Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1. Introduccin
Los fenmenos de lneas de espera o colas se presentan cuando un grupo de clientes solicita
un servicio. Tanto la duracin del servicio como la aparicin de clientes siguen una
distribucin probabilstica.
- Existen clientes que solicitan el servicio. Pueden tener un nmero finito o infinito.
- Existen servidores que prestan el servicio. Estos tienen un nmero finito.
- Si los servidores estn ocupados, los clientes que llegan tienen que esperar.
- Al concluir un servicio, se selecciona el siguiente cliente en la lnea.
Las distribuciones de entrada describen el modo en los cuales los clientes llegan a solicitar
el servicio. Las llegadas son eventos generalmente independientes y aleatorios. En general,
se asume que las llegadas de clientes siguen un patrn proporcionado por una distribucin
1
de probabilidad de Poisson. De acuerdo con esta distribucin, la probabilidad de que
lleguen x clientes al sistema en un periodo de tiempo (0,t) es:
= =
!
(1)
El patrn de llegadas de clientes est generalmente descrito por el tiempo entre llegadas,
que es el tiempo entre las llegadas sucesivas de clientes a la instalacin que ofrece el
servicio (Bronson y Fournier, 1983). Si no hay clientes dentro del sistema, el cliente ser
atendido inmediatamente. Sin embargo, si todos los mdulos de servicio estn ocupados o
si hay clientes en la fila, el nuevo cliente tendr que esperar. El cliente, entonces, puede
optar por permanecer en la fila o abandonarla.
= = 1
probabilidad de que el tiempo de servicio sea menor que t es:
(2)
2
Llegadas Fila Servidor Salidas
Servidor 1 Salida 1
Servidor 3 Salida 3
3
2.4 La Disciplina de Servicio
La disciplina de servicio constituye una regla para seleccionar clientes de la lnea de espera
para iniciar el servicio (Taha, 1989). Una disciplina muy comn es la denominada First In
First Out (FIFO), en la cual, los primeros que llegan al servidor son los primeros en ser
atendidos. Otra muy utilizada es la denominada Last In First Out (LIFO), en la cual los
ltimos en llegar, sern los primeros en salir. Algunas otras disciplinas son al azar y de
prioridad.
Algunas medidas que describen el funcionamiento de un sistema de colas de espera son los
siguientes:
4
3.2 Longitudes
Existen diversas longitudes que describen la longitud de las lneas de espera. Estos son:
3.4 Probabilidades
Adems de los tiempos de espera y las longitudes, existen algunas probabilidades que
influyen en el desempeo del sistema. Estas son:
- Probabilidad de que no haya clientes en el sistema, P0.
- Probabilidad de que un cliente que llega tenga que esperar para que sea atendido,
PW.
- Probabilidad de que haya n clientes en el sistema, Pn.
Las relaciones entre las medidas de desempeo se pueden representar a travs de las
ecuaciones de flujo de Little. En los modelos de filas, se puede demostrar en un sistema
estable que las ecuaciones de flujo son:
=
La cantidad de clientes que se encuentran en el sistema:
(3)
5
= (4)
Las cuales cumplen con la ecuacin de resultado general, que relaciona tiempo en el
1
sistema y el tiempo de servicio:
= + (5)
5. Notacin de Kendall
La notacin de Kendall se utiliza en los modelos de filas con el propsito de identificar los
diversos modelos que se presentan. Esta notacin se expresa de la siguiente manera:
A / B / X /E/ / (6)
Por lo general, la ms extendida es una notacin sencilla, donde slo se utilizan las
siguientes caractersticas:
A/B/X (7)
6. Modelos de Filas
6
6.1 Modelo M/M/1
<1
Para que el sistema sea estable, la condicin de no saturacin indica que:
(9)
=1 =1 (10)
= = 1 (11)
= = (12)
! !
Nmero promedio de clientes en la fila:
= =
1
(13)
= + = =
1
(14)
7
= =
1
(15)
1 1 1
Tiempo promedio que un cliente pasa en el sistema:
= + = =
1
(16)
Este modelo representa un sistema de espera con llegadas con distribucin de Poisson,
tiempo de servicio exponencial y k servidores, con disciplina FIFO.
=
"
(17)
Donde k es el nmero de servidores en el sistema.
#= (18)
1
Probabilidad de que no haya clientes en el sistema:
=
# #( )
* ,+ % ' +
&! )! %) '
(19)
#
Probabilidad de que haya n clientes en el sistema:
/010 & )
=- &!
#
/010 & > )
(20)
)! ) (
1 )
Probabilidad de que un cliente espere para ser atendido:
= #(
)! )
(21)
8
#(
=
)1 ! ) !
(22)
= + = +# (23)
1
Tiempo promedio que un cliente pasa en el sistema:
= + (25)
Este modelo modela un sistema con llegadas con distribucin de Poisson (M), tiempo de
servicio con distribucin normal (G), un solo servidor (1) y disciplina FIFO.
Si se cumple la condicin de estabilidad especificada en la ecuacin 9, las ecuaciones que
describen el comportamiento de este sistema son:
=1 =1 (27)
!
Nmero promedio de clientes en la fila
3 +% '
! !
3 +! ! !
= =
2 %1 ' 2 1
(28)
= + = + (29)
9
= (30)
1
Tiempo promedio que un cliente pasa en el sistema:
= + (31)
Este modelo describe un sistema con llegadas con distribucin de Poisson, tiempo de
servicio determinista, un servidor y disciplina FIFO.
=1 =1 (34)
!
Nmero promedio de clientes en la fila
% ' !
= =
2 %1 ' 2 1
(35)
= + = + (36)
= (37)
10
1
= + (38)
6.5 Modelo M/G/k con clientes que abandonan el sistema por bloqueo
Este modelo describe sistemas con llegadas con distribucin de Poisson, tiempo de servicio
con distribucin normal, k servidores y disciplina FIFO. Si al llegar un cliente encuentra
todos los servidores ocupados, abandona el sistema.
5
Probabilidad de que haya j servidores ocupados
% '
6!
5 = 7
% '
(40)
*7,
8!
*
Probabilidad de que todos los servidores estn ocupados
% '
= "!
* 7
% '
(41)
*7,
8!
= 1 * (42)
11
Si se cumple la condicin de no saturacin sealada en la ecuacin 9, las ecuaciones
correspondientes a estas medidas de desempeo son:
1
Probabilidad de que un cliente no tenga que esperar para ser atendido
=
9!
:7, 9 & ! % '
(43)
9!
Probabilidad de haya n clientes en el sistema
=
9& !
(44)
+
Nmero de clientes promedio en la fila
=9 1 (45)
= + 1
Nmero de clientes promedio en el sistema
(46)
=
9
(47)
1
Tiempo promedio que el cliente pasa en el sistema
= + (48)
7. Conclusiones
Existen diversos modelos que describen un sistema de atencin a clientes donde existe un
nmero determinado de servidores y una o varias filas de clientes. La seleccin del modelo
adecuado depende de la distribucin de probabilidad que exhiban los fenmenos
observados. As, es importante identificar la distribucin que exhiben los datos observados
para as poder el modelo ms adecuado al fenmeno observado.
8. Bibliografa
12
Anderson, David R., Sweeny, Dennis J., and Williams, Thomas Arthur (1999). Introduction
to Management Science: A Quantitative Approach to Decision Making. Mason OH: South-
Western.
Garduo Aguilar, Fabiola (2007). Software para dimensionamiento de troncales para redes.
Tesis de Licenciatura. Universidad de las Amricas Puebla. Disponible en:
http://catarina.udlap.mx/u_dl_a/tales/documentos/lem/garduno_a_f/
13