56

ScientiaetTechnicaAoXVII,No46,Diciembre2010.UniversidadTecnolgicadePereira.

ANLISISDELNEASDEESPERAATRAVSDETEORADE

COLASYSIMULACIN

ANALYSISOFWAITINGLINESTRHOUGHQUEUESYSTEMSANDSIMULATION
RESUMEN
EnestetrabajosepresentauncontrasteentrelosmodelosdelaTeoradeColasy
laSimulacin.Elprincipalobjetivoesevidenciarcomoestasdosreasse
complementanmutuamente.Loanteriordebidoaqueconelmodelomatemtico
sepuedevalidarelmodelodesimulacinyesteltimopermitealinvestigador
profundizarmuchomsenelanlisisdelsistemadecolasobjetodeestudio.Para
observarloanterior,sepresentacomocasodeestudiounsistemadeatencinen
unaentidadbancaria,elcualestconformadoporunalneadeesperafila
PreferencialyunservidorElCajeroencargadodeatenderlosclientes
respectivos.
PALABRASCLAVES:Modelos,Procesamiento,ProcesoEstocstico,
Simulacin,SistemadeColas,Utilizacin.

LILIANAMARGARITA
PORTILLA
AdministradorFinanciero,M.Sc.
ProfesorAsistente.
UniversidadTecnolgicadePereira
lilipor@utp.edu.co

ABSTRACT
ThispapertalksaboutQueuesystemsandSimulation.Theprincipalobjectiveis
toshowhowtheQueuesystemsandSimulationarecomplement.Thisis
possiblebecausethemathematicmodelvalidatestheresultsofsimulationmodel.
Andwiththeuseofsimulation,theresearchercandeepenintheanalysisofthe
queuesystem.Toobservetheabovementioned,itisshowedaqueuesystemina
bankentity,theonewhichthisconformedbyawaitinglinePreferentialLine
andalocationTheCashier.Heassiststherespectiveclients.
KEYWORDS:Models,Processing,QueuesystemsStochasticProcess,
Simulation.

SERGIOA.FERNNDEZ
HENAO
IngenieroIndustrial,M.Sc.
ProfesorAsistente.
UniversidadTecnolgicadePereira
sfernandez@utp.edu.co

LEONELARIASMONTOYA
IngenieroIndustrial,M.Sc.
ProfesorAsociado.
UniversidadTecnolgicadePereira
leoarias@utp.edu.co

1.INTRODUCCIN
En la mayora de los procesos que se presentan en las
empresasdemanufacturaydeservicio,aparecenlaslneas
deespera.Estodebidoaquecasisiempre,lacapacidadde
servicio(enalgnmomento)esmenorquelacapacidad
demandada.
Este proceso de generacin de lneas de espera, tra e
consigodiferentestiposdeinconvenientesquesereflejan
acortoymedianoplazo.Portalmotivo,secuentaconun
conjuntodemodelosmatemticosqueseenmarcanenel
readeLaTeoradeColas[1].Estosmodelosbuscan
encontrarelequilibrioentreelnmerodeunidadesquese
encuentran en la lnea de espera y la cantidad de
servidoresquesatisfaganlademandadeservicio.
Existenocasionesdondeespertinentequeelinvestigador
seapoyeenlaSimulacinparaanalizardeunamanera
msflexibleeintegralelfenmenodelalneadeespera.
Portalrazn,semuestraenesteartculolasventajasque
setienenalincorporarmodelosdesimulacinenlaTeora
deColas.
Esas,comoelartculopresentaunadescripcingeneral
deloconcernienteaTeoradeColasySimulacin,
parafinalmentepresentaruncasomodelodondese
evidencialaaplicabilidaddeestasdostemticastrabajadas
enconjunto.

2.TEORADECOLAS
FechaRecepcin:9deSeptiembrede2010
Fechaaceptacin:15deNoviembrede2010

2.1.Generalidades.
Lateoradecolasesunconjuntodemodelosmatemticos
quedescribensistemasdelneasdeesperaparticulares.El
objetivo principal es encontrar el estado estable del
sistemaydeterminarunacapacidaddeservicioapropiada
que garantice un equilibrio entre el factor cuantitativo
(referente a costos del sistema) y el factor cualitativo
(referentealasatisfaccindelclienteporelservicio)[2].
Dadoloanterior,loagentesprincipalesqueparticipanen
esteprocesosanaltico,sonlosclientesylosservidores.
Entendindoseporclienteunapersona,unaordende

servicio,unautomvil,unamaquinaenesperade
mantenimiento,entreotrosyelservidorseraquella
estacinqueesteenfacultadderealizarlarespectiva
actividaddeserviciosobreelcliente,porejemploun
cajero,unasecretaria,unamaquina,etc.
Lafigura1,presentaunbosquejodeunsistemabsicode
lneasdeesperaparaunasolacolayunservidor
disponible,endondeesclaroquecuandoelclientellegaal
sistema,sinohaynadieenlacola,pasadeunavezarecibir
elservicio,delocontrario,seunealacola.Esimportante
sealarquelacolanoincluyeaquienestrecibiendoel
servicio.

57

ScientiaetTechnicaAoXVII,No46,Diciembre2010.UniversidadTecnolgicadePereira.

Nmeropromediodeunidadesenlalneade
espera.
Nmeropromediodeunidadesenelsistema.
Tiempopromediodeespera.

Tiempopromediodeservicio.
lascaractersticasoperativasdelsistemaquesevana
medirparaevaluarlaeficienciarespectiva.Entrelasms
utilizadassetiene:

Figura1.ModelobsicodeunaLneadeEspera.
Con base a lo anterior en necesario tener en cuenta
algunos componentes claves para ser analizados, los
cualesson[3]:
1.
2.
3.
4.
5.
6.

Lasllegadasdelosclientes.
Lacapacidaddelacola.
Ladisciplinadelacola.
Lostiemposdeservicio.
Lacantidaddeservidores.
Lasetapasdelsistema.

Es por eso que en la Teora de Colas se utiliza una

notacingeneralizadaparaindicareltipodesistemaque
sepresenta.Estanotacintienelasiguienteforma:
A/B/c
Endonde:
A: Serefierealadistribucindeprobabilidadque
siguenlasllegadasalsistema.
B: Serefierealadistribucindeprobabilidadque
sigueeltiempodeservicio.
C: Indicalacantidaddeservidoresconloquecuenta
elsistema.
Latabla1presentalanomenclaturaquesedebeutilizar
conformealsistemaanalizado.

CARACTERS SMBOL
TICA
O
Distribucin de
tiempos de
llegada (A)
Distribucin de
tiempos de
servicio (B)

M
D
Ek
G

EXPLICACIN
Exponencial
Determinista
Erlang tipo-k
(k=1,2,...)
General

Tabla1.SimbologautilizadaenLneasdeEspera.
DeestamaneraunsistemadeLneasdeEsperadondeel
patrndellagadassigaunadistribucinexponencial,el
patrndeservicioseaotradistribucinexponencialyse
cuenteconunservidor,tendrlasiguientenotacin:
M/M/1
Porotrolado,tambinesnecesarioidentificarculesson

Luego de haber citado algunas generalidades de lo

concernientealaTeoradeColas,secontinaconalgunas
conceptualizaciones necesarias para el conocimiento
integraldedichatemtica.
2.2.LasLlegadas.
Este concepto hace referencia al anlisis de cmo se
alimentaelsistemadecolasendondeseevalavariables
comoeltiempoquetranscurreentredosllegadassucesivas
adichosistema.
Este valor es variable, por lo que se conoce como un
procesoestocstico.Porlotanto,esnecesarioanalizarla
distribucindeprobabilidadquepresentadichavariable.
Ademsdeestetiempoentrellegadas,tambinserequiere
analizarlacantidaddeclientesquelleganalsistema,yaque
puedeserdeunoenunooenlotes.Detalmanera,es
relevanteanalizartambinladistribucinprobabilstica
asociadaalacantidaddeclientesesperadosquelleganpor
unidaddetiempo.Estavariableseconoceconelnombrede
TasaMediadeLlegadasysuparmetroasociadoes
Lambda.
2.3.LaCapacidaddelaCola.
Esimportanteconocerdeantemanoculeslacapacidad
mxima de la cola, es decir, cuantos clientes pueden
ubicarseenlalneadeespera.Yaquesepuedepresentar
casosendondeelsistemadecolaspresentaunalneade
esperaconcapacidadlimitada,otrasdondeesilimitaday
otrasdondenohaylneasdeespera(taleselcasodeun
sistemadeatencinporvatelefnicaendondeelusuario
esbloqueadoyrechazadosilalneatelefnicaseencuentra
ocupada).
2.4.LaDisciplinadelaCola.
sta hace referencia al modo como se acomodan las
unidades o clientes en la cola antes de recibir el
correspondienteservicio.Entrelasformasmshabituales
se encuentran el sistema PEPS y el sistema UEPS. El
primero se refiere a que la primera unidad que llega al
sistemaeslaprimeraenseratendida.Elsegundoindica
queel ltimoeningresaralacolaeselprimeroenser
atendido.Laaplicacindealgunodeestosdossistemas
mencionadosdependedelanaturalezadelaunidad(Por
ejemplounproductonoperecederopodrsertrabajadocon
sistemaUEPS,encambiounproductoperecederodeber
seroperadoconunsistemaPEPS).
Adicionalalossistemasmencionados,tambinsepuede
presentarsistemasdecolasendondelaatencinseda

ScientiaetTechnicaAoXVII,No46,Diciembre2010.UniversidadTecnolgicadePereira.

conbasealosnivelesdeprioridadquellevenlosclientes
(unejemplotpicodeestecasoeselsistemadeurgencias
mdicasenunhospital).
2.5.LosTiemposdeServicio.
El servicio puede ser brindado por un servidor o por
servidoresmltiples.stevaradeclienteacliente,portal
motivo es necesario analizar la distribucin de
probabilidadasociadaadichavariable.Eltiempoesperado
deserviciodependedelatasamediadeserviciolacuales
evaluadaatravsdelparmetro().

58

estudiar el comportamiento del sistema del cual fue

desarrollado.
Porlotantoalexplicarideasoconceptoscomplejos,los
lenguajes verbales a menudo presentan ambigedades e
imprecisiones.Unmodeloeslarepresentacinconcisade
una situacin; por eso representa un medio de
comunicacinmseficienteyefectivo[5].
Dado lo anterior, es importante tener claro las partes
bsicasquedebeposeerunmodelo,estasson[6]:
Los componentes, son las partes constituyentes del
sistema. Tambin se les denomina elementos o
subsistemas.
Las variables, son aquellos valores que cambian
dentrodelasimulacinyformanpartedefunciones
delmodeloodeunafuncinobjetivo.
Losparmetros,soncantidadesalascualesseles
asignarvalores,unavezestablecidoslosparmetros,
sonconstantesynovarandentrodelasimulacin.

2.6.LaCantidaddeServidores.
Enestafaseesimportanteconoceroidentificarcuntos
servidoresestndisponiblesparaatenderlosclientesque
lleganalsistema.Deestamanerasepuedenpresentar
diferentesestructurasdesistemasdecolas.Lafigura2
presentadosmuycomunes,laprimerarepresentaun
modeloconmltiplesservidoresalimentadosporunasola
colaylasegundapresentaunsistemaenparaleloconuna
colaparacadaservidor[4].

Lasrelacionesfuncionales,muestranel
comportamientodelasvariablesyparmetrosdentro
deuncomponenteoentrecomponentesdeunsistema.

Las restricciones, son limitaciones impuestas a los

valoresdelasvariablesolamaneraenlacuallos
recursospuedenasignarseoconsumirse.
Lasfuncionesdedesempeo,sedefinen
explcitamentelosobjetivosdelsistemaycmose
evaluarn,esunamedidadelaeficienciadelsistema.

3.1.ComponentesdelaSimulacin.
Todo modelo de simulacin debe contener unos
componentesbsicostalcomoseilustraenlafigura3.El
componentedeEntidadseutilizaparareferirseatodolo
queelsistemaprocesa(Unapieza,unproducto,unaorden,
unrecibodepago,etc.).
Figura2.Estructurasdesistemasdecolas.
Lascaractersticasgeneralesexplicadashastaelmomento
permitenidentificarclaramenteelsistemadecolassobreel
cualserealizarnloscorrespondientesanlisis.
3.SIMULACIN.
Unatcnicaparaejecutarestudiospiloto,conresultados
rpidosyauncostorelativamentebajo,estbasadoenla
modelacin de escenarios a travs de la simulacin. El
procesodeelaboracindelmodeloinvolucraungradode
abstraccin y no necesariamente es una rplica de la
realidad;consisteenunadescripcinquepuedeserfsica,
verbal o abstracta en forma, junto con las reglas de
operacin.Msandebidoaqueelmodeloesdinmico,
surespuestaadiferentesentradaspuedeserusadapara

Las Locaciones representan los lugares fijos en el

sistemaadndesedirigenlasentidadesporprocesar,el
almacenamiento, o alguna otra actividad o fabricacin
(Unamaquina,unreadetrabajo,unreadeespera,una
cola,unventanilladepagos,etc.).
LasLlegadas indican cada cuantoyenquecantidad
llegan nuevas entidades al sistema, esto con el fin de
alimentarelsistemayactivarsuprocesamiento.
UnRecursoesunoperario,ounamaquinaquesirve
para transportar, realizar operaciones puntuales,
mantenimientos o asistencias complementarias para el
procesamientodeentidades.
UnaReddeRutasseutilizabsicamenteparaconstruir
caminosfijosporloscualessemuevenlosrecursos

59

ScientiaetTechnicaAoXVII,No46,Diciembre2010.UniversidadTecnolgicadePereira.

(operarios, maquinas, etc.) para transportar entidades o

dirigirseaotrasestaciones.

muestreosistemticotantoparaeltiempodeserviciodel
cajerocomoparalasllegadasdelosclientesalacola[7],
[8].Paraeltiempodeserviciosetrabajconunacotade
errorde6segundosyunniveldeconfianzadel95%,lo
quegenerunamuestrade82observaciones,talcomolo
muestralaformula1(seaclaraqueladesviacinestndar
de0.46minutosparaeltiempodeserviciofueobtenida
medianteunapruebapiloto).

Figura3.Componentesbsicosdeunmodelode
simulacin.
Las Variables son tiles para capturar y guardar
informacin numrica, de tipo real o entera, para ser
utilizadaenclculosdeciertasestadsticasdetalladasque
puedan requerirse o para ciertos condicionamientos y/o
restriccionesdelsistemaanalizado.
ElAtributoesunacondicininicial(comounamarca),
lacualpuedeserasignadaaentidadesoalocaciones;entre
ellospuedencontarseelpesodeunmaterial,sudureza,o
cualquier otra caracterstica ya sea fsica, qumica o de
cualquierotrotipoquesequieraasignaraunaentidado
locacin. Este ltimo, tambin puede utilizarse como
medioparaobtenerinformacinmsdetalladadelsistema,
por ejemplo tiempos de ciclo oniveles deeficiencia de
lagunaestacindetrabajo.
ElcomponentedeProcesodefinelasrutasylas
operacionesquesellevaranacaboenlaslocacionespara
lasentidadesensuviajeporelsistema.Generalmentese
apoyaenlosdiagramasdeprocesouoperacinquese
tienenparacadaproductooservicioasimular.Portal
motivoeselltimocomponentequeseelabora,yaque
necesitadeloscomponentesyamencionadospara
vincularlosensuconstruccin.
4.DELATEORAALAPRCTICA.
4.1.InformacinGeneral.
Enprodepresentarlasutilidadesdeaplicarlosconceptos
delaTeoradeColasatravsdelaSimulacin,setom
comocasodeestudiolacolapreferencialdeunasucursal
bancariayseanalizlasmedidasdedesempeodedicho
sistemapormediodelmodelomatemticorespectivo,para
luegosercomparadoconelmodelodeSimulacin.
Paralatomadelainformacinserealizenhorarioque
norepresentabahoraspicodeservicioyseutiliz

*Z

0.46*1.96

0.1

81.2882(1)

Paraeltiempoentrellegadassetrabajconunacotade
errorde6segundosyunniveldeconfianzadel95%,lo
quegenerunamuestrade78observaciones,talcomolo
muestralaformula2(nuevamenteladesviacinestndar
de0.45minutosparaeltiempoentrellegadasfueobtenida
medianteunapruebapiloto).

*Z
B

0.45*1.96
0.1

77.7978(2)

Es as, como se tomaron las muestras respectivas del

tiempoentrellegadasdelosclientesalacolapreferencial
yeltiempodeserviciodelcajeroquelosatenda.
4.2.AplicacindelModelodeTeoradeColas.
Conlainformacintabuladaseaplicunaprueba
estadsticadebondaddeajusteparadeterminarque
distribucinprobabilsticaseguanlosdatos.Paraello,se
utilizelestadsticodepruebaChiCuadradoendondela
hiptesisnulatantoparalostiemposdeserviciocomo
paralostiemposentrellegadas,eraquelosdatosseguan
unadistribucinExponencial.ElPValueparalos
tiemposdeserviciofuede0.267yparalostiemposentre
llegadasfuede0.348,conlocual,seconcluyeenambas
pruebasqueladistribucindecadaconjuntodedatos
sigueuncomportamientoExponencial.
Conbasealoexpuestohastaelmomento,elmodelode
TeoradeColasautilizareselM/M/1(verfigura1).A
continuacinsepresentanlosparmetrosdeTasaMedia
deServicioyTasaMediadeLlegadasencontradoscon
lainformacintomada,conloscualesseobtienenlas
medidasdedesempeodelsistemaobjetodeestudioa
travsdelasecuacionespropiasdelmodeloM/M/1.
Tasamediadeservicio():0.781clientes/minuto.
Tasamediadellegadas():0.508clientes/minuto.
4.2.1. Medidas de desempeo. Aplicando los conceptos
concernientesalmodeloM/M/1,sepresentalassiguientes
medidasdedesempeoconsuscorrespondientesformulas
matemticas:

ScientiaetTechnicaAoXVII,No46,Diciembre2010.UniversidadTecnolgicadePereira.

Porcentajedeutilizacindelsistema:

0.508

(3)

0.65

0.781

Cantidadpromediodeclientesenlacola:

Lq

0.5082
0.7810.7810.508

1.210.651.86

(5)

Tiempopromediodeunclienteenlacola:

Lq

1.21

W
q
0.508 2.38

1.21(4)

Cantidadpromediodeclientesenelsistema:

LLq

(6)

60

Lafigura4ilustraeldiagramadelsistema,elcualse
componededoslocaciones.Laprimerahacereferenciaa
lafilapreferencial
dondellegan
los clientes
denomimadosespeciales oimportantes delbancoyla
segundaestacinserefierealcajeroencargadode atender
adichosclientes.
En la primera estacin se asumi capacidad infinita (es
decirquenohayuntopemximodeclientesquepueden
llegarahacerfila)yenlasegundaestacinseestableci
capacidaddeuno,esdecirqueelcajerosolopuedeatender
unclientealavez.
Para alimentar este sistema se codifico el modulo de
llegadas con base al valor inverso de la tasa media de
llegadas. Es decir que el terico de 0.508
clientes/minuto,equivaleadecirqueunclientellegaen
promediocada1.97minutosalafila(Verfigura5).

Tiempopromediodeunclienteenelsistema:

WW 1 2.381.283.66
q

(7)

Con los resultados obtenidos se puede observar que la

utilizacindelsistemadecolasparalalneapreferencial
es de 65%, luego hay un porcentaje de tiempo ocioso
moderado del 35%. Tambin se observa que el tiempo
promedioquetranscurredesdequeelclienteentraenla
cola hasta que sale del servicio es de 3.66 minutos.
Adicionalmente,seencontrquelacantidadpromediode
clienteshaciendofilaenlacolapreferencialesde1.21.
4.3.AplicacindelModelodeSimulacin.
Enestenumeralseprocedeamostrarlascaractersticasy
resultados del modelo simulado a travs del Software
Promodel Student (Versin 7) en donde se aprecia el
comportamientodelsistemaobjetodeestudio.

Figura5.MdulodeLlegadas.
Paraalimentarelmdulodelprocesamientoseutilizel
valor inverso de la tasa media de servicio ( : 0.781
clientes/minuto),loqueequivaleadecirqueelcajerose
demoraatendiendounclienteenpromedio1.28minutos.
Esteprocesoseilustraenlafigura6.

Figura6.MdulodeProcesamiento.
Con base a la codificacin presentada del modelo a
simular,secorrilasimulacindurante20dasenturnos
de8horasdiarios,loqueequivalea160horas.Lafigura7
presenta un resumen de los resultados que permiten
contrastar la veracidad delmodelo simulado respecto al
modelotericoM/M/1.

Figura7.Resumenderesultadosdelmodelosimulado.
Figura4.Layoutdelmodelosimulado.

Es as, como al comparar las cifras de las medidas de

desempeodelmodelotericoconlasencontradasenel
modelo simulado (ver tabla 2), se evidencia una muy
buenarepresentacindelarealidadatravsdela

61

ScientiaetTechnicaAoXVII,No46,Diciembre2010.UniversidadTecnolgicadePereira.

simulacinejecutada[9],estosecorroboragraciasaque
elmargendediferenciaentrelosresultadosdelosdos
modelos(TericoySimulado)estalrededordel7.2%.
PARMETRO

P
Lq
L
Wq
W

MODELO
TERICO SIMULADO

0.65
1.21
1.86
2.38
3.66

0.6541
1.36
2.01
2.65
3.93

DIFERENCIA
%

0.62
11.02
7.46
10.18
6.87

Tabla2.Comparacinderesultados.
Nuevamente,seconcluyeconlosresultadosobtenidosen
elmodelosimuladoqueestesistemaestpresentandoun
tiempoociosomoderado.Elcual,puedeseraprovechado
atravsdeunaactividadderefuerzoendondeestecajero
puedeatenderclientes de otrasfilasmientras notenga
clientespreferencialesenesperadeservicio.
5.CONCLUSIONES
ConlaimplementacindelmodelodeTeoradeColasy
elmodelodeSimulacinseevidencicomoelsistema
conformado por la fila de clientes preferenciales y el
cajeroasignado,estsiendosubutilizado,estodebidoa
que el porcentaje de utilizacin es apenas del 65%,
quedandoun35%libre,elcualpuedeserutilizadoen
refuerzodeotrasactividades.
Ademsdelasmedidasdedesempeoqueseencuentra
tanto con el modelo terico como con el modelo de
simulacin,tambinsepuedeanalizarotrosdatosqueel
modelodesimulacinentrega.Porejemplo,alverlos
reportes que la simulacin entrega respecto al tiem po
promedio que un cliente pasa en el sistema desde que
llega a la fila hasta que es atendido por el cajero, se
observacomoel42.7%dedichotiempoesasignadoala
atencinyelporcentajerestanteesasignadoaltiempode
espera por el servicio. Esto indica claramente, que el
tiempo ocioso del cajero no es por su rapidez en la
atencin, sino, por el tiempo entre llegadas que se
presentaactualmente,esdecir,quesiestetiempoentre
llegadasdeclientespreferencialessevolvieramscorto,
se presentara inmediatamente un crecimiento
significativoenelnmerodepersonasenlafilacausando
un problema serio para la administracin en lo que
respectaalasatisfaccindesusclientesimportantes.
Conloanteriorsepuedecorroborarunavezmsla
importanciadelaimplementacindemodelosde
simulacin,yaqueestospermitenprofundizarmuchoms
enelcomportamientodelsistemaanalizado.
Igualmente se resalta la importancia de apoyar la
simulacinconmodelostericos,estodebidoaquees
una excelente forma de validar la representacin de l
modelosimuladoconrespectoalmodeloreal,talcomo
seevidencioenlatabla2.Deestamanera,elinvestigador

podrrealizarcambiosyajustesalmodeloconla
tranquilidaddequelosresultadosobtenidossernmuy
acordesconlarealidad.
6.BIBLIOGRAFA
[1] Giraldo. G. Norman. Procesos Estocsticos.
UniversidadNacionaldeColombia.Medelln.2006.
[2] Hillier,Liberman.Introduccinalainvestigacinde
operaciones,Mc.Graw.Hill,1999.
[3] Winston, W., Investigacin de Operaciones:
Aplicaciones y Algoritmos Cuarta Edicin.
EditorialThomson,2005.
[4] Eppen, G. D.; Gould, F. J. y Schmidt, C. P.
Investigacin de Operaciones en ciencia
Administrativa.Edit.PrenticeHall.1999.
[5] Carson, Y. Anu, M. Simulation Optimization:
Methods and Applications. Winter Simulation
Conference.1997.
[6] Soto, J, Fundamentos Tericos de Simulacin
Discreta Universidad Tecnolgica de Pereira,
FacultaddeIngenieraIndustrial,2007.
[7] Freund, Jhon, Estadstica Matemtica con
Aplicaciones,EditorialPearson.2006
[8] Mendenhall, William, Estadstica Matemtica
Aplicada.EditorialMGHill.2007
[9] RobertG.Sargent,VerificationandValidationof
Simulation Models, Winter Simulation
Conference,1998.