis fueron aquellas en la que la agencia permanece externa mdica y Odontologa. (II y IV).
abierta, es decir, de lunes a viernes de 8:00 am a 11:30
am, de 2:00 pm a 4:00 pm y de 5:00 pm. a 6:30 pm. Con los dos grupos identificados, la tarea a seguir se centra en
determinar para cada grupo su distribucin de probabilidad y la
1.1 Arribo de los clientes a la agencia media correspondiente, de modo que se determine los
parmetros necesarios para el modelo de colas. Las pruebas de
Para examinar el comportamiento de llegada de los bondad y ajuste son herramientas estadsticas que ayudarn a
clientes a la agencia, se tuvo en cuenta la condicin cumplir este objetivo (Montgomery, 1996).
explicada en el apartado anterior: se observ la conducta
de la afluencia de los clientes durante los das de la 1.2 Prueba bondad y ajuste: distribucin de probabilidad del
semana y a diferentes horas del da. Con respecto a los Grupo 1
intervalos de tiempo para un da en particular, estos
fueron elegidos a partir de un muestreo piloto y con Con la idea de examinar la distribucin de los dos grupos que se
informacin suministrada por el personal de la agencia lograron identificar, en este apartado se resea una prueba de
segn el flujo de personas que ocurra en el transcurso bondad y ajuste para el Grupo 1. Para este caso se tom una
del da. Se pueden resumir y clasificar as muestra de 130 datos.
Los datos se ingresan en StatGraphics, y este nos arroja una
Intervalo I: 7:00 am 09:00 am funcin continua de probabilidad exponencial. Este nos arroja
Intervalo II: 09:00 am 11:00 am una media de 4 Pacientes por minuto.
Intervalo III: 11:00 pm 1:00 pm
Intervalo IV: 1:00 pm 3:00 pm 1.3 Prueba bondad y ajuste: distribucin de probabilidad
Intervalos de Minutos
del Grupo 2
Das
I II III IV
Al igual que en anlisis anterior, la distribucin tiene un
comportamiento exponencial y este nos arroja una media de 6
Lunes 0.67 0.78 1.16 1.78
pacientes por Minuto.
Martes 1.10 1.93 0.97 1.49
Partiendo as, para el anlisis de todo el sistema y donde el
Mircoles 1.18 1.45 1.04 1.22
segmento a analizar esta en la atencin del cajero en los puntos
Jueves 0.87 0.73 1.22 0.64 de pago, se decide hacer un promedio entre las dos medias de los
grupos y este nos arroja como resultado una tasa promedio de
Viernes 0.80 0.63 0.91 0.93 llegada de 5 pacientes por minuto.

2. Aplicacin del Modelo Teora de Colas

1.2 Tiempo de servicio
Ahora bien, uno de los objetivos del trabajo era verificar el
cumplimiento de los supuestos de la teora de colas; para
ello fue necesario realizar una prueba que permitiera inferir
sobre la distribucin que presentaba la variable aleatoria
definida por el tiempo que tarda un promotor en atender a
un cliente. Para tal efecto, se observaron en la agencia 80
lapsos de atencin y se les calcul la media: 3 minutos.
1.3 Tiempo de llegada
Elaborando el estudio del comportamiento de llegada de
los Pacientes a la Sala de Espera del Hospital donde se
realiz este anlisis, los pacientes provenan
principalmente de dos poblaciones, es decir, en el
transcurso de la semana el Hospital posee dos
comportamientos diferentes en el volumen de llegada de
los usuarios. Analizado estos datos, el predominio de los
intervalos I y III, es decir, entre las 7:00 am y 9:00 am y de
11:00 a.m a las 1:00 pm, y el predominio de los intervalos
Hallados el comportamiento de la llegada de los pacientes al
Hospital, a travs de las das-Minutos de la semana, y despus
de haber calculado el tiempo promedio de servicio y
comportamiento de funcin, se est en capacidad de aplicar la
herramienta utilizada en el campo de la Investigacin de
Operaciones para realizar anlisis a las lneas de espera: la
teora de colas.
2.1 Teora de colas
Desde el punto de vista de un modelo de espera o cola, una
situacin de lnea de espera se genera de la manera siguiente:
cuando el cliente llega al Hospital se forma en una lnea de
espera o cola; Existe un dispensador de turnos que es el que
asigna equitativamente la llegada del paciente a la zona de
espera y con esto ya el paciente espera su turno en el sistema y
el cajero se alista para comenzar a prestar el servicio; en el
sistema la forma de evacuacin de turnos es: (sistema primero
en llegar, primero en salir). Al culminar un servicio, se repite
el proceso de llamar a un nuevo usuario (que espera en la
. 3

fila). Se supone que no se pierde tiempo entre el momento Resultado: 0.0357 Pacientes en lneas de espera,
en que un cliente ya atendido sale de la instalacin y la Aplicando aproximaciones por defecto seria de 1
recepcin de uno nuevo de la lnea de espera. paciente en cola de espera.

2.1.1 Nomenclatura y definiciones. Modelo Infinito K Nmero promedio de unidades en el sistema.

servidores

Con el fin de facilitar el anlisis y las conclusiones

posteriores, es importante aclarar de manera inicial la
nomenclatura que se utiliz para este tipo de modelo:
Resultado: 1.4642 Pacientes en la sala de Espera,
Aproximando por defecto a dos pacientes en el sistema
: Tasa promedio de llegadas en la unidad de tiempo
de espera general
: Tasa promedio de servicio
K: Nmero de servidores
Tiempo promedio en la cola.
Como es de suponerse, la codificacin que se aplic
fue la M/M/K, segn la notacin Kendall (Hillier &
Lieberman, 1997), debido a que los tiempos entre llegada
y el lapso de servicio poseen distribucin exponencial, ya
que cada una de las Tasas de llegada y de servicio poseen
distribucin Poisson. El nmero de canales o servidores, Resultado: 0.0071 Mins de promedio de tiempo en cola
K, en Cuatro (4) Cajeros en la sala de atencin al usuario. Tiempo promedio en el sistema.

En el modelo M/M/K, si k es la tasa promedio de

servicio para cada uno de los K canales de servicio,
debe ser mayor que para evitar una acumulacin
indefinida de unidades en espera.
Para analizar la operacin de colas, con el fin de
hacer recomendaciones sobre el diseo del sistema, se
pueden usar las medidas de desempeo para un estado
estable de lneas de espera. Por eso, a continuacin se
expone la definicin terica y matemtica de tales
medidas de desempeo:
Probabilidad de cero clientes en el sistema.
Resultado: 0.2928 Mins de tiempo total promedio en el sistema
Si el costo promedio de espera en el sistema se basara en el
salario promedio de los pacientes, este se analizara de la
siguiente forma:
Los pacientes del Hospital son de Poblacin SISBEN Estratos I
y II, los cuales su rango promedio salarial est en un SMLV el
cual es de 566.700, el cual para efectos de redondear, este se
aproxima a $567.000=.

567.000 / 240 horas = 2362.5 Hora

2362.5 /60 mins = $39.37 por minutos

El costo total de espera en el sistema de un paciente est en:

Resultado: 23.78% de que todos los servidores estn $57.66=
desocupados.

Ocupacin del sistema = 100%-23.78% = 76.22% A continuacin mosotramos el calculo de resultados en el

Software WinQSB el cual tiene el anlisis de la teoria de colas
Nmero promedio de unidades en la lnea de para los modelos M/M
espera.
4

RECOMENDACIONES

Las colas que se presentan en el transcurso de los procesos

de atencin al usuario, es claro que la operacin de la
misma est dependiendo de los das y las horas en que
ocurre el hecho; para las empresas, obtener el modelo
de dicho comportamiento para adecuar su sistema de
atencin es necesario para la optimizacin de recursos; el no
hacerlo sera u n desperdicio de recursos valiosos,
disminuyendo la efectividad de atencin y obtencin de
ingresos. En este estudio, se puede utilizar dos (2) cajeros
en la atencin de recaudos de servicios, con esto la
probabilidad de que el sistema este ocioso bajara
considerablemente al 16.67%, generando mayor
optimizacin de los recursos, de ah que mientras se estuvo
en este anlisis se pudo observar que la facturacin a
entidades es un puto crtico del Hospital y se podra utilizar
estas dos personas adicionales para apoyar en esta labor.

REFERENCIAS

[1] Hillier, F . S. y L i e b e r m a n , G . J. (1997).

Introduccin a la investigacin de Operaciones. (6o
ed.). Mxico, D.F.: Mc Graw Hill, 998 p.
[2] Montgomery, D. C. (1996). Probabilidad y estadstica
aplicada a la ingeniera. Mxico, D.F.: McGraw-hill,
895 p.
[3] Taha, Mandy. (1995). Investigacin de opera-
ciones. (5 ed.). Mxico, D.F.: Alfaomega, 960
p.