UNIVERSIDAD DOCTOR JOS MATAS DELGADO.

FACULTAD DE INGENIERA

Ciclo: 01 -2016

Materia: Investigacin de Operaciones II

Tema: Modelo de colas

Catedrtico: Ingeniero Rene Hernn Linares Silva

INTEGRANTES DE GRUPO:
Apellidos, Nombres Grupo
Alas Cabrera, Kevin Emilio 2-1
Cabrera Molares, Eduardo Rafael 2-1
Ochoa Mndez, Teresa Cristina 2-1
Romero de Len, Luis Alfredo 2-1

Fecha de entrega: Antiguo Cuscatln, 11 de febrero del 2016

5
 ndice
Introduccin......................................................................................................................................4
Objetivos...........................................................................................................................................5
Objetivo General..........................................................................................................................5
Objetivo Especifico......................................................................................................................5
Modelo de cola.................................................................................................................................6
Modelo de Colas de Poisson Generalizado.............................................................................7
Ejemplo 1.1...............................................................................................................................9
Ejemplo 1.2.............................................................................................................................11
Ejemplo 1.3.............................................................................................................................11
Colas especializadas de Poisson............................................................................................12
Notacin usada en la teora de colas.....................................................................................13
Medidas de Rendimiento de Estado Estable.........................................................................15
Ejercicio 2.1............................................................................................................................16
Ejercicio 2.2............................................................................................................................18
Modelo de un Solo Servidor.....................................................................................................18
(M/M/1): (GD//).....................................................................................................................19
Ejercicio 3.1............................................................................................................................22
Ejercicio 3.2............................................................................................................................23
(M/M/1): (GD/N/).....................................................................................................................25
Ejercicio 4.1............................................................................................................................25
Ejercicio 4.2............................................................................................................................26
Ejercicio 4.3............................................................................................................................26
(M/M/1): (DG/ / )...................................................................................................................27
Ejemplo 5.1.............................................................................................................................28
Ejemplo 5.2.............................................................................................................................29
Ejemplo 5.3.............................................................................................................................30
(M/M/1): (DG/N/).....................................................................................................................31
Modelo de Servidores Mltiples..............................................................................................33
(M/M/C): (DG/ / )..................................................................................................................35

5
 Ejemplo 6.1.............................................................................................................................36
Ejemplo 6.2.............................................................................................................................37
Ejemplo 6.3.............................................................................................................................38
(M/M/C): (DG/N/).....................................................................................................................39
Ejemplo 7.1.............................................................................................................................41
Ejemplo 7.2.............................................................................................................................42
Ejemplo 7.3.............................................................................................................................44
Modelo (M/M/): (GD//).......................................................................................................47
Ejemplo 8.1.............................................................................................................................49
Ejemplo 8.2.............................................................................................................................50
Modelo de Servicio de Mquinas.................................................................................................51
Ejercicio 9.1............................................................................................................................52
Ejercicio 9.2............................................................................................................................53
Formula de Pollaczek-Khintchine (P-K)..................................................................................54
Ejercicio 10.1..........................................................................................................................55
Ejercicio 10.2..........................................................................................................................56
Fuentes de informacin................................................................................................................58
Bibliografa..................................................................................................................................58
Pginas Web..............................................................................................................................58

5
 Introduccin

Una cola se caracteriza por el nmero mximo admisible de clientes que puede
contener; estas pueden ser infinitas o finitas; el proceso bsico de colas est
referido como cliente que requiere de servicio se generan en el tiempo por medio
de una fuente de entrada. Estos clientes entran al sistema y se unen a una cola.
En diversos momentos, se selecciona a uno de los clientes formados para darle
servicios mediante un modelo de cola.

El desarrollo del modelo generalizado se basa en el comportamiento a largo plazo,

o de estado estable, de la cola, que se alcanza despus de que el sistema ha
estado funcionando durante un tiempo; supone que las frecuencias tanto de
llegada como de salida dependen del estado, y esto quiere decir que dependen de
la cantidad de clientes en la instalacin de servicios.

La caracterstica de operaciones en modelos de colas es determinada en gran

parte por propiedades estadsticas en este caso la distribucin de Poisson, nos
ayuda con los tiempos entre llegada y los tiempos de servicios para los sistemas
reales de colas.

Los modelos de colas en los que las llegadas y salidas no siguen la distribucin de
Poisson son complejos. En general, es aconsejable utilizar la simulacin como una
herramienta alternativa para analizar estas situaciones entre esta conocern La
frmula estados Pollaczek - Khinchine una relacin entre la longitud de la cola y la
distribucin del tiempo de servicio. El trmino tambin se utiliza para referirse a las
relaciones entre la longitud media de cola y la media de espera con respecto al
tiempo del servicio.

5
 MODELO DE COLA

Una cola se caracteriza por el nmero mximo admisible de clientes que puede
contener; estas pueden ser infinitas o finitas; la suposicin de una cola infinita es
la estndar para la mayor parte de modelos de colas, incluso para casos en donde
se hace referencia a un nmero predeterminado de clientes es relativamente
grande; para los sistemas de cola en donde este nmero predeterminado de
clientes es pequeo y logra alcanzar con frecuencia entonces decimos que es
necesario suponer una cola finita.

El proceso bsico de colas est referido como cliente que requiere de servicio se
generan en el tiempo por medio de una fuente de entrada. Estos clientes entran
al sistema y se unen a una cola. En diversos momentos, se selecciona a uno de
los clientes formados para darle servicios mediante la disciplina de cola.

Fuente de Cola Mecanismo

Entrada del Servicio

cliente cliente
servidos

Esquema del proceso bsico de colas

La disciplina en cola se refiere al orden en que se selecciona a los miembros de la

cola para que reciban el servicio; un ejemplo es el primero en llegar recibir el
primer servicio, tambin puede ser seleccionado al azar.

Mecanismo de servicio este consiste en medios de servicios que contiene en uno

o ms canales paralelos de servicio llamado servidores, un modelo de colas debe
especificar la disposicin de los medios y el nmero de servidores en cada uno. El
tiempo que transcurre, para un cliente, desde que se inicia el servicio hasta su
complecin en uno de los medios a esto le llamamos tiempo de servicio

5
Modelo de Colas de Poisson Generalizado
La caracterstica de operaciones en modelos de colas es determinada en gran
parte por propiedades estadsticas en este caso la distribucin de Poisson nos
ayuda con los tiempos entre llegada y los tiempos de servicios para los sistemas
reales de colas, estas distribuciones pueden tomar cualquier forma sin embargo
para la exposicin de un modelo de teora de colas se requiere de predicciones
reales

Dentro de esta seccin se desarrolla un modelo de colas general que combina

tanto llegadas como salidas con base en la superposicin de Poisson, es decir, los
tiempos entre llegadas y los tiempos de servicio siguen la distribucin exponencial.
El desarrollo del modelo generalizado se basa en el comportamiento a largo plazo
o de estado estable de la situacin de colas, alcanzado despus de que el
sistema ha estado en operacin durante un tiempo suficientemente largo. Este tipo
de anlisis contrasta con el comportamiento transitorio (o de calentamiento) que
prevalece durante el inicio de la operacin del sistema.

En el modelo generalizado supone que las frecuencias tanto de llegada como de

salida dependen del estado, y esto quiere decir que dependen de la cantidad de
clientes en la instalacin de servicios.

5
Se definir lo siguiente:

n=Cantidad de clientes en el sistema

n =Frecuencia de llegada cuando hay n clientes en el sistema
n =Frecuencia de salida cuando hay n clientes en el sistema
Pn= Probabilidad de estado estable de que haya n clientes en el sistema.

El modelo generalizado define a Pn como funcin de n y Pn. Despus se usan

estas probabilidades para determinar las medidas de funcionamiento del sistema,
como la longitud promedio de la cola, el tiempo promedio de espera y la utilizacin
promedio de la instalacin.

Las probabilidades Pn se calculan usando el diagrama de frecuencia de transicin.

El sistema de colas est en estado n cuando la cantidad de clientes en l es n.

Como es conocido la probabilidad de que suceda ms de un evento durante un

intervalo pequeo h, tiende a cero cuando h0, eso quiere decir que para n>o, el
estado n solo puede cambiar a dos estados posibles : n-1 cuando hay una salida
con frecuencia n, y n+1 cuando hay una llegada con la frecuencia n. El estado
cero solo puede cambiar al estado q cuando hay una llegada con frecuencia o.

El modelo general asume que tanto las tasas de entrada como de salida dependen
del estado; lo que significa que dependen de la cantidad de clientes en la
instalacin de servicio.

Para la representacin matemtica de Poisson tomaran en cuenta las siguientes 5

propiedades

1. Si f t (t) es una funcin estrictamente decreciente ( t 0 ) tenemos que:

P { 0 T t } < P { t T t + t }
Para cualquier calor estrictamente positivo t y t .
2. Cuando se carece de un dato estadstico
P {T <t + t }=et
3. El mnimo de varias variables aleatorias exponenciales independientes se
representan de la siguiente forma.

5
 n
t
P {U > t }=e i=1

4. Relacin de Poisson
P { x(t )}=et
5. Si tenemos todos los valores positivos
t
P { x(t) }=1e

Ejemplo 1.1
B&K Groceries opera con tres cajas. El gerente usa el siguiente programa para
determinar la cantidad de cajeras en operacin, en funcin de la cantidad de
clientes en la tienda:

Los clientes llegan a las cajas siguiendo una distribucin de Poisson, con una
frecuencia media de 10 por hora. El tiempo promedio de atencin a un cliente es
exponencial, con 12 minutos de promedio. Calcular la probabilidad p de estado
estable de que haya n clientes en las cajas.

De la informacin del problema se tiene que

n= =10 clientes por hora n=0,1.

{
60
=5 clientes por hora n=1,2,3
n 12
2 x 5=101clientes por hora n=4,5,6
3 x 5=15 clientes por hota ,n=7,8

Entonces:

1
P1=
10
5 { }
P0=2 P0

2
P 2=
10
5{ }
P0 =4 P0

3
P 3= { }
10
5
P0 =8 P0

3 1
P4 = { }{ }
10
5
10
10
P0=8 P0

5
 3 2
P5= { }{ }
10
5
10
10
P 0=8 P0

3 3
P6= { }{ }
10
5
10
10
P 0=8 P0

3 3 n6 n6
Pn= { }{ }{ }
10
5
10
10
10
15
P0=8 {}
2
3
P
0

El valor de Po se determina con la ecuacin

Po+Po(2+4+6+8+8+8+8(2/3)+ 8(2/3)2+8(2/3)3+)=1

Se aplica la frmula para una serie geomtrica:

1
1x , lxl<1
i=0

Para obtener

( ( )
1
Po= 31+8 =1
2
1
3

En consecuencia, Po= 1/55

Conocida Po ya se puede determinar cualquiera de las probabilidades del

problema.

Ejemplo 1.2
Continuando con el problema anterior diremos que, la probabilidad de que solo
haya una caja abierta se calcula como la que haya entre 1 y 3 clientes en el
sistema, esto es

P1+P2+P3=(2+4+8)(1/55)=0.225

5
Se puede usar Pn para determinar medidas de funcionamiento, o de eficiencia,
para el caso de B&K. Por ejemplo.

(Cantidad esperada de cajas vacas)

3Po+2(P1+P2+P3)+1(P4+P5+P6)+0(P7+P8+)= 1 Caja.

Ejemplo 1.3
1) Martys Barber Shop tiene una peluquera. Los clientes llegan a la tasa de
2.2 clientes por hora, y los cortes de pelo se dan a la tasa promedio de
cinco por hora. Use el modelo de llegadas de Poisson y tiempos de servicio
exponenciales para responder las siguientes preguntas:
a) Cul es la probabilidad de que no haya unidades en el sistema?
b) Cul es la probabilidad de que un cliente est recibiendo un corte de
pelo y nadie est esperando?
c) Cul es la probabilidad de que un cliente est recibiendo un corte de
pelo y un cliente est esperando?
=2.2 clientes por horas=0.037 clientes por minuto
=5 cortes por hora=0.083 cortes por minuto
2.2
a P0=1 =0.56
5
0
a P 1={ }
2.2
5
1
0.56=0.56

a P 2={ }
2.2
5
0.56=0.2464

Colas especializadas de Poisson

El modelo de colas especializadas de Poisson se da cuando hay c servidores en
paralelo. Un cliente en espera se selecciona de la cola para iniciar su servicio en el
primer servidor disponible. La frecuencia de llegadas al sistema es clientes por
unidad de tiempo. Todos los servidores estn en paralelo y son idnticos; lo que
quiere decir que la tasa de servicio en cualquier servidor es clientes por unidad
de tiempo. La cantidad de clientes en el sistema incluye por definicin; los que hay
en el servicio y los que esperan en la cola.

5
Fig.1 Representacin esquemtica de un sistema de colas con c servidores
paralelos.

Tenemos que:

a= Distribucin de llegadas

b= Distribucin de salidas (tiempo de servicio)

c= Cantidad de servidores paralelos (=1,2.)

d= disciplina en la cola

e= Nmero mximo (finito o infinito) permitido en el sistema (haciendo cola o en

servicio)

f= tamao de la fuente solicitante (finita o infinita)

Notacin usada en la teora de colas

Las notaciones normales o estndar para representar las distribuciones de
llegadas y de salidas son:

5
 M = Distribucin de Markov (o de Poisson) de las llegadas o de las salidas
(o lo que es igual, distribucin exponencial del tiempo entre llegadas o
tiempo de servicio)

D = Tiempo constante (determinstico)

Ek = Distribucin Erlang o gamma de tiempo (o bien, la suma de

distribuciones exponenciales independientes)

GI = Distribucin general del tiempo entre llegadas

G = Distribucin general del tiempo de servicio

Entre la notacin de disciplinas de cola estn:

PLPS = Primero en llegar, primero en ser servido

ULPS = ltimo en llegar, primero en ser servido

SEOA = Servicio de orden aleatorio

DG = Disciplina en general (es decir, cualquier tipo de disciplina)

Relaciones entre L, W, Lq y Wq La nica.

Nomenclatura

= Nmero de llegadas por unidad de tiempo

= Nmero de servicios por unidad de tiempo si el servidor est ocupado

c= Nmero de servidores en paralelo

= /(c* ) : Congestin de un sistema con parmetros: (,, c)

N(t): Nmero de clientes en el sistema en el instante t

Nq(t): Nmero de clientes en la cola en en el instante t

Ns(t): Nmero de clientes en servicio en el instante t

5
Pn(t): Probabilidad que haya n clientes en el sistema en el instante t=Pr{N(t)=n}

N: Nmero de clientes en el sistema en el estado estable

Pn : Probabilidad de que haya n clientes en estado estable Pn=Pr{N=n}

L : Nmero medio de clientes en el sistema

Lq : Nmero medio de clientes en la cola

Tq : Representa el tiempo que un cliente invierte en la cola

S : Representa el tiempo de servicio

T = Tq+S: Representa el tiempo total que un cliente invierte en el sistema

Wq= E[Tq]: Tiempo medio de espera de los clientes en la cola

W=E[T]: Tiempo medio de estancia de los clientes en el sistema

r: nmero medio de clientes que se atienden por trmino medio

Pb: probabilidad de que cualquier servidor est ocupado.

5
Medidas de Rendimiento de Estado Estable
El objetivo que se persigue al analizar situaciones de espera consiste en generar
medidas de desempeo para evaluar los sistemas reales. Se debe decidir con
anticipacin, debido a que un sistema de espera opera como funcin del tiempo, si
interesa analizar el sistema en condiciones transitorias o de estado estable

Las medidas de desempeo ms comnmente utilizadas en una situacin de colas

son:

Ls= Cantidad esperada de clientes en un sistema

Lq= cantidad esperada de clientes en una cola

Ws= Tiempo de espera en el sistema

Wq= Tiempo de espera anticipado en la cola

c = Cantidad esperada de servidores ocupados

Se recuerda que el sistema incluye tanto la cola como las instalaciones de

servicio.

Entonces:

Para Ls


l s= n P n=l q +
n=1

Para Lq:

Lq= (nc) Pn
c+ 1

Para Ws:

1
W s =W q +

Para c :

c=Ls Lq c=

5
Ejercicio 2.1
El estacionamiento para visitantes en el colegio Ozark se limita a solo 5 espacios.
Los autos que utilizan estos espacios llegan de acuerdo con una distribucin de
Poisson a razn de 6 por hora.

El tiempo de estacionamiento est distribuido exponencialmente con una media de

30 minutos. Los visitantes que no pueden encontrar un espacio vaco pueden
esperar temporalmente en el estacionamiento hasta que un auto estacionado
salga. El espacio temporal tiene cabida solo para 3 autos. Otros que no pueden
estacionarse o encontrar un espacio de espera temporal deben irse a otra parte.
Determine lo siguiente:

a) La probabilidad Pn de que haya n autos en el sistema

b) La tasa de llegadas efectiva de los autos que por lo general utilizan el
estacionamiento
c) El promedio de autos en el estacionamiento
d) El tiempo promedio que un auto espera un espacio de estacionamiento

Solucin:

Observamos primero que en un espacio de estacionamiento acta como un

servidor, de modo que el sistema cuenta con un total de c=5 servidores paralelos.
Asimismo, la capacidad mxima del sistema es 5+3=8 autos.

La probabilidad Pn puede determinarse como un caso especial del modelo

generalizado

n= 6 autos/hora, n=0,1,2,8

n=
{
n ( 6030 )=2 n autos
60
hora
, n=1,2,3,4,5

5 ( ) , n=6,7,8
30

Luego

5
 {
n
3
Po , n=1,2,3,4,5
Pn= n ! n
3
Po , n=6,7,8
5 ! 5n5

El valor de Po se calcula sustituyendo Pn, n=1,2,.8, en la siguiente ecuacin

Po+P1++P8=1

O bien

2 3 4 5 6 7 8
3 3 3 3 3 3 3 3
P0 + P 0 ( + + + + + + + ) =1
1 ! 2! 3 ! 4 ! 5 ! 5 ! 5 5 ! 5 5 ! 53
2

a) Esto da un resultado de P0=0.4812

Ahora se procede a calcular p1 a p8 teniendo:

n 1 2 3 4 5 6 7 8
Pn 0.14436 0.21654 0.21654 0.16240 0.09744 0.05847 0.03508 0.02105

La tasa de llegadas efectivas se calcula por medio de la ecuacin

=efect. + perdida

Entonces se tiene que un auto no podr entrar al estacionamiento si ya entraron 8.

Esto significa que la proporcin de autos que no podrn entrar al estacionamiento
es P8. Por lo tanto,

perdida=8 =6x0.02105=0.1263 autos/hora

Entonces

b) efect.= - perdida =6-0.1236=5.8737 autos/hora

El promedio de autos en el estacionamiento (los que esperan que se desocupe un

espacio) como:

5
 c) Ls=0P0+1P1++8P8=3.1286 autos

Un auto que espera en el espacio temporal es en realidad un auto que est

haciendo cola. Por lo tanto su tiempo de espera hasta que se encuentra un
espacio Wq. Para determinar Wq usamos:

1
Wq=Ws-

Ls 3.1286
Si Ws= = =0.53265 horas
efect . 5.8737

d) Wq=0.53265- 1/2 = 0.03265 horas

El promedio de espacios de estacionamientos ocupados es igual al promedio de

servidores ocupados,

efect
c=LsLq=
2

Ejercicio 2.2
Suponga una estacin de gasolina a la cual llegan en promedio 45 clientes por
hora se tiene capacidad para atender en promedio a 60 clientes por hora se sabe
que los clientes esperan en promedio 3 minutos en la cola La tasa media de
llegadas es 45 clientes por hora o 45/60 = 0.75 clientes por minuto La tasa
media de servicio es 60 clientes por hora o 60/60 = 1 cliente por minuto

W q =3 min
1 1
W s =W q + =3+ =4 min
1
Ls =W s =0 .754=3 clientes
Lq =W q =0 .753=2 .25 clientes

Modelo de un Solo Servidor

Esta seccin se centra en los sistemas de colas bsicos que tiene un solo
servidor. Se usarn los smbolos claves introducidos anteriormente:

5
 = tasa media de llegadas para los clientes que entran al sistema de colas, o
nmero esperado de llegadas por unidad de tiempo.

= tasa media de servicio (para un servidor normalmente ocupado), o nmero

esperado de terminaciones de servicio por unidad de tiempo.

Entonces podemos decir que 1/ es el tiempo esperado entre llegadas (el tiempo
promedio entre la llegada de clientes consecutivos) y 1/ es el tiempo esperado de
servicio para cada cliente.

Un nuevo smbolo para esta seccin es = / donde es la letra griega ro. A

esta cantidad se llama factor de utilizacin, y representa la fraccin de tiempo
promedio que utiliza el servidor para atender a los clientes.

Ac se presentan dos modelos para el caso de un solo servidor (c=1). El primer

modelo no limita el nmero mximo de su sistema, y el segundo supone un lmite
finito del sistema. Ambos modelos suponen una capacidad infinita de la fuente.
Las llegadas ocurren a razn de clientes por unidad de tiempo y la tasa de
servicio es un clientes por unidad de tiempo.

Los resultados de los modelos se derivan como casos especiales de los

resultados del modelo generalizado, visto anteriormente.

Se utilizara la notacin ampliada de Kendall para caracterizar cada situacin. Se

utilizara la notacin GD (disciplina general).

(M/M/1): (GD//)
Caractersticas:

Posee 1 servidor.

No hay lmites de capacidad en el sistema.

Los clientes son servidos con la poltica PEPS y cada arribo espera a ser
servido sin importar la longitud de la lnea o cola.

5
 Los arribos son independientes de arribos anteriores, pero el promedio de
arribos no cambia con el tiempo.

Los arribos son descritos mediante la probabilidad de poisson y proceden

de una poblacin muy grande o infinita.

Los tiempos de servicio varan de cliente a cliente y son independientes

entre s, pero su tasa promedio es conocida

Los tiempos de servicio se representan mediante la distribucin de

probabilidad exponencial negativa.

La tasa de servicio es ms rpida que la de arribo.

Objetivo: dados los siguientes parmetros (se suelen estimar estadsticamente)

tasa de llegadas.

tasa de servicio.

s numero de servidores.

Se calcula:

= / factor de utilizacin del sistema o intensidad de trfico (proporcin

de tiempo esperado en el que los servidores estn ocupados). Si < 1
entonces el sistema se estabiliza. En otro caso el nmero de clientes en el
sistema se incrementa sin lmite.

L valor esperado del nmero de clientes en el sistema

Lq valor esperado del nmero de clientes en cola

W tiempo medio de espera en el sistema

Wq tiempo medio de espera en la cola

pn probabilidad de que n clientes esten en el sistema (en estado

estacionario).

c numero medio de clientes en servicio.

5
 1/ = tiempo promedio entre llegadas

1/ =tiempo promedio requerido para el servicio

Relaciones bsicas: Modelo general

Formula de Little: L = W y Lq = Wq.

Adems, W = Wq + 1/.

De estas tres frmulas se deduce: L = Lq + /.

Deduccin de formulas

Si = / la ecuacin pn en el modelo generalizado se reduce a

pn= n po , n= 0,1,2

Suponiendo que < 1, entonces: po=1 .

La frmula general de pn es de la siguiente distribucin geomtrica:

n
pn=(1) , n=1,2, (<1)

Esta frmula impone la condicin (<1) o que < . Si , la serie

geomtrica no converge, y no existiran las probabilidades pn de estado
estable. Este resultado tiene sentido, intuitivamente, porque al menos que la tasa
de servicio sea mayor que la frecuencia de llegada, la cola crece en forma
indefinida.

Para Ls

Ls= n p n= n (1) n
n =0 n=0

d
(1) n
d n=0

d 1
( 1 ) ( )
d 1

5
 1
Ls=( )
1

Como eff = las medidas restantes de desempeo se calculan con las

siguientes ecuaciones.

Ls 1 1
W S= = =
(1)

1
W q =w s =
(1)

2

Lq= W Q=
1

C=LS Lq=

eff : es la tasa de llegadas efectiva al sistema, es igual a la tasa nominal ,

cuando todos los clientes que llegan ingresan al sistema.

Ls= eff w s

Leff
Ls=Lq +

eff
C=LS Lq=

Por lo tanto podemos decir que la diferencia entre el numero promedio de clientes
en el sistema y el numero promedio de clientes en la cola es igual al nmero
promedio de servidores ocupados.

Ejercicio 3.1
El servicio de lavado de autos Mr. Clean est abierto seis das a la semana, pero
el da de trabajo ms pesado es siempre el sbado. A partir de datos histricos, el
gerente estima que los coches sucios llegan a una tasa de 22 por hora, durante
todo el sbado. Con una brigada completa trabajando la lnea de lavado a mano,

5
l calcula que los automviles se pueden lavar a una tasa de uno cada dos
minutos. Se cuenta con una lnea de espera con un solo canal, es decir, los
automviles se lavan de uno en uno cuando les toca su turno. Supn las llegadas
con distribucin de Poisson y tiempos exponenciales de servicio.

Solucin:

A continuacin, obtendremos los parmetros operacionales.

El nmero promedio de automviles en la lnea se definir de la siguiente
manera:

El tiempo promedio que un automvil espera antes de ser lavado:

El tiempo promedio que un automvil pasa en el sistema de servicio:

La probabilidad de que no haya automviles en el sistema:

Ejercicio 3.2

John Macko es un alumno de la universidad de Ozark. Hace trabajos extraos

para aumentar sus ingresos. Las peticiones de trabajo llegan en promedio cada 5
das, pero el tiempo en promedio es exponencial. El tiempo en promedio para
terminar un trabajo es tambin exponencial, con una media de 4 das

a) Cul es la probabilidad de que le falte trabajo a John?

b) Si John cobra $50 por trabajo, Cul es su ingreso mensual promedio?

5
 c) Si al final del semestre John decide subcontratar los trabajos pendientes a
$40 cada uno, Cunto debe esperar pagar en promedio?

Datos:

1 trabajo 1 trabajos
= =
5 dias 4 dias

Solucin

a) PO=1

1 10.8=0.2

1
b) ( 30 dias )( $ 50 )= ( 30 dias )( $ 50 ) =$ 375
4

2 0.8 2
c) Lq = = =3.2
1 10.8

$40(3.2)=$128

5
(M/M/1): (GD/N/)
Este modelo difiere de (M/M/1) : (GD//) en que hay un lmite N en el nmero del
sistema (longitud mxima de la cola= N-1). Algunos ejemplos incluyen situaciones
de manufactura en las que una maquina puede tener un espacio intermedio
limitado y una ventanilla de servicio en su coche en un restaurante de comida
rpida. No se permiten nuevas llegadas cuando la cantidad de clientes en el
sistema llega a N.

Ejercicio 4.1
Los pacientes llegan a una Clnica segn una distribucin de Poisson a una tasa
de 30 pacientes por hora. La sala de espera tiene slo 14 asientos y no da ms
cabida, El tiempo de auscultacin por paciente es exponencial con tasa media de
20 pacientes por hora. Determine:

a)La probabilidad de que un paciente no tenga que esperar.

b) La tasa efectiva de llegada.
c)Cul es el tiempo promedio estimado que un paciente, tarda en la Clnica?
Solucin

a) =30 y =20 por tanto = 30/20 = 1,5

Para ste modelo no importa que >1, as que ya tenemos el = 1,5pacientes

esperando, pero uno que debe estar adentro chequendose con el Dr.

Son N=16, as ya podemos encontrar a P0 y ste viene dado por:

P0 = {(1 - ) / ( 1 N+1) = (1 1.5) / ( 1- 1.516) = -05/-655,84008 = 0,000762

As la probabilidad de que un paciente no Espere es de 0,000762.

b) efectiva = (1-PN) = 30(1- 0,33384158) =19,98475 20. Exactamente 20

pacientes llegan a la clnica.
c) Debemos hallar a Ws = Ls/ efectiva pero no se tiene a Ls, procedamos a
encontrarla por aplicacin de la frmula: Ls= { [ 1- (N+1)N + N N+1] / (1- )(1-

5
N+1) Ls= {1,5[ 1- (15+1)1,515 + 15 1,515+1] / (1- 1,5)(1- 1,515+1) =0,65172 de
hora, esto es que en promedio un paciente debe esperar 39 minutos en la clnica.

Ejercicio 4.2
En Forester Manufacturing se ha asignado a un tcnico el mantenimiento de 3
mquinas. Para cada mquina la distribucin de probabilidad de tiempo de
operacin antes de descomponerse es exponencial con media de 9 horas. El
tiempo de reparacin tambin tiene distribucin exponencial con media de 2 horas.

a) Qu modelos de colas se ajusta a este sistema?

b) Cul es la fraccin de tiempo que el tcnico estar ocupado?

Datos:

1
= (3)=1/3
9

=1/2

Solucin

a) Es un modelo M/M/1 con una poblacin finita de arribos (N=3 mquinas)

1/ 3
b) = = =2/3
1/ 2

Ejercicio 4.3
Janeth tiene un auto lavado y desea saber cuntos espacios asignar a los autos
que esperan. Janet espera que los clientes lleguen en forma aleatoria (proceso
poisson) con una tasa media de 1 cada 4 minutos, al menos que el rea de espera
est llena, en cuyo caso los autos se irn a otra parte. El tiempo de lavado de un
carro tiene funcin exponencial con media de 3 minutos. Compara la fraccin de
clientes potenciales que se pierden por falta de espacio de espera si se
proporcionan. A)0, b)2, c) 4 espacios adems del lugar de lavado)

5
 1
= min
4

1
=3

=1/3 min

1/ 4
= =3/4
1 /3

a) Para 0 espacios

1 n
P1= N+ 1

1

3 3
(1 )( )
4 4
P1= =0.429
13/4 2

b) Para 2 espacios

3 3
(1 )3/ 4
4
P3= =0.154
13 /4 4

c) Para 4 espacios

3
(1 )3/ 45
4
P5= =0.72
13/4 6

(M/M/1): (DG/ / )
Este es un modelo de servidor nico sin lmites en la capacidad del sistema o de la
fuente de llamadas, con llegadas y salidas de Poisson con tasa medias y .

Definiendo = / obtenemos la siguiente frmula general para este modelo:

Pn = (1- ) * r n , n = 0,1,2,

Que es una distribucin geomtrica, donde adems p0 = 1- .

5
El requisito matemtico de que r > 1 necesario para garantizar la convergencia de
la serie geomtrica (1 + + 2 + ) , conduce a un elemento intuitivo. O sea >
1 significa que < lo que establece que la tasa de llegadas debe ser
estrictamente menor que la tasa de servicio en la instalacin, para que el sistema
alcance estabilidad.

Para este modelo las medidas de bsicas de desempeo se calculan de la

siguiente forma:

Ls = E{ n} = () / (1- ) Ws = Ls / = 1 / [ ( 1- ) ]

Lq = Ls - l / m = 2 /(1- ) Wq = Lq / l = r / [m ( 1- ) ]

Ejemplo 5.1
A un cajero automtico slo llega un promedio de 10 vehculos por hora.

Suponga que el tiempo promedio de servicio para cada cliente es de 4minutos, y

que los tiempos entre llegadas y los de servicio son exponenciales. Conteste las
preguntas siguientes:

1.- Cul es el nmero promedio de automviles que esperan en la cola su turno?

Se considera que un vehculo que est ocupado en el cajero automtico, no est
esperando en la cola.

2.- Cul es el tiempo promedio que un cliente pasa en el estacionamiento del

banco, incluyendo el tiempo de servicio?

3.- En promedio, cuntos clientes por hora sern atendidos por el cajero
automtico?

4.- Cul es la probabilidad de que el cajero automtico se encuentre vaco?

Para responder la interrogante anterior es necesario plantear el siguiente modelo

de probabilidad para el sistema de colas con un servidor:

Pn = probabilidad de estado estable de tener exactamente n clientes en el sistema

(para n = 0, 1, 2, )

5
Si = / , la ecuacin de Pn en el modelo generalizado de colas con un servidor
se reduce a: Pn = n P0

Para determinar el valor de P0 se usa la siguiente identidad:

P0 (1 + + 2 + ) = 1

Suponiendo que < 1, la serie geomtrica tiene la suma finita (1/(1- )), y
entonces P0 = 1- , siendo que < 1.

La frmula general de Pn es entonces la de la siguiente distribucin geomtrica:

Pn = (1 ) n, n = 1, 2, ( <1)

Ejemplo 5.2

Un restaurante de comida rpida tiene una ventanilla de servicio para

automovilistas. Los automovilistas llegan de acuerdo a una distribucin de poisson
con una frecuencia de 2 cada 5 minutos. En el espacio de la ventanilla pueden
caber 10 vehculos cuanto mucho, incluyendo al que se est sirviendo. Si es
necesario, otros automviles pueden esperar fuera de este espacio. El tiempo de
servicio por cliente es exponencial, con una media de 1.5 minutos. Calcule lo
siguiente:

a) La probabilidad de que la instalacin este vaca.

b) La cantidad estimada de clientes esperando que los atiendan.

c) El tiempo estimado de espera para que un cliente llegue a la ventanilla y

haga su pedido.

d) La probabilidad de que la lnea de espera sea mayor que la capacidad de

10 lugares.

Datos:

5
 2
clientes
5
=
minuto

N=10

1
=1.5 min

=0.6667

Solucin:

a) p0=1

1 /

2
5
1 =0.4
10.6667

2

b) Lq =
1

2
0.6
=0.9 automovil
10.6

c) W q=
( 1)

5
 0.6
=2.24 min
0.6667 (1.0 .6 )

d) P( Lq >10 = n+1

P( Lq >10 =0.610+1=0.0036

Ejemplo 5.3

Los clientes llegan en automvil a una ventanilla bancaria de acuerdo con una
distribucin de poisson, con una media de 10 por hora. El tiempo de servicio de
cada cliente es exponencial, con una media de 5 minutos. Hay 3 espacios frente a
la ventanilla, incluyendo el del automvil que es atendido. Si llegan ms vehculos,
deben esperar fuera de este espacio para 3 vehculos, que es atendido.

a) Cul es la probabilidad de que un automvil que llega pueda entrar en uno de

los 3 espacios?

b) Cul es la probabilidad de que un automvil que llega deba esperar fuera de

los 3espacios?

c) cunto tiempo debe esperar un cliente que llegue para que comiencen a
atenderlo?

Datos

10 1
= =
hora 6

1
=5 min , =1/5

Solucin

5
 3
1 /6
a) P ( L=n )= n =0.5787
1 /5

5 3 +1
b) P ( Lq >3 )= ( n+1 ) = =0.4822
6

5/6
c) W q= = =25 min
( 1) 1/5(15/6)

(M/M/1): (DG/N/)
La diferencia de este modelo y el anterior radica en que el nmero mximo de
clientes (para este modelo) permitidos en el sistema es N (longitud mxima de la
lnea de espera es = N-1). Esto significa cuando haya N clientes en el sistema, se
impiden todas las nuevas llegadas o no se les permite unirse a la lnea de espera.

En este modelo, haciendo r = l / m obtenemos que:

(1- ) / ( 1- N+1) ; 1

Po = 1 / N+1 ; = 1

Entonces las frmulas para pn pueden resumirse como:

[ (1- ) / ( 1- N+1) ] n ; 1

pn = n = 0,1,2, ...

1 / (N+1) ; = 1

Para este modelo no se hace necesario que r > 1 pues el nmero de unidades en
el sistema est controlado por la longitud de la lnea de espera (= N-1).

Usando el valor anterior de pn, encontramos que el nmero esperado de unidades

en el sistema se calcula como sigue:

5
{ [ 1-( N+1)* N + N N+1] } / [ ( 1- ) ( 1- N+1) ] ; 1

Ls = N / 2 ; = 1

Las medidas Lq, Ws y Wq se pueden calcular a partir de Ls, una vez que se
determina la tasa efectiva de llegadas ef de la forma siguiente:

e, f = l ( 1-pn)

usando Ls y ef obtenemos las frmulas para calcular, Lq, Wq y Ws:

Lq = Ls-( e, f / ) = Ls - [ ( 1-pN )] / pN = Probabilidad de que una unidad no sea

capaz de unirse al sistema.

Wq = Lq / e, f = Ls / [ ( 1-pN ) ]

Ws = Wq +1/ = Ls / [ ( 1-pN ) ]

5
Modelo de Servidores Mltiples
Dentro de los modelos de teora de colas que incorporan servidores mltiples, se
pueden identificar las siguientes variantes:

o Canal nico, Fases mltiples. Un centro de lavado de autos ilustra este

tipo de estructura, pues all se realiza una serie de servicios (aspirar, mojar,
enjabonar, lavar, secar, limpiar ventanas y estacionar) en una secuencia
bastante uniforme. Uno de los factores crticos en el caso de canal nico
con servicio en serie es la cantidad de acumulacin de elementos que se
permite frente a cada servicio, lo cual a su vez significa filas de espera
separadas.
o Canales Mltiples, Fase nica: Las ventanillas de los cajeros en un banco
y las cajas registradoras en almacenes de departamentos con altos
volmenes de ventas son ejemplos de este tipo de estructura. La dificultad
que plantea este sistema es que el tiempo de servicio desigual que se
asigna a cada cliente redunda en una velocidad o flujo desigual en las filas.
Como resultado, algunos clientes son atendidos primero que otros que
llegaron antes y hasta cierto punto se producen cambios entre las filas.
Para cambiar esta estructura con el fin de asegurar la atencin de los
clientes en orden cronolgico de llegada, sera preciso formar una fila nica
desde la cual, a medida que se desocupa un servidor, se llama al siguiente
cliente en la fila. El principal problema que plantea esta estructura es que
requiere un control rgido de la fila para mantener el orden y dirigir a los
clientes a los servidores mltiples. En algunos casos, la asignacin de
nmeros a los clientes en orden de llegada ayuda a aliviar este problema.
o Canales Mltiples, Fases Mltiples: Este caso es semejante al anterior,
salvo que se realizan dos o ms servicios en secuencia. La admisin de
pacientes en un hospital sigue este patrn, porque por lo general se sigue
en una secuencia especifica de pasos:
Establecer el contacto inicial en el sitio de admisiones
Llenar formularios
Elaborar etiquetas de identificacin
Asignar un cuarto
Llevar al paciente al cuarto

5
 Como hay varios servidores disponibles para efectuar este procedimiento,
se puede procesar a ms de un paciente a la vez.

La estructura principal de estos modelos es la siguiente

Servidor Salida Modelo de una

Cola
Llegada lnea;
Servidor
Salida Servidores
Mltiples
Servidor
Salida

Modelo varias
Cola Servidor Salida
Llegada lneas; Mltiples
servidores
Cola Servidor Salida

Cola Servidor
Salida

Llegada

Modelo de una
Cola lnea; Servicios
secuenciales
Servidor

Cola

Servidor Salida

5
(M/M/C): (DG/ / )
En este modelo los clientes llegan con una tasa constante y un mximo de c
unidades puede ser atendidos simultneamente. La tasa de servicio por servidor
activo es tambin constante e igual a m y e, f = .

El efecto ltimo de usar c servidores paralelos es acelerar la tasa de servicio al

permitir servicios simultneos. Si el nmero de clientes en el sistema, n, es igual o
excede a c, la tasa combinadas de salidas de la instalacin es c* . Por otra parte,
si n es menor que c, la tasa de servicio es igual a n* . As, en trminos del modelo
generalizado, tenemos:

n=n0

n , n c

n = c , n c

Si hacemos = / ; el valor de pn y p0 se calcula de la siguiente forma:

( n/ n!) p0 0 n c

Pn = ( n/ c n-cc!) p0 n > c

C1
pn pc 1
P0=(

n=0
+
n! c !
( )
1
p
c
-1

Los valores de las medidas de desempeo se obtienen como sigue:

Lq = [ c+1/ (c-1)(c- ) ] p0 = [ c / ( c- ) 2] pc

Ls = Lq +

Wq = Lq/

Ws = Wq + 1/

Las operaciones asociadas con este modelo pueden ser tediosas. Morse da dos
aproximaciones tiles para p0 y Lq. Para mucho menor que 1

5
P0= 1- y Lq= c+1 /c2

Y para /c muy prxima a 1

P0=((c- )(c-1)!/cc y Lq= /c-p

Ejemplo 6.1
Hay dos empresas de taxis que dan servicio a una poblacin. Cada empresa es
duea de dos taxis, y se sabe que las dos empresas comparten partes iguales del
mercado. Esto se ve porque llegan ocho llamadas por hora a la oficina de cada
empresa. El tiempo promedio en el viaje es de 12 minutos. Las llamadas llegan
siguiendo una distribucin de Poisson, y el tiempo de viaje es exponencial. Hace
poco, un inversionista compro las dos empresas, y le interesa consolidarlas en una
sola oficina para dar mejor servicio a los clientes. Analice la propuesta del nuevo
dueo.

Solucin.

Desde el punto de vista de las colas, los taxis son los servidores y el viaje es el
servicio. Se puede representar a cada empresa como un modelo (M/M/2):
(GD//) con un =8 llamadas por hora y =60/12=5 viajes por taxi por hora. Al
consolidarlas se tendr el modelo (M/M/4): (GD//) con =2x8=16 llamadas por
hora y =5 viajes por taxi por hora.

Una medida adecuada para comparar los modelos es el tiempo promedio que
espera un cliente para un viaje, esto es, Wq

Por lo tanto se tienen dos escenarios en dicho problema:

Dado =8, =5, numero de servidores c=2 y

=16, =5, numero de servidores c=4.

Utilizando los datos para 2 y 4 servidores con las frmulas de tiempo de espera se
obtiene que:

5
El tiempo de espera para un viaje es 0.356 horas (21 minutos) para el caso de dos
empresas

El tiempo de espera para un viaje es 0.149 horas (9 minutos) para el caso de la

fusin. Por lo tanto la decisin ptima es optar por consolidar las dos empresas.

Ejemplo 6.2
La tienda Mom-and-Pops tiene un estacionamiento pequeo adyacente con tres
espacios reservados para los clientes. Si la tienda est abierta los autos llegan y
usan un espacio con una tasa media de 2 por hora. Para n=0, 1, 2,3 la
Probabilidad Pn de que haya justo n espacios ocupados es P0= 0.2, P1=0.1,
P2=0.3, P3=0.2. a) Describa la interpretacin de este estacionamiento como
sistema de colas. En particular, identifique los clientes y los servidores. Cul es el
servicio proporcionado? Qu constituye el tiempo de servicio? B) Determine las
medidas de desempeo bsicas para este sistema de colas C) Use los resultados
para determinar el tiempo promedio que un auto permanece en el espacio.

Solucin.

a) Un estacionamiento es un sistema de colas que provee a los automviles como

clientes y espacios de estacionamiento como servidores. El tiempo de servicio es
la cantidad de tiempo que un automvil pasa en dicho espacio.

b) L=0 P0 +1 P1+ 2 P2 +3 P3=0 ( 0.2 ) +1 ( 0.3 ) +2 ( 0.3 ) +3 ( 0.2 )=1.5 autos

L 1.5
W= = =0.75 horas
2

c) Pasa un tiempo promedio de 45 minutos.

5
Ejemplo 6.3
Un sistema de colas tiene dos servidores, distribucin de tiempos entre llegadas
exponencial con media de 2 horas y distribucin de tiempos de servicio
exponencial con media de 2 horas para cada servidor. Lo que es ms, a las 12:00
del da acaba de llegar un cliente. A) Cul es la probabilidad de que la siguiente
llegada ocurra i) antes de la 1:00pm ii) entre la 1:00 y las 2:00pm, iii) despus de
las 2:00pm? Suponga que no llegan ms clientes antes de la 1:00pm, ahora,
Cul es la probabilidad de que la siguiente llegada tenga lugar entre la 1:00 y las
2:00pm? Cul es la probabilidad de que el nmero de llegadas entre la 1:00pm y
las 2:00pm, sea i) 0, ii)1, iii) 2 o ms? Si ambos servidores estn ocupados a la
1:00pm, Cul es la probabilidad de que ningn cliente haya completado su
servicio) antes de las 2:00pm, ii) antes de la 1:10pm, iii) antes de la 1:01pm?

Solucin.

{
1
1 , n> 0
Teniendo n = n = 2
2
1, n=2

a) Probabilidad

1
Siguiente llegada antes de 1:00pm P=1e 2 =0.393

1 x2 1
Siguiente llegada entre 1:00pm-2:00pm P=(1e )( 1e )=0.238
2 2

1 x2
Siguiente llegada despus de 2:00pm (
P= 1e 2 )=0.368

5
b) Probabilidad siguiente llegada entre 1:00-2:00pm pero no llegadas entre 12:00-
1:00pm:

1
(
P= 1e 2 )=0.393
c) Probabilidad de no llegada entre 1:00pm y 2:00pm:

( t )e t 1
P= =e 2 =0.607
0!

Probabilidad de una llegada entre 1:00-2:00pm

( t )e t 1 1
P= = e 2 =0303
1! 2

Probabilidad de dos o ms llegadas entre 1:00-2:00pm

1
1 12 2
P=1e e =0.40.3=0.1
2

d) Probabilidad de telfono no atendido antes de las 2:00pm

1
P=e =0368

Probabilidad de telfono no atendido antes de 1:10pm

1
1( )
6
P=e =0.846

Probabilidad de telfono no atendido antes de 1:10pm

1
1( )
60
P=e =0.983

(M/M/C): (DG/N/)
El modelo difiere de (M/M/C): (GD//) en el que el lmite del sistema es finito e
igual a N. Esto significa que el tamao de la cola es (N-c). Las tasas de llegadas y

5
servicio son y . La tasa de llegadas efectiva eff es menor que debido al
lmite de sistema N.

En trminos generales se tiene:

{
n = ,0< n< N
0,n> N

{
n= n ,0< n<c
c ,0<n< N

Sustituyendo n y n en la expresin general y dado que = se

obtiene:

{
n
P o ,0< n< c
n !
P n=
n
Po ,c <n< N
C nc C !

En donde se tiene:

N

q= ( nc)P n , 1
n=c c
L

c ( N c )( Nc+1)
q= Po , =1
2c! c
L

Para determinar Wq y por consiguiente Ws y Ls , calculamos el valor de

efectiva como:

perdida = P n

efectiva = perdida =(1Pn )

5
Ejemplo 7.1
En el departamento de servicios del concesionario de automviles Glenn-Mark, los
mecnicos que requieren piezas para reparacin o servicio de vehculos presentan
sus formularios de solicitud en el mostrador del departamento de autopartes. El
funcionario de esa divisin hace la solicitud mientras el mecnico aguarda. Los
mecnicos llegan de manera aleatoria (Poisson) a una tasa de 40 por hora, y un
empleado puede hacer solicitudes a una tasa de 20 por hora (exponencial). Si el
costo de un empleado del departamento de autopartes es de US$6 la hora y el
costo de un mecnico es de US$12 la hora, determine el nmero ptimo de
empleados para atender el mostrador. (Debido a la alta rasa de llegadas, puede
presumirse una fuente infinita).

Solucin.

En primer lugar se van a utilizar tres empleados, porque el hecho de tener solo
uno o dos generara filas infinitamente largas (puesto que =40 Y =20 ).

Primero hay que obtener el numero promedio en la fila, dados los valores de

=2 y c=3 , se obtiene Lq=0.8888mecanicos .

En este punto se tiene un promedio de 0.8888 mecnicos aguardando todo el da.

Para un da de 8 horas a US$12 por hora, existe una prdida de tiempo por
mecnico que vale

0.8888 mecanicos x 12 por hora x 8 horas=US $ 85.32

5
El siguiente paso consiste en volver a determinar el tiempo de espera si se agrega
otro empleado al departamento de autopartes. Luego, se compara el costo
agregado del empleado adicional con el tiempo que ahorran los mecnicos. Una
vez ms, utilizando las formulas y agregando el empleado adicional es decir
c=4 , se obtiene:

Lq=0.1730mecanicos

0.1730 x US $ 12 x 8 horas=US $ 16.61 costo de un mecanico que aguarda en una fila

El valor ahorrado en tiempo de mecnico es de

US $ 85.32US $ 16.61=US $ 68.71

El costo de un empleado adicional es de

US $ 6
8 horas x =US $ 48
hora

Costo de la reduccin al agregar un cuarto empleado es US $ 20.71

Ejemplo 7.2
American Vending Inc. (AVI) suministra dispensadores de alimentos a una
universidad de gran tamao. Como los estudiantes acostumbran patear las
maquinas furiosos y frustrados, la gerencia tiene que afrontar un problema
constante de reparaciones. En promedio se averan tres mquinas por hora, y las
averas se distribuyen de manera Poisson. El tiempo muerto le cuesta a la
compaa US$25/hora por mquina y a cada empleado de mantenimiento le
pagan US$4 por hora. Un empleado puede reparar las maquinas a una tasa
promedio de cinco por hora, distribuida exponencialmente; dos empleados que
trabajen juntos pueden reparar siete maquinas por hora, distribuida
exponencialmente; y un equipo de tres trabajadores puede reparar ocho por hora
distribuidas exponencialmente. Cul es el tamao ptimo del equipo de
mantenimiento para reparar las maquinas?

5
Solucin. Se debe resolver para cada uno de los casos en los que se determinara
el nmero de servidores a utilizar.

Caso I: Un trabajador

Dado que =3/hora y =5/hora

En el sistema hay un nmero promedio de mquinas de:

3 1
Ls = = =1 maquinas
53 2

El tiempo muerto es de

US $ 25 x 1.5=US $ 37.50 por hora ; el costo de reparacion es de US $ 40 por hora ;

Y el costo total por hora para un trabajador es de

US $ 37.50+US $ 4.00=US $ 41.50

Tiempo muerto (1.5 x US$25)

Mano de obra (1 trabajador x US$4)

US $ 37.50+US $ 4.00=US $ 41.50

Caso II: Dos trabajadores

Dado que =3/hora y =7 /hora

3
Ls = = =0.75 maquinas
73

Tiempo muerto (0.75 x US$25)

5
Mano de obra (2 trabajadores x $US4)

US $ 18.75+US $ 8.00=US $ 26.75

Caso III: Tres trabajadores

Dado que =3/hora y =8 /hora

3
Ls = = =0.60 maquinas
83

Tiempo muerto (0.60 x US$25)

Mano de obra (3 trabajadores x US$4)

US $ 15.75+US $ 12.00=US $ 27.00

Comparando los costos obtenidos respectivamente, se determina que el caso II,

con dos trabajadores es la decisin ptima, con un costo de US$26.75.

Ejemplo 7.3
Esttica Antonio es atendida y es propiedad de Antonio Jimnez, peluquero
durante ms de 20 aos. Antonio no hace citas, de modo que el patrn de llegada
de sus clientes es esencialmente aleatorio. Siempre ha sido ms o menos 1
cliente cada 50 minutos. Hace 2 meses el peridico local pblico un artculo sobre
Antonio, que hizo que su negocio mejorara bastante. En la actualidad la tasa de
llegada se acerca ms a un cliente cada 35 minutos. Para los cortes de pelo
necesita un promedio de 25 minutos, pero esos tiempos varan mucho,
dependiendo de las necesidades del cliente. Un recorte podra requerir tan solo 5
minutos, pero el champ con estilo podra llevar hasta una hora o ms. Por esta
razn, parece que la distribucin exponencial se adapta razonablemente bien para
representar la distribucin de los tiempos de servicio. Los clientes de Antonio

5
siempre han sido pacientes, pero desde que el negocio mejoro hay quienes se
quejan que la espera es demasiado larga. Antonio est considerando llevar al
negocio a Marcos, su primo, para mejorar el servicio a los clientes. Suponga que
Marcos corta el cabello con la misma velocidad que Antonio.

a. Cunto ha disminuido la calidad del servicio desde que la peluquera tiene ms

clientes?

b. Qu mejora en el desempeo del sistema podrn percibir los clientes cuando

haya un peluquero ms?

Solucin.

a) Primero se determinan las diversas medidas de desempeo del sistema,

antes de la aparicin del artculo periodstico. El tiempo promedio entre
llegadas era 1 de cada 50 minutos, que da una tasa de llegadas igual a

60
= =1,2llegadas por hora
50

Cada corte requiere un promedio de 25 minutos, que se traduce en un tiempo de

servicio igual a

60
= =2.4 cortes por hora
25

Por consiguiente, = =0.5

Esto es, Antonio est ocupado la mitad de su tiempo.

Los valores de las medidas de desempeo son

0.5
L= = =1
(1) 0.5

5
 Lq= L=0.5

L 1
W = = =0.8333 hora
1.2

Lq 0.5
W q= = =0.4167 hora
1.2

Esto significa decir que antes los clientes esperaban (0.4167) (60)=25 minutos, en
promedio, para pasar a cortarse el cabello.

Despus de la aparicin del artculo, la tasa de llegada aumento a 1 cliente cada

35 minutos. Esto indica que se modific a 60/35= 1.7143 y =0.7143. Las
medidas de desempeo son ahora

0.7143
L= =2.5
10.7143

Lq= L=(0.7143)(2.5)=1.7857

L 2.5
W= = =1.458 horas
1.7143

Lq 1.78
W q= = 1.0383 hora
1.7143

Es claro que la queja de los clientes es vlida. Un cliente debe esperar, en

promedio, ms de una hora para ser atendido. De hecho, debido a que la
distribucin de Wq es exponencial, hay muchos que podran esperar bastante
ms.

b. Si se agrega un peluquero ms, mejora el desempeo del sistema.

Con dos barberos:

5
 1.7143
= = =0.3571
(2)(2.4)

{ }
2
0.7143 1 1
P0= 1+0.7143+ + =2.111 =0.4737
2! 10,3572

Por consiguiente

22 0.35713
Lq = (0.4737)=0.0522
(10.3571)2 2 !

L=Lq + c=0.0522+0.7143=0.7665

Lq 0.0522
W q= = =0.0384 hora (1.82 minutos)
1.7143

1
W =W q + =0.0304 +0.4167=0.04471 hora(27 minutos)

Se puede apreciar que al agregar otro peluquero se mejora mucho el desempeo

del sistema. Con un solo peluquero, los clientes podran ms de una hora para ser
atendidos. Integrando al peluquero, este tiempo se reduce a menos de 2 minutos
en promedio.

Modelo (M/M/): (GD//)

En ocasiones se puede estar diseando un sistema donde el nmero de

servidores simultneos no sea un lmite (por ejemplo a un servidor de red).

5
Si el tiempo de servicio tiene igual distribucin con el nmero de servidores
n=n

La probabilidad de que hayan n clientes simultneamente es de:

n r
r e
Pn= , n>0 r =
n!

1
L= W =

n=n

Una cantidad infinita de servidores indica que siempre hay un servidor disponible,
independientemente de cuantos clientes se encuentren en el sistema. Aunque esto
podra parecer no realista, muchos problemas en la realidad se pueden modelar
en esta forma. Como no hay cola de clientes que esperen su servicio, no hay
tiempo de espera. Por consiguiente, las medidas de desempeo Lq y Wq son
ambas cero. Sin embargo, L, la cantidad de clientes en el sistema, no es cero. El
nmero de clientes en el sistema es igual al nmero de servidores ocupados. Por
lo tanto se busca lo siguiente:

Con una tasa de llegada y tasa de servicio , la distribucin de la cantidad de

clientes en el sistema (o la cantidad de servidores ocupados) en el estado estable

1
tiene distribucin de Poisson con tasa , es decir:

k
e

P{n=k }= para k =0,1,2,
k!

5
Lo que significa que la media y la varianza de la cantidad de clientes en el

sistema, en estado estable, es en ambos casos.

Ejemplo 8.1
La planeacin de personal es una funcin importante para muchas empresas.
Veamos el departamento de una compaa con tamao deseado de personal igual
a 100 puestos. Supongamos que los empleados dejan sus puestos con una
frecuencia o tasa de 3.4 por mes, y que la empresa requiere 4 meses para llenar
las vacantes. El anlisis de datos del pasado indica que la cantidad de empleados
que salen de la empresa por mes tiene distribucin de Poisson. Cul es la
probabilidad de que haya ms de 15 puestos vacantes en cualquier momento?
Cuntos puestos del departamento estn ocupados en promedio? Cuntos
puestos debe tener la empresa para que las personas que trabajen en el
departamento sean 100 en promedio?

Solucin.

Para determinar la distribucin de los puestos ocupados, se modela como un

problema M/M/. Cada vez que sale un empleado, su puesto entra a la cola de
puestos vacantes. Suponiendo que se inicia de inmediato la bsqueda de un
remplazo, el modelo correcto es el de una cantidad infinita de servidores. La

cantidad esperada de puestos vacantes es

5
Siendo entonces la tasa con la que dejan sus puestos los empleado, que es 3.4
por mes, y la rapidez con la que se llenan los puestos, que es por mes. Por
consiguiente, la media de la cantidad de puestos vacantes es

3.4
= =( 3.4 ) ( 4 )=13.6
1
4

Por consiguiente, hay

10036=86.4 puestos llenos

La probabilidad de que haya ms de 15 puestos vacantes es la de una variable

aleatoria de Poisson, con media 13.6, sea mayor que 15. En tanto, la probabilidad
es 0.29 aproximadamente.

Tambin la consecuencia es que si el departamento tuviera 114 plazas y no 100,

habra en promedio, 100 puestos ocupados en cualquier momento.

Ejemplo 8.2
Los clientes llegan a un sistema de colas segn un proceso de Poisson con tasa
media de llegadas de 2 clientes/minuto. Los tiempos de servicio tienen una
distribucin exponencial con media de 1 minuto. Se tiene un nmero ilimitado de
servidores por lo que los clientes nunca esperan que comience su servicio.
Calcule las probabilidades de estado estable de que haya justo un cliente en el
sistema.

Solucin.

P1= P o=2 0

P2=2(1) P o

2n
Pn= P
n! o

Pn =e 2 P0=1
n=0

2
P0=e

2
P1=2 e =0.3

Modelo de Servicio de Mquinas

La jurisdiccin de este modelo es un taller con k maquinas. Cuando una maquina
se descompone, se llama a uno de los tcnicos en mantenimiento para que la
repare. La tasa de descomposturas y servicios siguen la distribucin de Poisson.

La fuente en este modelo es finita porque las maquinas que estn funcionando
pueden descomponerse y por consiguiente puede generar llamadas de servicio.
Una vez que todas las maquina se descompongan, no podr haber ms llamadas
de servicio. Dada de descomposturas por mquina, la tasa de descomposturas
de todo el taller es proporcional a la cantidad de mquinas que estn funcionando.
En funcin del modelo de colas, tener n maquinas en el sistema significa que n
mquinas estn descompuestas y que la tasa de descomposturas asociada de
todo el taller es:

n =( Kn ) ,0 n K

En funcin del modelo generalizado se obtiene

{
n = ( Kn)
0

n= n
R{
Luego

5
 {
K N
C n p0
Pn= K n ! n
Cn ( n R
) p0
R!R

K
n ! n
Cnk n + C nK
R ! Rn R
n= R+1
R

n=0
P0=

Todo el trmino anterior se eleva a la -1

No hay expresin de alguna forma cerrada para Ls y por consiguiente debe

calcularse por medio de la siguiente definicin bsica:

K
Ls = n P n
n =0

El valor de efecto se calcula como

efect =E { ( Kn) }= ( K Ls )

Ejercicio 9.1

Al Taller El Recambio para cambio de aceite, los autos llegan a un promedio de 18

carros por hora en forma Poisson. La poblacin es infinita pero el espacio fsico en
el sistema alcanza solamente para 3 vehculos; puede servir a un promedio de 6
carros por hora de acuerdo a una distribucin exponencial; determinar las
estadsticas de congestin de este taller.

Llegadas Poisson; servicios especiales con cola finita; = 18 carros / hora; = 6

carros/hora; K = 3; = ?; P0 = ?; L = ?; Lq = ?; W = ?; Wq = ?; Ws = ?; S = 1; S = 1

= 2/24; = 83.33% En promedio el tiempo que permanece ocupado el

sistema es del 83.33%

El tiempo promedio que el sistema permanece ocioso es:

5
 P0=1=10.8333=16.7

En promedio la cantidad de mquinas a reparar en la empresa es:

2 0.83332
L= ( 1K
2K )( 1 ) ( )(
+ =
1+5
25 10.8333 )
+0.8333 =3

La cantidad de mquinas en promedio en cola es:

2 0.83332
Lq = ( 1+ K
2K )( ) ( )(
1
=
1+5
25 10.8333 )
=2.49

En promedio las maquinas en la cola antes de ser atendidas permanecen:

W q= ( 1+2 KK )(

)=( 1+5 0.8333
25 2.42 )
)( =1.249 horas=1 hora 14 min

En promedio una maquina espera en el sistema antes de ser atendida:

1 1
W =W q + =1.249+ =1.66 horas=1 hora 39 min
2.4

Ws = W - Wq; Ws = 0.158 - 0.104; Ws = 0.054 hor = 3.27 min Un cambio de aceite

tarda en promedio 3.27 minutos.

Ejercicio 9.2
En una empresa la reparacin de un cierto tipo de maquinaria existente en el
mercado se realiza en 5 operaciones bsicas que se efectan de una manera
secuencial; si le tiempo que se lleva en realizar cada uno de los 5 pasos tiene una

5
distribucin exponencial con media de 5 minutos. Estas mquinas se
descomponen segn una distribucin Poisson con una razn media de 2
mquinas / hora y en la fbrica solo hay un mecnico que las repara. Calcular las
caractersticas de operacin de la empresa.

Llegadas Poisson; servicios constantes: = 2 mquinas/hora; = 2.4

mquinas/hora; K=5; =? ; P0 =?; Lq=?; Wq=?:; Ws=?

2
= = = 0.8333. Tiempo promedio que permanece ocupado el
2.4
sistema.

P0 = 1- = 1-0.8333 = 0.16666. Tiempo promedio que el sistema permanece

ocioso.

2 0.83332
L= ( )(
1+ k
2k 1
+ ) = ( )(
1+ 5
25 10.8333
+0.8333 ) =

0.83332
( )( 6
10 0.167
+ 0.8333 ) =3

En promedio la cantidad de mquinas a reparar en la empresa es de 3.

2 2 2
Lq= ( 1+ K
2K )( )

1
; Lq = ( )(
1+ 5
25
0.8333
10.8333 ) = ( )( 6
10
0.833
0.166 ) = 2.49
La cantidad de mquinas promedio en cola es de 2.49

Wq= ( 1+2 KK )(

) ; Wq= ( 1+255 )( 2.42.0
0.8333
);W =
q ( 106 )( 0.8333
0.4 )
;Wq=

1.249h = 1h. 14 min.

En promedio las maquinas en la cola antes de ser atendidas permanecen 1 hora

14 minutos.

5
 +1 +1
W= Wq = 1.249 W= 1.66h.= 1hor 39 min.
2.4

En promedio una maquina espera en el sistema antes de ser atendida 1 hora 39

minutos.

Ws = W - Wq; Ws = 1.66 - 1.249; Ws = 0.411 hor = 25 min En promedio el tiempo

de un servicio es de 25 minutos

Formula de Pollaczek-Khintchine (P-K)

Los modelos de colas en los que las llegadas y salidas no siguen la distribucin de
Poisson son complejos. En general, es aconsejable utilizar la simulacin como una
herramienta alternativa para analizar estas situaciones.

Ac se presenta una de las pocas colas no de Poisson para la cual hay

disponibles resultados analticos. Se trata del caso en el que el tiempo de servicio
t, est representado por cualquier distribucin de probabilidad con media E(t) y
varianza var(t). Los resultados del modelo incluyen las medidas de desempeo
bsicas Ls, Lq, Ws, y Wq, as como tambin Po. El modelo no proporciona una
expresin de forma cerrada para Pn debido a la incontrolabilidad analtica.

Sea la tasa de llegadas a la instalacin de un solo servidor. Dadas E(t) y var(t)

de la distribucin del tiempo de servicio y que E(t) 1 , se puede demostrar por
medio de un anlisis de cadena de Markov/probabilidad compleja que

2 ( E2 ( t )+ var ( t ))
Ls= E (t ) +
2(1 E ( t ) )

E ( t )<1

La probabilidad de que la instalacin este vaca se calcula con:

p0=1E ( t ) =1

5
Ejercicio 10.1
En la instalacin de lavado de autos Automata los autos llegan segn una
distribucin de Poisson con una media de 4 autos por hora. Se tiene un nuevo
sistema de modo que el tiempo de servicio de todos los autos es constante e igual
a 10 minutos. Cmo afecta el nuevo sistema al funcionamiento de la instalacin?

Solucin

efect=4autos por hora. El tiempo de servicio es constante de modo que

E(t)=10/60=1/6 hora y var(t)=0. Por lo tanto,

2
1
1
4(
6
2
+0) ()
Ls=4
6 ()
+
4
2(1 )
=1.333 autos
6

Lq=1.333 ( 46 )=0.667 autos

1.333
W s= =0.333horas
4

0.667
W q= =0.167 horas
4

Ejercicio 10.2

Los clientes de un coffee shop siguen un proceso Poisson con tasa media de 30
por hora. El tiempo necesario para que sirvan a un cliente tiene distribucin
exponencial con media de 75 segundos.

a) Con el modelo M/G/1 encuentre L, Lq, Ws y Wq

b) Suponga que sustituyen el coffee shop por una mquina expendedora que
requiere justo 75 segundos de operacin por cliente. Encuentre L s, Lq, Ws y
Wq

5
 a. = 30

3600
= =48
75
1
=0.0208333

1
= =0.208333

S=1

Resolviendo:

30


0.625


2

Lq=

Lq=1.04166

Ls=0.625+1.04166=1.6667

Ws=0.034722+0.020833=0.05555

1.04166
W q= =0.034722 b.
30

5
 0


0.625


2
(30)2
Lq=

Lq=0.5208

Ls=0.625+0.5208=1.1458

Ws=0.01736+ 0.020833=0.038193

0.5208
W q= =0.01736
30

5
 Fuentes de informacin
Bibliografa
INVESTIGACIN DE OPERACIONES, 7 EDICIN TAHA HAMDY A.

INVESTIGACION DE OPERACIONES HILLIER LIBERMAN 7 EDICION.

METODOS CUANTITATIVOS PARA ADMINISTRACION, HILLIER, LIBERMAN

7 edicin

Pginas Web
https://books.google.com.sv/books?
id=3oHztjMSuL8C&pg=PA593&lpg=PA593&dq=modelo+de+colas+de+poisson+ge
neralizado&source=bl&ots=nMDF9e5SFL&sig=zCbj4MhD8Nm_vLE05xyyWMLVEn
U&hl=es&sa=X&ved=0ahUKEwj3lqPx-
nKAhUGpB4KHdzAB1YQ6AEINjAH#v=onepage&q&f=true

http://www.buenastareas.com/materias/modelo-generalizado-de-colas-de-
poisson/0

http://fmarrerodelgado.galeon.com/colas.html

http://catarina.udlap.mx/u_dl_a/tales/documentos/lem/garduno_a_f/capitulo2.pdf