TEORÍA DE COLAS
INVESTIGACION DE OPERACIONES
EJEMPLO DE COLAS
▶ MÁQUINAS ESPERANDO SER
REPARADAS
▶ CAMIONES ESPERANDO SER
DESCARGADOS
▶ AVIONES ESPERANDO AUTORIZACIÓN
PARA DESPEGAR
▶ DATOS ESPERANDO SER
TRANSMITIDOS
Modelos de filas de espera
▶ FILAS DE ESPERA = LÍNEAS DE ESPERA = COLAS
▶ El análisis de filas de espera es de interés para los
administradores, gerentes y mercadólogos porque afecta el
diseño y distribución de espacios, la planificación de la
capacidad, la administración de inventarios y el servicio en
general
▶ Con los modelos que estudiaremos se pueden tomar
mejores decisiones que equilibren niveles deseables de
servicio con el costo de proporcionarlo
¿Por qué se forman filas de espera?
▶ Fila de espera es una hilera formada por uno o
varios clientes que esperan recibir un servicio.
Los clientes pueden ser personas u objetos
(máquinas en espera de ser reparadas por
ejemplo)
▶ Las filas de espera se forman a causa de un
desequilibrio temporal entre la demanda de un
servicio y la capacidad del sistema para
suministrarlo
Estructura de un problema de filas
de espera
1. Regla de prioridad, atender de acuerdo a su llegada
(primero en entrar primero en salir = PEPS)
2. Una fila de espera formada por los clientes
3. Una población de clientes que genera clientes
potenciales
4. Prestación de servicio, que puede ser dado por una
persona, varias personas o una o varias máquina
Configuraciones del sistema de línea de
espera:
Un solo canal Multicanal
NOTACIÓN DE KENDALL
▶ Letra M: se usa para la distribución de
probabilidad
▶ Letra G: se usa para los casos que las llegadas o
los tiempos de servicio tienen una distribución de
probabilidad General con una media y varianza
conocida
▶ Letra D: las llegadas o el tiempo de servicio son
Determinísticos o constantes
Notación Kendall
Distribución
Distribución de los Número de
de llegadas tiempos de servidores
servicio
M=Markoviana M=Markoviana
(poisson) (exponencial)
n=1,2,3
D=Deterministica D=Deterministica
(constante) (constante)
M-M-1 Supuestos:
▶ La línea de espera tiene un solo canal
▶ El patrón de llegadas sigue una
distribución de probabilidad POISSON
▶ Tiempo de servicio sigue una
distribución de probabilidad
exponencial
▶ La disciplina del servicio es (PEPS)
primero en entrar primero en atender
Modelo de un solo canal
▶
Modelo de un solo canal
▶
Modelo de un solo canal
▶
Modelo de un solo canal
▶
Modelo de un solo canal
▶
Modelo de un solo canal
▶
Modelo de un solo canal
▶
Modelo de un solo canal
▶ Las características de servicio anteriores se dan sólo
cuando la tasa media de servicio μ es superior a la
tasa media de llegadas λ, o sea, que μ > λ, o lo que
es lo mismo, λ/μ < 1
▶ O sea que el Factor de Utilización < 1
▶ Si esto no se cumple, la línea de espera continuaría
creciendo sin límite, porque la instalación de servicio
no tendría la capacidad suficiente para atender las
unidades que llegan. Esto aplica porque el sistema
está en estado estable
Ejemplo No. 1
▶ La dueña de una abarrotería, está interesada en brindar
un buen servicio a las personas que compran en su
tienda. Actualmente, la tienda tiene un solo mostrador
donde se les cobra a los clientes. La dueña desea
analizar el sistema para sus clientes usuales y también
para una próxima abarrotería que tendría un mostrador
exclusivo para las personas de la tercera edad. Los
clientes llegan al mostrador a un ritmo promedio de 30
por hora, de acuerdo con una distribución de Poisson, y
son atendidos a una tasa promedio de 35 clientes por
hora, con tiempos de servicio exponenciales.
Determinar:
▶ Número promedio de clientes haciendo cola y en servicio
▶ Número promedio de clientes en el sistema
▶ Tiempo promedio que los clientes hacen cola y en servicio
▶ Tiempo promedio que los clientes están en el sistema
▶ Probabilidad de que el empleado que atiende esté ocupado y
probabilidad de que esté desocupado.
▶ Probabilidad de que un cliente que llega tenga que esperar para
ser atendido
▶ Probabilidad de que haya 10 clientes en el sistema en un
momento dado
▶ Probabilidad que haya más de 3 clientes en el sistema
Solución (Resumen)
▶ λ= 30 clientes/hora
▶ μ = 35 clientes/hora
▶ Lq = 5 clientes
▶ L = 6 clientes
▶ LS = 1 cliente
▶ Wq = 10 minutos
▶ W = 12 minutos
▶ WS = 2 minutos
▶ Po = 14 %
Ejemplo No. 2
▶ Sam el veterinario maneja una clínica de
vacunación antirrábica para perros, en la
preparatoria local. Sam puede vacunar un perro
cada tres minutos. Se estima que los perros
llegarán en forma independiente y
aleatoriamente en el transcurso del día, en un
rango de un perro cada seis minutos, de acuerdo
con la distribución de Poisson. También suponga
que los tiempos de vacunación de Sam están
distribuidos exponencialmente.
Ejemplo No. 2
▶ La probabilidad de que Sam este de ocioso
▶ La proporción de tiempo en que Sam está ocupado
▶ El número total de perros que están siendo vacunados y
que esperan a ser vacunados
▶ El numero promedio de perros que esperan a ser
vacunados.
