Admon De Operaciones
Páginas: 5 (1019 palabras)
Publicado: 26 de octubre de 2012
Universidad Autónoma de Nuevo León
Facultad de Ingeniería Mecánica y Eléctrica
Administración de Operaciones
Caso de estudio
First City National Bank
Preguntas de discusión:
1- ¿Qué arreglo alterno de líneas de pagadores debe seleccionar el Sr. Craig?. Respalde su recomendación con un análisis apropiado y la consideración de la reacción del cliente.
2- Para laalternativa que usted recomendó, desarrolle niveles apropiados de grupos de pagadores para cada hora del día.
Con la ayuda del software ¨Queuing Analysis¨ y utilizando los datos proporcionados por el caso planteado Anexo 4 ¨Tabla de tasas promedio de llegadas de clientes¨, se obtiene los siguientes datos:
Los datos obtenidos con el software, están agregados como ANEXO al final de este trabajo.Días normales |
Partida | Hora del día | K seleccionada | ρ < 1 | λ | Wq | < 3 minutos |
1 | 8 | 08:30 | 1 | 0.475 | 19 | 0.0226 | 0.678 |
2 | 08:30 | 9 | 1 | 0.55 | 22 | 0.0306 | 0.918 |
3 | 9 | 09:30 | 1 | 0.725 | 29 | 0.0659 | 1.977 |
4 | 09:30 | 10 | 2 | 0.7875 | 63 | 0.0408 | 1.224 |
5 | 10 | 10:30 | 2 | 0.7875 | 63 | 0.0408 | 1.224 |
6 | 10:30 | 11 | 2 | 0.875 | 70| 0.0817 | 2.451 |
7 | 11 | 11:30 | 3 | 0.691667 | 83 | 0.013 | 0.39 |
8 | 11:30 | 12 | 3 | 0.925 | 111 | 0.0957 | 2.871 |
9 | 12 | 12:30 | 4 | 0.8875 | 142 | 0.0424 | 1.272 |
10 | 12:30 | 1 | 4 | 0.81875 | 131 | 0.0217 | 0.651 |
11 | 1 | 01:30 | 3 | 0.883333 | 106 | 0.0563 | 1.689 |
12 | 13:30 | 2 | 3 | 0.741667 | 89 | 0.0179 | 0.537 |
13 | 2 | 02:30 | 2 | 0.7125 | 57 | 0.0258 |0.774 |
14 | 14:30 | 3 | 2 | 0.5875 | 47 | 0.0132 | 0.396 |
15 | 3 | 03:30 | 2 | 0.65 | 52 | 0.0183 | 0.549 |
16 | 15:30 | 4 | 2 | 0.65 | 52 | 0.0183 | 0.549 |
17 | 4 | 04:30 | 2 | 0.6875 | 55 | 0.0224 | 0.672 |
18 | 16:30 | 5 | 2 | 0.625 | 50 | 0.016 | 0.48 |
19 | 5 | 05:30 | 2 | 0.4875 | 39 | 0.0078 | 0.234 |
Los datos obtenidos con el software, están agregados como ANEXO al final deeste trabajo.
Días pico |
Partida | Hora del día | K seleccionada | ρ < 1 | λ | Wq | < 3 minutos |
1 | 8 | 08:30 | 1 | 0.55 | 22 | 0.0306 | 0.918 |
2 | 08:30 | 9 | 1 | 0.675 | 27 | 0.0519 | 1.557 |
3 | 9 | 09:30 | 1 | 0.775 | 31 | 0.0861 | 2.583 |
4 | 09:30 | 10 | 3 | 0.6 | 72 | 0.0074 | 0.222 |
5 | 10 | 10:30 | 3 | 0.666667 | 80 | 0.0111 | 0.333 |
6 | 10:30 | 11 | 3 |0.683333 | 82 | 0.0123 | 0.369 |
7 | 11 | 11:30 | 3 | 0.783333 | 94 | 0.0239 | 0.717 |
8 | 11:30 | 12 | 4 | 0.90625 | 145 | 0.0534 | 1.602 |
9 | 12 | 12:30 | 5 | 0.95 | 190 | 0.0878 | 2.634 |
10 | 12:30 | 1 | 5 | 0.88 | 176 | 0.0299 | 0.897 |
11 | 1 | 01:30 | 4 | 0.8875 | 142 | 0.0424 | 1.272 |
12 | 13:30 | 2 | 4 | 0.70625 | 113 | 0.1274 | 3.822 |
13 | 2 | 02:30 | 2 | 0.9 | 72 | 0.0093| 0.279 |
14 | 14:30 | 3 | 2 | 0.875 | 70 | 0.0817 | 2.451 |
15 | 3 | 03:30 | 3 | 0.616667 | 74 | 0.0082 | 0.246 |
16 | 15:30 | 4 | 3 | 0.666667 | 80 | 0.0111 | 0.333 |
17 | 4 | 04:30 | 3 | 0.7 | 84 | 0.0137 | 0.411 |
18 | 16:30 | 5 | 3 | 0.65 | 78 | 0.01 | 0.3 |
19 | 5 | 05:30 | 2 | 0.7875 | 63 | 0.0408 | 1.224 |
Los datos obtenidos con el software, están agregados como ANEXO alfinal de este trabajo.
Días súper pico |
Partida | Hora del día | K seleccionada | ρ < 1 | λ | Wq | < 3 minutos |
1 | 8 | 08:30 | 1 | 0.625 | 25 | 0.0417 | 1.251 |
2 | 08:30 | 9 | 1 | 0.8 | 32 | 0.1 | 3 |
3 | 9 | 09:30 | 2 | 0.55 | 44 | 0.0108 | 0.324 |
4 | 09:30 | 10 | 3 | 0.7833333 | 94 | 0.0239 | 0.717 |
5 | 10 | 10:30 | 3 | 0.8833333 | 106 | 0.0563 | 1.689 |
6 | 10:30 |11 | 3 | 0.8583333 | 103 | 0.0438 | 1.314 |
7 | 11 | 11:30 | 4 | 0.75625 | 121 | 0.0133 | 0.399 |
8 | 11:30 | 12 | 5 | 0.895 | 179 | 0.0358 | 1.074 |
9 | 12 | 12:30 | 6 | 0.9333333 | 224 | 0.0514 | 1.542 |
10 | 12:30 | 1 | 6 | 0.875 | 210 | 0.0227 | 0.681 |
11 | 1 | 01:30 | 5 | 0.875 | 175 | 0.0283 | 0.849 |
12 | 13:30 | 2 | 5 | 0.765 | 153 | 0.0104 | 0.312 |
13 | 2 | 02:30 | 3 |...
Facultad de Ingeniería Mecánica y Eléctrica
Administración de Operaciones
Caso de estudio
First City National Bank
Preguntas de discusión:
1- ¿Qué arreglo alterno de líneas de pagadores debe seleccionar el Sr. Craig?. Respalde su recomendación con un análisis apropiado y la consideración de la reacción del cliente.
2- Para laalternativa que usted recomendó, desarrolle niveles apropiados de grupos de pagadores para cada hora del día.
Con la ayuda del software ¨Queuing Analysis¨ y utilizando los datos proporcionados por el caso planteado Anexo 4 ¨Tabla de tasas promedio de llegadas de clientes¨, se obtiene los siguientes datos:
Los datos obtenidos con el software, están agregados como ANEXO al final de este trabajo.Días normales |
Partida | Hora del día | K seleccionada | ρ < 1 | λ | Wq | < 3 minutos |
1 | 8 | 08:30 | 1 | 0.475 | 19 | 0.0226 | 0.678 |
2 | 08:30 | 9 | 1 | 0.55 | 22 | 0.0306 | 0.918 |
3 | 9 | 09:30 | 1 | 0.725 | 29 | 0.0659 | 1.977 |
4 | 09:30 | 10 | 2 | 0.7875 | 63 | 0.0408 | 1.224 |
5 | 10 | 10:30 | 2 | 0.7875 | 63 | 0.0408 | 1.224 |
6 | 10:30 | 11 | 2 | 0.875 | 70| 0.0817 | 2.451 |
7 | 11 | 11:30 | 3 | 0.691667 | 83 | 0.013 | 0.39 |
8 | 11:30 | 12 | 3 | 0.925 | 111 | 0.0957 | 2.871 |
9 | 12 | 12:30 | 4 | 0.8875 | 142 | 0.0424 | 1.272 |
10 | 12:30 | 1 | 4 | 0.81875 | 131 | 0.0217 | 0.651 |
11 | 1 | 01:30 | 3 | 0.883333 | 106 | 0.0563 | 1.689 |
12 | 13:30 | 2 | 3 | 0.741667 | 89 | 0.0179 | 0.537 |
13 | 2 | 02:30 | 2 | 0.7125 | 57 | 0.0258 |0.774 |
14 | 14:30 | 3 | 2 | 0.5875 | 47 | 0.0132 | 0.396 |
15 | 3 | 03:30 | 2 | 0.65 | 52 | 0.0183 | 0.549 |
16 | 15:30 | 4 | 2 | 0.65 | 52 | 0.0183 | 0.549 |
17 | 4 | 04:30 | 2 | 0.6875 | 55 | 0.0224 | 0.672 |
18 | 16:30 | 5 | 2 | 0.625 | 50 | 0.016 | 0.48 |
19 | 5 | 05:30 | 2 | 0.4875 | 39 | 0.0078 | 0.234 |
Los datos obtenidos con el software, están agregados como ANEXO al final deeste trabajo.
Días pico |
Partida | Hora del día | K seleccionada | ρ < 1 | λ | Wq | < 3 minutos |
1 | 8 | 08:30 | 1 | 0.55 | 22 | 0.0306 | 0.918 |
2 | 08:30 | 9 | 1 | 0.675 | 27 | 0.0519 | 1.557 |
3 | 9 | 09:30 | 1 | 0.775 | 31 | 0.0861 | 2.583 |
4 | 09:30 | 10 | 3 | 0.6 | 72 | 0.0074 | 0.222 |
5 | 10 | 10:30 | 3 | 0.666667 | 80 | 0.0111 | 0.333 |
6 | 10:30 | 11 | 3 |0.683333 | 82 | 0.0123 | 0.369 |
7 | 11 | 11:30 | 3 | 0.783333 | 94 | 0.0239 | 0.717 |
8 | 11:30 | 12 | 4 | 0.90625 | 145 | 0.0534 | 1.602 |
9 | 12 | 12:30 | 5 | 0.95 | 190 | 0.0878 | 2.634 |
10 | 12:30 | 1 | 5 | 0.88 | 176 | 0.0299 | 0.897 |
11 | 1 | 01:30 | 4 | 0.8875 | 142 | 0.0424 | 1.272 |
12 | 13:30 | 2 | 4 | 0.70625 | 113 | 0.1274 | 3.822 |
13 | 2 | 02:30 | 2 | 0.9 | 72 | 0.0093| 0.279 |
14 | 14:30 | 3 | 2 | 0.875 | 70 | 0.0817 | 2.451 |
15 | 3 | 03:30 | 3 | 0.616667 | 74 | 0.0082 | 0.246 |
16 | 15:30 | 4 | 3 | 0.666667 | 80 | 0.0111 | 0.333 |
17 | 4 | 04:30 | 3 | 0.7 | 84 | 0.0137 | 0.411 |
18 | 16:30 | 5 | 3 | 0.65 | 78 | 0.01 | 0.3 |
19 | 5 | 05:30 | 2 | 0.7875 | 63 | 0.0408 | 1.224 |
Los datos obtenidos con el software, están agregados como ANEXO alfinal de este trabajo.
Días súper pico |
Partida | Hora del día | K seleccionada | ρ < 1 | λ | Wq | < 3 minutos |
1 | 8 | 08:30 | 1 | 0.625 | 25 | 0.0417 | 1.251 |
2 | 08:30 | 9 | 1 | 0.8 | 32 | 0.1 | 3 |
3 | 9 | 09:30 | 2 | 0.55 | 44 | 0.0108 | 0.324 |
4 | 09:30 | 10 | 3 | 0.7833333 | 94 | 0.0239 | 0.717 |
5 | 10 | 10:30 | 3 | 0.8833333 | 106 | 0.0563 | 1.689 |
6 | 10:30 |11 | 3 | 0.8583333 | 103 | 0.0438 | 1.314 |
7 | 11 | 11:30 | 4 | 0.75625 | 121 | 0.0133 | 0.399 |
8 | 11:30 | 12 | 5 | 0.895 | 179 | 0.0358 | 1.074 |
9 | 12 | 12:30 | 6 | 0.9333333 | 224 | 0.0514 | 1.542 |
10 | 12:30 | 1 | 6 | 0.875 | 210 | 0.0227 | 0.681 |
11 | 1 | 01:30 | 5 | 0.875 | 175 | 0.0283 | 0.849 |
12 | 13:30 | 2 | 5 | 0.765 | 153 | 0.0104 | 0.312 |
13 | 2 | 02:30 | 3 |...
Leer documento completo
Regístrate para leer el documento completo.