Nivel de Servicio
El Diagnóstico "Hot-N-Ready"
Teoría de Colas, KPIs y Nivel de Servicio aplicados a un entorno real de comida rápida.
Fase 0: Reactivación de Conocimientos Base
Antes de iniciar tu consultoría...
Un consultor senior debe dominar las herramientas básicas de probabilidad. Responde las siguientes 10 preguntas de nivelación para comprobar si estás listo para el análisis matemático de Little Caesars.
1. El número de clientes que entran a formarse en una fila durante una hora completa representa a:
2. Si una estación de trabajo atiende a un cliente en promedio cada 2 minutos de manera fluida, ¿cuál es su capacidad o tasa de servicio (\(\mu\)) por hora?
3. En un sistema estocástico (aleatorio) real, ¿qué ocurre si la velocidad a la que llegan los clientes (\(\lambda\)) es exactamente igual a la velocidad a la que el cajero los atiende (\(\mu\))?
4. En la teoría de colas clásica, la Distribución de Poisson se utiliza típicamente para modelar:
5. A diferencia de Poisson, la Distribución Exponencial se caracteriza por medir una variable continua. En colas, se usa para modelar:
6. ¿Qué significa la "propiedad de falta de memoria" propia de la distribución Exponencial?
7. En la notación general de Kendall (M/M/1), ¿qué representa el número "1" final?
8. En teoría de colas, ¿qué KPI representa la notación \(W\)?
9. Si tu factor de utilización del servidor (\(\rho\)) resulta ser 0.85, significa que:
10. Si calculas la probabilidad \(P_0\) y el resultado es 0.40, puedes concluir que:
La Radiografía del Servicio
¿Por qué medir la fila?
En industrias de alta rotación, un cliente esperando es un cliente insatisfecho (o una venta perdida). La Teoría de Colas nos permite modelar matemáticamente los sistemas de espera para encontrar el balance perfecto entre el costo de ofrecer un servicio rápido y el costo de hacer esperar al cliente.
Variables Fundamentales (Haz clic en las tarjetas para descubrir las definiciones de los tiempos)
KPIs (Indicadores Clave de Desempeño)
Un ingeniero industrial no opina, mide. Para evaluar el Nivel de Servicio en el mostrador, debes medir estos KPIs durante tu estancia en la planta:
- Lead Time (Tiempo de Espera Total - \(W\)): Tiempo desde que el cliente se forma en la fila hasta que recibe su pizza.
- Throughput (Rendimiento): Número real de pizzas completas vendidas/entregadas por hora en momento pico.
- Utilización del Servidor (\(\rho\)): Porcentaje del tiempo que el cajero está cobrando y operando vs. inactivo.
"Las líneas de espera se forman porque las instalaciones para proporcionar el servicio están sobrecargadas temporalmente. La métrica fundamental de gestión es la utilización del servidor y los tiempos de espera promedio" (Heizer, J., & Render, B. 2014. Dirección de la producción y de operaciones).
Modelos y Distribuciones Matemáticas
El Origen de los Datos: ¿De dónde salen y por qué se usan?
Para analizar Little Caesars, usamos el modelo de teoría de colas más clásico de la ingeniería: el **M/M/1**. Las letras de esta nomenclatura representan las distribuciones de probabilidad que gobiernan el sistema humano:
1. La Distribución de Poisson (Llegadas): Descrita por el matemático Siméon Denis Poisson en 1837. Se utiliza para calcular la probabilidad de que ocurra un número determinado de eventos discretos independientes en un intervalo de tiempo fijo.
¿Por qué la usamos? Porque las personas entran a la pizzería de forma independiente. Si el promedio histórico es de 45 clientes por hora, Poisson nos ayuda a calcular la probabilidad exacta de que en los próximos 10 minutos entren exactamente 0 clientes, o bien, ocurra una ráfaga atípica de 15 personas.
2. La Distribución Exponencial (Tiempos de Servicio): Es la contraparte continua de Poisson. Si las llegadas ocurren siguiendo Poisson, el *tiempo transcurrido entre esas llegadas* o el tiempo que toma atender a cada cliente sigue una curva exponencial.
¿Por qué la usamos? Porque en la vida real un cajero jamás tarda exactamente lo mismo con dos clientes. Alguien paga exacto con tarjeta (30 segundos), pero otro cliente cambia de opinión al cobrar (2 minutos). La curva exponencial modela esta variabilidad continua y posee la propiedad de **falta de memoria**, lo que significa que el tiempo que un cliente ya lleva esperando en fila no altera la probabilidad de que el cajero termine con el cliente actual en el siguiente segundo.
| Fórmula del Modelo M/M/1 | Descripción y KPI evaluado |
|---|---|
| \(\rho = \frac{\lambda}{\mu}\) | Factor de Utilización: Probabilidad de que el cajero esté ocupado trabajando. |
| \(P_0 = 1 - \rho\) | Probabilidad de Ocio: Probabilidad de que el cliente llegue y sea atendido de inmediato (0 espera). |
| \(L_q = \frac{\lambda^2}{\mu(\mu - \lambda)}\) | Longitud de la Cola: Promedio de clientes formados esperando en la línea. |
| \(W_q = \frac{\lambda}{\mu(\mu - \lambda)}\) | Tiempo en Cola: Tiempo promedio que un cliente pasa esperando en la fila (en horas). |
| \(W = W_q + \frac{1}{\mu}\) | Tiempo en Sistema (Lead Time): Tiempo total del cliente en la pizzería. |
"En el modelo de Poisson generalizado, el estado del sistema se define por el número de clientes en la instalación, lo cual dicta la probabilidad de que el cliente reciba un servicio aceptable" (Taha, H. A. 2017. Investigación de operaciones).
Análisis Situacional Guiado
🍕 Situación de Campo: Viernes de "Hot-N-Ready"
Son las 7:00 PM de un viernes en la sucursal Centro. Tienes a un solo cajero atendiendo. Tras cronometrar, descubres que entran 45 clientes por hora (\(\lambda = 45\)). El cajero, tomando la orden, cobrando y entregando la pizza lista del exhibidor térmico, tarda en promedio 1 minuto por cliente, lo que nos da una capacidad teórica de servicio de 60 clientes por hora (\(\mu = 60\)).
Paso 1: Nivel de Saturación (Utilización)
Calcula y reflexiona: ¿Qué tan estresado u ocupado está el cajero?
Conclusión KPI: El cajero está ocupado el 75% de su turno. El sistema tiene capacidad libre, pero está cerca del umbral de saturación física.
Paso 2: Nivel de Servicio Inmediato
Calcula y reflexiona: ¿Qué probabilidad hay de que un cliente entre y no tenga que hacer fila?
Conclusión KPI: Solo el 25% de los clientes experimentará la promesa real de "0 espera". El 75% restante se verá obligado a formarse en cola.
Paso 3: Tiempo de Espera en Fila (\(W_q\))
Calcula y reflexiona: ¿Cuánto tiempo debe esperar el cliente formado antes de que le cobren?
Conversión a unidades de piso: \(0.05 \times 60 = 3\) minutos.
Conclusión de Consultoría: 3 minutos de fila es excelente para la industria de comida rápida. El nivel de servicio actual es óptimo para el producto estándar.
Reto de Consultoría en Campo
Es tu turno de aplicar las fórmulas de Poisson, Exponencial y M/M/1. Utiliza los conceptos aprendidos para resolver los problemas reales que enfrentarás en tu visita de campo.
Reto 1: El Colapso del Super Bowl
Es domingo de Super Bowl y Little Caesars se satura. La tasa de llegada de clientes se dispara a \(\lambda = 50\) clientes/hora. El cajero sigue atendiendo a su ritmo normal de \(\mu = 60\) clientes/hora.
Calcula el nuevo Tiempo de Espera en Cola (\(W_q\)) en minutos.
Reto 2: La Fricción del Pedido Especial
Un cliente rompe el flujo estandarizado: no quiere la pizza del exhibidor y pide una pizza personalizada mitad queso, mitad combinación y sin orillas. La capacidad de atención del cajero cae drásticamente a \(\mu = 40\) clientes/hora. Si la demanda del viernes se mantiene estable en \(\lambda = 30\) clientes/hora.
Calcula el Factor de Utilización del Servidor (\(\rho\)) en formato decimal (ej. 0.XX).