Fascculo

Investigacin de
Operaciones
Semestre 6

Investigacin de operaciones

Semestre 6

Investigacin de operaciones

Tabla de contenido

Pgina

Introduccin

Conceptos previos

Mapa conceptual Fascculo 8

Logros

Teora de colas (Lneas de espera)

Sistemas de lneas de espera

Terminologa y estructura

Terminologa

Estructura

Patrones de llegada

Patrones de servicio

Distribucin exponencial

Proceso de Poisson

10

Notacin Kendall-Lee

12

Modelo M/M/1

13

Aplicaciones

14

Actividad de trabajo colaborativo

17

Resumen

17

Bibliografa recomendada

18

Seguimiento al autoaprendizaje

19
Crditos: 3

Tipo de asignatura: Terico Prctica

Semestre 6

Investigacin de operaciones

Copyright2008 FUNDICIN UNIVERSITARIA SAN MARTN

Facultad de Universidad Abierta y a Distancia,
Educacin a Travs de Escenarios Mltiples
Bogot, D.C.
Prohibida la reproduccin total o parcial sin autorizacin
por escrito del Presidente de la Fundacin.
La redaccin de este fascculo estuvo a cargo de
JUAN CASTRO ORDOEZ
Docente tutor Programa de Ingeniera de Sistemas a Distancia.
Sede Bogot, D.C.
Correccin de estilo
Adriana Valencia Rodrguez
Diseo grfico y diagramacin a cargo de
SANTIAGO BECERRA SENZ
ORLANDO DAZ CRDENAS
Impreso en: GRFICAS SAN MARTN
Calle 61A No. 14-18 - Tels.: 2350298 - 2359825
Bogot, D.C., Marzo de 2012

Semestre 6

Investigacin de operaciones

Introduccin
El ser humano siempre ha estado preocupado por disminuir el tiempo de
espera de una persona en una fila, es el reto de una empresa en aras de
prestar un mejor servicio o mejorar el plan de produccin en serie. Hoy en
da, todo se puede modelar como un sistema de colas, las cuales deben
ser vistas como clientes que llegan a una estacin de servicio y por medio
de operadores o servidores desean ser atendidos. Los clientes que se someten a largas filas en un banco para ser atendidos, los pacientes quienes
esperan en una sala de emergencias, los aviones que esperan para aterrizar, mquinas que paran mientras son reparadas, las piezas que esperan
a ser procesadas, en fin, se podran citar cientos de ejemplos asociados a
una lnea de espera. La modelacin matemtica, propuesta por el estadounidense A. K. Erlang en 1909, permiti analizar la congestin del trfico telefnico. Para un tomador de decisiones gerenciales resulta indispensable su conocimiento manejo de la teora de colas.

Conceptos previos
Para el buen desarrollo de ste fascculo y en general del aprendizaje de la
Investigacin de Operaciones, se debe tener en cuenta lo aprendido sobre
temas como:
Variables discretas y continuas.
Funcin de probabilidades.
Distribucin de probabilidad.
Funcin de densidad de probabilidad.
Funcin exponencial.
Teora de la decisin.
En consecuencia, responda las siguientes preguntas:
1. D tres ejemplos de variables continuas.
2. D tres ejemplo de variables discretas.
Fascculo No. 8
Semestre 6

Investigacion de
operaciones

Investigacin de operaciones
3. Qu es una funcin de probabilidades?
4. Qu es una funcin de densidad de probabilidades?
5. Defina: a) Distribucin de probabilidad; b) Funcin exponencial.
Mapa conceptual Fascculo 8

Logros

Al finalizar el estudio de este fascculo, el estudiante:

Identifica y usa la terminologa de una lnea de espera.
Aplica frmulas para la solucin a un modelo de colas.

Teora de colas (Lneas de espera)

Hacer fila para lograr un servicio se ha vuelto tan comn y desgastante que
el tiempo que se pierde mientras se hacen acaba con la paciencia hasta
Investigacin de
operaciones

Fascculo No. 8
Semestre 6

Investigacin de operaciones
de las personas ms tranquilas. La mayora anhela el da en que se les
ponga fin. Es tal la preocupacin por el asunto que muchas empresas no
ahorra esfuerzos por encontrar una salida a tan molesta prctica. Por fortuna, hoy en da cualquier fila se puede modelar como un sistema de colas.
La modelacin matemtica surgi gracias al estadounidense Agner Krarup
Erlang en 1909, al observar y analizar la congestin del trfico telefnico
que se presentaba en Copenhague. Hoy, la teora de colas, se ha generalizado a tal punto que resulta indispensable e imprescindible para cualquier
gerente que tome decisiones.
8.1

En su lugar de trabajo, enumere 5 actividades que se pueden modelar

con un sistema de lneas de espera.

La teora de colas se aplica frente a la demanda de un servicio y supone un

Una cola se forma cuando el

tiempo que transcurre para
atender un cliente es mucho
mayor que el tiempo en llegar
el siguiente cliente.

ejercicio matemtico que permita minimizar el tiempo transcurrido entre

atender uno u otro cliente.
Si bien tener demasiados servidores genera un costo muy elevado que las
empresas no estn dispuestas a asumir, no tener la capacidad de servicio
suficiente, puede degenerar en otros costos asociados por la demora en la
cola (prdida de tiempo valioso para el cliente) Entonces, lo ideal tener un
balance entre estos, el costo de servicio y el costo asociado por la espera.
La figura 8.1, es un modelo de decisin de una lnea de espera, basado en
los anteriores costos y cuyo objetivo es minimizarlos.

Fascculo No. 8
Semestre 6

Investigacion de
operaciones

Investigacin de operaciones

Figura 8.1.
Modelo de decisin de un sistema de lneas de espera basado en costos.
Fuente:
HAMDY A. Taha, INVESTIGACIN DE OPERACIONES, 7a. edicin, Ed. PEARSON, Mxico 2004, pg. 580.

Sistemas de lneas de espera

Un sistema de lneas de espera es un conjunto conformado por clientes,
servidores y un orden tanto de llegada como de atencin de los clientes.
Los clientes y los servidores tambin son un conjunto.
En la figura 8.2, se pueden apreciar diferentes sistemas de lneas de espera. El normal, en donde hay un solo servidor y los clientes hacen la fila para
ser atendidos, figura 8.2 a); o, tambin se puede encontrar varios servidores y una sola fila, figura 8.2 b). De la misma manera, los hay en donde a
cada servidor se le ocasiona una fila, es decir, un sistema en paralelo, figura 8.2 c). Por ltimo, un cliente puede llegar al sistema de lnea de espera y
pasar por varios servidores para concluir con su servicio. Por lo general, en
cada uno de estos servidores se hace fila y necesariamente el cliente debe
pasar por dos o ms. A este sistema se le llama en serie, figura 8.2 d).

Investigacin de
operaciones

Fascculo No. 8
Semestre 6

Investigacin de operaciones

Figura 8.2.
Sistemas de lneas de espera.
Fuente:
BRONSON Richard, INVESTIGACIN DE OPERACIONES, Ed. Mc Graw Hill, Mxico 1983, pg. 263.

Fascculo No. 8
Semestre 6

Investigacion de
operaciones

Investigacin de operaciones
8.2

D 2 ejemplos de cada uno de los sistemas de lnea de espera de la figura 8.2.

Un modelo de sistema de lneas de espera, responde a las siguientes preguntas:

1. Cunto tiempo est desocupado el servidor?
2. Cul es la cantidad de clientes esperada en una cola?
3. Cul es el tiempo que puede pasar un cliente en una cola?
4. Cules son las distribuciones de probabilidad de las preguntas 2 y 3?
5. Cuntos servidores se deben tener para que haya un servicio eficiente?
Uun sistema de lneas de espera se puede ver como un proceso de nacimiento-muerte as:
Nacimiento: cuando un cliente entra al sistema.
Muerte: Cuando un cliente sale del sistema.

Terminologa y estructura
Terminologa
Aunque ya se han nombrado anteriormente, los elementos principales de
una lnea de espera son el cliente y los servidores. Los clientes siempre
provienen de una fuente (figura 8.2), que puede ser finita o infinita. Puede
suceder que al llegar al servidor o instalacin, sea atendido o esperar en
una fila o cola. Es de anotar, cuando una instalacin termina la atencin de
un servicio, el siguiente cliente quien se encuentra en la fila pasa al servidor para ser atendido. Sino hay clientes este servidor queda inactivo u
ocioso, hasta la llegada de un cliente. Segn lo anterior, en el anlisis de
colas son primordiales, los patrones de llegada (tiempo entre llegadas) y
los patrones de servicio (tiempo de servicio) los cuales se analizarn,
ms adelante.

Investigacin de
operaciones

Fascculo No. 8
Semestre 6

Investigacin de operaciones
Ahora, se definirn otros trminos requeridos en el anlisis de las lneas de
espera.
Tamao de la Cola: es el nmero mximo admisible de clientes quienes
pueden estar en el sistema. Es la capacidad del sistema y, puede ser
tanto en el servicio como en la lnea de espera. La capacidad puede ser
infinita o finita.
Disciplina de la cola: tiene que ver en la forma en que los clientes son
atendidos en la fila. La ms comn es que el primer cliente quien entra a la
fila sea el primero en ser atendido, esto es, servicio segn el orden de llegada, disciplina FIFO. Tambin las hay LIFO, ltimo cliente en entrar sea el
primero en ser atendido. Las SIRO, si el servicio es en orden aleatorio. De
otro modo, las puede haber de acuerdo a ciertas prioridades (GD).
8.3

D dos ejemplos de cada una de las disciplinas de colas mencionadas

anteriormente.

Nmero de servidores: tanto el nmero como su distribucin (mecanis-

Los componentes caractersticos de un sistema de colas

son: los clientes, los servidores, tiempo de llegadas de
los clientes, tiempo de servicio de los servidores, la capacidad del sistema, la disciplina de la cola y la cantidad de servidores.

mo de servicio), es importante en un sistema de lneas de espera, ver figura 8.2.

Estructura
Diferentes estructuras de un sistema de lneas de espera han sido mostradas en la figura 8.2. La figura 8.3, representa otras caractersticas de la estructura, que han sido descritas anteriormente en la terminologa.

Fascculo No. 8
Semestre 6

Investigacion de
operaciones

Investigacin de operaciones

Figura 8.3.
Estructura de un sistema de lneas de espera.
Fuente:
HAMDY A. Taha, INVESTIGACIN DE OPERACIONES, 7a. edicin, Ed. PEARSON, Mxico 2004, pg. 598.

Patrones de llegada
Tambin enominados tiempo entre llegadas y denotada por , cuando el
patrn de llegada es consecutivo a la instalacin que ofrece el servicio.
Este patrn puede ser determinstico (conocerse exactamente) o probabilstico; es decir, una variable aleatoria con distribucin conocida. Es importante decir, que los clientes pueden llegar de uno en uno o por grupos.
Los patrones de llegada pueden depender incluso del estado de la cola
(nmero de clientes en cola) o no. En este caso, pueden haber rechazo
(se decide no tomar la cola por su tamao) o un abandono (el cliente despus de estar en la fila, se retira, por el tiempo de espera).

Patrones de servicio
Nombrados de manera general como tiempo de servicio y denotada por
, es el tiempo que dura un servidor en atender un cliente. Igual que el anterior patrn, este patrn puede ser determinstico (conocerse exactamente) o probabilstico; es decir, una variable aleatoria con distribucin conocida. los patrones de servicio pueden depender del estado de la cola
(nmero de clientes en cola) o no. De igual manera, es relevante saber si
un servidor atiende totalmente a un cliente, figuras 8.2 a) a la c), o si el
cliente requiere de una secuencia de servidores, figura 8.2 d).
Investigacin de
operaciones

Fascculo No. 8
Semestre 6

Investigacin de operaciones

Como su nombre lo indica, la teora de colas estudia el comportamiento de los sistemas de colas mediante modelos matemticos para obtener medidas de rendimiento. Esto con el fin de apoyar al tomador de decisiones en aras de mejorar la productividad
de la empresa y de satisfacer el cliente, quien por lo general, se
logra con un balance entre el costo de servir y el costo de esperar.

Se puede apreciar claramente que tanto en los patrones de llegada como

de servicio, en la mayor parte de los casos es bsicamente probabilstico;
entonces, se tiene variable aleatoria con distribucin probabilstica conocida. La aleatoriedad en estos patrones se basa en que un evento ocurre sin
estar influido por el tiempo de ocurrencia del evento anterior. Para esto las
ms adecuadas y estudiadas son la distribucin exponencial y la distribucin de Poisson o proceso de Poisson.

Distribucin exponencial
Los tiempos aleatorios de ocurrencia se describen en forma cuantitativa
mediante la distribucin exponencial, figura 8.4 y se define:

Figura 8.4.
Distribucin exponencial y su fdp.
Fuente:
HAMDY A. Taha, INVESTIGACIN DE OPERACIONES, 7a. edicin, Ed. PEARSON, Mxico 2004, pg. 477.

Con esperanza, varianza y P(tT):

Fascculo No. 8
Semestre 6

Investigacion de
operaciones

Investigacin de operaciones

En donde:
es la tasa de llegadas (llegadas/hora), y,
1/: tiempo promedio entre llegadas (horas/llegada),
T: tiempo dado.
La carencia de memoria de
la distribucin exponencial,
es una propiedad soportada
en que un evento ocurre sin
estar influido por el tiempo de
ocurrencia del evento anterior.

Carencia de memoria de la distribucin exponencial. Esta propiedad de

la distribucin exponencial se basa en que un evento ocurre sin estar influido por el tiempo de ocurrencia del evento anterior.
Visto de otra forma, la distribucin exponencial es utilizada para describir el
tiempo entre llegadas en un nacimiento puro y el tiempo entre salidas de
una muerte pura.

Proceso de Poisson
Otra hiptesis de llegada de clientes es que llegan de acuerdo a un proceso Poisson, es decir, el nmero de clientes en cualquier momento dado
tiene una distribucin Poisson, figura 8.5. El proceso de llegadas al sistema
es totalmente aleatorio, pero con una tasa promedio conocida.

Figura 8.5.
Distribucin de Poisson y su fdp.
Fuente:
El autor.

Investigacin de
operaciones

10

Fascculo No. 8
Semestre 6

Investigacin de operaciones
La funcin de densidad de probabilidad de Poisson es:

Con media y varianza:

Existe una estrecha relacin entre la distribucin exponencial y la de Poisson, puesto que una define automticamente la otra.
Teorema1. Los tiempos entre llegadas son exponenciales, con parmetro
, si y slo si, la cantidad de llegadas en un intervalo de duracin t sigue
una distribucin Poisson con parmetro t.
Entonces, este teorema establece:

Con media y varianza:

Siendo Nt: cantidad de llegadas que ocurre en un intervalo tiempo t cualquiera.

La distribucin exponencial ha desempeado un papel fundamental en la modelizacin de las lneas de espera, para representar
los tiempos tanto de arribos como de servicio, debido a la aleatoriedad de los mismos y a su prdida de memoria. Con la distribucin de Poisson, son un excelente complemento para la solucin
de este tipo de problemas.

WINSTON Wayne L., Investigacin de operaciones: Aplicaciones y algoritmos, 4 edicin, Ed. Thomson, Mxico 2005, pg. 1055.

Fascculo No. 8
Semestre 6

11

Investigacion de
operaciones

Investigacin de operaciones
Notacin Kendall-Lee-Taha
Es una notacin estndar (Kendall, 1951), para especificar las seis (6) caractersticas de un sistema de lnea de espera. La notacin es: 1/2/3/4/5/6,
donde:
1=Distribucin del patrn de llegadas y puede ser:
D=Determinstico,
M=Distribucin exponencial,
Ek=Distribucin Erlang tipo k (k=1, 2, ),
G=Cualquier otra distribucin.
2=Distribucin del patrn de servicio y pueden ser los mismos de 1.
3=Nmero de servidores en paralelo (1, 2, 3, , ).
4=Disciplina de la cola y puede ser:
FIFO, LIFO, SIRO y GD; descritas preliminarmente.
5=Capacidad del sistema (finita o infinita).
6=Tamao de la fuente (finito o infinito).
En muchos modelos 4/5/6 es DG// respectivamente, por lo tanto, a menudo se omite.
8.4

Escriba tres ejemplos con la notacin completa de Kendall-Lee-Taha,

descrita anteriormente.

De todos los modelos posibles que se pueden hacer segn la notacin de

Kendall-Lee-Taha, se tratar el modelo con tiempo de llegadas y tiempo de
servicio exponenciales con un solo servidor.

Investigacin de
operaciones

12

Fascculo No. 8
Semestre 6

Investigacin de operaciones
Modelo M/M/1
Una cola tiene las siguientes medidas de desempeo, eficiencia o funcionamiento:
L nmero promedio de clientes en el sistema.
Lq Longitud promedio de la cola.
W tiempo promedio que un cliente permanece en el sistema.
Wq tiempo promedio que un cliente espera en la cola.
W(t) probabilidad de que un cliente permanezca ms de t unidades de
tiempo en el sistema.
Wq(t) probabilidad de que un cliente permanezca ms de t unidades de
tiempo en la cola.
Las primeras cuatro medidas se obtienen de:

Y, de la relacin entre L y W, llamada la frmula de Little, y es:

Para el modelo M/M/1,

Fascculo No. 8
Semestre 6

, obteniendo:

13

Investigacion de
operaciones

Investigacin de operaciones
Donde:
; es el factor de utilizacin o intensidad de trnsito.
Si

, se tiene:
;en donde,

Pn = probabilidad de estado estable.

8.5

Concrete qu pasa en estos tres casos:

Aplicaciones
A) Un cajero de un almacn atiende a los clientes quienes llegan en forma
aleatoria a una tasa de 4 por hora. Halle a) la media; b) la varianza; c) la
probabilidad de que un cliente sea atendido en menos de 15 minutos; y
d) la probabilidad de que un cliente se demore por lo menos 15 minutos
en caja.
a)

, reduciendo a minutos, se tiene:

, entonces:

b)
c) T=15

Hay una probabilidad del 63.2%, que un cliente sea atendido en menos de
15 minutos.
Investigacin de
operaciones

14

Fascculo No. 8
Semestre 6

Investigacin de operaciones
d)
Existe una probabilidad del 36.8% que un cliente se demore ms de 15
minutos en caja.
B) Para A), que las llegadas son Poisson, determine: a) Calcule la media y
la varianza b) La probabilidad que lleguen 5 clientes en una hora; c) La
probabilidad que lleguen 2 clientes entre las 9:30 y 10:00 de la maana.
a)

b)

Hay una probabilidad del 15.6% que lleguen 5 clientes en una hora.
c)

Existe una probabilidad del 27% que lleguen 2 clientes en una media hora
del da.
C) Un restaurante especializado en bocadillos tiene una ventanilla desde la
cual da servicio a los automovilistas en su vehculo. Llegan en promedio
40 clientes por hora a la ventanilla. Se requiere 1 minuto en promedio
atender a un cliente. Suponga que los tiempos entre llegadas y de servicio son exponenciales. (Winston, problema 4, pg. 1082)

Fascculo No. 8
Semestre 6

15

Investigacion de
operaciones

Investigacin de operaciones
a. Cuntos clientes estn en la cola, en promedio?
b. Cunto tiempo, en promedio pasa un cliente en el restaurante (desde
el tiempo de llegada hasta que el tiempo de servicio se completa)?
c. En qu fraccin de tiempo hay ms de tres automviles esperando
servicio [esto comprende el automvil (si acaso alguno) en la ventanilla]?
Datos:

a. Cuntos clientes estn en la cola en promedio?

b. Cunto tiempo en promedio pasa un cliente en el restaurante (desde el

tiempo de llegada hasta que el tiempo de servicio se completa)?

c. En qu fraccin de tiempo hay ms de tres automviles esperando

servicio [esto comprende el automvil (si acaso alguno) en la ventanilla]?
Cuando

Investigacin de
operaciones

16

Fascculo No. 8
Semestre 6

Investigacin de operaciones

Defina y d un ejemplo de cada uno de los siguientes conceptos:

1. Distribucin Erlang.
2. Cadena de Markov (Proceso markoviano).
3. Modelo de nacimientos puros.
4. Modelo de muertes puras.
5. Modelo M/M/1/GD/c/.

Lo primero que hay que decir es que los sistemas de colas predominan en
todo el universo. El efecto de un modelo matemtico de estos sistemas
debe redundar en la calidad de vida de las personas (clientes) y en la productividad de las empresas. Todos los modelos de lneas de espera se
pueden representar mediante la notacin de Kendall-Lee-Taha que es:
1/2/3/4/5/6. El 1, representa la tasa de llegadas de los clientes al sistema
(); el 2, tasa de servicio al cliente por el operador del sistema (); el 3, es
la cantidad de servidores en paralelo; el 4, la disciplina de la cola (FIFO,
LIFO, SIRO o GD); el 5, la capacidad del sistema (finita o infinita); y, el 6,
tamao de la fuente (finito o infinito). Mediante la frmula de Little, se resuelve fcilmente un modelo M/M/1. Pero, es gracias a la distribucin exponencial, que se pueden resolver todos estos modelos.
A la teora de colas o de lneas de espera, se debe la efectividad con que
se han resuelto muchos problemas tanto para los clientes como para las
empresas. Ahora, se deja la invitacin a seguir en esta lnea, mediante la
simulacin de eventos discretos. Terma de gran aplicacin en la industria y
de excelente oportunidad para los ingenieros de sistemas de aprender
nuevos software como el ProModel y su debida programacin.

Fascculo No. 8
Semestre 6

17

Investigacion de
operaciones

Investigacin de operaciones

BRONSON Richard, INVESTIGACIN DE OPERACIONES, Ed. Mc Graw

Hill, Mxico 1983.
HAMDY A. Taha, INVESTIGACIN DE OPERACIONES, 7a. edicin, Ed.
PEARSON, Mxico 2004. Texto gua.
HILLIER Frederick, LIEBERMAN Gerarld J., Introduccin a la Investigacin
de Operaciones, 3a. edicin, Ed. Mc Graw Hill, Mxico l982.
MOSKOWITZ Herbert, WRIGHT Gordon P., Investigacin de operaciones,
Ed. Prentice Hall, Mxico 1982.
WINSTON Wayne L., Investigacin de operaciones: Aplicaciones y algoritmos, 4 edicin, Ed. Thomson, Mxico 2005. Texto gua.

Investigacin de
operaciones

18

Fascculo No. 8
Semestre 6

Investigacin de operaciones

Seguimientoal autoaprendizaje
Investigacin de operaciones - Fascculo No. 8
Nombre_______________________________________________________
Apellidos ________________________________ Fecha: _________________
Ciudad___________________________________Semestre: _______________
Con el fin de evaluar su proceso de autoaprendizaje, encuentre dos casos de
aplicacin de los siguientes temas:
1. Distribucin exponencial.
2. Distribucin de Poisson.
3. Modelo M/M/1.

Fascculo No. 8
Semestre 6

19

Investigacion de
operaciones