Optimización del flujo de tareas en proyectos complejos mediante simulación estocástica y sistemas de colas heterogéneos

Alexis Fernando Morales Lescano

doi:10.66465/hispasci.1.2026.5

Autores/as

Alexis Fernando Morales Lescano Escuela Superior Politécnica del Litoral Author

DOI:

https://doi.org/10.66465/hispasci.1.2026.5

Palabras clave:

simulación estocástica, sistemas de colas, gestión de proyectos, optimización de recursos, eventos discretos

Resumen

La investigación analiza la optimización del flujo de tareas en proyectos complejos mediante simulación estocástica y sistemas de colas con servidores heterogéneos, considerando recursos con diferentes niveles de desempeño. El objetivo es evaluar el impacto de distintas políticas de asignación de tareas sobre el retraso del proyecto, la utilización de recursos y el costo total, desde una perspectiva cuantitativa de la gestión de proyectos. La metodología se basa en el modelado matemático de un sistema de colas M/G/c con llegadas Poisson y tiempos de servicio aleatorios, implementado mediante simulación de eventos discretos y replicación Monte Carlo. Se comparan tres políticas de asignación: First-In-First-Out (FIFO), prioridad a tareas críticas y una política optimizada basada en desempeño. Los resultados muestran diferencias estadísticamente significativas entre las políticas evaluadas bajo una configuración de recursos mixta. En particular, la política FIFO presentó el menor retraso promedio del proyecto (390.9 ± 59.4 horas), superando a las políticas con priorización y asignación optimizada, además de exhibir un mejor balance de carga entre recursos y un menor costo total. Estos hallazgos evidencian que, en sistemas con heterogeneidad moderada de servidores, políticas simples pueden ofrecer un desempeño superior y mayor robustez operativa. El estudio aporta evidencia empírica reproducible para la toma de decisiones en la gestión del cronograma y los recursos, y destaca el valor de la simulación estocástica como herramienta de apoyo en la planificación de proyectos complejos.

Referencias

Adan, I. J., Boon, M. A., & Weiss, G. (2019). Optimal strategy for a service system with two heterogeneous servers. Queueing Systems, 93(3), 227–251. https://doi.org/10.1007/s11134-019-09635-w

Chakravarthy, S. R. (2020). A queueing model with heterogeneous servers and different priority classes. Operations Research Perspectives, 7, 100140. https://doi.org/10.1016/j.orp.2020.100140

Fishman, G. S. (1996). Monte Carlo: Concepts, algorithms, and applications. Springer. https://doi.org/10.1007/978-1-4757-2553-7

Gross, D., Shortle, J. F., Thompson, J. M., & Harris, C. M. (2018). Fundamentals of queueing theory (5th ed.). Wiley. https://doi.org/10.1002/9781119453765

Little, J. D. C. (1961). A proof for the queuing formula L = λW. Operations Research, 9(3), 383–387. https://doi.org/10.1287/opre.9.3.383

Mika, M., Waligóra, G., & Węglarz, J. (2015). Modelling and solving grid resource allocation problem with network resources for workflow applications. Journal of Scheduling, 18(3), 291–308. https://doi.org/10.1007/s10951-015-0425-1

Morales Torres, I. F. (2025). Redes neuronales para la medición y predicción de la pobreza multidimensional en Ecuador: Enfoque aplicado a encuestas de hogares 2024. Nexus Research Journal, 4(2), 297–318. https://doi.org/10.62943/nrj.v4n2.2025.414

Morales Torres, I. F., & Pow Chon Long Vásquez, D. F. (2012). Optimización del proceso de despacho en una empresa productora de químicos (sulfato de aluminio) mediante simulación estocástica. http://www.dspace.espol.edu.ec/xmlui/handle/123456789/36369

Ometov, A., Kozyrev, D., Rykov, V., Andreev, S., Gaidamaka, Y., & Koucheryavy, Y. (2017). Reliability-centric analysis of offloaded computation in cooperative wearable applications. Wireless Communications and Mobile Computing, 2017, Article 9625687. https://doi.org/10.1155/2017/9625687

Pinedo, M. L. (2016). Scheduling: Theory, algorithms, and systems (5th ed.). Springer. https://doi.org/10.1007/978-3-319-26580-3

Rykov, V. V., Kozyrev, D. V., Filimonov, A. V., & Ivanova, N. M. (2021). On reliability function of a k-out-of-n system with general repair time distribution. Probability in the Engineering and Informational Sciences, 35(4), 885–902. https://doi.org/10.1017/S0269964820000285

Sanchez, H., & Terlizzi, M. A. (2017). Cost and time project management success factors for information systems development projects. International Journal of Project Management, 35(8), 1608–1626. https://doi.org/10.1016/j.ijproman.2017.09.007

Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality. Biometrika, 52(3–4), 591–611. https://doi.org/10.1093/biomet/52.3-4.591

Taha, H. A. (2017). Operations research: An introduction (10th ed.). Pearson Education. https://doi.org/10.1007/978-3-319-18842-3

Wang, L., & Zheng, J. (2023). Stochastic resource allocation in project management using metaheuristic algorithms. Expert Systems with Applications, 213, 118945. https://doi.org/10.1016/j.eswa.2022.118945

Zhang, H. (2021). Resource-constrained project scheduling problem based on discrete event simulation. Journal of Computing in Civil Engineering, 35(4), 04021015. https://doi.org/10.1061/(ASCE)CP.1943-5487.0000968