Post on 14-Aug-2015
UNIVERSIDAD DE LAS AMÉRICAS
INGENIERÍA EN PRODUCCIÓN INDUSTRIAL
SIMULACIÓN DE PROCESOS
CASO LUCKY AIR
PROFESORA: ING. María Judith Villegas, MBA
Septiembre 2013 - Semestre 2013-3
INGENIERÍA EN
PRODUCCIÓN INDUSTRIAL
SIMULACIÓN DE PROCESOS 1
CASO AEROLÍNEAS LUCKY AIR (Beaverstock, 2012)i
1. ANTECEDENTES
Lucky Air es una aerolínea que provee el servicio de transporte aéreo entre algunas ciudades de USA y Las Vegas. Con su flota regional de jets, la compañía considera que es el momento apropiado para llevar a clientes de casino en visitas rápidas diarias a Las Vegas. Su promesa es volar tanto como haya gente que quiera viajar; si un vuelo programado está lleno, programan inmediatamente otro; su lema es “Siempre un ganador”. La empresa espera un incremento de clientes entre gente de negocios que trata de ganar dinero en las máquinas tragamonedas durante la desaceleración de la economía. El propietario quiere establecer las operaciones tan rápido como sea posible, así que decidió operar su check-in counter con tres agentes de tickets.
2. ALCANCE
Se analizará el proceso de atención de chequeo según los tipos de tickets.
3. PROCESO
Los pasajeros de Lucky Air pueden ser clasificados en tres tipos principales: aquellos que tienen tickets electrónicos, los que usan tickets físicos y aquellos que necesitan comprar un ticket. También alrededor del 10% de los pasajeros son clientes frecuentes, por lo que son considerados especiales. Actualmente la aerolínea usa tres agentes para atender a los pasajeros.
Bajo la modalidad actual, a la llegada de pasajeros al área, se incorporan a una de tres colas, dependiente del tipo de ticket que usan. Hay espacio para cada que cada línea de espera tenga una longitud de hasta 10 metros sin interferí con los pasillos del terminal. Los agentes son especializados y manejan solo un tipo de cliente.
La lógica del sistema es que es más eficiente distribuir cada tipo de cliente separadamente y no mezclarlos. Esto es, todos los tiempos de procesamiento más rápidos, correspondientes a los e-tickets, son agrupados; todas las transacciones más demoradas, como la compra de tickets, son manejadas juntas y así.
Por supuesto una desventaja es que los agentes que están libres no están disponibles para ayudar otros tipos de clientes. Los clientes frecuentes acuden a la línea apropiada igual que los clientes regulares. Los pasajeros son procesados por los agentes según FIFO en cada categoría.
4. ILUSTRACIONES
INGENIERÍA EN
PRODUCCIÓN INDUSTRIAL
SIMULACIÓN DE PROCESOS 2
5. SIMULACIÓN
a. Objetivo de estudio
El objetivo de este proyecto de análisis y modelamiento es apoyar al diseño de un área de chequeo que brinde mejor atención a los pasajeros de Lucky Air.
b. Variables del modelo
Tiempo de espera de los pasajeros para ser atendidos por un agente de tickets
Carga de trabajo de los agentes
Número, tipo y configuración de las líneas de espera en cada área de chequeo
Orden en el que los pasajeros son atendidos
c. Unidades de medida
Tiempo: minutos
d. Datos de operación Las estimaciones de la demanda de pasajeros, en términos de tiempo entre arribos al área de tickets y el tiempo para que un agente atienda a cada tipo de pasajero se presentan en la tabla.
Se asume que el tiempo entre arribos está distribuido exponencialmente mientras el tiempo de servicio de los agentes está normalmente distribuido y que todos los tiempos están en minutos.
Medidas de desempeño principales.
TIPO DE PASAJERO TIEMPO ENTRE ARRIBOS TIEMPO DE SERVICIO
e-ticket Media: 5 min Media: 3 min
Desviación estándar: 1 min
Ticket físico Media: 10 min Media: 8 min
Desviación estándar: 3 min
Compra Media: 15 min Media: 12 min
Desviación estándar: 3 min
INGENIERÍA EN
PRODUCCIÓN INDUSTRIAL
SIMULACIÓN DE PROCESOS 3
a. Modelo conceptual El siguiente diagrama presenta una representación conceptual del sistema, indicando recursos clave, tanto fijos como móviles, entidades que fluyen a través del sistema y
b. Descripción del modelo de simulación Supuestos
Los pasajeros llegan a la línea correcta según su tipo de requerimiento y permanecen allí hasta que son atendidos
El proceso es constante durante todo el día
Los tres agentes están siempre disponibles, esto significa que son cubiertos durante recesos, que los equipos nunca fallan y otros aspectos similares.
Tiempo total de simulación: 168 horas
Elementos del modelo:
NOMBRE PROPIEDAD VALOR DESCRIPCIÓN
fi_Pasajero ItemType 1 2 3
1=e-ticket 2=compra 3=físico
Color 1 2 3
1=rojo 2=amarillo 3=azul
qu_Cola_Eticket Capacidad 15
cv_Cola_Físico Velocidad 125
Capacidad 15 10 metros
fn_Cola_Compra Velocidad 125
Capacidad 15 10 metros
sc_ETicket Interarrival time TBA exponencial(0,5,1)
Trigger OnExit Color rojo
sc_Físico Interarrival time TBA exponencial(0,10,2)
Trigger OnExit Color amarillo
sc_Compra Interarrival time TBA exponencial(0,15,3)
Trigger OnExit Color azul
pr_Agente_Eticket 1 Normal(3,1,11)
pr_Agente_Físico 1 Normal(8,3,12)
pr_Agente_Compra 1 Normal(12,3,13)
INGENIERÍA EN
PRODUCCIÓN INDUSTRIAL
SIMULACIÓN DE PROCESOS 4
c. Vistas del modelo Primera mitad del tiempo de simulación
Tiempo de simulación completo
INGENIERÍA EN
PRODUCCIÓN INDUSTRIAL
SIMULACIÓN DE PROCESOS
9
Sumary Report
Object Class stats_content stats_contentmax stats_contentavg stats_input stats_output stats_staytimemax stats_staytimeavg state_current state_since
/sc_ETicket Source 0 0 1 0 2002 0 0 5 10079,05
/qu_Cola_Eticket Queue 0 10 0,52130 2002 2002 29,7863 2,624496 6 10079,05
/pr_Agente_Eticket Processor 1 1 0,59828 2002 2001 6,75402 3,013541 2 10079,05
/sk_ETicket Sink 1 1 0 2001 0 0 0 7 0
/sc_Fisico Source 0 0 1 0 1018 6,64931 1,96E-02 5 10076,84
/cv_Cola_Fisico Conveyor 5 15 2,05042 1018 1013 131,452 20,35541 4 10074,71
/pr_Agente_Fisico Processor 1 1 0,80531 1013 1012 17,5326 8,01715 2 10074,71
/sk_Fisico Sink 1 1 0 1012 0 0 0 7 0
/sc_Compra Source 0 0 1 0 676 0 0 5 10078,74
/pr_Agente_Compra Processor 1 1 0,801353 676 675 20,3742 11,9654 2 10078,81
/sk_Compras Sink 1 1 0 675 0 0 0 7 0
State Report
Object Class idle processing blocked generating empty releasing conveying
/sc_ETicket Source 0 0 0 100 0 0 0
/qu_Cola_Eticket Queue 0 0 0 0 72,2608623199775 27,7391376800225 0
/pr_Agente_Eticket Processor 40,171999652753 59,828000347247 0 0 0 0 0
/sk_ETicket Sink 0 0 0 0 0 0 0
/sc_Fisico Source 0 0 0,198774074216079 99,8012259257839 0 0 0
/cv_Cola_Fisico Conveyor 0 0 56,1494963684688 0 43,4644051325569 0 0,386098498974307
/pr_Agente_Fisico Processor 19,468081570817 80,531918429183 0 0 0 0 0
/sk_Fisico Sink 0 0 0 0 0 0 0
/sc_Compra Source 0 0 0 100 0 0 0
/pr_Agente_Compra Processor 19,8646908145054 80,1353091854946 0 0 0 0 0
/sk_Compras Sink 0 0 0 0 0 0 0
Resumen de las herramientas gráficas utilizadas
DESCRIPCIÓN e-ticket Ticket físico Compra de tickets
Clientes atendidos 2001 1012 675 Arribos esperados 2001 1013 676 Tiempo de espera en colas Promedio: 2.6; Máximo: 30 Promedio: 20.4; Máximo: 131 Promedio: 21.2; Máximo: 105 Longitud de colas Media: 0.6; Máxima: 10 Media: 2.1; Máxima: 15 Media: 1.4; Máxima: 9 Porcentaje de tiempo de trabajo de agentes Ocupado: 60%; Libre: 40% Ocupado: 81%; Libre: 19% Ocupado: 80%; Libre: 20%
INGENIERÍA EN
PRODUCCIÓN INDUSTRIAL
SIMULACIÓN DE PROCESOS 10
6. CONCLUSIONES Y RECOMENDACIONES
a. Conclusiones
Los tiempos de espera en las colas son desequilibrados: la cola de e-tickets apenas alcanza a 2.6 minutos, mientras que las colas de tickets físicos y de compra de tickets superan los 20 minutos. Sin embargo, se presentan máximos de 30, 131 y 105 minutos para e-tickets, tickets físicos y compras respectivamente.
La cantidad de pasajeros en cada cola presenta un promedio menor que uno para e-tickets, de 2 para tickets físicos y más que uno para compras. Sin embargo la máxima cantidad de pasajeros que llegaron a tener las colas alcanzan al 10, 15 y 9 pasajeros para e-tickets, tickets físicos y compras respectivamente.
El througput de cada agente presenta diferencias notables: el agente de e-tickets llega a procesar 2001 clientes, el agente de tickets físicos 1012 pasajeros y el agente de compras apenas alcanza 675 pasajeros.
El tiempo de trabajo de cada agente difiere notablemente: mientras que el agente que atiendo e-tickets llega a 60% ocupado y 40% libre; los otros dos agentes, de tickets físicos y de compras alcanzan alrededor de 80% ocupado y 20% libre.
Hay un evidente desbalance en el tiempo de espera para los diferentes tipos de pasajeros
También se aprecia una notable desigualdad en la carga de trabajo de los tres agentes
b. Recomendaciones
Organizar los counters de tención a pasajeros de tal manera que en cualquier ventanilla se atienda a cualquier tipo de pasajero.
Entrenar a los agentes para manejar cualquier tipo de pasajero
La aplicación de estas recomendaciones mejorará los tiempos de espera y la carga de trabajo de los agentes
Es necesario realizar una nueva simulación con estas propuestas de mejora a fin de comprobar los resultados.
i Beaverstock, M. Greenwood, A. Lavery, E. Nordgren, W. Applied Simulation Modeling and Analysis using FlexSim. FlexSim Software Products, Inc. Orem, USA. Third Edition. 2012. Pp 102-103,229-233.