Resumen de Resources Allocation in Service Planning Using Discrete-Event Simulation

Mauricio Becerra Fernández, Milton Mauricio Herrera Ramírez, Cristian Trejo, Olga R. Romero Quiroga

• español

  Objetivo: realizar el cálculo del personal requerido y los recursos necesarios para alcanzar el cumplimiento de la promesa de servicio pactada con el cliente. Materiales y métodos: este artículo presenta un modelo de simulación de eventos discretos (DES, por sus siglas en inglés), desarrollado para la implementación un punto de venta (POS) para una empresa que provee productos financieros. En la primera parte, el artículo muestra la caracterización de los componentes del sistema y los tiempos de proceso, seguido de la estimación estadística de las pruebas de hipótesis y de bondad de ajuste. Posteriormente, los escenarios de simulación evalúan los tiempos entre las llegadas y el número de asesores comerciales. Resultados y discusión: este modelo permite evaluar la asignación de recursos para cumplir la promesa de servicio, la cual es que el 80 % de los clientes deben ser atendidos en una hora o antes. Este artículo proporciona las gráficas isocuantas de servicio que permiten observar el comportamiento de la medida de desempeño (cumplimiento de la promesa de servicio) entre los diferentes escenarios. Conclusiones: Usando técnicas de DES es posible evaluar la asignación de personal para lograr el cumplimiento de la promesa de servicio, considerando las instalaciones, herramientas y evaluación de los procesos relacionados. Estos métodos se pueden extender al análisis de asignación de recursos en el desarrollo de otros procesos, observando la relación entre la calidad del servicio y los costos de operación.

• English

  Objective: Calculate the required personnel and resources needed to fulfill the service promise agreed with the customer. Methods and materials: This paper presents a discrete event simulation (DES) model developed to select and implement a Point of Sale (POS) for a company providing financial products. First, the paper shows the characterization of the system components and times per process. Then, hypothesis testing and goodness-of-fit statistics are estimated. Subsequently, the simulation scenarios assess the times between arrivals and the number of commercial advisers. Results and discussion: This model allows us to assess the allocation of resources to fulfill the service promise, which is that 80 % of customers must be served within one hour or less. This paper provided the service isoquants allowing us to observe the behavior of the performance metrics (service promise fulfillment) among different scenarios. Conclusions: The use of DES techniques allows for the evaluation of the assignment of personnel to achieve the fulfillment of the service promise, including facilities, equipment, and the evaluation of related processes. These methods can be extended to the analysis of resource allocation in the development of other processes, observing the relationship between service quality and operating costs