Investigación

Operativa 2

TEORIA DE COLAS
Introducción
La calidad de atención al cliente depende muchas veces,
no solo de la calidad del producto, sino de la calidad del
servicio.
En muchas situaciones el proceso de compra va
acompañado del proceso de pagar por los artículos
comprados en una zona especial.
Los clientes deben esperar en cola o en filas de espera.

El objetivo de este capítulo es el análisis de los tiempos

de espera en cola.
Ejemplos para las líneas de espera (5)

Situación Clientes Servidores Servicio

Espera de Clientes que Cajas Cobro de la
clientes en un esperan para registradoras compra
supermercado pagar
Automóviles Automóviles Mecánicos o Reparación del
en un taller averiados equipos de automóvil
mecánicos
Servicio de Máquinas Unidades o Reparación de
mantenimient averiadas o equipos de la máquina
o en mantenimient
mantenimient o
o
3
Terminología para las líneas de espera

Ley de
Sistema servicio
Ley de
llegada
Centro Emisor
(finito/infinito) Fila Servicio
(finita/infinita) (varios servidores)

4
Proceso de entrada
 Se conoce como proceso de llegada.
 La llegada son los clientes.

Supuestos:
 Los clientes llegan individualmente.
 El proceso de llegadas no es afectado por el número de
clientes presentes en el sistema.

 Se utiliza una distribución de probabilidad que gobierne el

tiempo entre llegadas sucesivas.
Modelado del proceso de llegada
 Se define ti, como el instante en el cual llega el i-ésimo
cliente.

 El valor: Ti = ti+1 – ti es el i-ésimo tiempo entre llegadas.

 Asumimos que las Ti son variables independientes,

aleatorias y contínuas, descritas por la variable aleatoria X.

 Si X tiene función de densidad f(x), entonces:

P(Xc) = 0,c f(x) dx
Modelado del proceso de llegada
 Se define 1/ como el tiempo promedio entre llegadas
(unidad de tiempo por cliente)
1/ = 0, x f(x) dx

 A  se le llama tasa de llegadas y 1/ es el tiempo

promedio entre llegadas. Las unidades de  son clientes por
unidad de tiempo.
 Usualmente se selecciona la distribución exponencial para
representar a X, cuya función de densidad es: f(x) = e-x

 f(x) decrece rápido para x pequeños, es decir, son pocos

probables tiempos entre llegadas muy grandes.
Proceso de salida
 Se conoce como proceso de servicio.

Supuestos:
 Los clientes salen individualmente.
 El tiempo de servicio es independiente del número de
clientes presentes en el sistema.

 Se utiliza una distribución de probabilidad que gobierne el

tiempo de servicio a un cliente.
 Estudiaremos servidores en serie y servidores en paralelo.
Modelado del proceso de servicio
 Suponemos que los tiempos de servicio de distintos
clientes son VA independientes.
 El tiempo de servicio de cada cliente está regido por la
variable aleatoria Z, que tiene función de densidad f(Z).
 Definimos 1/ como el tiempo promedio de servicio a un
cliente:
1/  = 0, z f(z) dz

 A  se le llama tasa de servicio y 1/ es el tiempo

promedio de servicio. Las unidades de  son clientes por
unidad de tiempo.

 La función de densidad es: f(x) = e-x (Dist. Exponencial)

 Notación de KENDALL-LEE
Usaremos la siguiente notación:
1/2/3/4/5/6

1: Especifica la naturaleza del proceso de llegada

2: Especifica la naturaleza de los tiempos de servicio
3: Especifica el número de servidores en paralelo
4: Describe la disciplina de la cola (FIFO, LIFO, RS, DG)
5: Especifica el número máximo de clientes en el sistema
6: Es el tamaño de la población de la cual se toman los clientes

Las características 1 y 2 pueden ser: M, D, Ek, G

 Relación entre la Poisson y la
exponencial
TEOREMA 1
 Los tiempos entre llegadas son exponenciales con
parámetro  si y sólo si el número de llegadas que suceden
en el intervalo t sigue una distribución de Poisson con
parámetro t.

 Si hacemos que Nt sea el número de llegadas o servicios

que suceden durante cualquier intervalo de tiempo de longitud
t. Se tiene:
P(Nt=n) = e- t (t)n/n!

 Se puede demostrar que E(Nt) = Var(Nt) = t

Relación de la distribución exponencial con los
procesos de nacimiento-muerte

La mayor parte de los sistemas de líneas de

espera con tiempos entre llegadas
exponenciales y tiempos de servicios
exponenciales se podrían modelar como si
fueran procesos de nacimiento-muerte.

12
Procesos de nacimiento y muerte
 Se define como estado del sistema en el tiempo t al
número de personas presentes en cualquier sistema de
colas en el tiempo t.

 Definimos un nacimiento como una llegada de un nuevo

cliente al sistema.

 Definimos una muerte como el término del servicio a un

cliente.

 Un proceso de nacimiento y muerte es un proceso

estocástico continuo en el tiempo para el que el estado del
sistema en cualquier tiempo es un entero no negativo.
Diagrama de tasas para los procesos
de nacimiento-muerte

Modelo de nacimiento-muerte
Caso General

λ0 λ1 λ2 λj-2 λj-1 λj

0 1 2 ... j-1 j j+1 ...

µ1 µ2 µ3 µj-1 µj µj+1

14
 Derivación de las probabilidades de estado
estable (1)
Mostraremos como las Pj se podrían determinar para
un proceso arbitrario de nacimiento-muerte.

La clave es relacionar (para Δt pequeñas) Pij(t+Δt) con

Pij(t).
P11  P0 0
Pj 1 j 1  Pj 1 j 1  Pj ( j   j ) ( j  1,2,...)

Las ecuaciones de arriba son llamadas ecuaciones de

balance de flujo, o ecuaciones de conservación del
flujo, para un proceso nacimiento-muerte.
15
Derivación de las probabilidades de estado
estable (2)

Obtenemos las ecuaciones de balance de flujo

para un proceso de nacimiento-muerte:

( j  0) P0 0  P11
( j  1) (1  1 ) P1  0 P0   2 P2
( j  2) (2   2 ) P2  1 P1   3 P3

( j  ésima ecuación) ( j   j ) Pj   j 1 Pj 1   j 1 Pj 1

16
Derivación de las probabilidades de estado
estable (3)

Sea:
0 12 ... j 1
Cj  ( j  1,2,...)
1 2  3 ... j

Entonces:
Pj  P0 C j ( j  1,2,...)

17
Solución de las ecuaciones de balance de
flujo (1)
Si  j 
j 1
Cj es finita, podemos resolver para
P0: 1
P0  j 
1 C
j 1
j

Se puede demostrar que si  C es

j 
j 1 j

infinita, entonces, no existe distribución de

estado estable.
La razón más común para que no exista el
estado estable es que la tasa de llegadas
es por lo menos igual a la tasa máxima a
la cual los clientes pueden ser atendidos.
18
Solución de las ecuaciones de balance de
flujo (2)

Una vez obtenidas las probabilidades de los

diferentes estados, podemos calcular:

El número promedio de clientes en el sistema:

L = n=0,  n Pn
 
La longitud promedio de cola:
Lq = n=s,  (n-s) Pn
 
El número de servidores s representa el número
de clientes que pueden estar en servicio y no en la
cola al mismo tiempo. 
19
Solución de las ecuaciones de balance de
flujo (3)

Además, usando las fórmulas de Little obtenemos:

El tiempo promedio que cada cliente permanece en el

sistema:
W = L / p
El tiempo promedio que cada cliente permanece en la
cola:
Wq = Lq / p

20
Solución de las ecuaciones de balance de
flujo (4)
Otras fórmulas son:

El tiempo promedio de permanencia en el servicio:

W s = L s / p
La relación entre los tiempos es: W = Wq + Ws (L = Lq
+ Ls )

El factor de utilización:
 = p/s

21
Solución de las ecuaciones de balance de
flujo (5)

El promedio de las tasas de llegada para todos

los estados, ponderada por la probabilidad de
cada estado:
p = j=0,  j Pj
 
Cuando j =  para todos los estados posibles
del sistema, tendremos: p = 

22
 Modelo de colas con población
infinita y un servidor (1)
(M/M/1/DG// )
Asumimos que n =  para n  0 y que:
n =  para n  1

      

0 1 2 n-1 n n+1

      
 Modelo de colas con población
infinita y un servidor (1)
(M/M/1/DG// )
Validar las fórmulas siguientes para  = / < 1
Sabemos que: Cn = i=1,n (i-1 /i) = i=1,n ( /) = ( /)n = n

La probabilidad de encontrar el sistema vacío u ocioso es:

P0 = [1 + n=1, Cn] –1
= [1 + n=1, n ] –1
= [ n=0, n ] –1
= 1-
 Modelo de colas con población
infinita y un servidor (1)
(M/M/1/DG// )
La probabilidad de encontrar n clientes en el sistema, es:
Pn = CnP0
= n(1-)
La probabilidad de encontrar el sistema ocupado o
utilización del sistema es:
= P(n  s)
= P(n  1)
= 1 – P0
=
 Modelo de colas con población
infinita y un servidor (1)
(M/M/1/DG// )
El número promedio de clientes en el sistema es:
L = n=0,nPn además, Pn = n(1-)
Entonces: L = n=0,nn(1-)
L = (1-) n=0,nn
L = (1-) n=0,nn-1
L = (1-) n=0, (n)/()
L = (1-) ( n=0, n) / ()
L = (1-) [1/ (1-)] / ()
L = /(1-)
L = (1-) /[(1-)2]
 Modelo de colas con población
infinita y un servidor (1)
(M/M/1/DG// )
El número promedio de clientes en la cola es:
Lq = n=s,(n-s) Pn además, P0 = 1- ,s=1
Entonces: Lq = n=1,(n–1)Pn
Lq = n=1,nPn – n=1,Pn
Lq = n=0,nPn – ( 1 – P0)
L q = L – ( 1 – P0 )
Lq = = /(1-) – ()
Lq = 2/(1–)
 Modelo de colas con población
infinita y un servidor (1)
(M/M/1/DG// )
El número promedio de clientes en el servicio es:
Ls = L – L q además, L = /(1-) y Lq = 2/(1–)
Entonces: Ls = /(1-) – 2/(1–)
Ls = (1-)/(1–)

Ls = 
 Modelo de colas con población
infinita y un servidor (1)
(M/M/1/DG// )
El tiempo promedio que pasa un cliente en el sistema es:
W = L / p además, L = /(1-) ;p =  y  = /
Entonces: W = /((1-))
W = //((1- /))
W = /(( - ))

W = 1/( - )
 Modelo de colas con población
infinita y un servidor (1)
(M/M/1/DG// )
El tiempo promedio que pasa un cliente en la cola es:
Wq= Lq/p además, Lq = 2/(1–); p =  y  = /
Entonces: Wq= 2/(1–)/
Wq= 2/(( - )2)

Wq= /[( - )]

 Modelo de colas con población
infinita y un servidor (1)
(M/M/1/DG// )
El tiempo promedio que pasa un cliente en el servicio es:
Ws = W – W q además, W = 1/( - ) y Wq= /[( - )]
Entonces: Ws= 1/( - ) – /[( - )]
Ws= ( - )/[( - )]

Ws= 1/
Problema 1
 Se tiene una cola rápida, de un solo servidor, que atiende
a clientes con 10 artículos o menos.
 LLEGADAS: proceso Poisson (tasa media de 30 por hora)
 SERVICIO: distribución exponencial (media de un minuto)

SOLUCION ( M1 2
M 31 4
DG 5 6 )
Cliente: Persona
L = /(1-)
Servidor: Caja rápida = 1 persona
 = 30 personas/hora
W = 1/( - )
1/ = 1 minuto
= 1/30 hora
 = 60 personas/hora
= 2 minutos
 = / = 30/60 < 1
 Modelo de colas con población
infinita y varios servidores (2)
(M/M/s/DG// )
Asumimos que n =  para n  0 y que:
 = /s < 1 n = n para n = 1, 2, 3,.... s – 1
= s para n = s, s+1,s+2,...., 

      

0 1 2 s-1 s s+1

 2 3 (s-1) s s s
 M/M/s/DG// 
P0 = {[n=0, s-1 (sn / n!] + [(ss / (s! (1 - ))]}-1
Pn = Cn P0 = [(s)n / n!] P0 Para n = 1, 2, 3, ..., s-1
Pn = Cn P0 = [(s)n / (s! sn-s)] P0 para n = s, s+1, s+2, ..., 
P(n≥s) = (s)s P0 / [s!(1 - )]
Lq = P(n ≥ s)  (1 - (s)s P0 / [s!(1 - )2]

Wq = Lq / p = Lq / 
L = Lq + Ls = Lq s
Ws = 1 / 
W = Wq + Ws = Wq1 / 
 Problema 2
 Se tiene actualmente dos confesionarios con colas
separadas. Se quiere cambiar a un sistema con cola única.
 LLEGADAS: proceso Poisson (tasa media de 30 por hora).
Distribuidas en forma equitativa entre las dos colas.
 SERVICIO: distribución exponencial (media de 3 minutos)

SOLUCION Actual: 2 modelos ( M 1 M2 31 DG 4 5 6 )

 = 15 personas/hora  = / = 15/20 < 1
1/ = 3 minutos  = 20 personas/hora
W = 1/( - ) W = 1/5 horas = 12 minutos

SOLUCION Propuesta: 1 modelo ( M1 M2 32 DG 4 5 6 )

DG

 = 30 personas/hora  = 20 personas/hora s = 2  = 3/4

W = P(ns)/(s - ) + 1/  W = 0.1143 horas = 6.8 min
Problema
 Se tiene un mostrador de libros donde se verifican
mochilas para evitar robos.
 SERVICIO: distribución exponencial (media de un minuto)
 LLEGADAS: proceso Poisson (tasa media de 20 por hora)

SOLUCION ( M1 2
M 31 4
DG 5 6 )
Cliente: estudiante W = 1/( - )
Servidor: mostrador = 1/40 hora
 = 20 estudiantes/hora = 1.5 minutos
1/ = 1 minuto Lq = 2/(1–)
 = 60 estudiantes/hora = 1/6 estudiante
 = / = 20/60 < 1 P0 = 1 - 
= 66.67%
 Modelo de colas con cola de
espera finita y un servidor (3)
(M/M/1/DG/K/ )
Asumimos que n =  para n = 0, 1, 2, ... K-1, y que:
n =  para n = 1, 2, ... K

     

0 1 2 k-2 k-1 k

     
 Modelo de colas con cola de
espera finita y un servidor (3)
(M/M/1/DG/K/ )
Fórmulas válidas sí,  = / ≠ 1
Cn = n para n = 1, 2, ... K y además p = (1 – Pk)
 P0 = (1 – )/(1 – k+1)
 P(n  1) = 1 – (1 – )/(1 – k+1)
 L = [/(1 – )] – [(K+1)k+1/)/(1 – k+1)]

 Lq = L – (1 – P0)

W = L / [(1 – Pk)]
 Wq = Lq / [(1 – Pk)]
 Ws = (1 – P0)/[(1 – Pk)]
 Problema 3
Una estación de servicio, de un solo servidor; tiene lugar para
que un máximo de 4 autos reciban servicio o lo esperen.
LLEGADAS: proceso Poisson (tasa de 24 por hora)
SERVICIO: distribución exponencial (media de 3 minutos)

Analizar el sistema
SOLUCION ( M1 2
M 31 4
DG 54 6 )
Cliente: Autos
Servidor: Estación
 = 24 clientes/hora Hay que aplicar las
fórmulas básicas, una
1/ = 3 minutos
plantilla o las ecuaciones
 = 20 clientes/hora de balance
 = / = 24/20 > 1
Problema 3
 Se tiene:  = 24 clientes/hora;  = 20 clientes/hora; k=4
   

0 1 2 3 4

   
 Las ecuaciones de balance: De donde:
24P0 = 20P1 P0 = 0.1344
24P0 + 20P2 = (24+20)P1 P1 = 0.1612
24P1 + 20P3 = (24+20)P2 P2 = 0.1935
24P2 + 20P4 = (24+20)P3 P3 = 0.2322
24P3 = 20P4 P4 = 0.2786
Problema 3
Se tiene:
P0 = 0.1344;
P1 = 0.1612;
P2 = 0.1935;
P3 = 0.2322;
P4 = 0.2786
Tiempo promedio ocioso del encargado:
P0 = 13.44% del tiempo
Número promedio de clientes perdidos:
 P4 =(24c/h) 27.86%=6,68 clientes/hora
 Modelo de colas con cola de
espera finita y varios servidores (4)
(M/M/s/DG/K/ )
Asumimos que n =  para n  0 y que:
(K  s) n = n para n = 1, 2, 3,.... s – 1
 = /s ≠ 1 n = s para n = s, s+1,s+2,....,K

      

0 1 s-1 s k-1 k

 2 (s-1) s s s s
 M/M/s/DG/K/ 
Sea K el tamaño del sistema de colas, y s el número de
servidores en paralelo, donde K ≥ s.
 Llegadas Poisson
n =  para n = 0, 1, 2, ..., K-1
Servicio Exponencial
n para n = 1, 2, 3, ..., s-1
n = {
s para n = s, s+1, s+2, ..., K
 Las ecuaciones son válidas sólo cuando  = /s ≠1.
 Cn = i=1,n (i-1/i) = (/)n /n! = (sn / n!
para n = 1, 2, 3, ..., s-1
Cn = i=1,n (i-1/i) = [(/)s /s!] (/s)n-s = (sn / s! sn-s
para n = s , s+1, s+2, ..., 
 M/M/s/DG/K/ 
P0 = [1 + n=1, s-1 (sn / n! + (ss / s! n=s, K (n-s ]-1
Pn = Cn P0 = [(s)n / n!] P0 para n = 1, 2, 3, ..., s-1
Pn = Cn P0 = [(s)n / (s!s(n - s))] P0 para n = s, s+1, s+2, ..., K

p = n=0,  n Pn = n=0,k-1 Pn = (1 - Pk)

L = n=0,s-1 n Pn + Lq + s(1 - n=0,s-1 Pn)

Lq = {P0(/ )s  [s!(1 - )2]} [1 - K-s - (K - s) K-s (1 - )]
W = L / p = L / [(1 - PK)]
Wq = Lq / p = Lq / [(1 - PK)]
Problema 4
 Dos empleadas constestan llamadas telefónicas.
 Una llamada se puede poner en espera hasta que una
empleada esté desocupada.
 Si las tres líneas están ocupadas la llamada se pierde.
 LLEGADAS: proceso Poisson (tasa media de 15 por hora)
 SERVICIO: distribución exponencial (media de 4 minutos)

SOLUCION ( M1 M2 32 4
DG 53 6 )
Cliente: Persona Servidor: empleadas
 = 15 llamadas/hora 1/ = 4 minutos
 = 15 llamadas/hora

 = /s = 15/[2(15)] < 1

 Problema 4
 Se tiene:
 = 15 llamadas/hora;  = 15 llamadas/hora; s=2; k = 3; =0.5

=15 =15 =15

0 1 2 3

=15 2=30 2=30

P0 = [1 + n=1,s-1(s)n/n! + (s)s/s!n=s,k()n-s]-1
Pn = [(s)n/n!]P0 para n= 1, 2, 3, ....s-1
Pn = [(s)n/s!s(n-s)]P0 para n= s, s+1, s+2, ......k
De donde: P0=0.364; P1=0.364; P2=0.182; P3=0.091
 Problema 4
 Se tiene:
= 15 llamadas/hora;  = 15 llamadas/hora; s=2; k = 3; =0.5

P0=0.364; P1=0.364; P2=0.182; P3=0.091

Probabilidad de estado estable de que:

A) Un cliente hable de inmediato con una empleada
= P0 + P1 = 72.8%
B) El cliente quede en espera
= P2 = 18.2%

C) El cliente obtenga el tono de ocupado

=P3 = 9.1%
 Modelo de colas con población
finita y un servidor (5)
(M/M/1/DG/N/N)
Asumimos que n = (N – n) para n = 0, 1, 2, ... N –1
n =  para n = 1, 2, ... N

N (N –1) (N –2) 3 2 

0 1 2 N-2 N-1 N

     
 M/M/1/DG/N/N
Sea N el tamaño de la población.
 Llegadas Poisson n = (N - n)para n = 0, 1, 2, ..., N-1
Servicio Exponencial n = para n = 1, 2, 3, ..., N
 
Cn = i=1,n (i-1/i) = N! n / (N - n)! ; para n = 1, 2, 3, ..., N
p = n=0,  n Pn = n=0,N (N - n)Pn = (N - L)
P0 = [n=0,N N! n / (N - n)! ]-1
Pn = N! n P0 / (N - n)! para n = 1, 2, 3, ..., N
L = N - (1 - P0) / 
Lq = N - (1 - P0) (+ 1) /
W = L / p = L / [(N - L)]
Wq = Lq / p = Lq / [(N-L)]
Problema 5
 Una persona debe dar mantenimiento a dos máquinas.
 LLEGADAS: tiempo que trabaja una máquina antes de
descomponerse, dist. exponencial (media de 10 horas)
 SERVICIO: distribución exponencial (media de 8 horas)

SOLUCION ( M1 M2 31 4
DG 5N 6N ) N=2
Cliente: Máquina a reparar  = / = 8/10 < 1
Servidor: Persona que repara
n = (N – n)
1/ = 10 horas 0 = (2 – 0)/10 = 1/5
 = 1/10 máquinas/hora 1 = (2 – 1)/10 = 1/10
1/ = 8 horas n = 
 = 1/8 máquinas/hora 1 = 2 =  = 1/8
Problema 5
 Diagrama de tasas:
N = 0 (N –1) = 1 1/5 1/10

0 1 2 0 1 2

1 2 1/8 1/8

Ecuaciones de balance: Resolviendo:

E(salidas) = E(entradas)
1/5P0 = 1/8P1 P0 = 0.258
(1/10 + 1/8)P1 = 1/5P0 + 1/8P1 P1 = 0.412
P0 + P 1 + P 2 = 1 P2 = 0.330
Problema 5
 Tenemos:
N = 2;  = 1/10;  = 1/8;  = 0.8
P0 = 0.258; P1 = 0.412; P2 = 0.330

L = N – (1 – P0)/ = 2 – (1 – 0.258)/0.8
= 1.702 máquinas
Lq = N – (1 – P0)( + 1)/ = 2 – (1 – 0.258)(1 + 0.8)/0.8
= 0.33 máquinas
W = L / [(N – L)] = 1.072 / [0.1(2-1.702)]
= 11.556 horas
Wq = Lq / [(N – L)] = 0.33 / [0.1(2-1.702)]
= 3.556 horas
Problema 5
 Tenemos:
N = 2;  = 1/10;  = 1/8;  = 0.8
P0 = 0.258; P1 = 0.412; P2 = 0.330

Porcentaje de tiempo que la persona de mantenimiento está

ocupada:
Tenemos una o las dos máquinas malogradas
= P1 + P2
= 74.23%
Porcentaje de tiempo que trabaja una máquina dada:
Tenemos una o ninguna máquina(s) malograda(s)
= P0 + P1
= 67%
 Modelo de colas con población
finita y varios servidores (6)
(M/M/s/DG/N/N)
Asumimos que n = (N – n) para n = 0, 1, 2, ... N –1
 = /s < 1 n = n para n = 1, 2, ... s –1
n = s para n = s, s+1, s+2,..., N

N (N-1) (N-s+2) (N-s+1) (N-s) 2 

0 1 s-1 s k-1 k

 2 (s-1) s s s s
 M/M/s/DG/N/N
Sea N el tamaño de la población, y s el número de servidores en paralelo,
donde N ≥ s.
 Llegadas Poisson n = (N - n) para n = 0, 1, 2, ..., N-1
Servicio Exponencial
n para n = 1, 2, 3, ..., s-1
n = {
s para n = s, s+1, s+2, ..., N
 
Cn = i=1,n (i-1/i) = N! (sn / (N-n)! n! ; para n = 1, 2, 3, ..., s-1
Cn = i=1,n (i-1/i) = N! (sn / (N-n)! s! sn-s ; para n = s, s+1, s+2, ..., N

P0 = {n=0,s-1 (s)n N! / [(N - n)! n!] + n=s,N (sn N! / [(N - n)! s! s(n-s)]}-1
 M/M/s/DG/N/N

Pn = N! (s)n P0 / [(N - n)! n!] para n = 1, 2, 3, ..., s-1

Pn = N! (s)n P0 / [(N - n)! s! s(n-s)] para n = s, s+1, s+2, ..., N

L = n=0,s-1 n Pn + n=s,N (n-s) Pn + s (1 - n=0,s-1 Pn)

Lq = n=s,N (n - s) Pn

p = n=0,  n Pn = n=0,N (N - n)Pn = (N - L)

W = L/p = L / [(N - L)]

Wq = Lq/p = Lq / [(N - L)]
Problema 6
 Se tiene dos operarios que atienden tres máquinas, las
cuales requieren servicio de un operario.
 LLEGADAS: dist. exponencial (tasa media de 2 horas)
 SERVICIO: distribución exponencial (media de 10 minutos)

SOLUCION ( M1 M2 32 4
DG 5N 6N )
Cliente: Máquina a reparar
 = / = 0.5/6 < 1
Servidor: Personas que reparan
1/ = 2 horas Resolviendo:
P0= 78.63%
 = 0.5 máquinas/hora
De donde:
1/ = 10 minutos
P(sistema ocupado) =
 = 6 máquinas/hora 1 – P0= 21.37%
Problema 5
 Tenemos:
N = 3;  = 1/2;  = 6
P0 = 0.7863; P1 = 0.1965; P2 = 0.0164; ; P4 = 0.0007

L = 0.23139 máquinas
Lq = 0.00068 máquinas
W = 0.16716 horas
Wq = 0.00049 horas
 Modelado del proceso de llegada
DISTRIBUCION DE ERLANG

 Es una VA continua, T, cuya función de densidad f(t) está

especificada por dos parámetros:
R: Parámetro de rapidez
K: Parámetro de forma (entero positivo)

 La función de densidad:
f(t) = R(Rt)k-1e-Rt/(k-1)! Para t  0

 Se puede demostrar que:

E(T) = k / R y Var(T) = k / R2
 Modelado del proceso de llegada
Si modelamos los tiempos entre llegadas como una
distribución de Erlang con parámetro de forma k, estamos
diciendo que:
“El proceso entre llegadas es equivalente a que un cliente
pase a través de k fases, cada una de las cuales con
propiedad de amnesia antes de llegar.”

........

Fase k Fase 3 Fase 2 Fase 1

Servicios con distribución Erlang

Por esta razón, al parámetro de forma se le llama con
frecuencia número de fases de la distribución Erlang.
 Modelos de colas con
distribuciones no exponenciales

 Modelos de colas con distribución de servicio

desconocido y un servidor.

 Modelos de colas con distribución de servicio Erlang y un

servidor.
 Modelo de colas con distrib. de
servicio desconocida y un servidor
(7) (M/G/1/DG// )
Asumimos que:
Llegadas: POISSON
n =  para n  0

Servicio: DESCONOCIDO
media 1/ y varianza 2 para n  1
 Modelo de colas con distrib. de
servicio desconocida y un servidor
(7) (M/G/1/DG// )
Fórmulas válidas sí,  = / < 1
 P0 = 1 – 

 Lq = (22 + 2)/2(1 – )

 L =  + Lq

 Wq = Lq / 
Problema 7
El jefe de la oficina de admisión de una Escuela de
Negocios, maneja solicitudes de ingreso a la
Maestría en Administración de Negocios sobre la
base de que el primero que llega es el primero que se
atiende. Estas solicitudes llegan de acuerdo a un
proceso Poisson con tasa media de 5 por día. La
distribución de probabilidad en los tiempos de
servicio es tal que la desviación estándar es 1/10 de
día y la media es 1/9 de día.
Problema 7
¿Cuál es el tiempo promedio que una solicitud
espera para ser procesada?
Wq=0,1256 dias

¿Cuántas solicitudes en promedio están en espera de

ser procesadas en cualquier momento?

Lq=0,6284 solicitudes
Modelo de colas con distrib. de
servicio Erlang y un servidor (8)
(M/Ek/1/DG// )
Asumimos que:
Llegadas: POISSON
n =  para n  0

Servicio: DESCONOCIDO
media 1/ y varianza 1/(k2) para n  1
Modelo de colas con distrib. de
servicio Erlang y un servidor (8)
(M/Ek/1/DG// )
Fórmulas válidas sí,  = / < 1
 P0 = 1 – 

 Lq = { 2 / [( - )]} (k+1) / 2k

 L = W

 Wq = {  / [( - )]} (k+1) / 2k

 Problema 8
Durante los periodos de ocupado de un sistema de
transferencia de datos, los paquetes de información
arriban de acuerdo a una distribución Poisson con media
de 4 clientes / minuto. Se ha observado que la tasa de
servicio es estimada en 5 clientes / minuto y el tiempo de
servicio se asume se distribuye según Erlang con una
desviación de 6 segundos. Calcular Wq y L.
Solución
 =4 clientes/minuto Wq= 0,5 minutos
 = 5 clientes/minuto
varianza 1/(k2)= 1/100 L= 2,8 clientes
k=4
 Análisis económico de los
modelos de colas
TOMA DE DECISIONES:

La toma de decisiones en modelos de colas, se refieren a

determinar:

 Número de servidores en paralelo en cada instalación (s)

 Eficiencia de los servidores ()
 Número de instalaciones de servicio (n)
 Análisis económico de los
modelos de colas
TOMA DE DECISIONES:

La función de costo total esperado es:

minimizar E(CT) = E(CS) + E(CW)

Donde:
 E(CT): costo total esperado
 E(CS): costo de servicio
 E(CW): costo de espera
 Análisis económico de los
modelos de colas
TOMA DE DECISIONES:
minimizar E(CT) = E(CS) + E(CW)

Donde:
 E(CS): sCs s es el número de servidores
Cs es el costo de cada servidor

 E(CW): Cw L donde Cw es el costo de espera unitario

L es el número promedio de clientes
Problema
 Se tiene un puesto de inspección de subensambles.
 SISTEMA ACTUAL:

Dos inspectores (trabajan juntos)

Inspección (Exponencial) media de 15 minutos
Costo de inspección es de $20/hora
 SISTEMA PROPUESTO:

Un inspector que realiza el trabajo en 2 etapas

Inspección (Erlang), medias de 6 y 12 minutos
Costo de inspección es de $15/hora
 LLEGADAS: Poisson con tasa de 3 por hora
 Costo de espera es $10/hora para cada subensamble
 Determinar cual propuesta seguir.
Solución: sistema actual
( 1
M 2
M 31 4
DG 5 6 )
Cliente: subensamble E(CT) = E(CS) + E(CW)

Servidor: inspectores
E(CS) = sCs
 = 3 subensambles/hora s = 1, Cs = $20/hora
E(CS) = $20/hora
1/ = 15 minutos
 = 4 subensambles/hora E(CW) = Cw L
Cw = $10/hora
 = / = 3/4 < 1
L = /(1-) = 3 subensambles
E(CW) = $30/hora
E(CT) = $20/hora +$30/hora = $50/hora
Solución: sistema propuesto
( 1
M E2k 31 4
DG 5 6 )

Cliente: subensamble

Servidor: inspector
 = 3 subensambles/hora
1/1 = 6 min = 0.1 horas
1/2 = 12 min = 0.2 horas
1/ = 18 min = 0.3 horas
 = 10/3 subensambles/hora
 = / = 9/10 < 1
Solución: sistema propuesto
( 1
M E2k 31 4
DG 5 6 )
Forma 1:
2 = [ 1,n (1/)2] / k = [(1/1)2+(1/2)2] / k
2 = 0.025 = 1/k2 Entonces: k = 3.6
E(CT) = E(CS) + E(CW)
E(CS) = sCs ,donde: s = 1, Cs = $15/hora
E(CS) = $15/hora

E(CW) = Cw L , donde: Cw = $10/hora, L = [ Wq + 1/]

Wq = {  / [( - )]} (k+1) / 2k = 1.725
Donde: L = 6.075 subensambles E(CW) = $60.75/hora
E(CT) =15 +60,75= $75.75/hora
Solución: sistema propuesto
Forma 2: Pasar al modelo de servicio desconocido (1 servidor)
( 1
M 2
G 31 4
DG 5 6 )
2 = 0.025 ,1/ = 0.3 horas y  = 9/10
E(CT) = E(CS) + E(CW)
E(CS) = sCs ,donde: s = 1, Cs = $15/hora
E(CS) = $15/hora

E(CW) = Cw L , donde: Cw = $10/hora, L = L =  + Lq

Lq = (22 + 2)/2(1 – ) = 5.175 subensambles
Donde: L = 6.075 subensambles E(CW) = $60.75/hora
E(CT) = $75.75/hora
 Solución:
Sistema Actual
E(CT)=$50,00
Sistema Propuesto
E(CT)=$75,75

Se recomienda seguir con el sistema actual

 Modelo de colas con disciplinas
de prioridades
 Son aquellos en los que la disciplina de cola se basa en un
sistema prioritario.
 Suponen que existen N clases de prioridad (1 la más alta,
N la más baja).
Tenemos:
Modelos sin prioridad adquirida.
Modelos con prioridad adquirida.
CASO SIN PRIORIDAD ADQUIRIDA (Sin interrupción)
La atención de un banco se prioriza por tipo de cliente
(VIP, Cliente, No cliente)
CASO CON PRIORIDAD ADQUIRIDA (Con interrupción)
La sala de emergencias de un hospital cataloga a sus pacientes
por tipo de gravedad
(según el estado del paciente)
 Modelo de colas sin prioridad
adquirida (9)
Una vez que el servidor ha comenzado el servicio a un
cliente, este debe terminarse sin interrupción.

Llegadas: POISSON
i para la prioridad de clase i (i = 1, 2, 3, ...N)
Servicio: EXPONENCIAL

Número de servidores en paralelo
s
 Modelo de colas sin prioridad
adquirida (9)
Fórmulas válidas sí,  = /s < 1
 = i=1,Ni
Wqk = 1/(ABk-1Bk) para k=1, 2, 3, .....N

Donde:
A = s![(s - )/(s)s] (j=0,s-1(s)j/j!) + s
B0 = 1
Bk = 1 – (i=1,ki) / (s) para k=1, 2, 3, .....N
 Modelo de colas sin prioridad
adquirida (9)
 El tiempo promedio que pasa un cliente de la clase de
prioridad k en el sistema, es:
Wk = Wqk + 1/ ;k = 1,2,...N

 El número promedio de clientes de la clase de prioridad k

en el sistema, es:
Lk = kWk ;k = 1,2,...N

 El número promedio de clientes de la clase de prioridad k

en la cola, es:
L =W ;k = 1,2,...N
 Modelo de colas con prioridad
adquirida (10)
Se interrumpe el servicio de un cliente para mandarlo de
regreso a la cola, si llega al sistema un cliente de prioridad
más alta.

Llegadas: POISSON
i para la prioridad de clase i (i = 1, 2, 3, ...N)
Servicio: EXPONENCIAL

Número de servidores en paralelo
s
 Modelo de colas con prioridad
adquirida (10)
Fórmulas válidas sí,  = /s < 1
 = i=1,Ni
Wk = 1/(Bk-1Bk) para k=1, 2, 3, .....N

Donde:
B0 = 1
Bk = 1 – (i=1,ki) / (s) para k=1, 2, 3, .....N
 Modelo de colas con prioridad
adquirida (10)
 El tiempo promedio que pasa un cliente de la clase de
prioridad k en la cola, es:
Wqk = Wk – 1/ ;k = 1,2,...N

 El número promedio de clientes de la clase de prioridad k

en el sistema, es:
Lk = kWk ;k = 1,2,...N

 El número promedio de clientes de la clase de prioridad k

en la cola, es:
L =W ;k = 1,2,...N
Problema
 Un taller tiene problemas en el departamento de torneado.
 La decisión está en optar por 4 ó por 5 tornos.
 El taller realiza tres tipos de trabajos:

Trabajos para el gobierno (1)

Trabajos comerciales (2)
Productos estándar (3)
 Se quiere trabajar 8 horas diarias, 5 días a la semana.
 SERVICIO (Exponencial) con media de 10 horas.
 LLEGADAS (Poisson) con tasas de 6, 4 y 2 trabajos por
semana para los tipos (1), (2) y (3) respectivamente.
 CW :$750, $450 y $150 para los trabajos tipo (1), (2) y (3).

 El costo de cada torno se estima en $250 por día laborable.

 Se quiere minimizar E(CT). ¿Tornos adicionales a comprar?
Problema
Modelo de colas con prioridades sin prioridad adquirida.

Se tiene:
1/ = 10 horas  = 4 trabajos/semana

1 = 6 trabajos/semana

2 = 4 trabajos/semana

3 = 2 trabajos/semana
 = 12 trabajos/semana
Problema
Para s = 4: A = 31.41, B0 = 1, B1 = 5/8, B2 = 3/8, B3 = 1/4
W1 = 0.30094 L1 = 1W1 = 1.80564
W2 = 0.38585 L2 = 2W2 = 1.5434
W3 = 0.58962 L3 = 3W3 = 1.17924
E(CT) = E(CS) + E(CW)
E(CS) = sCs ,donde: s = 4, Cs = $1250/semana
E(CS) = $5000/semana

E(CW) = CW1 L1 + CW2 L2 + CW3 L3 , donde:

CW1 = $3750, CW2 = $2250, CW3 = $750 (semanales)
E(CW) = $11128.23/semana
E(CT) = $16128.23/semana
Problema
Para s = 5: A = 52.35, B0 = 1, B1 = 7/10, B2 = 1/2, B3 = 2/5
W1 = 0.27729 L1 = 1W1 = 1.66374
W2 = 0.30458 L2 = 2W2 = 1.21832
W3 = 0.34552 L3 = 3W3 = 0.69104
E(CT) = E(CS) + E(CW)
E(CS) = sCs ,donde: s = 5, Cs = $1250/semana
E(CS) = $6250/semana

E(CW) = CW1 L1 + CW2 L2 + CW3 L3 , donde:

CW1 = $3750, CW2 = $2250, CW3 = $750 (semanales)
E(CW) = $9498.52/semana
E(CT) = $15748.52/semana
 Solución:
Sistema con 4 tornos
E(CT)= $16128.23/semana
Sistema con 5 tornos
E(CT)= $15748.52/semana

Se recomienda usar 5 tornos

 Redes de Colas
Propiedad de equivalencia

Suponga que una instalación de servicio tiene s servidores,

las entradas Poisson (con parámetro ) y la misma
distribución de tiempos de servicio para cada servidor con
parámetro , en donde: s > .

 
s > 

Entonces la salida en estado estable de esta instalación de

servicio también es un proceso Poisson con parámetro .
 Colas infinitas en serie (11)
Sea “m” el número de servidores en serie:

Llegadas: POISSON i =  para i = 1,2,3,....m

Servicio: EXPONENCIAL i para i = 1,2,3,....m

Por la propiedad de equivalencia, cada instalación de

servicio se puede analizar usando los modelos:
(M/M/1/DG// ) o (M/M/s/DG// )
Según corresponda y de manera independiente.
 Redes en serie
(M/M/s1/DG// )


s11 > 
 (M/M/s2/DG// )

s22 >  

(M/M/sk/DG// )

Cada uno de las 
skk > 
instalaciones son
procesos estables
 Redes de Jackson (12)
Una Red de Jackson es un sistema de “m” instalaciones, en
donde en la instalación i (i = 1,2,3,...m) se tiene:

 Una cola infinita

 Clientes que llegan de fuera del sistema según entradas
Poisson con parámetro ai
 si servidores con la misma distribución exponencial para
los tiempos de servicio con parámetro 

Un cliente que deja la instalación i se encamina después a

la instalación j (j = 1,2,3,...m, pero j  i) con probabilidad pij,
o sale del sistema con probabilidad qi = 1 –  j=1,m pij
 Redes de Jackson (12)
Cualquier red de este tipo tendrá la siguiente propiedad:

Bajo condiciones de estado estable, cada instalación j

(j=1,2,3,...m) en una red de Jackson se comporta como si
fuera un sistema de colas (M/M/s/DG// ) independiente
con tasa de llegadas
j = aj +  j=1,m i pij

En donde: sjj > j

 Redes de Jackson (12)

a2
a3
s2 p23

p12
p32
p21
p13 s3
s1

a1 p31
 Redes de Jackson (12)
(sistema equivalente)
(M/M/s1/DG// )
1 s1 1

(M/M/s2/DG// )
2 s2 2

(M/M/s3/DG// )
3 s3 3
EJEMPLO
(1 - p12 - p13) λ1 = 0.2λ1
r1 = 10
μ1 = 40
p13 λ1 = 0.3λ1
s1 = 1

p32 λ3 = 0.5λ3
p12 λ1 = 0.5λ1

r2 = 15 (1 – p21 – p23) λ2 = 0.5λ2

μ2 = 50
s2 = 1

p21 λ2 = 0.3λ2 p23 λ2 = 0.2λ2

r3 = 3
μ3 = 30
s3 = 1

p31 λ3 = 0.4λ3 (1 – p31 – p32) λ3 = 0.1λ3

97
 Sistema de ecuaciones:
λ1 = r1 + p21 λ2 + p31 λ3 = 10 + 0.3 λ2 + 0.4 λ3
λ2 = r2 + p12 λ1 + p32 λ3 = 15 + 0.5 λ1 + 0.5 λ3
λ3 = r3 + p13 λ1 + p23 λ2 = 3 + 0.3 λ1 + 0.2 λ2

Solución:
λ1 = 30 clientes / hora
λ2 = 40 clientes / hora
λ3 = 20 clientes / hora

L1 = 3 clientes
W = (L1 + L2 + L3) / (r1 + r2 + r3)
L2 = 4 clientes
W = (9 / 28)*60 = 19 minutos
L3 = 2 clientes

98
FIN