Universidad Andrés Bello

Facultad de Ingeniería
Campus Gran Concepción
Ingeniería Civil Industrial

TEORIA DE COLAS
(Apunte de Clases)

Docente: Yerko Sánchez Oñate

E-mail: ysanchez@iesechile.com

Prof. Yerko Sánchez Oñate, M.Sc Modelos Estocásticos / UNAB

1. Introducción a la Teoría de Colas.

La teoría de colas explica el comportamiento de sistemas que están compuestos

básicamente por 4 elementos: llegada, línea de espera, servicio y salida.

Todo fenómeno que se pueda representar por el gráfico anterior, es susceptible de

modelar a través de Teoría de Colas. Al sistema llegan entidades (ej: personas, equipos,
productos) las que pasan por una etapa de espera (cola) para ser luego servidas. Una vez
servidas, las entidades salen del sistema.

En todo fenómeno de espera están presente 6 principios básicos:

 Proceso de llegada: Es la forma en que llegan las entidades al sistema. Tiene que
ver con el tiempo que transcurre entre las llegadas de cada entidad al sistema.
Puede ser determinístico o estocástico.
 Proceso de atención: Es la forma en que se entrega el servicio. Tiene que ver con
el tiempo total necesario para completar el servicio. Puede ser determinístico o
estocástico.
 Número de servidores: Los sistemas pueden tener uno o varios servidores en
paralelo. Cuando existe más de un servidor se puede tener una cola en común o
colas en paralelo.
 Capacidad del sistema: Cada sistema tiene una capacidad dada para acumular
cola dentro de él. Puede ser que esta capacidad sea infinita, es decir, que la cola
puede crecer en forma ilimitada. Cuando la capacidad de un sistema es finita y
ésta está copada, la llegada de una nueva entidad no es permitida siendo ésta
rechazada por el sistema.
 Disciplina de atención: Es la política adoptada para la atención de las entidades.
Tiene que ver con el orden en que son atendidas las entidades.
 Tamaño fuente de entrada: Es la información respecto a la cantidad de entidades
que pueden entrar al sistema.

¿Por qué es útil estudiar los sistemas de colas?

Los procesos productivos que tienen procesos de colas enfrentan la disyuntiva de cómo
administrarlos. El tiempo de espera se puede valorizar en valor económico mientras que
cada servidor extra tiene un costo de operación asociado. Así, existe un trade-off
económico entre la velocidad de servicio y el costo en servidores. Para ofrecer una mayor
rapidez en la atención se requiere del uso de más servidores lo que traerá mayor costo,

Prof. Yerko Sánchez Oñate, M.Sc Modelos Estocásticos / UNAB

pero esto permitirá bajar el costo de espera. Un menor costo en servidores aumentará el
tiempo de espera y por lo tanto el costo asociado. Este trade-off se puede ver acá:

Tal como se puede ver en el gráfico, el costo de espera disminuye a medida que aumenta
el nivel de servicio, mientras que el costo de operación aumenta mientras aumenta el nivel
de servicio.

Se puede ver que existe un punto de operación donde el costo es mínimo, por lo que no
da lo mismo el nivel de servicio.

El estudio de sistemas de colas permite determinar las medidas de funcionamiento como

son el tiempo de espera y la longitud de cola promedio entre otras. Con esta información,
se pueden tomar decisiones de modo de mejorar u optimizar el funcionamiento del
sistema.

Prof. Yerko Sánchez Oñate, M.Sc Modelos Estocásticos / UNAB

 2. Notación de Kendall

Existe una nomenclatura ampliamente aceptada para identificar los fenómenos de espera.
Esta notación está dada por:

a/b/c/d/e/f

Cada fenómeno de espera se notará con estas 6 claves donde:

 a: representa el patrón de llegada o arribos.

 b: representa el patrón de servicio.
 c: representa el número de servidores disponibles.
 d: representa la capacidad del sistema.
 e: representa la disciplina de la cola.
 f: representa el tamaño de la población de donde vienen las entidades.

Las letras c, d y f se reemplazan por los números respectivos que correspondan al

sistema. Las letras a, b y e son reemplazadas por símbolos donde:

Característica de la Símbolo Significado

cola

D Determinístico

Tiempo entre M Distribución exponencial

llegadas
Distribución Erlang tipo K
o
G Alguna otra distribución
tiempo entre servicio

FIFO Primero en llegar, primero en salir

LIFO Último en llegar, primero en salir

Disciplina de la cola SIRO Servicio aleatorio

PRI Orden por prioridad

GD Algún otro orden

Prof. Yerko Sánchez Oñate, M.Sc Modelos Estocásticos / UNAB

Reglas de Prioridad (Disciplina de Cola):
Una regla de prioridad es un criterio que permite seleccionar un trabajo y asignarlo a un
servidor. Cuando un servidor se desocupa, y existen trabajos que esperan ser procesados
en éste, se selecciona el trabajo con el índice más favorable, de acuerdo a la definición de
la regla. Por ejemplo, SPT selecciona al trabajo con menor tiempo de proceso en la
operación a realizar en un servidor.

Algunas Reglas de Prioridad Básicas:

FIFO (First In First Out): Prioriza entidad (trabajo) que llega primero para ser procesada.
LIFO (Last In First Out): Prioriza la última entidad (trabajo) que entra para ser procesada
primero.
SPT (Shortest processing time): Prioriza entidad (trabajo) con menor tiempo de proceso.
LPT (Largest processing time): Prioriza entidad (trabajo) con mayor tiempo de proceso.
FASFS (First arrival to the system first served): Prioriza entidades según orden de llegada
al sistema.
FCFS (FIFO) (First come first served): Prioriza las entidades (trabajos) según orden de
llegada al servidor.
EDD (Earliest due date): Prioriza entidad (trabajo) con fecha de entrega más cercana.
RANDOM (Arbitrario o aleatoria): Elección arbitraria o aleatoria de entidad (trabajo).
LWKR (Least work remaining): Prioriza entidad (trabajo) con menor cantidad de trabajo
restante.
MWKR (Most work remaining): Prioriza entidad (trabajo) con mayor cantidad de trabajo
restante.
SST (Shortest setup time): Prioriza entidad (trabajo) que origina el menor tiempo de
preparación de la máquina (servidor).
SLACK (Holgura): Prioriza entidad (trabajo) con menor holgura.
SLACK/OPN (Slack per operation): Prioriza entidad (trabajo) de menor razón entre su
holgura (slack)y el número de operaciones restantes.
WINQ(Work in next queue): Se prioriza la entidad (trabajo) cuya siguiente operación se
realizaría en una máquina(servidor) con menor cantidad de trabajo (Uniformiza las cargas
de los centros de trabajos / iguala las tasas de utilización de los centros de trabajo).

Prof. Yerko Sánchez Oñate, M.Sc Modelos Estocásticos / UNAB

Ejemplo:

Se tiene un sistema tipo M/D/2/5/LIFO/100

Este sistema tiene un tiempo entre llegadas que se distribuye exponencial, un tiempo de
atención determinístico, 2 servidores, una capacidad del sistema de 5 entidades, una
política de atención LIFO y una población de origen de las entidades de 100.

Habitualmente los sistemas de espera se denotan por a/b/c, es decir que no se indica
capacidad máxima del sistema, política de servicio ni el tamaño de la población de origen.
En estos casos se debe suponer una capacidad infinita, una política de servicio FIFO y un
tamaño poblacional infinito, es decir:

a/b/c = a/b/c/ /FIFO/

3. Proceso de Nacimiento y Muerte

Si suponemos un sistema de colas con tiempo entre llegadas y tiempo entre servicios
distribuidos de forma exponencial, es posible generalizar un modelo de colas en términos
de los procesos de nacimiento y muerte.

Cuando nos referimos a un proceso de espera, podemos entender al sistema como un

proceso de nacimiento y muerte donde la llegada de una entidad al sistema es un
nacimiento y la salida de una entidad es la muerte.

Se define a N(t) como el número de entidades en el sistema en el tiempo t. Es útil estudiar

la evolución estocástica de la función N(t) a medida que cambia t. Los nacimientos y
muertes individuales ocurren de forma aleatoria por lo que este modelo es útil sólo para
describir procesos donde tanto la llegada como la salida del sistema son aleatorias.

Se define:

: Número promedio de nacimientos por unidad de tiempo dado que hay n entidades en
el sistema.

: Número promedio de muertes por unidad de tiempo dado que hay n entidades en el
sistema.

: Probabilidad de que el sistema se encuentre en el estado n.

Prof. Yerko Sánchez Oñate, M.Sc Modelos Estocásticos / UNAB

Podemos graficar un proceso de nacimiento y muerte de la siguiente forma:

El modelo se desarrolla bajo el supuesto de comportamiento de estado estable, el que se

logra luego de que el sistema ha estado funcionando un periodo suficientemente grande.

No se pretende aquí derivar ecuaciones que expliquen el comportamiento de un sistema

de colas en estado transitorio cuando el sistema no se ha estabilizado aún.

Se puede demostrar un principio fundamental de procesos de nacimiento y muerte que

dice que en estado estable la tasa esperada de entrada a un estado cualquiera i es igual
a la tasa esperada de salida del estado i.

Esta es la ecuación de balance para un estado n. Utilizando esta ecuación para cada
estado partiendo por el estado 0 se tiene:

Estado Tasa esperada de entrada = tasa esperada de salida

…. …..

…. …..

Prof. Yerko Sánchez Oñate, M.Sc Modelos Estocásticos / UNAB

Al resolver el sistema despejando y utilizándolo en forma recursiva se llega a:

Además sabemos que:

Con esta segunda ecuación se puede determinar el valor de .

4. Terminología y medidas de rendimiento

Se han establecido en forma estándar cierta terminología y medidas de rendimiento para

describir y estudiar el comportamiento de un sistema de colas en estado estable. Las más
comunes son:

N(t) : Número de clientes en el sistema en el tiempo t.

P(N n) : Probabilidad de que haya n o más entidades en el sistema.

P(T > t) : Probabilidad de estar más de t unidades de tiempo en el sistema.

(T > t) : Probabilidad de estar más de t unidades de tiempo en la cola.

: Probabilidad de que haya exactamente n clientes en el sistema.

s : Número de servidores en el sistema.

: Tasa media de llegadas de clientes cuando hay n clientes en el sistema.

: Tasa media de servicio de todos los servidores cuando hay n clientes en el sistema.

: Tasa media de llegada cuando es constante para todo n.

: Tasa media de servicio por servidor ocupado cuando es constante para todo n.

Factor de utilización de un servidor.

L : Número esperado de clientes en el sistema.

: Número esperado de clientes en la cola.

W : Tiempo promedio de espera en el sistema.

: Tiempo promedio de espera en la cola.

Número esperado de servidores ocupados.

Prof. Yerko Sánchez Oñate, M.Sc Modelos Estocásticos / UNAB

 5. Fórmulas de Little

Las fórmulas de Little establecen una relación entre L, W, . Estas fórmulas

funcionan bajo el supuesto de que es constante para todo n, es decir que la tasa de
entrada es . Y bajo el supuesto que el tiempo de servicio también es constante igual a .

Si no es constante, el valor de se puede sustituir por que es valor del promedio de

llegada.

Es importante notar que el valor debe corresponder a una tasa efectiva, es decir que no
considera la intención de llegada sino sólo la tasa de llegada real. Existen sistemas de
cola que tiene pérdida de llegadas, como los sistemas con un tamaño de cola máximo
donde no todos los que quieren entrar al sistema pueden hacerlo. En estos casos es
importante distinguir la tasa de llegada efectiva, tal como lo muestra la siguiente figura:

FUENTE SISTEMA

Tal como se puede ver en el diagrama, se tiene la identidad:

De esta forma:

Prof. Yerko Sánchez Oñate, M.Sc Modelos Estocásticos / UNAB

Sistema M/M/1

Es útil estudiar sistemas con tiempo entre llegadas y tiempo entre servicios con
distribución exponencial con un servidor disponible, con capacidad infinita, con política de
atención FIFO y con una fuente de entrada de tamaño infinito. Este sistema es un sistema
M/M/1.

Para estos sistemas se considera que las entidades llegan de acuerdo a una distribución
de Poisson con una tasa y el único servidor atiende una entidad a la vez y se demora un
tiempo aleatorio exponencialmente distribuido con tasa servicio . Se tiene que la
constante es la tasa de llegada promedio de entidades mientras que es la tasa
promedio de servicio. Ambos se miden en unidades de entidades por unidades de tiempo.

Conociendo ambos parámetros, es posible estudiar el comportamiento de todo el sistema.

En este tipo de modelos se supone que de modo que la cola no crezca en forma
indefinida y así alcance un estado estable en el largo plazo.,

Para un modelo M/M/1 se tienen las siguientes relaciones:

Prof. Yerko Sánchez Oñate, M.Sc Modelos Estocásticos / UNAB

Sistema M/M/s

S servidores con llegadas de Poisson y tiempos de servicio exponenciales.

1
P0 
(  )  s  s 1 (  )
s n

s !  s     n 0 n !
(  )  
s
Lq  P Ls  Lq 
s !(1   ) 2 0

Lq 1
Wq  Ws  Wq 
 
 (  ) n
 P0 , si n  s
 n!
Pn  
 (  ) P , si n  s
n

 s ! s n  s 0
 (( s  ) s p0 1  e  t ( s 1 s  )  ) 
P T  t   e 1 
 t   
 s !(1   )( s  1  s  ) 
 
  t ( s 1 s  )
( s  ) p0 e
s
Pq T  t  
s !(1   )

M/M/1/K

1 servidor con llegadas de Poisson y tiempos de servicio exponenciales y puede soportar

K entidades al mismo tiempo en el sistema. Las entidades que llegan al sistema cuando
ya hay K entidades en éste, son rechazadas y no se les permite hacer cola frente de éste.

 si n  K

0 si n  K
  n 1   
 si   1
 1   K 1 
Pn  
 1
 K  1 si   1

 

 K  1  K 1 si   1

 1    1   K 1 
L
K
 2 si   1

Utilizando las fórmulas de Little se pueden obtener todos los indicadores.

Prof. Yerko Sánchez Oñate, M.Sc Modelos Estocásticos / UNAB

Para utilizar estas ecuaciones se debe calcular efectivo como:

efectivo   (1  pk )

M/M/s/K

Sistema con s servidores, con llegadas de Poisson y tiempos de servicio exponenciales y

puede soportar K entidades al mismo tiempo en el sistema. Las entidades que llegan al
sistema cuando ya hay K entidades en éste, son rechazadas y no se les permite hacer
cola frente de éste.

 si n  K

0 si n  K
 n si n  s

 s si n  s
 1
si   1
 
 s s  s 1 1   K  s
 
s
( s  ) n

 s !1    n 0 n!
P0  
 1
si   1
 s s s
sn
    K  s   
  s !  n0 n !

 ( s  ) n p0
 si n  s
 n!
Pn   s s  n p0
 s! si s  n  K

0 si n  K
s s  s 1
Lq   1   K  s  1    K  s   K  s  p0
s !1   
2

Prof. Yerko Sánchez Oñate, M.Sc Modelos Estocásticos / UNAB

Sistema M/D/1

Un servidor con tiempos entre llegadas exponenciales y una distribución degenerada de

tiempos de servicio. 2

Ls  Ws Lq 
2(1   )
1 L
Ws  Wq  Wq  q
 
 1

Sistema M/G/1

Un servidor con tiempos entre llegadas exponenciales y una distribución general de

tiempos de servicio.
 2 2   2
Ls  Lq   Lq 
2(1   )
1 Lq
Ws  Wq  Wq 
 
P0  1   Pw  
 1
Sistema M/Ek/1

Un servidor con tiempos entre llegadas exponenciales y una distribución Erlang de

tiempos de servicio.

 2 (k  1)
Ls  Ws Lq 
2k (1   )
1 Lq
Ws  Wq  Wq 
 
 1

Prof. Yerko Sánchez Oñate, M.Sc Modelos Estocásticos / UNAB